by 运行时依赖
安装命令
点击复制技能文档
nexus-reader - 微信读书飙升榜每日推荐 生成精美的每日读书推荐卡片，数据来源于微信读书飙升榜。
核心工作流程（四步） Step 1：抓取榜单数据 python scripts/reader.py --fetch-only 脚本会自动： 抓取微信读书飙升榜（20本书） 保存原始数据到 data/weread_rising_YYYY-MM-DD.json 输出榜单摘要（书名、作者、推荐值） 输出示例： [抓取] 正在获取微信读书飙升榜... [解析] 找到 20 个书籍项 [保存] 数据已缓存: data/weread_rising_2026-05-04.json =================================================== 飙升榜 TOP 20 ===================================================
- 《阿勒泰的角落》- 李娟 (推荐值: 88.4%)
- ...
Step 2：模型选书 + 创作内容 读取 data/weread_rising_YYYY-MM-DD.json，从TOP10中选一本书，然后自己创作以下内容（不要直接复制书籍简介）： 字段 说明 字数建议 title 金句标题，根据书籍主题提炼一句有深度、有力量的话 8-15字 yi 宜××，结合书籍主题创作 4-6字 ji 忌××，结合书籍主题创作 4-6字 book_desc 推荐语，用温暖、有感染力的语言为这本书写一段推荐 50-100字 示例（推荐《百年孤独》）： { "title": "每个人都在守护自己的孤独", "yi": "静心阅读", "ji": "浮躁焦虑", "book_desc": "马尔克斯用一座虚构的小镇，写尽了人类共有的孤独与执念。每一次重读，都会在某个角色身上看见自己。适合在一个安静的下午，泡一杯咖啡，慢慢走进马孔多。" } 重要：book_desc 是 LLM 的创作内容，不是书籍简介的截取！
Step 3：生成 card JSON 文件 将以下内容保存为 data/nexus-reader-YYYYMMDD.json： { "date": "2026/05/04", "day": "04", "weekday": "星期日", "lunar_date": "农历 四月十八", "yi": "静心品读", "ji": "焦虑内耗", "title": "有一分热就去发光", "book_title": "阿勒泰的角落", "book_author": "李娟", "book_desc": "...（LLM创作的推荐语）", "cover_url": "https://weread-1258476245.cos.ap-nanjing.myqcloud.com/...", "book_url": "https://weread.qq.com/web/reader/...", "rating": "88.4%", "reading_count": "1486" } 提示：cover_url、book_url、rating、reading_count、book_title、book_author 从 weread_rising_YYYY-MM-DD.json 中对应的书籍项获取。其余字段由 LLM 创作或计算。
Step 4：渲染卡片 # 只生成 HTML python scripts/reader.py --card data/nexus-reader-2026-05-04.json # 生成 HTML + PNG 图片 python scripts/reader.py --card data/nexus-reader-2026-05-04.json --png 输出： data/nexus-reader-YYYYMMDD.html — 精美推荐卡片 data/nexus-reader-YYYYMMDD.png — PNG 图片（需加 --png） 然后用 preview_url 打开 HTML 卡片展示给用户。
命令行参数速查 命令 说明 --fetch-only 阶段1：只抓取数据 --card JSON_PATH 阶段2：渲染指定 JSON 的卡片 --png 额外生成 PNG（需配合 --card） --output DIR 指定输出目录 --force 强制重新抓取 --cache-hours N 缓存有效时间（小时，默认1） --fetch-only 和 --card 互斥，必须指定其中一个
数据结构 原始榜单 JSON（weread_rising_YYYY-MM-DD.json） 从微信读书抓取的原始数据，包含20本书： [ { "index": "1", "title": "阿勒泰的角落", "author": "李娟", "desc": "书籍简介...", "cover_url": "https://...", "book_url": "https://weread.qq.com/...", "reading_count": "1486", "rating": "88.4%", "date": "2026-05-04" } ] 卡片 JSON（nexus-reader-YYYYMMDD.json） 由 LLM 创作内容后生成的完整卡片数据，用于渲染： { "date": "2026/05/04", "day": "04", "weekday": "星期日", "lunar_date": "农历 四月十八", "yi": "静心品读", "ji": "焦虑内耗", "title": "有一分热就去发光", "book_title": "阿勒泰的角落", "book_author": "李娟", "book_desc": "李娟用质朴的笔触...", "cover_url": "https://...", "book_url": "https://...", "rating": "88.4%", "reading_count": "1486" }
卡片设计说明 卡片采用暖色调书卷风格： 背景：#fdfcfa（米白色）+ 淡雅渐变 主色：#9d7a58（古铜色）用于日期 字体：Noto Serif SC（宋体风格衬线字体） 结构：日期 → 宜忌 → 金句标题+推荐语+书名 → 分隔线 → 封面+详情+阅读按钮 农历日期计算 lunar_date 字段由 LLM 根据当天日期计算，格式为 农历 X月XX日。
注意事项 微信读书页面不需要登录即可查看飙升榜 封面图片来自 CDN，可能在某些网络环境下无法加载 --png 需要安装 html2image：pip install html2image 推荐值和阅读人数是实时数据，每天不同 如果抓取失败，脚本会尝试使用旧缓存降级
定时推送场景 当用户要求每日定时推送读书推荐时，创建 automation（recurring）： prompt 内容：运行 reader.py --fetch-only → LLM 创作内容 → 生成 card JSON → 运行 reader.py --card [--png] → 推送 schedule 为每日固定时间（如 RRULE:FREQ=DAILY;BYHOUR=8;BYMINUTE=0）