atlas/blogwatcher-daily/SKILL.md

---
name: blogwatcher-daily
description: RSS 订阅监控 + 文章管理 + 导出。使用 RSSHub + feedparser 抓取订阅，自动去重入库 SQLite；支持按单个订阅更新/查看/标记已读/删除文章，可将文章按 txt/markdown/html 导出。附「自然语言操作指南」，AI 智能体可直接把用户口语映射到 CLI 命令。
version: 1.4
category: custom
tags: [rss, blog, monitoring, automation, export]
metadata:
  author: Hermes Agent
  last_updated: 2026-08-30
  platform: macos, ubuntu
  custom_skill_path: /Users/weishen/.hermes/skills/custom/
  installation_note: "blogwatcher-daily 脚本在 Mac mini 本地运行（依赖 feedparser）。需要 RSSHub 服务（http://192.168.3.45:1200）访问 YouTube/Bilibili 等被墙源。"
---

# Blogwatcher Daily

RSS 订阅监控自动化，抓取后去重入库，可按 txt / markdown / html 三种格式导出。

## 依赖

```bash
pip3 install feedparser
```

> feedparser 是 Python 最成熟的 RSS 解析库，支持 RSS 1.0/2.0/Atom、任意编码、畸形 XML。HTML 导出使用 Python 标准库 `html.escape`，无第三方依赖。

## 实际抓取架构（重要）

```
YouTube 频道 URL
    ↓ 脚本自动识别并转为 RSSHub 格式
http://192.168.3.45:1200/youtube/channel/{id}
    ↓
curl → RSSHub → YouTube

普通 RSS（Engadget, Slashdot 等）
    ↓ 脚本直接访问（绕过 RSSHub /rss/ 路由）
原始 RSS URL
    ↓
curl → 目标网站
```

**关键发现**：RSSHub 的 `/rss/{url}` 路由不稳定（返回 RSSHub 欢迎页），
因此普通 RSS 源直接访问，不走 RSSHub 代理。

脚本内部 `build_fetch_url()` 根据 URL 类型自动选择路由：
- YouTube → RSSHub
- 已有的 RSSHub URL → 直接使用
- 其他 → 直接访问原始 URL

## 目录结构

```
~/.hermes/skills/custom/blogwatcher-daily/
├── SKILL.md                    # 本文件
├── scripts/
│   └── blogwatcher-daily.py    # 扫描入库 + 订阅管理 + 文章导出（单文件）
├── subscriptions.txt           # 订阅列表（name|URL）
└── blogwatcher.db              # SQLite 数据库（自动创建）
```

## 使用方法

### 扫描订阅（默认）

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py
```

- 扫描所有订阅，新增文章存入数据库
- 控制台打印每个订阅新增文章数量及总计

### 添加订阅

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --add "频道名" "URL"
```

**YouTube 频道自动转换**：直接贴 YouTube 频道 URL 或 feed URL，
脚本自动识别并转为 RSSHub 格式，无需手动拼接。

```bash
# 以下三种方式效果相同：
--add "Tech With Tim" "https://www.youtube.com/channel/UC4JX40jDee_tINbkjycV4Sg"
--add "Tech With Tim" "https://www.youtube.com/feeds/videos.xml?channel_id=UC4JX40jDee_tINbkjycV4Sg"
--add "Tech With Tim" "http://192.168.3.45:1200/youtube/channel/UC4JX40jDee_tINbkjycV4Sg"
```

### 列出订阅

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py --list
```

### 强制回扫（`--all`）

```bash
# 强制抓取每频道10篇（忽略已读状态）
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py --all
```

- 每频道最多10篇
- 用途：历史内容回扫、测试订阅状态

### 更新单个订阅（`--update SUB`）

只抓某一个订阅，不动其它源。SUB 可传订阅名或 `--list` 中的序号（详见下方「订阅标识（SUB）」）。

```bash
# 按名字更新
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --update "Tech With Tim"

# 按 --list 里的序号更新（例如第 3 个订阅）
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py --update 3

# 强制回扫单个订阅最新 10 篇（叠加 --all）
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --update 3 --all
```

- 抓取失败 → 打印错误、退出 0（不打断脚本管道）
- 订阅未找到 → 退出 1

### 查看某订阅的文章（`--articles SUB`）

从数据库读文章（不联网），可选只看未读：

