read-weread-analyzer

Name: read-weread-analyzer
Author: SpaceZephyr

56stars18forks

How to install read-weread-analyzer?

spacezephyr/read-buddy/read-weread-analyzer

$npx -y skills add SpaceZephyr/read-buddy --skill read-weread-analyzer

Installs into the current project.

Summary

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。

Files · 1

View on GitHub

SKILL.md

1	# weread-analyzer — 微信读书深度阅读分析
2
3	## 触发词
4
5	- 分析我的微信读书
6	- 读书画像 / 阅读画像
7	- 我的阅读报告 / 读书复盘
8	- 根据我的阅读猜 MBTI
9	- 阅读兴趣分析
10
11	## 前置依赖
12
13	- `weread-skills` 已安装
14	- 环境变量 `WEREAD_API_KEY` 已配置
15
16	## 工作流
17
18	### 步骤 1：数据采集
19
20	执行 `scripts/fetch.py`，自动拉取：
21	- `/user/notebooks` 分页全量
22	- 每本书的 `/book/bookmarklist` + `/review/list/mine`
23	- `/readdata/detail` mode=annually（当前年 + 上一年，覆盖近 12 个月）
24	- `/shelf/sync`（书架全貌）
25
26	```bash
27	python3 ~/.claude/skills/read-weread-analyzer/scripts/fetch.py /tmp/read-weread-analyzer/data.json
28	```
29
30	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。
31
32	### 步骤 2：深度分析（必须完成全部 10 个维度）
33
34	逐一产出，禁止跳过任何一项。每个维度的产出要求如下：
35
36	#### 1. 阅读画像 Reading Persona
37	- 主要关注的主题（3-5 个，按权重排）
38	- 阅读偏好（深度/广度/工具型/思辨型……）
39	- 哪些书是"读进去了"（高完成率 + 多划线 + 有想法）
40	- 哪些书是"收藏未读"或"浅尝辄止"（书架在但完成率低 / 无划线）
41	- 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
42
43	#### 2. 阅读兴趣变化 Interest Drift
44	- 按"最早 1/3、中间 1/3、最近 1/3"分段或按季度切片
45	- 列出每段的关注主题
46	- 长期稳定的兴趣 vs 短期波动
47	- 用一句话总结：最近真正关心的问题是什么
48
49	#### 3. 知识结构与盲区 Map & Blind Spots
50	- 已积累较多的领域（3-5 个）
51	- 明显薄弱的领域（3-5 个）
52	- 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）
53
54	#### 4. 阅读质量诊断 Quality Diagnosis
55	- 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
56	- 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
57	- 给出诚实诊断，不粉饰
58
59	#### 5. 高价值内容提炼 Core Insights
60	- 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
61	- 必须转述，不大段引用；若必须引用，每条不超过 20 字
62	- 每条关联 1-2 本来源书
63
64	#### 6. 书籍关系分析 Book Network
65	- 找出读过的书之间的：共同问题、观点冲突、互相补充
66	- 形成 2-3 个"主题簇"
