# Read Weread Analyzer > 基于微信读书的书架、阅读时长、笔记、划线数据，生成 10 维度的深度阅读分析报告。当用户说"分析我的微信读书"、"读书画像"、"阅读分析"、"我的阅读报告"、"猜我的 MBTI"、"读书复盘"时触发。输出美观的 9:16 白底简约 HTML 可视化页面。 - Skill: `spacezephyr/read-weread-analyzer` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add spacezephyr/read-weread-analyzer` - Raw SKILL.md: https://api.skillmd.com/api/skills/spacezephyr/read-weread-analyzer/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Web & Frontend - Author: spacezephyr (https://skillmd.com/u/spacezephyr) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/spacezephyr/read-weread-analyzer --- # weread-analyzer — 微信读书深度阅读分析 ## 触发词 - 分析我的微信读书 - 读书画像 / 阅读画像 - 我的阅读报告 / 读书复盘 - 根据我的阅读猜 MBTI - 阅读兴趣分析 ## 前置依赖 - `weread-skills` 已安装 - 环境变量 `WEREAD_API_KEY` 已配置 ## 工作流 ### 步骤 1：数据采集 执行 `scripts/fetch.py`，自动拉取： - `/user/notebooks` 分页全量 - 每本书的 `/book/bookmarklist` + `/review/list/mine` - `/readdata/detail` mode=annually（当前年 + 上一年，覆盖近 12 个月） - `/shelf/sync`（书架全貌） ```bash python3 ~/.claude/skills/read-weread-analyzer/scripts/fetch.py /tmp/read-weread-analyzer/data.json ``` 数据范围说明：**优先使用最近 12 个月数据**。如果用户首次有效阅读到现在不足 12 个月，使用全部可用数据，并在报告封面注明范围。 ### 步骤 2：深度分析（必须完成全部 10 个维度） 逐一产出，**禁止跳过任何一项**。每个维度的产出要求如下： #### 1. 阅读画像 Reading Persona - 主要关注的主题（3-5 个，按权重排） - 阅读偏好（深度/广度/工具型/思辨型……） - 哪些书是"读进去了"（高完成率 + 多划线 + 有想法） - 哪些书是"收藏未读"或"浅尝辄止"（书架在但完成率低 / 无划线） - **MBTI 推测**：基于阅读题材偏好、笔记内容、思辨密度给出推测，标注置信度（低/中/高），并给出 2-3 条支撑理由 #### 2. 阅读兴趣变化 Interest Drift - 按"最早 1/3、中间 1/3、最近 1/3"分段或按季度切片 - 列出每段的关注主题 - 长期稳定的兴趣 vs 短期波动 - 用一句话总结：**最近真正关心的问题是什么** #### 3. 知识结构与盲区 Map & Blind Spots - 已积累较多的领域（3-5 个） - 明显薄弱的领域（3-5 个） - 短板可能如何影响：工作判断 / 表达能力 / 产品思考 / 个人成长（四个角度都要给） #### 4. 阅读质量诊断 Quality Diagnosis - 综合判断阅读模式：系统性学习 / 兴趣型浏览 / 问题驱动 / 焦虑式收藏 - 关键指标：完成率均值、平均阅读时长、划线密度（划线/小时或划线/本）、复读情况 - 给出诚实诊断，不粉饰 #### 5. 高价值内容提炼 Core Insights - 从全部划线和想法中提炼 5-8 条最能代表长期关注和思考习惯的核心观点 - **必须转述，不大段引用**；若必须引用，每条不超过 20 字 - 每条关联 1-2 本来源书 #### 6. 书籍关系分析 Book Network - 找出读过的书之间的：共同问题、观点冲突、互相补充 - 形成 2-3 个"主题簇" - 总结当前的**隐藏世界观**（最重要） #### 7. 行动建议 Actionable Advice 分四类，每类 2-3 条具体建议： - 工作决策 - 个人成长 - 表达写作 - 产品思考 #### 8. 选题建议 10 Topic Ideas 基于阅读笔记和划线，提炼 **10 个**适合写成文章或小红书笔记的选题。每个包含： - 标题方向（一句话） - 核心观点（一句话） - 适合引用的书籍或观点来源（1-2 本） #### 9. 缺失知识类型 Knowledge Gaps 基于现有阅读结构和现实需求（用户是 AI 生产力 + 内容创作者，参考 CLAUDE.md），分三档： - **必须补的知识**（2-3 项） - **值得补的知识**（3-5 项） - **暂时不用补的知识**（2-3 项，给出理由） #### 10. 补充推荐 Filling the Gaps 针对上面的知识缺口，给出具体推荐，分类： - 书籍（5-8 本） - 经典论文或研究报告（2-4 篇） - 高质量课程（2-3 个） - 数据来源或资料库（2-3 个） - 适合长期关注的作者 / 机构 / 栏目（5-8 个） ### 步骤 3：询问保存位置（必问） 在生成 HTML 前先问用户： ``` 报告要保存到哪个目录？ - 直接回车 = 当前工作目录 - 或者输入一个绝对路径 / 相对路径（如 ~/Documents/阅读分析） ``` 路径不存在则自动 `mkdir -p` 创建。文件名固定为 `阅读分析-YYYY-MM-DD.html`。 ### 步骤 4：生成 HTML 可视化报告 调用模板 `templates/report.html` 复制成新文件，然后**逐个替换 10 个 `` 标记块**为你的分析内容，保存到步骤 3 指定的目录。 生成完毕用系统默认浏览器打开（macOS：`open `；Linux：`xdg-open `；Windows：`start `）。 ### 步骤 5：报告结果 输出： - HTML 文件路径 - 数据范围（如"基于最近 12 个月，87 本书 / 436 条划线 / 48 条想法"） - 一句话核心结论（MBTI + 主导阅读模式） ## 视觉规范 **严格遵守 templates/report.html 的设计**： - 每页固定 750×1334px（9:16，对应 iPhone 屏幕） - 纯白底（`#fafaf7`） - 单一暖色调强调色（`#c9a96e` 米黄 / `#1a1a1a` 主文） - 大量留白 - 大字号页码（48px 半透明），标题 56px Bold，正文 22px - 每页结构：页码 → 中文大标题 → 英文小标题 → 内容区 → 页脚 - 内容区禁止超出页面边界，长内容要精简或拆分 - 不允许引入外部字体或 JS 库 - 整份 HTML 自包含 ## 内容撰写规范 - 文字干净直接，**禁止用 ——（破折号）**，改用句号/冒号/括号 - **禁止"不是 X，是 Y"对仗句式**，直接陈述结论 - 转述优先于引用 - 每页内容字数控制在 200-400 字（标题 + 正文），过长就拆分或精简 - 数据用粗体或大字号突出 - 列表用 `•` 或编号，避免堆砌 ## 注意事项 1. **不省略维度**：必须完成 10 个维度的分析，缺一不可 2. **数据范围**：在第 1 页明确标注"基于最近 12 个月" or "基于全部可用数据" 3. **MBTI 必须给**：基于真实数据推测，标注置信度 4. **诚实诊断**：第 4 维度允许给出"焦虑式收藏"这类判断，不粉饰 5. **HTML 自包含**：所有 CSS 内联在 `