AIAI 工具图鉴
← 返回全部文章
·约 12 分钟PPT

moore-wechat-article-downloader

下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

moore-wechat-article-downloader-recommend.mp4
PPT
moore-wechat-article-downloader-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../moore-wechat-article-downloader-recommend.pptx
视频../../moore-wechat-article-downloader-recommend.mp4
本文目录
  1. 🚀 什么是 moore-wechat-article-downloader？
  2. ✨ 核心功能一览
  3. 🛠️ 快速上手：5 分钟接入 Codex / Claude Code
  4. 安装
  5. 自然语言交互示例
  6. 可选依赖
  7. 📊 工具架构
  8. 📊 与常见公众号导出工具对比
  9. 💡 适用场景
  10. 场景 1：内容创作者的"逆向工程"
  11. 场景 2：知识管理者的本地第二大脑
  12. 场景 3：研究者的公众号追踪仪表盘
  13. 用户群体总结
  14. 💰 定价与开源协议
  15. 🎯 总结

📌 核心价值：把公众号从信息流里捞出来，变成 Codex / Claude Code 可以继续分析的本地资料库

用自然语言就能让本地 Skill 同步公众号文章、保存精选评论和互动数据，所有内容沉淀到本地 SQLite，长期可搜索、可分析、可复用。

封面图

🚀 什么是 moore-wechat-article-downloader？

这是 Moore Developers 团队 2026-07-08 开源的本地优先 Skill，三天时间在 GitHub 拿下 240 Star。它的核心思路是：把微信公众号里散落的文章、评论、互动数据，变成一个本地可搜索、可分析、可长期复用的内容情报库。

GitHub stars GitHub forks License

核心定位：把公众号从信息流里捞出来，变成可继续分析的本地资料库——不是一次性导出，而是同步、收藏、研究、归档的闭环。

和常见的"微信公众号批量下载工具"有什么本质区别？

  • 常见工具：脚本或一次性导出，按 run-id 分散输出，导出完就结束
  • moore-wechat-article-downloader：本地优先 Skill 形态，用自然语言说需求，SQLite 管理所有状态（公众号、文章、下载、互动），可以增量更新、长期追踪

它面向四类用户：

  • ✅ 内容创作者：拆选题、拆标题、拆表达方式
  • ✅ 研究者 / 产品人：长期跟踪多个公众号，比较变化
  • ✅ 知识管理用户：把微信内容沉到自己的本地资料库、wiki 或第二大脑
  • ✅ AI 用户：把公众号内容变成 Codex / Claude Code 可以继续分析的输入

✨ 核心功能一览

四个核心场景

工具围绕四个核心场景形成闭环：

  1. 同步更新：把关注的公众号变成可追踪列表，按日期列出最近 N 篇新文章
  2. 公众号研究：拆选题、拆标题、拆表达方式，结合精选评论看读者真正买账的点
  3. 微信收藏会话：边看边把正文、评论、互动信号存到本地
  4. 链接归档：把零散链接收进统一的本地资料库

这四个场景不是孤立的——它们共享同一个 SQLite 状态库，每一步操作都会写入订阅、文章、下载、互动四张表，形成真正的"本地内容情报库"。

🛠️ 快速上手：5 分钟接入 Codex / Claude Code

安装

把项目克隆到 Codex 或 Claude Code 的 Skills 目录：

# Codex
mkdir -p ~/.codex/skills
git clone https://github.com/Moore-developers/moore-wechat-article-downloader.git \
  ~/.codex/skills/moore-wechat-article-downloader

# Claude Code
mkdir -p ~/.claude/skills
git clone https://github.com/Moore-developers/moore-wechat-article-downloader.git \
  ~/.claude/skills/moore-wechat-article-downloader

重新打开 Codex / Claude Code 后，直接用自然语言说需求就行，不需要记忆任何 CLI 参数。

自然语言交互示例

同步我关注的公众号，按日期列出最近 50 篇新文章
把「<某公众号>」最近 20 篇文章收进本地资料库
研究「<某公众号>」最近 10 篇文章，拆出它的选题方法和内容结构
结合「<某公众号>」最近 5 篇文章的精选评论和互动数据，判断读者真正买账的点
开启微信收藏会话，边看边把正文、评论和互动信号保存到本地
把这些公众号文章链接导入本地：https://mp.weixin.qq.com/s/xxx

注意：所有命令都是自然语言，不需要记任何参数——这是和传统"脚本式下载工具"最大的体验差异。

可选依赖

  • Exporter 历史列表：需要扫码登录自己的微信公众号后台
  • 微信收藏和旧代理历史：需要 macOS 微信桌面客户端 + 本地证书 + mitmproxy
  • 自动切换和恢复系统代理：目前只支持 macOS

📊 工具架构

工具架构图

整个工具是一条单向数据管道：

  1. 数据源：微信公众号（公开文章 + 公开评论 + 页面暴露的互动数据）
  2. 采集层：wechat_wizard.py 自然语言任务、登录和选择入口；wechat_exporter.py 公众号搜索、历史同步、订阅和增量下载；wechat_downloader.py 链接导入、微信收藏、旧代理历史
  3. 存储层：SQLite 本地数据库（管理公众号、文章、下载、互动四类状态）
  4. 消费层：Codex / Claude Code 直接查询 SQLite，把内容作为下一步分析的输入

