wechat_hot_article_agent：自动采集热点并生成微信文章的智能体

wechat_hot_article_agent 是一个用于自动化处理微信公众号内容生产的开源智能体代码库。该工具通过程序脚本与大语言模型（LLM）API的结合，实现了从话题发现到文章发布的流程自动化。其核心工作机制包含三个阶段：首先，通过网络请求自动获取多平台（如微博、知乎、微信等）的实时热搜榜单及高访问量文章；其次，利用大语言模型的自然语言理解能力，对热门文章进行结构化拆解，提取论点和行文框架，并根据用户指定的新话题生成仿写初稿；最后，利用微信官方提供的开发者接口，将本地生成的Markdown格式文档自动转换为微信支持的图文格式，连同图片一并上传至公众号草稿箱。工具设计遵循模块化原则，所有功能均可通过命令行指令独立调用，也可通过编写定时任务脚本串联执行。它旨在减少内容运营人员在素材搜集、基础排版和平台操作上的重复性劳动，将工作重心转移至最终内容的审核与润色上。

功能列表

• 多平台热点数据采集：内置网络请求脚本，通过命令行直接输出当前全网主流平台的热搜榜单和热点资讯原始数据，供分析使用。
• 文章逻辑结构拆解：输入指定文章网址，调用大语言模型分析目标文章的段落划分、核心论点及情绪引导方式，并输出纯逻辑视角的结构报告。
• 自定义话题自动写作：结合获取的热点数据或用户手动输入的关键词，利用内置的系统提示词模板自动生成符合特定逻辑的图文草稿。
• 本地素材格式化转换：支持将Markdown语法文件自动转换为微信公众平台支持的HTML代码结构，保持基础文本和排版样式一致。
• 微信后台草稿自动同步：调用微信公众号官方API接口，实现本地文本和本地图床图片的自动提取、上传，并生成公众号线上草稿文件。
• 全自动工作流配置集成：提供标准的命令行参数接口，方便与系统级的Cron任务结合，实现从采集数据到草稿生成的定时无人值守运行。

使用帮助

欢迎使用 wechat_hot_article_agent 工具库。本帮助文档将按照功能模块详细说明如何从零开始安装、配置并操作本智能体。该文档包含完整的命令与执行逻辑，请按照步骤逐步操作。

一、 运行环境搭建与依赖配置

本系统基于 Python 开发，所有的组件执行都依赖于本地运行环境以及网络接口支持。

1. 准备基础环境
   请确保您的操作系统已安装 Python 3.8 或更新版本。如果您使用 Windows 系统，请在安装 Python 时勾选“Add Python to PATH”选项。建议同时安装 Git 客户端用于拉取最新的代码文件。
2. 获取系统代码
   打开系统自带的终端或命令行工具，执行以下命令将项目代码完整克隆至本地硬盘：

git clone https://github.com/lonehsigle/wechat_hot_article_agent.git
cd wechat_hot_article_agent

3. 安装运行依赖库
   为了隔离项目环境，防止与本地其他 Python 包产生版本冲突，请创建并使用虚拟环境：

• 创建虚拟环境：python -m venv venv
• 激活环境（Windows系统）：venv\Scripts\activate
• 激活环境（Mac/Linux系统）：source venv/bin/activate
• 安装项目所需的第三方代码库：pip install -r requirements.txt

二、 系统参数与凭证配置

系统需要调用外部的大语言模型接口以及微信官方接口，因此必须在项目根目录的 .env 文件中配置相应的密钥参数。

1. 创建配置文件
   在项目根目录找到名为 .env.example 的模板文件，将其复制一份并重命名为 .env。
2. 配置大语言模型参数
   打开 .env 文件，输入您申请的第三方 AI 模型接口信息：

• LLM_API_KEY：填入模型服务商提供的 API 密钥。
• LLM_BASE_URL：填入模型对应的请求地址（如使用 OpenAI 接口标准，通常格式为 https://api.服务商网址.com/v1）。
• LLM_MODEL_NAME：指定被调用的具体模型名称（例如 deepseek-chat 、 qwen-max 或 gpt-4）。

3. 配置微信公众号开发者接口
   登录微信公众平台网页版后台，在左侧菜单进入“设置与开发” -> “基本配置”。

• 将 AppID 和 AppSecret 的值分别填入 .env 文件中的 WECHAT_APP_ID 和 WECHAT_APP_SECRET 字段中。
• 重要提示：确保您的本地计算机 IP 地址已添加至微信公众平台的“IP白名单”中，否则会导致接口调用请求被微信服务器直接拒绝。

三、 核心功能模块操作指南

系统所有功能均通过主程序的命令行参数（CLI）进行模块化调用。以下为各项主要功能的操作说明与原理解析：

1. 抓取多平台热点数据

此功能用于获取当前网络各大平台的实时热榜数据。

• 操作指令：

python main.py --mode fetch_hot

• 执行流程：系统将依次发送网络请求，获取微博、知乎、微信等平台的最新数据列表。脚本会自动清洗返回内容中的无关 HTML 标签，提取出纯文本形式的标题、摘要及热度指数。
• 输出结果：抓取完毕后，终端会打印提取完成的数据列表，同时在项目 data/hot_topics.json 文件中生成结构化的本地备份记录，供后续模块读取调用。

2. 对现有爆款文章进行结构拆解

此功能用于分析和提取特定高流量文章的行文逻辑与写作框架。

• 操作指令：

python main.py --mode analyze --url "输入您要分析的微信文章链接"

