微信数据助手

1. 简介

微信生态数据查询工具，通过 MaxHub API 接入微信公众号（mp.weixin.qq.com）、视频号（Channels）与搜一搜（Search）三端，覆盖文章详情/统计/评论/回复/广告/相关推荐、公众号资料/文章列表/服务、视频号信息/视频详情/评论/分享/直播/合集、跨端搜一搜等全部能力。专注服务于公众号文章爬取、视频号内容研究、微信生态搜索、账号矩阵分析等场景，帮助用户在封闭的微信生态内系统化采集图文与视频数据，输出可分析的结构化结果。

2. 详细功能

公众号文章

• 通过文章链接还原公众号图文文章的完整正文，包括标题、作者、发布时间、富文本内容、配图
• 拉取文章的阅读量、在看数、点赞数、分享数等互动统计数据
• 拉取文章下的留言区评论与作者精选评论列表
• 拉取被精选评论的多层回复，还原完整对话
• 拉取与该文章相关联的延伸阅读推荐文章列表
• 获取文章内嵌的广告物料信息，用于商业内容研究

公众号账号

• 查询任意公众号的账号资料，包括账号名、简介、认证主体、头像、二维码等画像信息
• 分页拉取该公众号的历史文章列表，按时间倒序回溯全部发文记录
• 查询公众号开通的服务列表（菜单、商城、小程序等），构建账号矩阵全景

视频号视频

• 查询视频号视频的完整详情，包括标题、文案、封面、视频流地址、互动数据
• 支持通过视频对象 ID、导出 ID、分享链接三种入口反查同一条视频
• 拉取视频号视频下的评论列表，分析受众反馈与情感倾向
• 获取视频的对外分享链接，便于侧链分析与跨平台引流追踪
• 拉取某个视频号账号下的全部视频列表，用于内容矩阵盘点

视频号账号与合集

• 查询视频号账号的基本信息，包括账号名、简介、粉丝数、认证主体
• 查询视频号创作者的主页资料，构建独立的视频号 KOL 画像
• 拉取该视频号账号下的合集（专辑）列表
• 拉取某个合集内的全部视频，追踪连载/系列化内容
• 在某个视频号账号内按关键词搜索其历史视频

channel_id ↔ username 互转

• 把视频号短号（sph 短号 / channel_id）解析为标准账号用户名，解决跨入口数据互通问题

视频号直播

• 拉取某个视频号账号的历史直播列表，识别直播节奏与开播规律
• 查询某场直播的完整详情，包括直播标题、开播时间、回放链接、互动数据

微信搜一搜

• 通过搜一搜入口在微信生态内统一检索内容，支持公众号文章与视频号视频两种业务类型切换
• 一次搜索即可定位候选公众号、候选视频号、候选文章/视频，作为后续画像采集的入口

### 📋 数据传输与隐私声明（请认真阅读）

1. 第三方传输：您提供的所有 ID、关键词、链接、cookie 等参数都会通过 HTTPS 发送到 https://www.aconfig.cn（MaxHub 数据服务）进行处理。
2. UGC 隐私：拉回的评论 / 弹幕 / 动态 / 私信 / 联系人等内容可能包含个人信息或敏感 UGC，请勿写入未授权的数据库或公开发布。
3. 凭证保护：建议使用独立测试账号、定期轮换 API Key；禁止传入主力生产账号的 cookie 或 session 凭证。
4. 合规责任：使用方需自行确保符合所在地区的数据保护法律（《个人信息保护法》/ GDPR / 平台 ToS 等），平台账号的合规性由使用方承担。

3. 一键安装

鉴权

获取 API Key

请前往 MaxHub 控制台 注册账号并获取 API Key。

配置 API Key

方案 1：OpenClaw 配置

将 MAXHUBAPIKEY 添加到 ~/.openclaw/openclaw.json 中：

{ "env": { "MAXHUB_API_KEY": "ak_xxxx..." } }

方案 2：终端环境变量

export MAXHUB_API_KEY="ak_xxxx..."

依赖安装

本 Skill 不需要额外脚本依赖，所有调用通过 curl 完成 HTTP 请求即可，无第三方库依赖。

环境变量配置

4. 使用指南

🤖 Agent Decision Tree（必读 · 决定调用顺序）

此小节定义 agent 在每次接到用户请求时的标准决策流程。严格按此顺序执行可大幅提升命中率与减少误调用。

1️⃣ 文档加载顺序（按需 · 不要一次性全读）

2️⃣ Recipe 匹配规则（核心）

1. 加载 references/recipes/index.md，扫 triggerkeywords 列
2. 最长匹配优先：若用户输入同时命中多个 recipe 的 trigger，选最长 trigger 命中的那个（最具体）
3. 平局询问：若两个 trigger 长度相同且都命中 → 主动询问用户："您是想看 A 还是 B？"
4. 无命中：先查 §0.1 不支持清单 → 不在则进入"自定义链路"流程（步骤 3）