默认输出目录：

~/Downloads/wechat-articles/<公众号名>/
├── articles/<文章标题>.md
├── images/<文章标题>/
└── index.csv

本地还会保存：文章正文 Markdown、图片、索引、SQLite 状态、页面数据和互动数据。

📊 与常见公众号导出工具对比

与常见公众号导出工具对比

一句话总结：它不是把文章"导出来就结束"，而是把公众号内容变成后续可以继续搜索、拆解和分析的本地资料库。

💡 适用场景

场景 1：内容创作者的"逆向工程"

Codex 中的自然语言交互

功能说明：选定 3-5 个想长期学习的对标公众号，每周末让 Codex 自动同步最近 20 篇文章，结合精选评论拆解"选题来源、标题写法、内容结构、情绪钩子、读者反馈"五个维度。

输入要求：公众号名称、追踪周期（周/月）、研究维度

输出效果：

  • ~/Downloads/wechat-articles/<公众号名>/articles/*.md：原文 Markdown
  • index.csv：可导入 Notion / Obsidian 的索引表
  • SQLite 中的精选评论和阅读/点赞/在看数据

适用场景：

  • ✅ 公众号矩阵研究（同时跟踪 10+ 公众号的变化趋势）
  • ✅ 单个公众号深度拆解（最近 20-50 篇的演化分析）
  • ✅ 选题灵感库（按情绪钩子类型分类的所有标题）

场景 2：知识管理者的本地第二大脑

功能说明：把"微信收藏"从单向标记升级为可搜索的本地知识库——所有收藏的文章、评论、互动数据都沉淀到 SQLite，可以和 Notion / Obsidian / logseq 双向同步。

输入要求：微信收藏链接、目标知识库格式

输出效果：

  • 精选评论写回对应文章 Markdown（不是 JSON 增强文件）
  • 文章标签、关联公众号、首次收藏时间
  • 可直接被 Claude / Codex 二次查询的 SQLite

适用场景：

  • ✅ 把散落的微信内容变成"长期可复用"的研究资料
  • ✅ 跨公众号的横向主题研究（例如"AI 编程教育"主题下 50 个公众号的态度差异）
  • ✅ 评论区的"读者真正关心什么"语料库

场景 3：研究者的公众号追踪仪表盘

功能说明：用 脚本 持续追踪 20+ 关注的公众号，自动按日期、热度、互动数据生成周报/月报。

输入要求：订阅的公众号列表、报告周期、关注的指标（阅读、点赞、在看、评论数）

输出效果：

  • SQLite 中保存了所有公众号的发布频率、阅读量趋势
  • 可对比不同公众号在同一主题上的选题差异
  • 互动数据可视化（哪些文章真正触发了传播）

适用场景：

  • ✅ 行业自媒体监测（AI / 财经 / 教育等垂直领域）
  • ✅ 竞品公众号研究
  • ✅ 选题热度趋势分析

用户群体总结

  • ✅ 内容创作者：拆解对标公众号，长期可复用
  • ✅ AI 重度用户：把公众号变成 Codex / Claude Code 可分析的结构化输入
  • ✅ 知识管理用户：把微信内容沉到本地资料库
  • ✅ 研究者 / 产品人：长期跟踪多个公众号的演化
  • ❌ 不适合：希望"一次性导出完就再也不用管"的用户（这个工具是持续追踪形态，不是单次导出）

💰 定价与开源协议

完全免费，本地优先。

  • 开源协议：MIT（可商用、可二次开发）
  • 云端依赖：无（所有数据沉淀到本地 SQLite 和 ~/Downloads/wechat-articles/，不依赖外部 SaaS）
  • 付费功能：无
  • 按需依赖：
    • Exporter 历史列表：需要自己的公众号后台扫码登录
    • 微信收藏会话：需要 macOS 微信客户端 + 本地证书 + mitmproxy
    • 系统代理自动切换：仅 macOS

💡 新用户福利：MIT 协议 + 本地优先，零成本长期可复用。

🎯 总结

moore-wechat-article-downloader 不是又一个"微信公众号批量下载脚本"，而是一个本地优先的 Skill 形态——用自然语言驱动、SQLite 持续管理状态、把公众号从信息流变成可分析的资料库。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星，工具形态创新 + 解决真痛点 + MIT 协议）

适合人群：

  • 长期追踪多个公众号的内容创作者 / 研究者
  • 希望把微信内容沉到本地知识库的 Notion / Obsidian 用户
  • 重度 Codex / Claude Code 用户，希望把公众号内容变成 AI 可分析的输入

立即体验：

git clone https://github.com/Moore-developers/moore-wechat-article-downloader.git \
  ~/.codex/skills/moore-wechat-article-downloader

重新打开 Codex，说一句"同步我关注的公众号，按日期列出最近 50 篇新文章"——30 秒后你就有了一个本地可搜索的内容情报库。

GitHub 仓库： Moore-developers/moore-wechat-article-downloader

数据截至 2026-07-11，最新信息请以官网为准。