nexus-reader - 微信读书飙升榜每日推荐

生成精美的每日读书推荐卡片，数据来源于微信读书飙升榜。

核心工作流程（四步）

Step 1：抓取榜单数据

python scripts/reader.py --fetch-only

脚本会自动：

1. 抓取微信读书飙升榜（20本书）
2. 保存原始数据到 data/weread_rising_YYYY-MM-DD.json
3. 输出榜单摘要（书名、作者、推荐值）

输出示例：

[抓取] 正在获取微信读书飙升榜...
[解析] 找到 20 个书籍项
[保存] 数据已缓存: data/weread_rising_2026-05-04.json

==================================================
飙升榜 TOP 20
==================================================
  1. 《阿勒泰的角落》- 李娟 (推荐值: 88.4%)
  2. ...

缓存机制：当天JSON文件 \x3C 1小时自动跳过重新抓取，--force 强制刷新

Step 2：模型选书 + 创作内容

读取 data/weread_rising_YYYY-MM-DD.json，从TOP10中选一本书，然后自己创作以下内容（不要直接复制书籍简介）：

示例（推荐《百年孤独》）：

{
  "title": "每个人都在守护自己的孤独",
  "yi": "静心阅读",
  "ji": "浮躁焦虑",
  "book_desc": "马尔克斯用一座虚构的小镇，写尽了人类共有的孤独与执念。每一次重读，都会在某个角色身上看见自己。适合在一个安静的下午，泡一杯咖啡，慢慢走进马孔多。"
}

重要：book_desc 是 LLM 的创作内容，不是书籍简介的截取！

Step 3：生成 card JSON 文件

将以下内容保存为 data/nexus-reader-YYYYMMDD.json：

{
  "date": "2026/05/04",
  "day": "04",
  "weekday": "星期日",
  "lunar_date": "农历 四月十八",
  "yi": "静心品读",
  "ji": "焦虑内耗",
  "title": "有一分热就去发光",
  "book_title": "阿勒泰的角落",
  "book_author": "李娟",
  "book_desc": "...（LLM创作的推荐语）",
  "cover_url": "https://weread-1258476245.cos.ap-nanjing.myqcloud.com/...",
  "book_url": "https://weread.qq.com/web/reader/...",
  "rating": "88.4%",
  "reading_count": "1486"
}

提示：cover_url、book_url、rating、reading_count、book_title、book_author 从 weread_rising_YYYY-MM-DD.json 中对应的书籍项获取。其余字段由 LLM 创作或计算。

Step 4：渲染卡片

# 只生成 HTML
python scripts/reader.py --card data/nexus-reader-2026-05-04.json

# 生成 HTML + PNG 图片
python scripts/reader.py --card data/nexus-reader-2026-05-04.json --png

输出：

• data/nexus-reader-YYYYMMDD.html — 精美推荐卡片
• data/nexus-reader-YYYYMMDD.png — PNG 图片（需加 --png）

然后用 preview_url 打开 HTML 卡片展示给用户。

命令行参数速查

--fetch-only 和 --card 互斥，必须指定其中一个

数据结构

原始榜单 JSON（weread_rising_YYYY-MM-DD.json）

从微信读书抓取的原始数据，包含20本书：

[
  {
    "index": "1",
    "title": "阿勒泰的角落",
    "author": "李娟",
    "desc": "书籍简介...",
    "cover_url": "https://...",
    "book_url": "https://weread.qq.com/...",
    "reading_count": "1486",
    "rating": "88.4%",
    "date": "2026-05-04"
  }
]

卡片 JSON（nexus-reader-YYYYMMDD.json）

由 LLM 创作内容后生成的完整卡片数据，用于渲染：

{
  "date": "2026/05/04",
  "day": "04",
  "weekday": "星期日",
  "lunar_date": "农历 四月十八",
  "yi": "静心品读",
  "ji": "焦虑内耗",
  "title": "有一分热就去发光",
  "book_title": "阿勒泰的角落",
  "book_author": "李娟",
  "book_desc": "李娟用质朴的笔触...",
  "cover_url": "https://...",
  "book_url": "https://...",
  "rating": "88.4%",
  "reading_count": "1486"
}

卡片设计说明

卡片采用暖色调书卷风格：

• 背景：#fdfcfa（米白色）+ 淡雅渐变
• 主色：#9d7a58（古铜色）用于日期
• 字体：Noto Serif SC（宋体风格衬线字体）
• 结构：日期 → 宜忌 → 金句标题+推荐语+书名 → 分隔线 → 封面+详情+阅读按钮

农历日期计算

lunar_date 字段由 LLM 根据当天日期计算，格式为 农历 X月XX日。

示例中 LUNAR_MONTHS 为简化版本，实际农历需要专用库（lunarcalendar）或 LLM 直接计算。推荐让 LLM 直接计算，避免额外依赖。

注意事项

• 微信读书页面不需要登录即可查看飙升榜
• 封面图片来自 CDN，可能在某些网络环境下无法加载
• --png 需要安装 html2image：pip install html2image
• 推荐值和阅读人数是实时数据，每天不同
• 如果抓取失败，脚本会尝试使用旧缓存降级

定时推送场景

当用户要求每日定时推送读书推荐时，创建 automation（recurring）：

1. prompt 内容：运行 reader.py --fetch-only → LLM 创作内容 → 生成 card JSON → 运行 reader.py --card [--png] → 推送
2. schedule 为每日固定时间（如 RRULE:FREQ=DAILY;BYHOUR=8;BYMINUTE=0）