# 103 个公众号，每天自动进知识库
**核心问题：靠手动采集公众号，时间成本和信息损耗太大了。**
一个 Obsidian 知识库，存了 5000 多篇公众号文章，来自 103 个号。如果每天手动打开每个号、翻历史、下载、整理，至少需要半小时。半小时不算多，但 103 个号轮流来，就是 50 多分钟。更关键的是——人持续做重复操作，一定会漏。
四个具体问题：
1. **登录过期** — 采集工具登录 4 天就失效，要重新扫码
2. **图片会裂** — 文章图片来自微信 CDN，随时可能挂
3. **内容混杂** — 100 多个号混在一起，找内容只能全文搜索
4. **信息滞后** — 新文章出来了不知道，等想起已经过了好几天
我对这件事的判断：**这本质是一个「信息管道」问题，不是工具问题。** 要解决的不是一个采集工具好不好用，而是怎么让信息自动流进来。
花了小半天，做了三件事。
—
## 第一件事：把「拉取」变成「推送」
**之前的方式：手动拉取，每次都要发起请求。**
用的工具是 wechat-article-exporter。一个不错的开源工具，能搜公众号、拉文章、导出全文。但它的模式是「拉取」——想看哪个号，手动搜一下，告诉它「拉 3 页」，它就去拉。今天拉了，明天有新文章，不知道，除非再拉一次。
这个模式的本质问题是：**信息在你的主动请求之后才到达，而不是在你需要之前。** 就像订了报纸但没人送报，每天自己去报摊问「今天有新的吗」。
**换了一个思路：持续订阅，信息自动推送。**
we-mp-rss（简称 WeRSS），逻辑完全不同——扫码登录一次（需要有公众号的微信），订阅感兴趣的号，它在后台 7×24 小时盯着。新文章出来，RSS 自动更新，API 随时可查。
| 维度 | wechat-article-exporter | WeRSS |
|——|:———————–:|:—–:|
| 模式 | 按需拉取 | 持续订阅 |
| 登录周期 | 4 天过期 | 长期稳定 |
| 历史文章 | 可以批量拉 | 自动追踪 |
| 新文章感知 | 靠手动/定时 cron | RSS 自动更新 |
**最终的架构：WeRSS 负责订阅感知，exporter 的 API 负责拉全文。** 两个工具不是替代关系，是互补关系。这也是方案的关键——不追求「一个工具搞定全部」，而是让每个工具做自己最擅长的事。
—
## 第二件事：图片必须本地化
**微信 CDN 的图片链接，本质上是一个定时炸弹。**
`mmbiz.qpic.cn` 这类链接，微信随时可能清理或变更策略。这不是假设，是已经发生过的事——翻到半年前的文章，图全裂了。
我的规则很简单：**所有新文章，图片存本地。**
存储结构经过几轮尝试，最终选了按公众号分子目录：
“`
公众号文章/assets/
├── ainlp/ ← AI/Agent 领域
├── devops/ ← 运维领域
├── nas/ ← NAS/硬件领域
└── technews/ ← 科技资讯领域
“`
**为什么不能全丢一个目录？** 103 个号，假设每篇文章平均 10 张配图，一个月就是 3 万 + 张图。一个目录塞 3 万个文件，文件系统性能下降，而且没法管理。按公众号分目录的好处很直接：要清理某个号的全部数据，`rm -rf` 一条命令就搞定。
图片名用 URL 的 MD5 Hash。同一个 URL 对应同一个 MD5，多次抓取不会重复下载——这是一个工程常识，但保证了数据一致性。
同步一篇新文章的完整流水线：
1. **下载全文**
2. **Pandoc 转 Markdown** — 格式统一
3. **10 步清洗** — 去噪音、去广告、折叠空行
4. **图片下载** — 提取 URL，下载到 `assets/<公众号名>/`
5. **路径替换** — 原图片链接换成本地路径
6. **写入 vault**
结果：20 篇文章，156 张图片，0 失败。
—
## 第三件事：用脚本代替人工分类
**103 个号，一个一个手动打标签，是一个典型的「能做但不该做」的事。**
WeRSS 支持给公众号打标签，然后按标签筛选 RSS。但如果 103 个号全部手动操作，保守估计也需要 30 分钟。而且标签标准很难前后一致——打到第 60 个号的时候，可能已经忘了前 30 个怎么打的。
解决方案：写一个脚本，根据公众号名称的关键词自动分类。
| 标签 | 数量 |
|——|:—-:|
| AI/Agent | 45 |
| DevOps/SRE | 17 |
| NAS/硬件/生活 | 17 |
| 编程/开发 | 11 |
| 科技资讯 | 7 |
| 知识管理 | 6 |
103/103 全部分完，耗时不到 10 秒。这个效率差距，就是自动化和手动的区别。**用脚本解决分类问题，本质上不是「省时间」，而是「让分类变得可重复、可验证」。**
现在想看某个标签下的新文章，点一下标签就行，不用搜，不用翻。
—
## 最终结果
**整个流程的核心不是某一个工具，而是管线设计。**
管线时间表：
“`
7:00 技术类公众号同步（exporter 定时任务）
7:30 AI/Agent 类公众号同步
8:10 每日文章推荐（当天新文章中选 Top 5）
8:30 WeRSS 全量同步（103 个号全部扫一遍）
└→ 新文章下载 + 图片本地化 + 打标签
“`
每天早上打开 Obsidian，当天内容已在目录中。图片走本地路径，不会裂。按标签筛即可找到目标文章。
**回顾整个方案，最有价值的不是 WeRSS、不是图片本地化、不是自动分类——而是把 wechat-article-exporter 从一个「主力工具」变成了「内容管道里的一环」。** 这个角色转变，让整个采集流程从手动变成了自动。
工具本身没变，变的是它们之间的协作方式。**很多时候，解决问题不需要换工具，只需要重新设计工具之间的连接方式。**
—
所有工具的配置记录在 Obsidian Vault 里，下次有人问可直接搜索。