```bash
# 该订阅全部文章（按 fetched_at 降序）
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --articles "Engadget"

# 只看未读
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --articles "Engadget" --unread

# 也可用序号
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --articles 22 --unread
```

输出示例：

```
📄 [Engadget] 未读文章 (244 篇):

  [1] 🆕 How long is a new Fire TV Stick actually supposed to last?
      🔗 https://www.engadget.com/...
      📅 Sat, 30 Aug 2026 12:00:00 GMT
  ...
```

- 已读用 `📖`，未读用 `🆕`
- 每篇左侧的 `[N]` 是**订阅内 1-based 序号**，可直接用于下方 `--delete --article-id N`

### 标记已读（`--mark-read [SUB]`）

不带参数 → 全库标记；带 SUB → 只标记指定订阅。

```bash
# 全库标记为已读
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py --mark-read

# 只标记某个订阅
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --mark-read "Tech With Tim"

python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --mark-read 3
```

### 删除文章（`--delete SUB [--article-id N]`）

删除该订阅下**所有文章**或**单篇**。序号 N 与 `--articles` 显示顺序一致。

```bash
# 删除某订阅下所有文章
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --delete "Jon Law"

# 删除某订阅下第 2 篇（先用 --articles 查序号）
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --delete "Jon Law" --article-id 2

# 序号也支持
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --delete 2 --article-id 1
```

- 空库删除是幂等 no-op，退出 0
- 序号越界 → 退出 1，不改动 DB
- 删除**不可撤销**，请配合 `--articles SUB` 先看清再删

### 订阅标识（SUB）

`--update / --articles / --mark-read / --delete` 的 SUB 参数按以下顺序匹配：

1. 数字 → 视为 `--list` 中的 1-based 序号
2. 精确名称（区分大小写）
3. 忽略大小写精确匹配
4. 忽略大小写子串匹配

匹配到多条时脚本报错并列出候选：AI 智能体应向用户回问「你指的是 X 还是 Y？」或改用序号消歧。

### 导出文章（`--export`）

从 SQLite 里读取文章并输出到 stdout，格式通过 `--export {txt,markdown,html}` 选择：

```bash
# 今天所有文章 → Markdown
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py --export markdown

