公众号作者文章抓取

这个 技能 负责什么

把“给我一个公众号文章链接，然后批量抓取这个公众号最近 N 篇文章并落盘”这件事标准化。

这个 技能 自带抓取脚本包，默认使用当前 技能 目录里的这些文件：

./scripts/mAIn.py ./scripts/requirements.txt ./scripts/config.json ./scripts/运行_fetcher.sh ./scripts/运行.command ./references/抓取器说明.md

./scripts/mAIn.py 是抓取主程序。./scripts/运行_fetcher.sh 是 代理 更适合调用的启动脚本，会在 scripts/ 目录下缺少 .venv 时自动创建并安装依赖。需要看工具细节、安装方式、JSON 返回和缓存目录时，再读 ./references/抓取器说明.md。

下面这些情况不要硬用本 技能：

用户只要单篇文章摘要，不需要批量抓取 用户要做最终排版、发布、审查 用户要抓评论数、阅读数、点赞数等额外指标 用户要求云端缓存公众号登录态 你依赖的本地工具能力

当前抓取工具已经具备这些能力：

本地保存登录态，不走云端 登录失效时自动生成二维码 支持 命令行工具 + JSON 支持 ensure-记录in 支持 记录in-状态 支持 fetch 支持 clear-记录in 输出 Markdown、HTML、articles.json

这个 技能 默认调用当前目录内自带的抓取器副本，不要回头依赖桌面上的原项目路径，除非用户明确要求你同步或升级那份原始项目。

运行前检查

先检查以下文件是否存在：

./scripts/mAIn.py ./scripts/requirements.txt ./scripts/运行_fetcher.sh

如果缺失：

明确告诉用户 技能 自带抓取器不完整。 不要伪造抓取结果。 如果用户要你补安装，再在当前 技能 目录里补齐。 输入约定

最小输入通常只需要：

任意一篇目标公众号文章链接

可选输入：

单次抓取篇数 输出父目录 是否需要清空已有登录态后重登 当前环境是 IM、纯终端、还是有桌面界面

如果用户没有显式给抓取篇数和输出目录：

优先沿用 ./scripts/config.json 不要擅自改 ./scripts/mAIn.py 需要调数量或输出路径时，只改 ./scripts/config.json 配置规则

工具当前通过 ./scripts/config.json 控制这些参数：

输出_parent 输出_folder_name article_limit concurrency display_mode

处理原则：

用户明确要求改输出目录或抓取篇数时，只改 ./scripts/config.json 用户没要求时，沿用现有配置 Linux / 代理 / IM 场景优先用 display_mode = "silent" 纯终端扫码场景优先用 display_mode = "terminal" 本机桌面人工扫码场景可用 display_mode = "image"

推荐直接调用：

cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh ...

标准工作流

• 确认是否要清除登录态

默认不要清。

只有用户明确说：

“删掉登录状态重新来” “我要测试从零登录” “我要把机器交给别人，先清缓存”

才执行：

cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh clear-记录in --json

• 选择二维码展示模式

按场景选：

IM / 机器人 / 代理 回消息：silent Linux 纯终端：terminal 本机有图形界面，用户直接扫码：image 不确定但有人机混合：auto

• 确保登录可用

优先运行：

cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh ensure-记录in --json --display silent

如果返回 认证d，直接继续。

如果返回 wAIting_扫描：

读取 qr_png_path 和 qr_text_path IM / 聊天场景：优先把 qr_png_path 对应的图片发给用户 纯终端场景：打印或转述 qr_text_path 本机桌面场景：如果当前命令不是 --display image，可以改为 --display image 重新启动登录 然后轮询： cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh 记录in-状态 --json

直到出现：

状态 = 认证d 或 状态 = timeout 或用户中止

• 执行抓取

登录成功后，执行：

cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh fetch "公众号文章链接" --json --display silent

抓取成功时会返回：

account_name account_alias 下载ed fAIled 输出_dir 索引_file 结果s

• 给出结果摘要

至少汇报这些信息：

命中的公众号名称 本次抓取篇数 成功 / 失败数量 输出目录 articles.json 路径 当前登录态是“复用已有缓存”还是“本轮扫码新登录” 关于“指定时间范围”

当前工具最擅长的是：

通过一篇文章链接识别公众号 批量抓取该公众号最近 N 篇文章

如果用户说“抓取某一段时间内的文章”，按下面处理：

先把 article_limit 调大，抓一批最近文章 再根据 articles.json 里的时间字段或 Markdown 里的发布时间做二次筛选 如果当前抓下来的文章仍然覆盖不到目标时间段，再告诉用户需要继续提高 article_limit 重跑

不要假装当前抓取器已经原生支持精准日期筛选。

输出物说明

默认输出结构类似：

<输出_parent>/输出文章/<公众号名_时间戳>/ markdown/ html/ articles.json

每篇文章通常会有：

一份 Markdown 一份原始 HTML

索引文件 articles.json 适合：

批量分析 后续仿写模板生成 做时间筛选 统计抓取成功率 隐私与安全边界

必须遵守：

登录态只允许保存在本机项目目录 不要把 .playwright-性能分析 上传到云端 不要把登录缓存打包发给别人 不要把 cookie、令牌、性能分析 内容直接展示给用户 除非用户明确要求，否则不要执行 clear-记录in

如果用户说要把机器或项目交给别人：

cd "内容生产龙虾/公众号作者文章抓取" ./scripts/运行_fetcher.sh clear-记录in --json

并明确告诉用户已清理这两个目录：

.playwright-性能分析 记录in_artifacts 失败处理 登录相关 如果 ensure-记录in 长时间卡住，检查 记录in-状态 --json 如果二维码为空白，说明二维码文件生成异常，不能假装可扫 如果 状态 = timeout，提示用户重新发起登录 工具相关 如果 ./scripts/.venv/bin/python 不存在，优先通过 ./scripts/运行_fetcher.sh 自动补环境 如果 ./scripts/mAIn.py 不存在，说明当前 技能 自带抓取器不完整 如果 fetch 失败，要把错误原样转述给用户，并附上当前命令和关键路径 抓取结果相关 如果 下载ed = 0，不能说“已完成” 如果 fAIled > 0，要明确说失败篇数和可能原因 推荐汇报格式

当状态是 wAIting_扫描 时，用这种结构：

当前状态：等待扫码登录 二维码图片： 二维码文本： 下一步：请扫码，扫码后我继续轮询登录状态

当抓取完成时，用这种结构：

抓取完成 公众号： 抓取结果：成功 <下载ed> 篇，失败 篇 输出目录：<输出_dir> 索引文件：<索引_file>

与其他内容生产 技能 的衔接

抓取完成后，常见下一跳是：

公众号作者仿写模板生成 用抓下来的 Markdown 建作者风格模板 公众号标题与开头拆解 重点拆标题、开头钩子和叙事切口 公众号文章写作 把作者风格和情报素材拼起来正式写稿 公众号信息深挖与多源核验 对抓到的主题继续做多源验证和补充事实 示例触发

示例 1

输入：把 Rockhazix 这个公众号最近 50 篇文章全抓下来，我后面要做仿写。

处理：触发本 技能，先确保登录，再批量抓取并返回输出目录。

示例 2

输入：我给你一篇公众号链接，你去把这个作者最近的文章都下载成 Markdown。

处理：触发本 技能，用 fetch 命令执行一条龙抓取。

示例 3

输入：先删掉登录状态，我重新扫码，你抓完后告诉我文章都存到哪了。

处理：先 clear-记录in，再 ensure-记录in，登录成功后执行 fetch。