read-weread-analyzer

name	read-weread-analyzer
description	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。

weread-analyzer — 微信读书深度阅读分析

触发词

• 分析我的微信读书
• 读书画像 / 阅读画像
• 我的阅读报告 / 读书复盘
• 根据我的阅读猜 MBTI
• 阅读兴趣分析

前置依赖

• weread-skills 已安装
• 环境变量 WEREAD_API_KEY 已配置

工作流

步骤 1：数据采集

执行 scripts/fetch.py，自动拉取：

• /user/notebooks 分页全量
• 每本书的 /book/bookmarklist + /review/list/mine
• /readdata/detail mode=annually（当前年 + 上一年，覆盖近 12 个月）
• /shelf/sync（书架全貌）

python3 ~/.claude/skills/read-weread-analyzer/scripts/fetch.py /tmp/read-weread-analyzer/data.json

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。

步骤 2：深度分析（必须完成全部 10 个维度）

逐一产出，禁止跳过任何一项。每个维度的产出要求如下：

1. 阅读画像 Reading Persona

• 主要关注的主题（3-5 个，按权重排）
• 阅读偏好（深度/广度/工具型/思辨型……）
• 哪些书是"读进去了"（高完成率 + 多划线 + 有想法）
• 哪些书是"收藏未读"或"浅尝辄止"（书架在但完成率低 / 无划线）
• 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

2. 阅读兴趣变化 Interest Drift

• 按"最早 1/3、中间 1/3、最近 1/3"分段或按季度切片
• 列出每段的关注主题
• 长期稳定的兴趣 vs 短期波动
• 用一句话总结：最近真正关心的问题是什么

3. 知识结构与盲区 Map & Blind Spots

• 已积累较多的领域（3-5 个）
• 明显薄弱的领域（3-5 个）
• 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）

4. 阅读质量诊断 Quality Diagnosis

• 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
• 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
• 给出诚实诊断，不粉饰

5. 高价值内容提炼 Core Insights

• 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
• 必须转述，不大段引用；若必须引用，每条不超过 20 字
• 每条关联 1-2 本来源书

6. 书籍关系分析 Book Network

• 找出读过的书之间的：共同问题、观点冲突、互相补充
• 形成 2-3 个"主题簇"
• 总结当前的隐藏世界观（最重要）

7. 行动建议 Actionable Advice

分四类，每类 2-3 条具体建议：

• 工作决策
• 个人成长
• 表达写作
• 产品思考

8. 选题建议 10 Topic Ideas

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：

• 标题方向（一句话）
• 核心观点（一句话）
• 适合引用的书籍或观点来源（1-2 本）

9. 缺失知识类型 Knowledge Gaps

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：

• 必须补的知识（2-3 项）
• 值得补的知识（3-5 项）
• 暂时不用补的知识（2-3 项，给出理由）

10. 补充推荐 Filling the Gaps

针对上面的知识缺口，给出具体推荐，分类：

• 书籍（5-8 本）
• 经典论文或研究报告（2-4 篇）
• 高质量课程（2-3 个）
• 数据来源或资料库（2-3 个）
• 适合长期关注的作者 / 机构 / 栏目（5-8 个）

步骤 3：询问保存位置（必问）

在生成 HTML 前先问用户：

报告要保存到哪个目录？
  - 直接回车 = 当前工作目录
  - 或者输入一个绝对路径 / 相对路径（如 ~/Documents/阅读分析）

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。

步骤 4：生成 HTML 可视化报告

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。

生成完毕用系统默认浏览器打开（macOS：open <path>；Linux：xdg-open <path>；Windows：start <path>）。

步骤 5：报告结果

输出：

• HTML 文件路径
• 数据范围（如"基于最近 12 个月，87 本书 / 436 条划线 / 48 条想法"）
• 一句话核心结论（MBTI + 主导阅读模式）

视觉规范

严格遵守 templates/report.html 的设计：

• 每页固定 750×1334px（9:16，对应 iPhone 屏幕）
• 纯白底（#fafaf7）
• 单一暖色调强调色（#c9a96e 米黄 / #1a1a1a 主文）
• 大量留白
• 大字号页码（48px 半透明），标题 56px Bold，正文 22px
• 每页结构：页码 → 中文大标题 → 英文小标题 → 内容区 → 页脚
• 内容区禁止超出页面边界，长内容要精简或拆分
• 不允许引入外部字体或 JS 库
• 整份 HTML 自包含

内容撰写规范

• 文字干净直接，禁止用 ——（破折号），改用句号/冒号/括号
• 禁止"不是 X，是 Y"对仗句式，直接陈述结论
• 转述优先于引用
• 每页内容字数控制在 200-400 字（标题 + 正文），过长就拆分或精简
• 数据用粗体或大字号突出
• 列表用 • 或编号，避免堆砌

注意事项

1. 不省略维度：必须完成 10 个维度的分析，缺一不可
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"
3. MBTI 必须给：基于真实数据推测，标注置信度
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
5. HTML 自包含：所有 CSS 内联在 <style> 标签，不引外部资源
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