# 指定日期 → HTML
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --export html --date 2026-08-28 > digest.html

# 全库最新 20 篇 → 纯文本
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --export txt --limit 20
```

**过滤规则**（`--date` 与 `--limit` 的组合语义）

| 参数组合 | 行为 |
|---------|------|
| `--export FMT`（默认） | 今天（本地时区）的所有文章 |
| `--export FMT --date X` | 指定日期 X 的所有文章 |
| `--export FMT --limit N` | 忽略日期，取**全库最新 N 篇** |
| `--export FMT --date X --limit N` | 日期 X 的最新 N 篇 |

**参数速查**

| 参数 | 说明 |
|------|------|
| `--export {txt,markdown,html}` | 触发导出模式并指定格式 |
| `--date YYYY-MM-DD` | 目标日期（本地时区，默认今天） |
| `--limit N` | 文章数上限；单独使用时忽略日期 |

**输出去向**

- 正文 → **stdout**（可直接 `> file.md` 重定向）
- 进度 → **stderr**（`📊 N 篇文章 → FMT`）

**格式细节**

- `txt`：分频道分组，纯文本无标记，适合终端查看或管道
- `markdown`：`## 【频道】` + `- [title](link)` + 描述引用块
- `html`：完整 `<!DOCTYPE html>` 单文件，内嵌简洁 CSS，标题/URL/描述全部经 `html.escape` 转义（防 XSS）

## 自然语言操作指南（AI 智能体路由表）

用户通常不会记 CLI 参数。下面是常见口语意图 → 应执行命令的映射，AI 智能体应据此选择命令。

命令前缀统一是：
```
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py
```
下表省略前缀，只列参数。

### 1. 抓取 / 更新

| 用户可能说 | 命令 | 备注 |
|---|---|---|
| "刷新所有博客"、"扫一下今天有什么新的"、"跑一下每日抓取"、"更新一下" | *(无参数)* | 全量扫描所有订阅 |
| "更新 Tech With Tim"、"抓一下 Engadget 最新的"、"看看第 3 个订阅有没有更新" | `--update "SUB"` | SUB = 名字或序号 |
| "强制回扫 X 最新 10 篇"、"忽略已读重新抓 X"、"重新拉 X 全部" | `--update "SUB" --all` | 忽略去重、强抓 10 篇 |
| "强制回扫所有订阅"、"忽略已读全部重抓" | `--all` | 全量强抓 |

### 2. 查看订阅

| 用户可能说 | 命令 |
|---|---|
| "列出所有订阅"、"我订了哪些博客"、"有哪些频道"、"看订阅列表" | `--list` |

### 3. 查看文章

| 用户可能说 | 命令 |
|---|---|
| "看看 Engadget 里都有什么文章"、"X 的所有文章"、"列出 X 的文章" | `--articles "SUB"` |
| "X 还没看的"、"X 有哪些未读"、"X 的未读列表"、"哪些没读过" | `--articles "SUB" --unread` |
| "第 3 个订阅有什么文章" | `--articles 3` |

> AI 智能体判断"未读"意图的关键词：**未读 / 没看 / 还没读 / 新的 / unread / 待看**。

### 4. 标记已读

| 用户可能说 | 命令 |
|---|---|
| "全部标为已读"、"清一下未读"、"我都看过了"、"全部当作看过" | `--mark-read` |
| "把 X 都当作看过了"、"X 全部标为已读"、"这个频道我不感兴趣了先标已读" | `--mark-read "SUB"` |

### 5. 删除文章

| 用户可能说 | 命令 | 危险度 |
|---|---|---|
| "删掉 X 的所有文章"、"清空 X 的历史"、"重置 X" | `--delete "SUB"` | 高 — 建议先 `--articles SUB` 确认 |
| "删除 X 里第 3 篇"、"把 X 的第 2 条去掉"、"X 的 [5] 号删了" | `--delete "SUB" --article-id N` | 中 — 序号来自 `--articles` 输出 |

> **重要**：删除不可逆。AI 智能体收到"删除 / 清空 / 移除"类意图时，除非用户明确肯定，应先执行 `--articles SUB` 展示待删内容再回问一次。

### 6. 添加订阅

| 用户可能说 | 命令 |
|---|---|
| "订阅 X"、"添加频道 X"、"加个 RSS"、"帮我关注 X"（附 URL） | `--add "NAME" "URL"` |

- YouTube URL、RSSHub URL、原生 RSS URL 都直接传，脚本内部自动路由。

### 7. 导出

| 用户可能说 | 命令 |
|---|---|
| "把今天的文章导出成 markdown"、"生成今日摘要 md" | `--export markdown` |
| "导出 2026-08-28 的 HTML"、"我要那天的网页版" | `--export html --date 2026-08-28` |
| "最新 20 篇导出为 txt"、"给我全库最新 20 篇" | `--export txt --limit 20` |
| "今天的文章导 html 到桌面" | `--export html > ~/Desktop/$(date +%Y-%m-%d).html` |

### 订阅标识（SUB）如何解析

`--update / --articles / --mark-read / --delete` 的 SUB 参数按下列顺序匹配：

1. **数字** → 视为 `--list` 中的 1-based 序号
2. **精确名称**（区分大小写）
3. **忽略大小写精确**
4. **忽略大小写子串**

匹配到多条时脚本会打印候选并退出 1。此时 AI 智能体应：
- 向用户回问「你指的是 X 还是 Y？」
- 或改用 `--list` 里的序号做无歧义定位

匹配不到时也退出 1。

### AI 智能体决策要点

1. **看/查询类**（无副作用）：`--list`、`--articles`。可直接执行。
2. **抓取类**（可能改 DB）：`--update`、无参扫描、`--all`。安全，直接跑。
3. **写入类**（会改 DB）：`--mark-read`、`--add`。可直接执行，但结束后简报结果。
4. **删除类**（不可逆）：`--delete`。**先展示要删的内容再执行**，除非用户在同一轮明确肯定。
5. **导出类**（只读）：`--export`。stdout 输出，AI 应帮用户决定重定向到哪个文件。
6. **SUB 消歧**：能用序号就优先用序号（`--list` 是廉价的），避免多义。

## 添加订阅示例

### YouTube 频道

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --add "Tech With Tim" "http://192.168.3.45:1200/youtube/channel/UC4JX40jDee_tINbkjycV4Sg"
```

### Bilibili

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --add "B站频道" "http://192.168.3.45:1200/bilibili/user/{uid}"
```

### 普通 RSS

