Wx Mp Hunter

WeChat Official Account Hunter (wx-mp-hunter)

Use this skill when:

• The user wants to fetch the full text of a WeChat article by its mp.weixin.qq.com URL
• The user wants to list the latest posts of specific Official Accounts over the past N hours
• The user provides a mp.weixin.qq.com/mp/homepage topic/homepage URL or mp.weixin.qq.com/mp/appmsgalbum album URL and wants to collect article links from that page

Does NOT support: WeChat Video Accounts (视频号), comments, or engagement metrics (those require Credentials).

⚠️ Agent 行为约束（必须遵守）

1. 严格按本 SKILL.md 的步骤执行，不得在服务器结果未返回时自行编排下一步。
2. 等待服务器响应：每次执行脚本命令后，必须等待脚本返回 JSON 结果。若结果需要时间，先向用户说明"正在请求服务器，请稍候……"，然后等待。
3. 严禁提前假设结果：不得在脚本输出 JSON 之前就根据假设继续后续步骤。
4. 批量前必须小样本验证：批量抓全文前，必须先选 1 篇文章 fetch 验证链路成功；成功后才能批量。

两条独立工作流

流程 1a：直接获取指定文章内容（URL 来源不限）
  └─ fetch <url>             → 微信客户端 UA 直访拿正文

流程 1b：按时间窗口或最近 N 条获取指定账号发布列表
  └─ posts-list ([--hours N] | --recent N) [--accounts a,b,c]
                              → 扫本机微信客户端容器消息库（依赖额外的容器环境，不可用时告知用户）

流程 1c：专题页/主页/合集目录链接采集（mp/homepage 或 mp/appmsgalbum）
  └─ homepage <url>          → camoufox-cli 打开专题页，完整滚动 +
                                分类 tab 采集 mp.weixin.qq.com/s 文章链接
  └─ 对每个链接 fetch <url>   → 逐篇抓全文

fetch 不需要登录态：用微信客户端 UA（含 MicroMessenger）+ 完整浏览器 headers + httpx follow_redirects 直访文章长链，腾讯风控对该 UA 直接放行 （302 → &nwr_flag=1#wechat_redirect → 正文），零 cookie / 零 captcha。

posts-list 不需要登录态：直接扫本机微信客户端容器内的消息库 （SQLCipher 加密 + Zstd 压缩），按账号白名单过滤；--hours N 取过去 N 小时， --recent N 取消息库中最新 N 条。仅能拿到容器客户端所登录的微信账号 已关注的公众号推送。

homepage 不需要登录态：camoufox-cli 无头打开专题页，完整滚动 + 分类 tab 采集 mp.weixin.qq.com/s 文章链接。用临时 session，不绑持久化 profile，不需要任何登录态。

fetch — 获取文章全文

wx-mp-hunter fetch <url> [--html] [--download-images] [--download-cover] [--output-dir <dir>]

输出示例：

{
  "ok": true,
  "url": "https://mp.weixin.qq.com/s/xxxxx",
  "title": "文章标题",
  "author": "公众号名称",
  "publish_time": "2024-03-10",
  "content_text": "正文纯文本内容...",
  "content_markdown": "段落文字……\n\n![](https://mmbiz.qpic.cn/mmbiz_jpg/xxxxx/0?wx_fmt=jpeg)\n\n继续文字……**加粗**……",
  "images": [
    "https://mmbiz.qpic.cn/mmbiz_jpg/xxxxx/0?wx_fmt=jpeg",
    "https://mmbiz.qpic.cn/mmbiz_png/xxxxx/0?wx_fmt=png"
  ],
  "cover_url": "https://mmbiz.qpic.cn/mmbiz_jpg/xxxxx/0?wx_fmt=jpeg",
  "cover_local_path": ""
}

