微信读书笔记智能消化 / WeRead Note Digest#

Layer 2 skill — depends on weread skill for raw data. This skill provides the AI processing layer.

把微信读书的划线+想法，变成有洞察的输出。不扩展 weread 的 API 能力，而是在已有数据上做 AI 加⼯。

---

前置依赖 / Prerequisites#

本技能依赖 weread skill 的数据导出功能。执行任何操作前，先确保：

1. weread skill 已安装且 Cookie 已配置
2. 已运行过至少一次全量导出： python3 ~/.openclaw/workspace/skills/weread/scripts/export_notes.py

数据文件位于：

text

~/.weread/
├── books.json          # 书籍索引
├── notes/              # 单书笔记文件（<bookId>.json）
└── notes_index.json    # 全量笔记索引（按时间排序）

快速检查#

bash

python3 ~/.openclaw/workspace/skills/weread/scripts/export_notes.py --stats

如果报错"未导出"，先帮用户配置 Cookie 并运行全量导出。

---

核心功能 / Core Features#

#功能触发示例说明1📊 阅读统计"读书统计"、"reading stats"书架概览、阅读时长、笔记分布2📰 周期读书报告"本周读书报告"、"上月读书回顾"指定时间段的阅读摘要 + AI 洞察3📖 单书笔记摘要"总结《XXX》的笔记"一本书所有笔记的结构化摘要4🔗 跨书主题串联"我的笔记里有哪些共同主题"发现不同书之间的共同话题5🧠 知识库归档"把《XXX》整理进知识库"从划线/笔记中提炼概念，按规则入库

---

功能一：阅读统计 / Reading Stats#

触发#

"读书统计"、"reading stats"、"看看我的阅读数据"

工作流#

1. 检查 ~/.weread/books.json 和 ~/.weread/notes_index.json 是否存在
2. 如果不存在 → 运行 python3 ~/.openclaw/workspace/skills/weread/scripts/export_notes.py
3. 读取两个 JSON 文件
4. 提取并展示：

text

📚 书架总览
  总计 X 本 | 读完 Y 本 | 在读 Z 本 | 未读 W 本
⏱ 总阅读时长：XX 小时 XX 分钟
✏️ 总笔记数：N 条（M 本有笔记的书）
📅 最近阅读：[最近读过且有进度的书 1-3 本]

📊 笔记最多的书 TOP 5：
  1. 《XXX》 — N 条笔记
  2. ...

📅 笔记时间分布：
  2026: XX 条
  2025: XX 条
  ...

用 emoji 和简洁的排版，适合快速浏览。

---

功能二：周期读书报告 / Reading Digest#

触发#

• "本周读书报告" / "weekly reading digest"
• "这个月的读书回顾" / "monthly reading review"
• "最近两周的读书情况"
• 也可以指定任意日期范围："看看 5 月份的读书报告"

工作流#

Step 1: 确定时间范围

• "本周" = 本周一到今天
• "上周" = 上周一到上周日
• "本月" = 本月 1 号到今天
• "上月" = 上月 1 号到最后一天
• 用户指定日期时按指定范围

Step 2: 获取数据

1. 读取 ~/.weread/notes_index.json，筛选时间范围内的笔记
2. 读取 ~/.weread/books.json，获取相关书籍的元信息
3. 如果需要更详细的阅读数据，运行 python3 ~/.openclaw/workspace/skills/weread/scripts/weread_api.py shelf

Step 3: 生成报告

报告结构（Markdown 格式）：

markdown

# 📰 [时间段] 读书报告
> 生成时间：YYYY-MM-DD

## 📊 概览
- 阅读 X 本书 | 新增 Y 条笔记 | 读完 Z 本
- 累计阅读时长约 XX 小时

## 📖 阅读书目
| # | 书名 | 作者 | 笔记数 | 状态 |
|---|------|------|--------|------|
| 1 | 《XXX》 | 作者 | N 条 | 在读/读完 |
（按笔记数降序排列，只列有笔记的书）

## 💡 本周精华笔记（精选 5-8 条）
> 从本期所有笔记中挑选最有深度、最具启发性的内容

1. 📖「《书名》」
   > 原文：...
   > 💭 我的想法：...（如有）

2. 📖「《书名》」
   > 原文：...

