【More than Coding】用 SOLO 搭建 一句话完成 公众号内容采集 + 飞书知识库归档能力

SOLO挑战赛专区
1

1. 摘要

用 TRAE SOLO 从零搭建了一个基于飞书 CLI 的 AI Agent Skill——lark-wechat-collector，实现「一句话收藏微信文章到飞书知识库」。自动提取文章内容、下载图片（绕过防盗链）、按原文图文顺序完美还原到飞书文档，并支持 AI 语义检索和总结分析。整个项目从需求拆分到代码实现、测试验证、GitHub 开源，全程由 SOLO 自主完成。

2. 背景

最近老板老是为难我，让我去收集一些公众号的竞品内容，我试过自动化采集和其他的一些工具，但是内容完整度啥的都不理想，然后手动的话。。。

  • 复制粘贴 → 排版全乱了，图片一张张保存太麻烦
  • 微信收藏 → 找不到、没法搜索、没法和团队共享
  • 发到群里 → 过几天就淹没了，再也搜不到

恰好前几天看到 飞书CLI也开源了，于是想到 Trae+飞书文档，肯定能满足我的需求

3. 实践过程

3.1 任务拆解

首先让 SOLO 帮我进行需求拆分和优化，将整个项目拆为 5 个核心模块：

模块 功能 技术
内容提取 从微信文章 URL 提取标题、正文、图片 curl + cheerio
页面截图 生成完整长图截图 Playwright
图片下载 绕过微信防盗链下载图片到本地 Node.js https + Referer
知识库保存 按原文图文顺序保存到飞书 lark-cli wiki/doc/drive
检索分析 知识库文章搜索 + AI 总结 lark-cli wiki/doc + AI Agent

image
image1836×1574 259 KB

3.2 技术调研

让 SOLO 研究飞书 CLI 的 Skill 开发标准结构，包括：

  • skill-template 模板格式
  • 现有 Skill（lark-wiki、lark-doc、lark-drive）的 SKILL.md 写法
  • references 参考文档的规范
  • Skill 之间的依赖声明方式

3.3 核心代码编写

SOLO 帮我编写了 3 个核心脚本：

① wechat-article-extractor.js — 微信文章提取器

  • 使用 cheerio 解析 HTML，深度递归转换 Markdown
  • 处理微信文章复杂的 DOM 嵌套（图片在 <a>、<p><span>、多层 <section> 中）

② feishu-wiki-saver.js — 飞书知识库保存工具（最核心）

  • 创建知识库节点
  • 下载微信图片（带 Referer 头绕过防盗链）
  • 按原文顺序交替写入文字段和图片
  • 保存后自动验证图片数量和文档完整性

③ feishu-wiki-searcher.js — 知识库文章检索工具

  • 递归搜索知识库节点
  • 关键词匹配评分
  • 可选读取全文

image
image1816×1604 294 KB

3.4 踩坑与解决（重点！）

开发过程中遇到了 8 个坑，每个都是 SOLO 帮我排查和修复的：

坑1：微信图片在飞书文档中全部丢失

  • 原因：微信图片有防盗链，直接写入飞书文档被忽略
  • 解决：先下载图片到本地（带 Referer: https://mp.weixin.qq.com/），再上传到飞书

坑2：图片全部堆在文末，顺序乱了

  • 原因：第一版是「先写文字 → 再追加图片」
  • 解决：将 Markdown 按 ![...](...) 拆分为交替片段，按原文顺序依次写入

坑3：部分图片在提取时丢失

  • 原因：<p> 标签用了 .text() 取纯文本，丢弃了内嵌的 <img>
  • 解决：所有容器标签改为递归调用 htmlToMarkdown($el)