3️⃣ 自定义链路（无现成 Recipe）

1. 读 references/atoms/index.md，按 chainrole 列定位起点（starter）和终点（terminal）
2. 优先用 ⭐⭐⭐ 首选 标记的端点；不到必要不用 ⭐ 条件 端点
3. 字段流（上游 OUT → 下游 IN）由 param-mappings.md § 字段流字典 决定，禁止自行猜 json_path
4. 链路完成后，可向维护方建议把它编排成新 recipe

4️⃣ 调用前自检（按 risk 分级 · 节省 token）

旧 SKILL 强制所有调用都做 4 步——现按 risk 等级简化。low 端点（占绝大多数）只校验路径即可。

5️⃣ 错误处理快速决策

6️⃣ 输出契约（与用户对话时）

1. 数据来源声明：每次输出明确告知数据来自 https://www.aconfig.cn 三方接口
2. 缺失字段处理：如某字段链路降级后缺失，显式说明"X 暂不可取"，不要静默省略
3. 不要伪造：用户问的字段若不在响应里 → 说"未返回"，禁止用其他端点拼凑模拟

核心约束（强制遵守）

基础使用（4 步完成调用）

Step 1 — 检查 API Key

[ -n "${MAXHUB_API_KEY:-}" ] && echo "ok" || echo "missing"

若返回 missing，停止并提示用户配置 MAXHUBAPIKEY。

Step 2 — 匹配意图 → 选择 reference

按用户目标从下表选择对应 reference 文件，每个文件自包含其领域的全部端点定义：

Step 3 — 构建最小调用计划

• ✅ 优先使用最少端点完成任务，能用一个端点就不用两个
• ✅ 调用任何端点前必须让用户确认 Body 参数（risk: high 强制要求）
• ✅ 视频号入口三选一（objectid / exportid / share_url），不要同时携带
• ❌ 禁止"先 head/tail 试运行"或"先调一个看看"等探索性调用

Step 4 — 执行并验证

• 调用前比对 endpoints_whitelist.yaml 完成 5 步 Pre-call 自检（路径 → method=POST → 必填 → 用户确认 → Body=JSON）
• 收到 404 → 必须先做防路径臆造自检（5 步），不要立刻切换 mp/channels/search 段
• 收到 400 / 422 → 必须先做防参数臆造自检（6 步），重点检查 oneOf: [objectid, exportid, share_url] 三选一
• 收到 业务 code != 0 → 读 message_zh 报告用户，不重试（避免重复扣配额）

高级使用

链式调用图谱（Chain Recipes）

防臆造自检清单（强制前置步骤）

收到 404 时（A）：

1. 路径白名单逐字符比对（注意 /wechatmp/v2/ vs /wechatchannels/v2/ vs /wechat_search/v2/）→ 不在清单中 STOP
2. Method 比对（全部为 POST，不是 GET）→ 不等 STOP
3. 参数键名比对（url / username / object_id 不可互换）→ 有清单外参数 STOP
4. 资源 ID 来源溯源 → Agent 编造的 STOP
5. 全通过才判定"上游资源不存在"

收到 400 / 422 时（B）：

1. 参数名严格比对（大小写 / 缩写 / 复数）
2. 必填项齐全 + oneOf 三选一逻辑（视频详情 objectid / exportid / share_url）
3. POST Body 是否为合法 JSON（非 query string、非表单）
4. Content-Type 是否为 application/json
5. 类型与格式严格匹配（pattern / enum）
6. 全通过才按 message_zh 排查

POST 端点最佳实践

• JSON Body 序列化：使用语言原生 JSON 序列化，不要手拼字符串
• Content-Type 必填：-H "Content-Type: application/json"
• 重试策略：5xx 重试 ≤ 1 次；4xx / 业务错误不重试，避免重复扣配额
• 用户确认门槛：所有端点 risk: high，调用前必须把完整 Body 给用户确认

SKILL 版本更新

常用命令速查表

📌 端到端使用示例（agent 快速上手）

用户输入：「帮我看 微信公众号某篇文章的评论」

Agent 执行步骤：

1. 匹配 recipe：读 references/recipes/_index.md → 找到 trigger 命中 → 选最长匹配的 recipe
2. 加载 recipe 详情：读 references/recipes/<domain>.md 中对应段落，拿到 Inputs / Atomic Steps / Output
3. 路径校验：对每个 atom 的 endpointid，grep 一下 endpointswhitelist.yaml 确认存在
4. risk: low 的端点直接调用，risk: medium+ 先与用户确认
5. 链式传递：上游响应的 json_path 字段（如 $.data.bvid）按 recipe 的 extract 列绑定为变量，传给下游端点
6. 错误处理：按 §错误处理决策表行动；不要自改路径或瞎加参数
7. 输出：组装结果给用户，标明数据来自三方接口；缺失字段显式说"未取到"

