企业官网建设流程全解析

• AI 技能/插件
• 知识管理
• MCP 服务
• CLI

chubbyskills 是一款面向中文内容创作者的开源知识库工具，能把微信公众号文章一键采集进本地知识库。本文围绕「公众号文章存进知识库」这个高频需求，完整讲解文章链接抓取与PDF 导入两条采集路径，以及如何把原文加工成观点提取和问题链，帮新手快速搭起一个能搜索、能回查来源的个人素材库。

一、为什么要把公众号文章存进知识库

在微信里"收藏"一篇文章很容易，但真要用起来时往往翻不出来：

• 收藏的文章搜不到，写作引用时找不回原文；
• 截图、复制粘贴格式混乱，还丢了来源和作者；
• 没有统一索引，素材越攒越乱。

chubbyskills 做的事，就是把公众号文章转成带 frontmatter 的 Markdown（标题、作者、来源、时间都写进元数据），存入本地知识库，之后可以搜索、回查来源、导出资料包、交给 Agent 提炼。

公众号链接 / PDF → Markdown 原文 → 本地搜索 → 带出处资料包 → Agent 整理

二、准备工作：安装 chubbyskills 与依赖

2.1 获取仓库

git clone https://gitcode.com/gh_mirrors/ch/chubbyskills cd chubbyskills

2.2 安装公众号处理依赖

bash setup.sh wechat

这条命令会安装公众号处理所需的beautifulsoup4（解析网页）、markitdown与pymupdf（提取 PDF）。

⚠️ PDF 提取里的 MarkItDown 需要 Python 3.10+，统一 CLI 建议 Python 3.11+。先用python3 --version确认一下，macOS 自带的 3.9 可能不够。运行依赖清单见 docs/installation.md。

三、路径一：公众号链接直接抓取（推荐）

链接抓取能尽量保留标题层级、图片和正文链接，是首选。公众号文章 URL 是公开的，不需要登录。

3.1 用统一 CLI 一条命令入库

推荐走统一命令，采集后自动进知识库并更新索引：

CHUBBY_VAULT="$HOME/Documents/creator-vault" python3 tools/chubby.py init --vault "$CHUBBY_VAULT" python3 tools/chubby.py ingest "https://mp.weixin.qq.com/s/xxxxx" --no-enrich

• --no-enrich：只采集，不调用内容加工 API，离线可控；
• 产物落到00_Inbox/，自带 frontmatter（标题、作者、来源、时间）。

公众号平台的来源类型与失败兜底，声明在 platforms/wechat.yaml：article/pdf两种来源，抓不到时可回退到已保存的 HTML 或 PDF。

3.2 用 Skill 脚本单独抓取

想先看提取效果、不接统一索引时，可直接跑 skill 脚本：

python3 wechat-article-ingest/scripts/fetch_article.py "https://mp.weixin.qq.com/s/xxxxx" --output ./output

它会尽量保留：

• 标题层级：h1/h2/h3→ Markdown 标题；
• 图片：data-src/src→ Markdown 图片引用；
• 正文链接：<a>→ Markdown 链接。

脚本见 wechat-article-ingest/scripts/fetch_article.py。

3.3 采集后的产物长什么样

产物是一份带 frontmatter 的 Markdown（示例见 examples/outputs/wechat-sample.md）：

--- title: 公众号文章样例 platform: wechat source: https://mp.weixin.qq.com/s/example author: 示例公众号 created: 2026-06-30 tags: [公众号] --- # 公众号文章样例 这是一篇公众号文章采集样例。正文会尽量保留标题层级、图片和链接。

四、路径二：PDF 导入采集

当链接抓取被防盗链拦住，或你已经用「笔记同步助手」等工具把文章导成了 PDF，就走 PDF 路径。

4.1 用 Skill 脚本提取 PDF

python3 wechat-article-ingest/scripts/extract.py "path/to/article.pdf" --output ./output

提取逻辑是先用 MarkItDown 转 Markdown，内容不够再回退到 PyMuPDF 按页取文字。脚本见 wechat-article-ingest/scripts/extract.py。

4.2 用统一 import 命令入库

更推荐直接走统一导入入口，和路径一共享搜索与索引：

python3 tools/chubby.py import "path/to/article.pdf" \ --source-url "https://mp.weixin.qq.com/s/xxxxx" --no-enrich

• 只提取已有文字层，不做 OCR；扫描件需先用其他工具识别；
• --source-url只记录原始来源，不下载网页；
• 详细规则见 docs/document-import.md。

💡 链接模式比 PDF 模式更能保留图片和链接，能走路径一尽量走路径一。

五、进阶：A+B 加工，把原文变成观点与问题链

光存下原文还不够。wechat skill 支持A 层观点提取 + B 层问题链生成（需 Agent 配合）：

帮我处理这篇文章：https://mp.weixin.qq.com/s/xxxxx 提取观点 + 问题链

5.1 A 层：观点提取

生成观点提取-{作者}-{主题}.md：

5.2 B 层：问题链

生成问题链-{作者}-{主题}.md：3-5 条问题链，每条对应一个核心主题，分L1（安全区）→ L2（边缘区）→ L3（核心区），每条链 6 道问题，最后给一个"终局种子"带回家。

六、入库之后：搜索原文与导出资料包

采集入库后索引会增量同步，写作时随时搜回来：

python3 tools/chubby.py search "文章里的关键词"

需要一份带出处和行号的资料包交给 Agent 整理选题：

python3 tools/chubby.py brief --topic "文章主题" \ --output "$CHUBBY_VAULT/30_Output/brief.md"

brief输出逐字摘录、原文行号、来源链接和文件 SHA-256，引用时能回查。完整工作流见 docs/creator-workflow.md。

七、知识库目录结构

素材默认按下面方式落盘，用 Obsidian 或任意文本编辑器都能直接打开：

知识库/ ├── 素材库/ │ └── 公众号文章/ │ └── {公众号名}/ │ └── article.md └── wiki/ └── 外部输入/ └── 公众号/ └── {公众号名}/ └── {主题}/ ├── 观点提取.md └── 问题链.md

八、常见问题与失败兜底

更完整的失败模式与替代方案见 docs/platform-fallbacks.md。

小结

公众号文章存进知识库，记住两条路径 + 三步收尾：

1. 能抓链接就走路径一（ingest链接），图片和链接保留最完整；
2. 抓不到就导出 PDF 走路径二（importPDF），文字层照样能入库；
3. 入库后搜索、出资料包、交给 Agent 提炼观点与问题链，让收藏的文章真正被用起来。

常用模块入口：

• 公众号 Skill 说明：wechat-article-ingest/SKILL.md
• 文档导入规则：docs/document-import.md
• 创作者工作流：docs/creator-workflow.md
• 知识库管理 Skill：knowledge-base-management/SKILL.md

• AI 技能/插件
• 知识管理
• MCP 服务
• CLI