```bash
python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
  --add "博客名" "http://192.168.3.45:1200/rss/https://example.com/feed.xml"
```

## RSSHub vs 直接 RSS

脚本自动判断路由，不需要手动选择：

| 源类型 | 路由方式 | 示例 |
|--------|----------|------|
| YouTube 频道/用户/feed | RSSHub | 自动识别并代理 |
| RSSHub URL（已存储） | 直接使用 | `http://192.168.3.45:1200/youtube/channel/...` |
| 普通 RSS（Engadget, Slashdot 等） | 直接访问 | `https://www.engadget.com/rss.xml` |

> ⚠️ RSSHub 的 `/rss/{url}` 代理路由**不稳定**（实测试返回欢迎页），普通 RSS 不要走 RSSHub。

## 配置

| 配置项 | 默认值 |
|--------|--------|
| RSSHub 地址 | `http://192.168.3.45:1200`（可设置 `RSSHUB_URL` 环境变量覆盖） |
| 数据库 | `~/.hermes/skills/custom/blogwatcher-daily/blogwatcher.db` |
| 订阅列表 | `~/.hermes/skills/custom/blogwatcher-daily/subscriptions.txt` |

## Cron Job 设置

推荐每天早上 6:00 自动扫描：

```bash
cronjob --create \
  --name "Blogwatcher Daily" \
  --schedule "0 6 * * *" \
  --repeat 999 \
  --deliver "telegram:5038825565" \
  --prompt "使用 blogwatcher-daily 技能执行每日 RSS 扫描。

执行步骤：
1. 加载 blogwatcher-daily 技能
2. 运行扫描：python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py
3. 汇报本次新增文章数量"
```

如需**扫描 + 落盘 HTML 摘要**（例如放进 Obsidian vault 或自建 dashboard），可用原生 crontab 串起来：

```cron
0 6 * * *  python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py && \
           python3 ~/.hermes/skills/custom/blogwatcher-daily/scripts/blogwatcher-daily.py \
             --export html > ~/blogwatcher/$(date +\%Y-\%m-\%d).html
```

## 数据流程

### 扫描入库（默认命令）

1. **加载订阅**：从 `subscriptions.txt` 读取所有 name|URL 对
2. **URL 路由**：`build_fetch_url()` 自动判断：
   - YouTube → 转为 `http://192.168.3.45:1200/youtube/channel/{id}`
   - RSSHub URL → 直接使用
   - 其他 → 直接访问原始 URL（绕过不稳定的 `/rss/` 路由）
3. **抓取**：curl 获取 XML，SSL 跳过验证
4. **解析**：feedparser 提取 title、link、description、pub_date
5. **去重**：按 link 去重，已存在则跳过
6. **存储**：新文章存入 SQLite
7. **输出**：控制台打印每个订阅新增数量与总计（不生成文件）

### 导出（`--export`）

1. **查询**：`fetch_articles()` 按 `date(fetched_at, 'localtime')` 过滤 + 可选 `LIMIT N`
2. **分组**：`_group_by_channel()` 按 `channel_title` 分桶
3. **格式化**：`FORMATTERS[fmt]` 分发到 `format_txt` / `format_markdown` / `format_html`
4. **输出**：正文写 stdout，`📊 N 篇文章 → FMT` 进度写 stderr

## 已知问题

| 问题 | 说明 | 状态 |
|------|------|------|
| How to of the Day | wikiHow 完全封了爬虫 | ❌ 不可用 |
| How-To Geek | 远程服务器关闭连接 | ❌ 不可用 |

> feedparser 已修复：電腦玩物 ✅、阿榮福利味 ✅、异次元软件世界 ✅、Slashdot ✅

## 注意事项

- 首次使用需 `pip3 install feedparser`
- YouTube 路由需要 RSSHub 容器内配置 `HTTP_PROXY`/`HTTPS_PROXY` 环境变量
- 每次最多取每源 10 篇（TED Talks 等除外，取 20 篇）
- 数据库自动创建，无需手动初始化
- OPML 文件可用 Python 解析后批量导入（参考 /wiki-ingest 流程中的 OPML 解析代码）
- 导出的"今天"按**本地时区**（SQLite `date(fetched_at, 'localtime')`），不是 UTC
- HTML 导出使用 `html.escape` 转义标题/链接/描述，可安全嵌入网页；CSS 内嵌，单文件独立可用