Agent Skills
返回列表
📊

公众号文章采集

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_d8831e99/gzh-article-collector。

技能介绍

要解决的问题

公众号文章的检索结果分散在微信「搜一搜」页面里。想批量收集一个关键词下的文章时，要么手动逐屏翻页截图，要么用容易被风控的爬虫方案。更麻烦的是，结果页本身就是图片化的信息流，作者名、发布时间、标题都嵌在界面中，传统爬虫拿不到结构化文本。这个技能换了一条路：用系统级 GUI 自动化 + 本地 OCR，把「打开微信、搜索、滚动、读取结果」这条人工流程交给智能体执行，再把识别到的信息整理成分类报告。

工作原理

核心脚本只有一个：scripts/gzh_collector.py。它依赖 desktop-companion 技能完成截图与滚动，识别部分走 macOS 自带的 Apple Vision 框架，全程本地运算，不调用任何云端 OCR API。

关键步骤：

  • 在微信中打开搜一搜结果页，按固定坐标 WX, WY 裁剪文章列表区域；
  • 智能体自动滚动页面，默认滚动 25 轮，每轮间隔 1.0 秒；
  • 每屏截图交给 Apple Vision 做 OCR，按「作者 + 时间戳」模式切分条目；
  • 解析器同时兼容单列与双列布局，最终汇总生成分类报告。

适用边界与注意点

这套方案的前提是 macOS 13+、微信已安装并登录，因为 Apple Vision 与 GUI 滚动都依赖本地桌面环境，无法在服务器上运行。几个实际坑点：

  • 微信窗口位置变化后，裁剪坐标需要跟着调整，否则 OCR 读到的可能是窗口边框或空白；
  • 想拿到足够样本，建议收集 20～30 轮滚动，MAX_SCROLLS 默认的 25 刚好在推荐区间内；
  • OCR 结果受截图清晰度影响，作者名或时间戳偶有误差，做数据分析前需要二次校验；
  • 它解决的是「把结果页信息数字化」，不涉及公众号后台，也不绕过任何访问限制。

使用场景

  • 调研某个行业关键词下的公众号内容生态，需要批量收集搜一搜结果页的文章标题、作者和发布时间作为分析样本。
  • 自媒体运营需要分析竞品账号在微信搜一搜中的曝光情况，收集指定关键词下的文章列表做对比研究。
  • 内容研究团队想追踪某一话题在公众号中的讨论趋势，定期采集搜一搜结果作为样本数据集。
  • 市场分析师需要快速获取某品牌在微信生态中的相关内容分布，手动翻页截图太慢且易遗漏。

适合人员

  • 内容运营需要定期收集行业关键词下的公众号文章，用于内容选题和竞品分析。
  • 市场研究人员需要批量获取微信搜一搜结果作为研究样本，手动截图效率太低。
  • 数据分析师想在本地搭建公众号文章数据集，需要自动化工具替代人工翻页收集。
  • 自媒体创作者想监控特定话题在微信生态中的内容分布，为选题决策提供参考。