微信内容归档 Skill

把微信公众号文章和视频号内容保存成可检索、可复核、可继续加工的本地资料，而不是只留下一个随时可能失效的链接。

它能做什么

公众号文章：直接读取并完整归档

输入公开的 mp.weixin.qq.com 文章链接，得到：

• 标题、作者、公众号、发布时间和原文链接
• Markdown 正文、清洗后的 HTML、原始网页响应
• 尽可能本地化的原文图片
• 包含完成状态和校验信息的 metadata.json

视频号：保存视频并生成逐字稿

支持两种来源：

• 已有本地 MP4/MOV：直接归档并转写
• 只有视频号内容：先在 macOS 微信客户端完整播放，再从本机新增缓存中识别并复制目标视频

最终可得到原视频、封面、元信息、Markdown/纯文本逐字稿、逐词时间戳 JSON 和 SRT 字幕。

视频号能力不是“粘贴分享链接后由服务器下载”。它读取的是用户自己在 Mac 微信里已经播放并有权访问的本地缓存，不安装代理、根证书或流量解密工具。

安装

这是一个 Codex Skill。克隆到 Codex Skills 目录后，重新开始一个 Codex 任务即可使用：

git clone https://github.com/JoeSangAI/archive-wechat-content.git \
  ~/.codex/skills/archive-wechat-content

公众号文章归档的基础依赖：

• Python 3.10+
• curl
• pandoc（可选；缺少时使用内置的 HTML → Markdown 转换）

视频号与转写额外需要：

• macOS 和桌面版微信（自动捕获本地微信缓存时）
• ffmpeg / ffprobe
• Node.js / npx
• HyperFrames 的本地转写能力

在 Codex 里使用

安装后可以直接说：

归档这篇微信文章：https://mp.weixin.qq.com/s/...

或：

把这个视频号视频保存下来并生成逐字稿。

Codex 会根据输入类型选择公众号文章、本地视频或微信缓存采集流程，并按 references/output-contract.md 检查结果是否完整。

直接运行脚本

归档公众号文章

python3 scripts/archive_article.py \
  'https://mp.weixin.qq.com/s/ARTICLE_ID' \
  --out '/absolute/path/to/article-bundle'

归档本地视频

python3 scripts/capture_wechat_video.py adopt '/path/to/video.mp4' \
  --out '/absolute/path/to/video-bundle'

python3 scripts/transcribe_video.py \
  '/absolute/path/to/video-bundle/video.mp4' \
  --out '/absolute/path/to/video-bundle' \
  --model small \
  --language zh

从 Mac 微信缓存捕获刚播放的视频号视频

先记录缓存基线：

python3 scripts/capture_wechat_video.py snapshot \
  --state '/tmp/wechat-video-baseline.json'

然后在微信客户端完整播放目标视频，并执行：

python3 scripts/capture_wechat_video.py capture \
  --state '/tmp/wechat-video-baseline.json' \
  --out '/absolute/path/to/video-bundle' \
  --link '视频号分享链接' \
  --timeout 600

验证

基础回归检查：

python3 scripts/verify_install.py

包含真实中文语音识别的完整检查：

python3 scripts/verify_install.py --with-asr

当前边界

• 仅支持公开微信公众号文章；遇到验证码、环境异常页或正文过短时会明确失败，不会把空壳页面伪装成成功。
• 微信桌面版升级后可能改变缓存目录结构，届时需要同步更新识别规则。
• 视频号捕获只读取任务期间新出现或更新的可播放媒体；如果同时出现多个候选，应人工核对封面和时长。
• 逐字稿会做基础幻觉和重复检查，但专有名词仍建议人工复核。
• 请只处理自己有权访问的内容，并保留来源与作者信息。