67	- 总结当前的隐藏世界观（最重要）
68
69	#### 7. 行动建议 Actionable Advice
70	分四类，每类 2-3 条具体建议：
71	- 工作决策
72	- 个人成长
73	- 表达写作
74	- 产品思考
75
76	#### 8. 选题建议 10 Topic Ideas
77	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：
78	- 标题方向（一句话）
79	- 核心观点（一句话）
80	- 适合引用的书籍或观点来源（1-2 本）
81
82	#### 9. 缺失知识类型 Knowledge Gaps
83	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：
84	- 必须补的知识（2-3 项）
85	- 值得补的知识（3-5 项）
86	- 暂时不用补的知识（2-3 项，给出理由）
87
88	#### 10. 补充推荐 Filling the Gaps
89	针对上面的知识缺口，给出具体推荐，分类：
90	- 书籍（5-8 本）
91	- 经典论文或研究报告（2-4 篇）
92	- 高质量课程（2-3 个）
93	- 数据来源或资料库（2-3 个）
94	- 适合长期关注的作者 / 机构 / 栏目（5-8 个）
95
96	### 步骤 3：询问保存位置（必问）
97
98	在生成 HTML 前先问用户：
99
100	```
101	报告要保存到哪个目录？
102	- 直接回车 = 当前工作目录
103	- 或者输入一个绝对路径 / 相对路径（如 ~/Documents/阅读分析）
104	```
105
106	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`。
107
108	### 步骤 4：生成 HTML 可视化报告
109
110	调用模板 `templates/report.html` 复制成新文件，然后逐个替换 10 个 `<!-- PAGE_N_CONTENT -->` 标记块为你的分析内容，保存到步骤 3 指定的目录。
111
112	生成完毕用系统默认浏览器打开（macOS：`open <path>`；Linux：`xdg-open <path>`；Windows：`start <path>`）。
113
114	### 步骤 5：报告结果
115
116	输出：
117	- HTML 文件路径
118	- 数据范围（如"基于最近 12 个月，87 本书 / 436 条划线 / 48 条想法"）
119	- 一句话核心结论（MBTI + 主导阅读模式）
120
121	## 视觉规范
122
123	严格遵守 templates/report.html 的设计：
124	- 每页固定 750×1334px（9:16，对应 iPhone 屏幕）
125	- 纯白底（`#fafaf7`）
126	- 单一暖色调强调色（`#c9a96e` 米黄 / `#1a1a1a` 主文）
127	- 大量留白
128	- 大字号页码（48px 半透明），标题 56px Bold，正文 22px
129	- 每页结构：页码 → 中文大标题 → 英文小标题 → 内容区 → 页脚
130	- 内容区禁止超出页面边界，长内容要精简或拆分
131	- 不允许引入外部字体或 JS 库
132	- 整份 HTML 自包含
133
134	## 内容撰写规范
135
136	- 文字干净直接，禁止用 ——（破折号），改用句号/冒号/括号
137	- 禁止"不是 X，是 Y"对仗句式，直接陈述结论
138	- 转述优先于引用
139	- 每页内容字数控制在 200-400 字（标题 + 正文），过长就拆分或精简
140	- 数据用粗体或大字号突出
141	- 列表用 `•` 或编号，避免堆砌
142
143	## 注意事项
144
145	1. 不省略维度：必须完成 10 个维度的分析，缺一不可
146	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"
147	3. MBTI 必须给：基于真实数据推测，标注置信度
148	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
149	5. HTML 自包含：所有 CSS 内联在 `<style>` 标签，不引外部资源
150	6. 可截图：每页是独立的 9:16 区块，用户可截屏作为小红书素材