坑4：<a> 标签内的图片丢失

  • 原因：微信文章中有些图片被 <a> 包裹（跳转小程序）
  • 解决：<a> 标签递归处理，内部只有图片时只保留图片

坑5：lark-cli 的 @文件路径 必须是相对路径

  • 解决：在文件所在目录执行命令，@ 后只用文件名

坑6：wiki nodes create 参数格式

  • 解决：space_id 用 --params，title/node_type/obj_type 用 --data

坑7：图片格式自动识别

  • 解决：根据 HTTP 响应的 Content-Type 头判断 png/jpg/gif

坑8：HTTP 302 重定向

  • 解决：递归跟随 Location 头

3.5 实际测试验证

SOLO 帮我在真实环境中执行了完整流程，用 3 篇真实的微信公众号文章测试：

文章 字数 图片数 结果
东方乐城｜20-01地块顺利开工 826 5 张 :white_check_mark: 全部通过
【至高加100GB流量】春日流量彩蛋 1494 11 张 :white_check_mark: 10/11 通过（1张 API 错误）
华为畅享90系列 2031 13 张（含 GIF） :white_check_mark: 全部通过

每篇文章都验证了：图片数量匹配、文档字数正常、图文顺序正确。

4. 成果展示

GitHub 仓库

:link: GitHub - 112George112/feishu-wechat-collector: 微信公众号文章智能采集 & 飞书知识库管理 — 基于飞书CLI的AI Agent Skill，一句话收藏微信文章，图文顺序完美还原 · GitHub

项目结构

lark-wechat-collector/
├── README.md                    ← 中文 README
├── README_EN.md                 ← 英文 README
├── LICENSE                      ← MIT 许可证
├── setup.sh                     ← 一键安装脚本
├── skills/lark-wechat-collector/
│   ├── SKILL.md                 ← Skill 主文档（AI Agent 入口）
│   └── references/              ← 详细参考文档（3篇）
├── scripts/                     ← 核心脚本（3个）
├── examples/sample-output.md    ← 示例输出
└── docs/dev-story.md            ← 开发踩坑记录（8个坑）

使用效果

保存文章（一句话触发）：

用户: 帮我收藏这篇微信文章：https://mp.weixin.qq.com/s/xxxxx
Agent: ✅ 文章已保存到知识库
       标题: 东方乐城｜20-01地块顺利开工
       字数: 826 字 | 图片: 5 张（全部按原文顺序还原）

image
image1814×840 104 KB

搜索文章：

用户: 在知识库中搜索关于"度假区"的文章
Agent: 找到 2 篇相关文章（按匹配度排序）

总结分析：

用户: 总结一下最近保存的那篇关于 RAG 的文章
Agent: [生成结构化总结报告]

飞书知识库实际效果

文章保存到飞书知识库后，图文按原文顺序完美排列，图片清晰显示，排版整洁。

5. 效果与总结

提效数据

维度 手动收藏 使用本 Skill
保存一篇文章 5-10 分钟 30 秒
图片处理 逐张右键保存 自动下载上传
排版还原 需手动调整 自动按原文顺序
后续查找 翻聊天记录 AI 语义检索

SOLO 在流程中的角色

整个项目从零到上线，SOLO 参与了每个环节：

  1. 需求拆分 — 帮我理清功能模块和优先级
  2. 技术调研 — 研究飞书 CLI Skill 标准结构和 API 用法
  3. 代码编写 — 生成 3 个核心脚本 + SKILL.md + 参考文档
  4. 调试修复 — 8 个坑的排查和修复，每个都通过实际执行验证
  5. 文档完善 — README、开发踩坑记录、示例输出
  6. GitHub 上线 — 参照优秀项目结构，完善仓库配置

可复用的方法

  • Skill 开发模式：SKILL.md（AI 入口）+ references（详细文档）+ scripts（辅助脚本）
  • 图文顺序还原方案：Markdown 拆分 → 交替写入 → media-insert
  • 微信防盗链绕过：Referer 头 + 本地下载 + 重新上传
  • HTML 深度递归解析：所有容器标签递归处理，确保零图片丢失

一句话总结

从需求到上线，SOLO 帮我十几分钟就完成了一个完整的功能，解决了微信文章收藏到飞书知识库的痛点，图片不丢、顺序不乱、支持检索和 AI 分析。