公众号文章搜索导入 IMA

问题背景

当你需要把某个微信公众号下的一批文章沉淀到 ima 知识库时，传统做法是两步分开：先在搜狗微信搜索文章，再手动把链接逐个粘贴进 ima。这个过程重复、容易出错，尤其是当文章数量超过十几篇时，链接整理和导入本身就成了负担。

@user_4c9c5ac8/ima-gzh 把「搜索 → 导入」合成一个命令行流程，目标是让批量收集公众号文章并入库这件事变成一条命令就能完成。

核心能力与执行流程

数据源与导入端：搜索端复用搜狗微信（weixin.sogou.com），这是目前对公众号文章覆盖最全的公开入口；导入端调用 ima-skills 提供的 ima_api.cjs，凭证从 ~/.config/ima/ 或环境变量自动读取，无需额外配置。整个脚本零外部依赖，搜索和链接解析都基于 Node 内置的 https 模块和正则完成，不需要 npm install。

搜索阶段：支持两种模式。模式 A 是纯关键字检索，直接用 query 在搜狗微信中搜索；模式 B 先用 --account 限定公众号名称拉取该账号的文章流，再在本地按关键字对标题和摘要做过滤——这样做的好处是避免小号文章排不进纯关键字结果的问题。搜索结果按发布时间倒序排列，取最新的 N 条（默认 50，建议不超过 50）。

链接解析：搜狗返回的链接是 weixin.sogou.com/link?url=... 这种中转格式，带有时效 token。如果直接交给 ima 服务端抓取，很可能因为 token 过期而失败。脚本默认开启 --resolve，跟随 302 跳转把中转链接解析为真实的 mp.weixin.qq.com/s?... 文章 URL，大幅提升 ima 端抓取成功率。

导入阶段：先用 --kb 名称解析知识库 ID（优先查订阅库，回退查个人库），再获取根目录的 folder_id，最后通过 import_urls 接口批量导入，每批不超过 10 条。脚本会自动分批，并以 code===0 或 msg==='success' 判定导入成功。

适用边界与踩坑备忘

反爬是最大变量：搜狗微信对服务器出口 IP 有严格反爬策略。在部分沙箱环境中，Node 直连可能返回 antispider 验证页而非正常结果。遇到这种情况脚本会打印 WARN 并停止，建议先换网络或稍后重试；如果仍不行，可以改用浏览器通道（WebFetch）访问同样的搜索 URL，手动整理出「标题 + 链接」清单存成 JSON，再通过 --from-json 参数完成导入。

根目录 folderid ≠ 知识库 ID：这是最容易踩的坑。import_urls 需要的 folder_id 必须取自 get_knowledge_list 返回的根目录 folderid，不能直接用 kb_id 充当，否则会报「文件夹不存在 222000」。脚本已内置这个处理逻辑。

正文不可本地批量抓：微信公众号文章正文有较强的反爬保护，本地批量抓取正文基本不可行。但 import_urls 由 ima 服务端自动抓取内容，所以「搜链接 → 交给 ima 导入」是正确的姿势，不要尝试绕过。

--dry-run 是好习惯：正式导入前可以先加 --dry-run 参数预览将要导入的知识库、批次和链接数量，确认无误再去掉该参数执行真实导入。