（挑选标准：笔记长度适中、观点鲜明、有独立价值）

## 🧠 AI 洞察
> 基于本周期笔记内容的综合分析

- **阅读主题**：本期主要集中在 [领域A]、[领域B] 等话题
- **思维模式**：[观察到的阅读倾向，如偏爱案例、关注方法论等]
- **一个收获**：[最值得带走的一个核心观点]

## 📈 趋势
- 与上期对比：[笔记增减、阅读时长变化]
- 连续阅读天数：X 天

精选笔记的挑选原则：

• 优先选择有"想法"（用户自己写的）而非仅有划线的笔记
• 内容有一定长度（至少 20 字），避免无上下文的短句
• 覆盖不同书籍，每本书最多 2 条
• 优先选择近期笔记

如果时间范围内没有笔记：

text

📭 [时间段] 没有新增读书笔记。
最近一次笔记：YYYY-MM-DD（《XXX》）
要不要看看更早的？试试"上月读书报告"或"全部读书回顾"。

---

功能三：单书笔记摘要 / Book Note Synthesis#

触发#

• "总结《XXX》的笔记" / "summarize my notes on XXX"
• "帮我整理一下《XXX》的划线"
• "《XXX》我都划了什么"

工作流#

Step 1: 定位书籍

1. 读取 ~/.weread/books.json，模糊匹配书名
2. 如果匹配到多本，列出让用户选
3. 如果没找到 → 可能还没导出该书笔记，尝试运行 export_notes.py --incremental 或提示用户

Step 2: 获取该书笔记

1. 读取 ~/.weread/notes/<bookId>.json
2. 确认有多少条笔记（highlights + thoughts）

Step 3: 生成摘要

报告结构：

markdown

# 📖 《书名》— 笔记摘要
> 作者 | 阅读进度：XX% | 笔记 N 条 | 读完/在读

## 🏷️ 核心主题
（AI 将笔记按主题归类，3-6 个主题，每个 1-2 句话概括）

- **主题A**：...
- **主题B**：...
- **主题C**：...

## 📝 精华笔记（按主题整理）

### 主题A
1. > 原文：...
   💭 我的想法：...（如有）
2. > 原文：...

### 主题B
...

## 🎯 关键收获
（3-5 句话总结这本书给你留下的核心观点，基于笔记而非全书）

## 📌 行动建议
（基于笔记内容，提炼 1-3 条可付诸实践的建议）

如果笔记很多（>50 条）：

• 先做主题归类，每个主题挑 3-5 条最有代表性的笔记
• 告知用户总数和展示数，如"共 87 条笔记，展示精选 25 条"

如果笔记很少（<5 条）：

• 逐条展示，不做归类
• 提示："笔记较少，可能刚开始读，建议多划线加深理解"

如果该书没有任何笔记：

text

📭 《XXX》暂无划线或笔记。
当前进度：XX%。要不要先去微信读书划线一些内容？

---

功能四：跨书主题串联 / Cross-Book Theme Explorer#

触发#

• "我的笔记里有哪些共同主题"
• "跨书主题分析"
• "帮我找找不同书的笔记有什么关联"
• "我的阅读关键词是什么"

工作流#

Step 1: 扫描全量笔记

1. 读取 ~/.weread/notes_index.json
2. 提取所有笔记的 content（想法）和 highlight（划线原文）

Step 2: AI 分析

对全量笔记进行主题聚类，输出：

markdown

# 🔗 跨书阅读主题地图
> 基于 N 本书、M 条笔记的分析

## 🗺️ 你的阅读关键词

🏷️ [关键词1] — X 本书 Y 条笔记
🏷️ [关键词2] — X 本书 Y 条笔记
🏷️ [关键词3] — X 本书 Y 条笔记
...

## 📚 主题 × 书籍矩阵

| 主题 | 《书A》 | 《书B》 | 《书C》 |
|------|--------|--------|--------|
| 认知偏见 | 5条 | — | 8条 |
| 决策方法 | 3条 | 12条 | 2条 |
...

（只展示出现 ≥2 本书的主题）

## 🔗 有趣的连接

1. 《书A》和《书B》都在讨论 [共同话题]，但角度不同：
   - 《书A》认为：...
   - 《书B》认为：...

2. ...