图片本地化

加 --download-images --output-dir <dir> 后，脚本并发下载（默认 4 并发、单图 ≤5MB、总量 ≤100MB）到 <dir>/images/<hash>.<ext>，并把 content_markdown 里的图片 URL 替换为本地相对路径，便于离线阅读 / 二次加工 / 转存。

wx-mp-hunter fetch <url> --html --download-images --output-dir ./article-out

封面下载

加 --download-cover --output-dir <dir> 后，脚本下载分享封面到 <dir>/covers/<hash>.<ext>，并在 JSON 中输出 cover_url、cover_local_path、cover_download_ok。该路径可传给 wechat-style-profiler report --cover-image 做视觉 DNA 分析。

wx-mp-hunter fetch <url> --download-cover --output-dir ./article-out

posts-list - 获取指定账号的发布列表

wx-mp-hunter posts-list ([--hours N] | --recent N) [--accounts a,b,c]

示例：取最近发布的 50 条：

wx-mp-hunter posts-list --recent 50

--recent 会扫描消息库中全部 49 号文章消息，按消息时间倒序、URL 去重后截取前 N 条；搭配 --accounts 时，则在该账号白名单内取最新 N 条。

输出示例：

{
  "ok": true,
  "mode": "recent",
  "recent_limit": 50,
  "total": 3,
  "posts": [
    {
      "title": "文章标题",
      "url": "https://mp.weixin.qq.com/s/xxxxx",
      "author": "公众号名称",
      "publish_time": "2024-03-10",
      "cover": "https://..."
    }
  ],
  "missing_accounts": ["某未命中公众号"],
  "hint": "以下账号未出现在最近 50 条文章中（共 1 个）：某未命中公众号。可能是本机微信客户端未关注该公众号、近期未收到推送，或其消息被更新推送挤出前 50 条。"
}

时间窗口模式输出示例：

{
  "ok": true,
  "mode": "hours",
  "limit_hours": 24,
  "total": 3,
  "posts": [
    {
      "title": "文章标题",
      "url": "https://mp.weixin.qq.com/s/xxxxx",
      "author": "公众号名称",
      "publish_time": "2024-03-10",
      "cover": "https://..."
    }
  ],
  "missing_accounts": ["某未命中公众号"],
  "hint": "以下账号过去 24h 未在消息库中扫到文章（共 1 个）：某未命中公众号。可能是该公众号在此时间窗口内未发布，也可能是本机微信客户端未关注该公众号。若需稳定接收该公众号推送，请确认本机微信客户端已关注该公众号。"
}

⚠️ 使用前的环境检查

posts-list 依赖本机运行的微信客户端容器（默认容器名 mimicwx-linux，可通过 WX_BIZ_CONTAINER 环境变量覆盖）。

用户数据目录、密钥文件路径、biz 消息库相对路径、biz 库 key 名 全部自动探测/硬编码，用户无需配置：

• 容器名：WX_BIZ_CONTAINER（默认 mimicwx-linux）
• 用户数据目录：自动探测 /home/wechat/Documents/xwechat_files/*/db_storage， 多账号取 db_storage/message mtime 最新的那个
• 密钥文件：/home/wechat/.xwechat/wechat_keys.json（兜底 /tmp/wechat_keys.json）
• biz 消息库相对路径：db_storage/message/biz_message_0.db
• biz 库 key 名：message/biz_message_0.db

如果自动探测失败（容器未运行、未登录、密钥文件不存在等）， 脚本报清晰错误并给出排查建议。

重要：仅 posts-list 命令会检查容器环境。普通 fetch 抓文章不需要容器，也不会检查。

已关注账号约束

posts-list 只能拿到容器客户端所登录的微信账号关注的公众号的推送。如果用户要求抓取的账号不在已关注清单中（即消息库中扫不出来），脚本会在 missing_accounts 字段列出这些账号，并在 hint 字段提示用户：

