菜单
微信读书教练 — 把读过的书"用起来"。三种用法：(1) 推荐 - 想搞懂一个领域时，先判段位再给阶梯书单；(2) 引用 - 写作时基于已读划线给出可引用的书与原话；(3) 回顾 - 每天推送一条历史划线，自动去重，支持手动与定时触发。触发词："我想搞懂 XX"、"入门书单"、"阶梯书单"、"我想引用一本书"、"这个观点哪本书讲过"、"今日笔记"、"推一条划线给我"、"读书回顾"。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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。
导出微信读书划线笔记为 Markdown 或 PDF 文件。当用户说"导出我的微信读书划线"、"导出读书笔记"、"把划线保存下来"、"weread 导出"时触发。依赖 weread-skills 调用接口，按书籍-章节分组排版，附划线时间，输出美观的笔记文档。
Transform structured podcast notes into engaging video scripts with a conversational, first-person broadcasting style. Use when user asks to "generate podcast script", "convert to broadcast style", "make video script", "rewrite for video", "口播脚本", "改成口播", or wants to turn podcast summaries into presenter-style content for short videos.
播客处理一站式工作流。支持两种入口： (1) 直接处理：提供 YouTube 链接，直接进入处理流程 (2) 更新检查：获取关注博主的最新更新，用户挑选后处理 功能：字幕提取 → read-content-digest 处理 → 自动保存飞书知识库。 触发词："获取播客更新"、"处理这个播客"、"播客工作流"、"有什么新播客"。
把小宇宙播客链接转成文字稿和文章。实现原理：下载小宇宙音频 → Groq Whisper 转录成文字 → 由 Claude 编写成文章。 触发词："小宇宙转文字"、"播客转文章"、"把这个小宇宙链接转成文章"、"小宇宙文稿"，或用户直接发来 xiaoyuzhoufm.com 的单集链接。 产出两份：逐字文稿（含标点润色）+ 改写后的文章。
获取关注的 YouTube 博主/播客的最新更新。列出最近两天的新视频，包含标题、发布时间和简要描述。 触发词："获取播客更新"、"最近有什么新播客"、"YouTube 更新"、"播客更新"、"有什么新的播客"。 用于每日检查关注的 AI/科技播客是否有新内容更新。
| name | read-weread-coach |
| description | 微信读书教练 — 把读过的书"用起来"。三种用法：(1) 推荐 - 想搞懂一个领域时，先判段位再给阶梯书单；(2) 引用 - 写作时基于已读划线给出可引用的书与原话；(3) 回顾 - 每天推送一条历史划线，自动去重，支持手动与定时触发。触发词："我想搞懂 XX"、"入门书单"、"阶梯书单"、"我想引用一本书"、"这个观点哪本书讲过"、"今日笔记"、"推一条划线给我"、"读书回顾"。 |
把读过的书"用起来"。覆盖三个真实场景：学新东西、写东西要引用、把读过的东西反复激活。
weread-skills 已安装WEREAD_API_KEY 已配置/tmp/read-weread-coach/（数据缓存 24 小时）~/.claude/skills/read-weread-coach/state/步骤 1：判段位（必问）
你目前对【XX】的水平？
a. 完全新手，零基础
b. 听说过、读过零星文章，没系统
c. 有一定基础，想突破到前沿
d. 已经熟练，想找冷门好书
步骤 2：拉用户书架数据
调 /user/notebooks + /shelf/sync 获取已读+在读书单。
步骤 3：生成 5 层阶梯书单
| 层级 | 用途 | 数量 |
|---|---|---|
| ① 引子 | 一篇文章或一本薄书破除门槛 | 1 |
| ② 入门 | 体系化的基础书 | 1-2 |
| ③ 经典 | 该领域绕不开的奠基作 | 1-2 |
| ④ 前沿 | 近 3-5 年的代表作 | 1-2 |
| ⑤ 实践 | 把知识转化为行动的工具书 | 1 |
步骤 4：标注
根据段位调整起点：a 从 ① 开始，b 从 ② 开始，c 从 ③ 起跳，d 直接到 ④⑤。
步骤 5：给出 1 条建议 基于阶梯的第一个未读项，告诉用户：本周读哪本，预计多久，读完做什么。
步骤 1：确认引用主题 让用户用一句话说清楚：要论证的观点 / 文章的角度。
步骤 2：在用户已读语料中检索
执行：
python3 ~/.claude/skills/read-weread-coach/scripts/fetch_corpus.py
脚本会缓存 /tmp/read-weread-coach/corpus.json（24h 内复用）。
然后扫描两个语料库：
marks_corpus：所有划线原文reviews_corpus：所有想法/书评按关键词 + 语义匹配，找出 5-8 条最相关的划线/想法。
步骤 3：输出
每条引用包含：
步骤 4：若已读不够用 当用户已读语料中找不到 3 条以上强相关时，额外推荐 2-3 本未读但相关的书（来自 weread 商城或经典推荐）。
/loop / OpenClaw cron / Claude Code schedule 定时触发步骤 1：保证缓存最新
执行 scripts/fetch_corpus.py（自动跳过 24h 内缓存）。
步骤 2：调脚本挑选并写入历史
python3 ~/.claude/skills/read-weread-coach/scripts/pick_review.py
脚本逻辑：
state/review_history.jsonl 中已出现过的 bookmarkIdstate/review_history.jsonl步骤 3：包装输出
格式示例：
📖 今日回顾 · 2026-05-19
《书名》— 作者
🔖 第 X 章 · 划线时间 YYYY-MM-DD
> 划线原文（最长 100 字）
💭 一句话激活提问：
基于这条划线给一个引导性问题，让用户回到当时的思考语境。
步骤 4：去重保证
review_history.jsonl 每行一个 JSON：{"bookmarkId":"...","shown_at":"YYYY-MM-DD HH:MM"}/loop在终端执行：
/loop 1d 推一条今日读书回顾给我
crontab 加一行（每天早 8 点）：
0 8 * * * /usr/bin/python3 ~/.claude/skills/read-weread-coach/scripts/pick_review.py --notify
脚本带 --notify 时会调用 macOS osascript -e 'display notification' 发送系统通知。
schedule skill/schedule create "每天 8 点推送一条微信读书回顾" --cron "0 8 * * *"
/tmp/read-weread-coach/corpus.json，24 小时内不重抓bookmarkId 作为唯一键，不能因为划线内容相同而误判