## 🧭 阅读偏好画像
- 你的阅读集中在 [领域]
- 你特别关注 [话题]
- 你较少涉猎 [领域]（可考虑拓展）

如果笔记 < 10 条：

text

📭 笔记太少（当前仅 N 条），主题分析需要更多数据。
建议多读几本书、多划线，积累到 30+ 条笔记后再做跨书分析。

---

功能五：知识库归档 / Knowledge Base Archive#

触发#

• "把《XXX》的笔记整理进知识库" / "archive XXX to knowledge base"
• "把最近读的书全部入库" / "batch archive recent books"
• "同步微信读书笔记到知识库" / "sync reading notes to KB"
• "入库"

首次运行：配置引导 / First-Run Config#

首次触发此功能时，检查 ~/.weread/kb-config.json 是否存在。若不存在，引导用户：

text

🧠 要把读书笔记转成知识库卡片，我需要知道：

1. 你用什么知识库？
   - Obsidian（默认，推荐）
   - 纯 Markdown 文件夹
   - Notion / Logseq / 其他

2. 知识库路径是什么？
   例：D:\\Obisidian\\MyVault\\

3. 有没有知识库规则文件？
   - 有的话给路径（如 WIKI-SCHEMA.md），我严格按规则执行
   - 没有的话我用内置默认规则

配置一次就行，以后说"入库"我就提取概念、列出清单等你确认。

配置文件 ~/.weread/kb-config.json：

json

{
  "version": "1.0",
  "knowledgeBase": {
    "tool": "obsidian",
    "path": "/path/to/vault/",
    "schemaPath": "/path/to/WIKI-SCHEMA.md",
    "language": "zh-en"
  }
}

工作流 / Workflow#

Step 1: 获取书籍笔记

1. 从 ~/.weread/books.json 匹配书名 → bookId
2. 读取 ~/.weread/notes/<bookId>.json 获取完整笔记
3. 如果笔记文件不存在 → 提示先运行 export_notes.py

Step 2: 识别书籍归属 / Classify Book

判断书籍属于哪个知识库学科分类：

书籍类型对应知识库文件夹经济学/宏观/微观06-经济学/投资/理财/K线13-投资学/AI/计算机/编程05-人工智能与基础设施/ 或 00-计算机科学与技术/哲学思想09-哲学/心理学/认知11-心理学/政治学12-政治学/社会学16-社会学/历史22-历史学/思想史14-思想史/文学/小说19-文学/法律08-法律基础/数据分析10-数据分析/亲密关系/人际关系11-心理学/个人成长/认知思维11-心理学/ 或 09-哲学/

📌 原则：优先匹配现有文件夹，无匹配时才新建。新建文件夹格式： {NN}-{学科名}/

Step 3: 概念提取与分流 / Extract & Route

逐条处理笔记，按以下逻辑分流：

• A. 核心概念（创建新节点）：书中定义的新术语、关键知识点、能独立成篇的洞见 → 创建 .md 文件
• B. 补充型内容（追加已有节点）：具体案例、实操清单、对已有概念的补充 → 追加到已有文件
• C. 纯摘录（不建节点）：仅划线无想法、过短、无独立概念价值 → 跳过或合入摘要

Step 3.5: 用户确认 / User Confirmation ⚠️ 强制步骤

在创建任何文件之前，必须先将提取结果展示给用户确认。

展示格式：

text

📋 《XXX》概念提取结果，请确认：

📁 归类：06-经济学/

🆕 新建概念（X 个）：
  1. 充分就业 — 宏观经济政策四大目标之一
     → 文件：06-经济学/宏观经济学/05-充分就业.md
  2. 理性人假设 — 所有市场参与者追求效用最大化
     → 文件：06-经济学/微观基础/03-理性人假设.md

📎 补充已有（Y 个）：
  1. GDP — 追加 GNP 与 GDP 的区别说明
     → 文件：06-经济学/宏观经济学/01-GDP.md

⏭️ 跳过（Z 条）：
  - "NI=NNP-间接税+企业补贴"（纯摘录无独立概念）
  - "微调？"（过于简短）

🔗 将建立的跨学科链接：
  - [[理性人假设]] ↔ [[09-哲学/西方哲学/01-理性主义|理性主义]] 💡 思维模型类比

---
确认以上操作？回复"确认"开始归档，或指出需要调整的地方。

规则：

• 用户说"确认"/"可以"/"OK" → 执行 Step 4-7
• 用户要调整 → 按反馈修改后重新展示
• 用户说"全部跳过" → 不创建任何文件
• 绝不跳过此步骤直接创建文件

每个概念文件格式（Obsidian / Plain Markdown）：

markdown

---
aliases:
  - EnglishName
  - 中文别名
---

# ConceptName / 概念名

> One-line summary. 一句话概述。
> 📖 来源：《书名》— 作者

## 核心内容 / Core Content

（AI 基于划线内容提炼的核心知识点，2-5 段）

## 💡 内容补充 / Supplements

（后续同一主题的补充内容追加到这里）

## 关联 / Related

- [[path/to/related|Related Concept]] — 关联说明

---

**创建日期**：YYYY-MM-DD

格式规则（严格遵循）：

1. 一个概念一个文件 — 绝不打包多个概念
2. 数字前缀文件名 — {NN}-{ConceptName}.md
3. YAML frontmatter 含 aliases — 英文名和中文别名
4. 中英双语（language=zh-en） — # English / 中文
5. Wikilink 规范： [[完整路径/文件名|显示名]]， | 两边无空格
6. 双向链接 — A↔B 互相引用
7. 来源标注 — 每文件标注来源书籍