People who liked this also viewed

6 picks

Type

read-weread-analyzer

56stars18forks

View on GitHub

How to install read-weread-analyzer?

spacezephyr/read-buddy/read-weread-analyzer

$npx -y skills add SpaceZephyr/read-buddy --skill read-weread-analyzer

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# weread-analyzer — 微信读书深度阅读分析
2
3	## 触发词
4
5	- 分析我的微信读书
6	- 读书画像 / 阅读画像
7	- 我的阅读报告 / 读书复盘
8	- 根据我的阅读猜 MBTI
9	- 阅读兴趣分析
10
11	## 前置依赖
12
13	- `weread-skills` 已安装
14	- 环境变量 `WEREAD_API_KEY` 已配置
15
16	## 工作流
17
18	### 步骤 1：数据采集
19
20	执行 `scripts/fetch.py`，自动拉取：
21	- `/user/notebooks` 分页全量
22	- 每本书的 `/book/bookmarklist` + `/review/list/mine`
23	- `/readdata/detail` mode=annually（当前年 + 上一年，覆盖近 12 个月）
24	- `/shelf/sync`（书架全貌）
25
26	```bash
27	python3 ~/.claude/skills/read-weread-analyzer/scripts/fetch.py /tmp/read-weread-analyzer/data.json
28	```
29
30	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。
31
32	### 步骤 2：深度分析（必须完成全部 10 个维度）
33
34	逐一产出，禁止跳过任何一项。每个维度的产出要求如下：
35
36	#### 1. 阅读画像 Reading Persona
37	- 主要关注的主题（3-5 个，按权重排）
38	- 阅读偏好（深度/广度/工具型/思辨型……）
39	- 哪些书是"读进去了"（高完成率 + 多划线 + 有想法）
40	- 哪些书是"收藏未读"或"浅尝辄止"（书架在但完成率低 / 无划线）
41	- 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
42
43	#### 2. 阅读兴趣变化 Interest Drift
44	- 按"最早 1/3、中间 1/3、最近 1/3"分段或按季度切片
45	- 列出每段的关注主题
46	- 长期稳定的兴趣 vs 短期波动
47	- 用一句话总结：最近真正关心的问题是什么
48
49	#### 3. 知识结构与盲区 Map & Blind Spots
50	- 已积累较多的领域（3-5 个）
51	- 明显薄弱的领域（3-5 个）
52	- 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）
53
54	#### 4. 阅读质量诊断 Quality Diagnosis
55	- 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
56	- 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
57	- 给出诚实诊断，不粉饰
58
59	#### 5. 高价值内容提炼 Core Insights
60	- 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
61	- 必须转述，不大段引用；若必须引用，每条不超过 20 字
62	- 每条关联 1-2 本来源书
63
64	#### 6. 书籍关系分析 Book Network
65	- 找出读过的书之间的：共同问题、观点冲突、互相补充
66	- 形成 2-3 个"主题簇"
67	- 总结当前的隐藏世界观（最重要）
68
69	#### 7. 行动建议 Actionable Advice
70	分四类，每类 2-3 条具体建议：
71	- 工作决策
72	- 个人成长
73	- 表达写作
74	- 产品思考
75
76	#### 8. 选题建议 10 Topic Ideas
77	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：
78	- 标题方向（一句话）
79	- 核心观点（一句话）
80	- 适合引用的书籍或观点来源（1-2 本）
81
82	#### 9. 缺失知识类型 Knowledge Gaps
83	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：
84	- 必须补的知识（2-3 项）
85	- 值得补的知识（3-5 项）
86	- 暂时不用补的知识（2-3 项，给出理由）
87
88	#### 10. 补充推荐 Filling the Gaps
89	针对上面的知识缺口，给出具体推荐，分类：
90	- 书籍（5-8 本）
91	- 经典论文或研究报告（2-4 篇）
92	- 高质量课程（2-3 个）
93	- 数据来源或资料库（2-3 个）
94	- 适合长期关注的作者 / 机构 / 栏目（5-8 个）
95
96	### 步骤 3：询问保存位置（必问）
97
98	在生成 HTML 前先问用户：
99
100	```
101	报告要保存到哪个目录？
102	- 直接回车 = 当前工作目录
103	- 或者输入一个绝对路径 / 相对路径（如 ~/Documents/阅读分析）
104	```
105
106	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`。
107
108	### 步骤 4：生成 HTML 可视化报告
109
110	调用模板 `templates/report.html` 复制成新文件，然后逐个替换 10 个 `<!-- PAGE_N_CONTENT -->` 标记块为你的分析内容，保存到步骤 3 指定的目录。
111
112	生成完毕用系统默认浏览器打开（macOS：`open <path>`；Linux：`xdg-open <path>`；Windows：`start <path>`）。
113
114	### 步骤 5：报告结果
115
116	输出：
117	- HTML 文件路径
118	- 数据范围（如"基于最近 12 个月，87 本书 / 436 条划线 / 48 条想法"）
119	- 一句话核心结论（MBTI + 主导阅读模式）
120
121	## 视觉规范
122
123	严格遵守 templates/report.html 的设计：
124	- 每页固定 750×1334px（9:16，对应 iPhone 屏幕）
125	- 纯白底（`#fafaf7`）
126	- 单一暖色调强调色（`#c9a96e` 米黄 / `#1a1a1a` 主文）
127	- 大量留白
128	- 大字号页码（48px 半透明），标题 56px Bold，正文 22px
129	- 每页结构：页码 → 中文大标题 → 英文小标题 → 内容区 → 页脚
130	- 内容区禁止超出页面边界，长内容要精简或拆分
131	- 不允许引入外部字体或 JS 库
132	- 整份 HTML 自包含
133
134	## 内容撰写规范
135
136	- 文字干净直接，禁止用 ——（破折号），改用句号/冒号/括号
137	- 禁止"不是 X，是 Y"对仗句式，直接陈述结论
138	- 转述优先于引用
139	- 每页内容字数控制在 200-400 字（标题 + 正文），过长就拆分或精简
140	- 数据用粗体或大字号突出
141	- 列表用 `•` 或编号，避免堆砌
142
143	## 注意事项
144
145	1. 不省略维度：必须完成 10 个维度的分析，缺一不可
146	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"
147	3. MBTI 必须给：基于真实数据推测，标注置信度
148	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
149	5. HTML 自包含：所有 CSS 内联在 `<style>` 标签，不引外部资源
150	6. 可截图：每页是独立的 9:16 区块，用户可截屏作为小红书素材

People who liked this also viewed

6 picks

Type