SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场soia-pkm-clip-wechat-account

soia-pkm-clip-wechat-account

办公与效率

查看项目

更新于 10-16 10:17

技能介绍

用途

soia-pkm-clip-wechat-account 是 clip 家族的公众号批量成员，面向「把我自己公众号的历史文章一次性拉进 vault」的批量场景。它只用于归档你自己管理的公众号，不是通用的公众号爬虫；单篇、贴 URL 归档的场景由 soia-pkm-clip-wechat-article 负责。

主要能力

技能支持三条抓取路线，并把结果统一落地到 Obsidian vault：

  • 路 A · 官方 API：调用 /cgi-bin/token 获取 access_token，再用 /cgi-bin/freepublish/batchget 获取成功发布列表、/cgi-bin/material/batchget_material 获取永久图文素材。需要已认证服务号/订阅号与 AppID/AppSecret，且长期有效并配置 IP 白名单。
  • 路 C · 公众号后台接口：默认走 appmsgpublish 读当前登录账号的发表记录；传入 --name 或 --fakeid 时改走 searchbiz + appmsg?action=list_ex 读取指定账号。凭据为 token 与完整 Cookie，社区报告通常几小时过期。
  • 路 B · 登录态 Cookie：调用 mp profile_ext 的 action=getmsg 接口翻页拉取历史文章，需 __biz/key/pass_ticket/appmsg_token 与 Cookie，票据有效期从几小时到几天。

三条路线落地时按 url 递归查找是否已归档，已存在则默认跳过，--force 才覆盖，交替运行不会重复落地同一篇。

使用方式

安装命令：

npx skills add soia-team/soia-open-skills -g -a '*' -s soia-pkm-clip-wechat-account -y

配置约定路径为 ~/.config/soia-skills/soia-open-skills/soia-pkm/soia-pkm-clip-wechat-account/config.yml，可用环境变量 SOIA_PKM_CLIP_WECHAT_ACCOUNT_CONFIG_FILE 覆盖（兼容别名 SOIA_PKM_CLIP_GZH_CONFIG_FILE、SOIA_PKM_CLIP_GZH_ENV_FILE）。秘钥、cookie、token 只能放进私有 config.yml、进程环境或 provider 登录态，不能写进仓库、vault 正文或日志。

三条路线的调用示例：

python3 scripts/fetch_api.py [--out <目录>] [--limit N] [--dry-run] [--vault <path>] [--account-name <显示名>] [--force] [--page-size 20]

默认读自己当前登录账号

python3 scripts/fetch_mp.py [--out <目录>] [--limit N] [--dry-run] [--vault <path>] [--account-name <显示名>] [--force] [--sleep 3] [--page-size 20]

读取指定账号

python3 scripts/fetch_mp.py --name <公众号名> [--out <目录>] [--limit N] [--dry-run] [--vault <path>] [--account-name <显示名>] [--force] [--sleep 3] [--page-size 5]

python3 scripts/fetch_cookie.py --biz <__biz> [--out <目录>] [--limit N] [--dry-run] [--vault <path>] [--account-name <显示名>] [--force] [--sleep 1.5]

执行前建议先用 --dry-run --limit 3 之类的小样本探路，向客户报告预计处理的公众号、篇数量级与时间范围，客户确认范围后再放开全量抓取；只有客户当前这句话明确说「直接抓/不用确认」才可跳过确认，并在回执里说明沿用的范围假设。

路 B / 路 C 走非官方接口，首次使用需展示声明并取得客户显式同意，同意后把 {accepted: true, acceptedAt: <ISO 时间戳>, disclaimerVersion: "v1"} 写入私有配置目录下的 consent.json。路 A 不受此 consent 约束。

落地规范

默认输出目录为 Inbox/gzh-articles/<年>/，可用 --out 或 env.OBSIDIAN_GZH_OUT 覆盖。文件名格式为 <出版日期>-公众号-<账号显示名>-<标题>.md，同名冲突按 url 特征加短后缀。frontmatter 包含 tags:[公众号原创, 待归位]、source: 公众号自有、url、title、author、published_at、captured_at、route: api|cookie|mp-backend、content_complete、topics: []。正文由 HTML 经 stdlib html.parser 转 Markdown，不保证 100% 还原排版；content_complete: false 表示正文抓取失败或为空，需要人工核对原文链接。列表接口不返回 author 字段时，落地用 --account-name / WECHAT_ACCOUNT_NAME 兜底，不保证等于真实署名作者。

适用场景

  • 路 A 适合抽查、核对、增量同步已发布内容；但由于 freepublish/batchget 只返回通过草稿箱「发布」发出的文章，且自 2025-07 起个人主体、未认证企业主体等账号的「发布能力」接口权限被回收，多数个人订阅号大概率跑不通，需要已认证服务号/订阅号。它不适合当作全量备份。
  • 路 C 是读自己号全部历史（含手动群发老文）的推荐路线，凭据只需抓一对 token/Cookie，比路 B 配对三个票据更不易出错；默认路径读当前登录账号，不存在认错号的问题。
  • 路 B 作为路 C 失效时的备选。

限制

  • 路 B / 路 C 为非官方接口，无官方文档背书，存在 ToS 风险，随时可能被调整，仅限归档自己管理的账号。
  • token/Cookie 会过期，无刷新机制；常见错误码包括 200003 invalid session（需重新登录抓包替换）、200013 freq control（触发限流）、200040 invalid csrf token（token 与 Cookie 疑似非同一会话）。
  • 存在限流风险：fetch_mp.py 默认每页/每篇间隔 --sleep 3 秒，fetch_cookie.py 默认 1.5 秒，社区报告即使 5 秒/页的节流，抓到近千篇量级仍可能触发 freq control，建议配合 --limit 分批跑。
  • 归档落到 vault 的收件箱层，是中转区而非最终位置；archive 后可由 AI 逐篇补摘要、回填 topics，后续交给 organize 批量归位。