Step 5: 去重检查 / Duplicate Detection

创建前强制检查：

1. 知识库中是否已有同名/相似概念（含 aliases）
2. 已存在 → 建 wikilink 不重复建
3. 部分重叠 → 补充到已有节点
4. 内容矛盾 → 标记 ⚠️ 待确认

Step 6: 更新索引与总纲

• 更新 00_概念索引.md
• 更新学科总纲（如 06-经济学总纲.md）
• 新学科文件夹 → 同时创建总纲文件
• 如果知识库有断链检查脚本 → 运行

Step 7: 完成汇报

text

🧠 《XXX》笔记已归档到知识库

📊 统计：处理 N 条 | 新建 X 个 | 补充 Y 个 | 跳过 Z 条
🆕 新建：充分就业、理性人假设…
🔗 链接：[[A]] ↔ [[B]], 💡 跨学科…
📋 索引已更新 | ⚠️ 0 个断链

批量归档 / Batch Archive#

触发："把最近读的书全部整理进知识库"

1. 列出所有有笔记的书，逐本确认或全选
2. 逐本执行 Step 1-7

与 knowledge-digest 的分工#

knowledge-digestweread-digest 归档场景上完课归档读完书归档笔记数据源课堂对话微信读书划线知识库规则相同相同协同共享知识库，去重互检共享知识库，去重互检

---

常见工作流 / Common Workflows#

工作流 A：快速了解自己的阅读状况#

text

用户："读书统计"
→ 直接展示统计信息（功能一）

工作流 B：每周回顾#

text

用户："本周读书报告"
→ 如果 ~/.weread/ 数据不是最新的 → 先运行 export_notes.py
→ 生成周报（功能二）

工作流 C：深入消化一本书#

text

用户："总结《思考，快与慢》的笔记"
→ 获取该书笔记 → 生成摘要（功能三）
→ 主动问："要导出到知识库吗？"（如有知识库配置）

工作流 D：发现阅读模式#

text

用户："帮我看看最近读了什么"
→ 先展示统计 + 最近笔记（功能一 + 功能二精简版）
→ 主动问："想看看跨书主题分析吗？"（链接功能四）

工作流 E：阅读→知识库闭环#

text

用户："把《西方思想史十二讲》整理进知识库"
→ 获取该书笔记 → 提取概念 → 按规则入库
→ 汇报新建/更新/链接情况
→ 断链检查 → 完成

---

设计原则 / Design Principles#

1. AI 加工，非 API 扩展 — 不做新的 API 调用，所有数据来自 weread skill 的导出
2. 渐进深度 — 统计 → 报告 → 摘要 → 主题串联，由浅入深
3. 人类可读 — 输出用自然语言和 emoji，不丢 JSON 原文
4. 尊重隐私 — 笔记在本地处理，不上传第三方
5. 容错友好 — 数据不足时给明确提示，不报错崩溃
6. 保留出处 — 每条笔记都标注来源书籍，可追溯

---

与 weread skill 的分工 / Division of Labor#

weread skillweread-digest skill获取书架✅—获取划线/笔记✅—Cookie 管理✅—导出笔记到本地✅—浏览笔记内容—✅生成阅读报告—✅AI 摘要和归类—✅跨书主题分析—✅阅读习惯洞察—✅知识库归档—✅

---

错误处理 / Error Handling#

情况处理~/.weread/ 目录不存在提示先配置 weread skill 的 Cookie 并运行 export_notes.pyCookie 过期委托 weread skill 的 Cookie 更新流程，完成后重新导出指定时间段无笔记温和提示"这段时间没有笔记"，给出最近笔记时间书名匹配不到列出现有书籍让用户选，或提示是否增量导出笔记文件损坏/格式异常提示重新运行 export_notes.py用户没有想法只有划线正常处理，标注"💭 无想法"即可知识库未配置首次触发 功能五 时自动引导配置知识库路径不存在提示确认路径，或帮用户创建目录结构概念已存在跳过新建，建立 wikilink + 补充内容到已有节点书籍无法归类列出候选文件夹让用户选，或创建新文件夹