WhoMI & Question
作为PM，日常需要持续追踪行业动态、竞品动向、深度分析等高质量内容。微信公众号是中文互联网最核心的优质内容源，但实际使用中存在三个环环相扣的痛点：
痛点一：微信生态封闭，传统工具拿不到内容。 公众号文章不对外开放，通用爬虫返回的是空壳页面或「请在微信客户端打开」；AI 搜索引擎（包括某 GPT 的联网搜索）同样无法穿透微信 CDN 的防护。这意味着，市面上所有「一键收藏」类工具，对公众号文章基本无效。
痛点二：阅读与沉淀完全割裂。 在微信里读完就忘了，文章无法纳入个人知识库，更无法进入企业的知识管理系统被团队检索和复用。产品经理每天接触大量行业信息，但真正沉淀下来的寥寥无几。
痛点三：手动整理极其耗时。 一篇 5000 字的行业分析，从复制粘贴、去格式、去广告图片、整理章节结构，至少需要 15-20 分钟。每周阅读 10-15 篇，光整理归档就花掉 3-4 小时。
这三个痛点叠加的结果是：好内容在微信里，但知识永远留不在自己手里。
TraeWork，solve this issue
模式：
Work
使用过程中思考与迭代，在 TraeWork 中搭建了一套完整的「公众号文章 → 企业知识库」自动化流水线。整个过程没有写一行生产代码，全部通过自然语言对话驱动 TraeWork 完成。
第一阶段：单篇存档（Skill 1：wechat-article-saver）
最开始的想法很简单——让 TraeWork 能把公众号文章转写为规范且对LLM友好的MD格式文件。我创建了第一个自定义 Skill，核心是多层降级抓取策略：
- 第一层：Playwright + Chromium 无头浏览器渲染，模拟真实浏览器环境
- 第二层：HTTP fetch，带完整反爬 Header（User-Agent、Accept-Language 等）
- 第三层：WebFetch 工具兜底，直接从 TraeWork 内置能力抓取
- 第四层：手动粘贴原文，作为 100% 可靠的终极降级
正文提取使用 Mozilla Readability 算法，自动剔除导航栏、广告、推荐列表；Turndown 将 HTML 转为干净 Markdown。一条命令，30 秒出结果。
第二阶段：企业知识库闭环（Skill 2：wechat-to-feishu-kb）
单篇存档够用，但不够企业级且从产品流程上也不闭环，还得多一步去把md存到知识库中的操作。真正的价值是让这些知识能被团队检索、被 AI 问答调用。于是做：
升级一：飞书知识库对接。 在 TraeWork 中直接对话创建飞书知识空间，将抓取的文章自动写入飞书文档，存入知识库节点。飞书知识库原生支持 AI 问答，存入的文章立即可以被「这篇文章讲了什么」「jcode 的内存优化方案是什么」这类自然语言问题检索到。
升级二：双模式运行。 不是只有定时任务，也不是只有手动触发，而是两者并存：
| 模式 | 触发方式 | 场景 |
|---|---|---|
| 即时对话模式 | 聊天中发链接，5 秒存入 | 看到好文章，立刻沉淀 |
| 批量定时模式 | 每天 22:00 自动运行 | 白天收集链接到 pending.txt，晚上统一处理 |
升级三：本地 + 云端双备份。 每篇文章同时保存本地 Markdown（可被 Obsidian/Notion/Logseq 索引）和飞书知识库文档（可被企业 AI 问答检索），互为冗余。
整个系统的架构
┌─────────────────────────────────────────────────────────────────
│ TraeWork 作为统一入口
│
│ 即时模式：发链接 ──▶ wechat-to-feishu-kb Skill ──▶ 飞书知识库
│
│ 批量模式：pending.txt ──▶ 定时任务 22:00 ──▶ WebFetch 批量抓取
│ │
│ ├──▶ 本地 MD 备份（桌面）
│ └──▶ 飞书知识库文档（AI 可问答）
└─────────────────────────────────────────────────────────────────
所有环节通过 TraeWork 的 Skill 机制、定时任务调度、飞书 lark-cli 工具链无缝串联，全程零代码。
What I DO
直接产出：
- 两个可复用的自定义 Skill：
wechat-article-saver（本地存档）和wechat-to-feishu-kb（飞书知识库） - 一个飞书知识空间「公众号文章知识库」，所有文章结构化存储，支持 AI 问答检索
- 一个本地 URL 收集文件
pending.txt，每天随手粘贴链接，晚上自动处理
效率提升：
| 指标 | 之前 | 现在 |
|---|---|---|
| 单篇整理耗时 | 15-20 分钟 | 5 秒（即时模式）/ 0 秒（定时模式） |
| 每周时间节省 | — | 3-4 小时 |
| 每月时间节省 | — | 约 15 小时 |
| 知识可检索性 | 0（微信封闭） | 100%（飞书 AI 问答 + 本地全文搜索） |
| 团队复用 | 无 | 知识库全员可访问 |
为什么传统方案做不到：
- 通用爬虫：微信反爬返回空壳
- AI 搜索引擎：无法穿透微信 CDN
- 浏览器插件：只能手动操作，无自动化，更无知识库对接
- RSS 阅读器：公众号不支持 RSS
- 这个方案的多层降级 + 双模式 + 飞书知识库对接，是一条目前市面上没有现成产品能覆盖的完整链路
效果 Show
-
TraeWork PC 端：
-
TraeWork IOS 端：
-
定时任务(为了演示我直接运行定时任务）：
Summary
-
从「能用」到「好用」的关键一步是知识库对接。 本地 Markdown 文件只能自己看，存入飞书知识库后，团队任何人都能通过 AI 问答检索到，这才是真正的「企业知识资产」。TraeWork 的飞书工具链（lark-cli）让这一步变得极其简单，一个
wiki +node-create加一个docs +update就完成了。 -
双模式设计是实战中磨出来的。 即时模式适合「看到好文章立刻存」，批量模式适合「白天碎片时间收集，晚上统一处理」。两种模式用同一个知识库空间，互为补充，不冲突。
-
定时任务的消息要写详细。 第一次设置定时任务时，我只写了简单的「抓取文章存知识库」，结果执行时缺少关键参数（space_id、认证方式、文件路径等）导致失败。后来把完整的执行步骤、参数、错误处理逻辑都写进定时任务的 message 里，之后就再也没有出过问题。定时任务本质上是一个「无人值守的对话」，提示词越详细，越稳定。
Skill Use（话说咋不搞个skill/plugin社区方便大家在hub下载，需要的找我获取skill，开源在github了但考虑到部分无法科学上网，so）
即时模式（聊天中随时触发）：
https://mp.weixin.qq.com/s/xxxxx “直接发送URL即可”
Skill wechat-to-feishu-kb 自动触发，完成内容获取 + 指定飞书知识库写入。（当然如果你是obsidian会更好，traework本身就有obsidian的skill，我用飞书是企业团队要使用，从work上闭环
批量模式（日常维护）：
每天将链接粘贴到桌面 wechat_urls\pending.txt，一行一个。定时任务每晚 22:00 自动处理，无需任何额外指令。（tobehonest，其实写本地文件也不够智能，理论上应该有个机器人直接去读我的微信公众号推荐，符合我的画像，但估计是难，毕竟微信生态dddd，自成一派 
）