反例（agent 不要这么做）：

• ❌ 全文加载 endpoints_whitelist.yaml（大文件，浪费上下文）
• ❌ 看到 404 就改路径段重试（会被防臆造规则阻断）
• ❌ 把没在响应里的字段编一个值返回给用户
• ❌ 链式调用时忽略 recipe 的 extract 列，自己猜 json_path

5. 使用场景

场景一：研究员批量爬取公众号文章

• 角色：行业研究员 / 自媒体编辑
• 需求：批量采集某垂类（科技 / 财经 / 教育）头部公众号近 3 个月文章正文与互动数据
• 使用方式：fetchsearch（businesstype=mp） → 取候选公众号 username → fetchaccountprofile 验证 → fetchaccountarticles（分页）拉文章 URL → fetcharticledetail + fetcharticlestats 拉正文与阅读数
• 预期收益：完整公众号文章语料库 + 阅读/在看数据，支撑选题分析与内容选品

场景二：MCN 团队视频号内容研究

• 角色：视频号运营 / MCN 内容策划
• 需求：分析头部视频号近期爆款视频的封面、标题、互动数据，沉淀爆款公式
• 使用方式：fetchchannelinfo 锁定账号 → fetchuservideos 拉视频列表 → 取 objectid → fetchvideodetail + fetchvideocomments 取详情与评论 → 必要时 fetchvideoshareurl 取分享链接做侧链分析
• 预期收益：视频号爆款样本集 + 评论情感分析，提炼可复用的视频号选题模板

场景三：增长团队微信生态搜索调研

• 角色：增长 PM / 竞品分析师
• 需求：在微信生态（公众号 + 视频号）内调研竞品关键词的曝光分布与头部账号
• 使用方式：fetchsearch 跨端搜索（businesstype 切换 mp/channels） → 取头部公众号 / 视频号 → 链式调 fetchaccountprofile / fetchchannelinfo 补全画像
• 预期收益：完整微信生态竞品图谱，识别公众号 + 视频号双端的内容投放分布

场景四：数据团队账号矩阵分析

• 角色：数据分析师 / 品牌策略
• 需求：评估某品牌的微信账号矩阵（多个公众号 + 多个视频号）整体内容产能与互动健康度
• 使用方式：批量传入 username 列表 → 并行调用 fetchaccountprofile + fetchaccountarticles + fetchchannelinfo + fetchuservideos → 汇总文章数 / 视频数 / 平均互动 → 输出账号矩阵看板
• 预期收益：账号矩阵健康度报表，识别高产 / 低产账号与内容产能差距

6. 项目架构

目录结构

maxhub-wechat/
├── SKILL.md                            # Skill 定义与使用文档（本文件）
├── README.md                           # 英文项目说明
├── README_CN.md                        # 中文项目说明
├── _meta.json                          # 版本元信息（version: 3.7.2）
└── references/
    ├── endpoints_whitelist.yaml        # 22 端点路径硬白名单 + Pre-call 5 步自检协议（含 POST Body 校验）
    ├── param-mappings.md               # 中枢索引（全局红线 + 字段流字典 + 错误处理）
    ├── mp.md                           # 公众号域：文章详情/统计/评论/回复/广告/账号（9 端点，全 POST）
    ├── channels.md                     # 视频号域：信息/视频/评论/分享/合集/直播（12 端点，全 POST）
    └── search.md                       # 搜一搜域：跨端统一搜索（1 端点，POST）

技术栈

API 覆盖范围

关键设计理念

• POST 写入语义全管控：22 个端点全部 POST + risk:high，强制用户确认参数，5xx 重试 ≤ 1 次，杜绝重复扣配额
• 防臆造四道闸：白名单（endpoints_whitelist.yaml）→ 强标记（Full path）→ 禁止规则（Forbidden）→ 错误反馈（STOP）
• 三端段隔离：/wechatmp/v2/ / /wechatchannels/v2/ / /wechat_search/v2/ 路径段不可混用
• Agent 友好 7 大原则：结构胜于叙述、明确指令优于建议、单一来源、词法稳定性、低 token 密度、边界显式声明、错误处理是契约
• 链式调用图谱：字段流字典 + Chain Recipes + 跨 reference 链路三层联动，杜绝 Agent 编造字段名
• 错误处理契约：HTTP 状态码权威定义 + 防臆造自检清单（A: 5 步 / B: 6 步含 POST Body 校验）+ POST 重试策略矩阵