可能是该公众号在此时间窗口内未发布，也可能是本机微信客户端未关注该公众号。若需稳定接收该公众号推送，请确认本机微信客户端已关注该公众号。

遇到这种情况，告知用户：需要先在本机微信客户端（容器内已登录的微信账号）关注该公众号，才能通过 posts-list 拿到该账号的推送。

homepage — 专题页/主页/合集目录链接采集（mp/homepage 或 mp/appmsgalbum）

触发条件：用户提供类似以下 URL，并要求抓取该页面/专题/合集里的文章：

https://mp.weixin.qq.com/mp/homepage?...
http://mp.weixin.qq.com/mp/homepage?...
https://mp.weixin.qq.com/mp/appmsgalbum?...
http://mp.weixin.qq.com/mp/appmsgalbum?...

mp/homepage 是专题页/主题页，mp/appmsgalbum 是合集页（album）。两种形态都走 homepage 命令——camoufox-cli 无头浏览器打开，完整滚动 + 分类 tab 采集文章链接， 不走 HTTP 直访（合集页是 JS 渲染的动态列表，HTTP 拿不到完整链接）。

wx-mp-hunter homepage <url>

输出示例：

{
  "ok": true,
  "total": 15,
  "categories": ["全部", "技术", "产品"],
  "links": [
    {"title": "文章标题 1", "url": "https://mp.weixin.qq.com/s/xxxxx"},
    {"title": "文章标题 2", "url": "https://mp.weixin.qq.com/s/yyyyy"}
  ],
  "session": "wx_mp"
}

目录采集流程

1. 不要直接承诺"已抓完全部文章"。先说明该页面是微信动态专题页，需要完整滚动加载后统计。
2. 使用 camoufox-cli 打开专题页（headless session，操作要点：snapshot 拿 ref → eval 滚动/提取，别自己 hack selector）。
3. 先执行整页滚动到底，直到 document.documentElement.scrollHeight 连续多次稳定。
4. 查找分类 tab（常见 class：.jsCate）。对每个分类逐个执行：
   • 点击分类；
   • 等待内容加载；
   • 从顶部滚动到底，直到高度稳定；
   • 提取所有 a[href*="mp.weixin.qq.com/s"] 的标题和链接。
5. 合并顶部推荐与各分类结果，按 URL 去重。
6. 向用户报告：分类列表、原始链接数、去重文章数；如果数量明显偏少，继续滚动或请用户确认页面是否还存在折叠/下拉区域。

全文采集

1. 拿到 homepage 输出的 links 列表后，对每个链接走 fetch：

   wx-mp-hunter fetch <article_link> --html
   

2. 先选 1 篇样本验证，成功后才批量。
3. 批量抓取时每篇间隔 1–2 秒；连续失败 3 篇以上时停止批量，先检查错误，不要继续跑完整列表。
4. 如果样本返回 未找到文章正文 (#js_content)，用 camoufox-cli 打开该文章验证页面内容：
   • 如果出现"环境异常""拖动下方滑块完成拼图"等验证页，不得尝试绕过验证码或自动拖滑块；告知用户需要人工完成微信环境验证后再继续。
   • 如果是文章已删除、私有或付费，跳过该文章并记录失败原因。

典型用法示例

场景 A：直接抓取已知 URL 的文章

1. fetch <url>              → 微信客户端 UA 直访拿正文

场景 B：监控某账号最新文章

1. posts-list --hours 24 --accounts "公众号名"
                              → 扫容器消息库拿过去 24h 该账号的推送
2. 对感兴趣的文章 fetch <article_link>
                              → 抓全文

场景 B2：取某账号最近发布的 30 条

1. posts-list --recent 30 --accounts "公众号名"
                              -> 扫容器消息库，按消息时间倒序取该账号最新 30 条
2. 按需对文章链接 fetch <article_link>

场景 C：批量获取专题页文章

1. homepage <mp/homepage url>
                              → camoufox 滚动采集专题页文章链接
2. 对每个链接 fetch <article_link>
   pause 1-2s between requests

错误处理