• 执行流程：系统首先提取目标链接内的所有正文文本数据，随后将其发送给配置文件中绑定的极大语言模型，并附带内置的“文章拆解分析”系统指令。大模型将执行解析任务，剥离特定人物或事件信息，仅保留段落的论述递进结构与逻辑链条。
• 输出结果：系统在终端直接打印出结构分析报告，并将该 Markdown 格式报告存储在 output/reports/ 目录下，文件命名格式为 analyze_日期_时间.md。

3. 利用大模型自动生成文章初稿

此功能用于基于选定的话题和逻辑结构生成全新的图文内容。

• 操作指令：

python main.py --mode generate --topic "输入您指定的话题或事件" --reference "可选：指定结构分析报告路径"

• 执行流程：系统接收到话题后，会将话题文本、预设写作约束组合成完整的提示词（Prompt）。如果您通过 --reference 参数指定了第二步中生成的分析报告，大模型会严格按照报告提取出的框架进行填词和生成。
• 输出结果：生成的文章初稿将以 Markdown 文件格式保存在 output/drafts/ 文件夹中。您可以打开该文本文件进行直接阅读或二次人工修改。

4. 本地草稿自动同步至微信后台

此功能将本地已编辑完成的 Markdown 文本转换为微信平台可识别格式并自动上传保存。

• 操作指令：

python main.py --mode push --file "output/drafts/您的文章文件.md"

• 执行流程：系统读取指定的文本文件，执行格式转换函数将其解析为 HTML 代码结构。若文中包含本地计算机的图片路径，系统会调用微信“新增临时素材”API 接口将图片依次上传，并自动替换原文代码中的本地图片链接为微信网络链接。最后调用微信“新增草稿”API，打包上传完整文本数据。
• 输出结果：命令行最终返回微信服务器确认的 draft_media_id（草稿对应ID）。此时登录微信公众平台，在“草稿箱”栏目中即可查看完成排版的内容记录。

四、 全自动工作流设置与定时运行

为了满足自媒体日常高频更新的需求，您可以将上述分散的命令指令组合为系统级的定时流水线。

构建自动化脚本任务：
您可以利用系统提供的 auto_pipeline 模式实现流程的一键串联。

• 操作指令：

python main.py --mode auto_pipeline

• 执行流程：该指令内部封装了一套连贯的代码逻辑：系统自动调用热搜获取榜首新闻数据 -> 将数据送入生成模块并按预设模板生成初稿 -> 直接触发上传脚本保存至微信后台草稿箱。
• 设置操作系统的定时运行：
  • 在 Windows 系统中，可通过“任务计划程序”新建基本任务，设置触发器为每天上午定时触发，操作选项指向启动一个 .bat 批处理脚本（脚本内容为先激活虚拟环境再执行上述命令）。
  • 在 Linux/macOS 系统中，通过终端命令 crontab -e 增加一行定时任务配置。例如，添加 0 9 * * * /项目绝对路径/venv/bin/python /项目绝对路径/main.py --mode auto_pipeline，即可让计算机在每天上午9点整自动执行一次全流程任务。

五、 常见系统故障排查

1. 执行 push 命令时终端提示 token 验证失败或接口无调用权限：请检查微信后台的 AppID 和 AppSecret 配置字母是否有误，并确认本地计算机当前连接的网络出口 IP 已准确添加到微信公众平台的开发者 IP 白名单中。
2. 生成的文章内容重复或不符合具体排版预期：这通常与调用的大语言模型性能直接相关。请尝试在 .env 中更换推理能力更强的参数模型（如 gpt-4 等），或在项目 prompts/ 文件夹下直接修改原始的系统提示词文本文件，进一步明确具体的生成约束条件和禁忌词。

应用场景

1. 媒体平台每日热点追踪与初稿生成
   资讯类自媒体每天需要大量产出针对突发新闻或热点话题的评论文章。通过定时运行本工具的自动采集模块，系统会自动抓取多个网络平台的热度榜单数据，并结合预设的大模型提示词，在短时间内并行输出多篇不同视角的图文初稿，供人工编辑审核修改后直接发布。
2. 爆款文章逻辑结构分析与仿写重构
   内容团队在策划内容专栏时，需要客观分析同领域高阅读量文章的成功要素。运营人员可以将竞品文章链接直接输入系统，智能体会利用语言模型剥离无关的字词元素，提取核心论点、情绪转折节点和段落排版规律，并允许用户输入全新主题，根据提取的底层结构直接生成逻辑相同的新文章。
3. 多个微信公众号矩阵数据的自动化运维
   拥有多个公众号的企业或个人，面临跨账号同步和高频内容更新的压力。部署本工具后，可利用系统的API推送功能，将生成的不同垂直领域内容自动排版，并分别推送到对应微信公众号后台的草稿箱中。配合操作系统级别的定时任务脚本，能够实现从数据爬取处理到图文上传同步的完全无人值守运行机制。

QA

1. 工具是否内置了大语言模型？
   本工具不直接在本地内置大语言模型文件，而是通过调用第三方模型的网络API（应用程序编程接口）来处理文本内容。用户需要自行申请并在配置文件中填入如DeepSeek、文心一言或OpenAI等服务商提供的API密钥才能启用文章分析与生成功能。
2. 热点抓取功能支持监控哪些网络平台？
   当前系统源代码默认配置支持抓取微信看一看排行、微博热搜、知乎热榜和百度实时热点。用户如果具备基础Python知识，可以通过修改源代码中的爬虫节点文件，自由增加或删除需要监控的目标数据源网页。
3. 使用一键发布功能会直接将文章推送给公众号粉丝吗？
   不会直接发送给粉丝。为了保证公众号内容发布的安全性与质量控制，工具调用的微信官方接口仅为“新增草稿”接口。文章生成并完成API上传后，数据只会保存在公众号管理后台的“草稿箱”列表中，最终的对外群发动作必须由具备权限的管理员在微信网页后台人工确认后手动执行。