微信读书AI技能上线：6大功能+安装教程，解锁个性化阅读新体验

昨日，“微信读书 Skill”一词登上微博热搜。用户一旦关联微信读书账户，AI 就能调用个人的阅读数据，执行查书、浏览书架、统计阅读习惯、整理笔记以及推荐书籍等操作。

从功能维度看，微信读书 Skill 可细分为六大类：
– 查阅书架：浏览个人书架，快速掌握藏书全貌。
– 书籍搜索：在书城中检索书籍，获取书名、作者、评分等核心信息。
– 阅读统计：分析阅读时长、天数、偏好深度，量化阅读行为。
– 书籍详情：查看书籍详情、章节目录及阅读进度。
– 笔记和划线：查看划线与想法，导出笔记，回顾阅读思考。
– 推荐好书：基于阅读偏好进行个性化推荐，或推荐相似书籍。

安装过程可拆解为两大关键步骤：先将 Skill 部署至 AI 助手，再通过 API Key 绑定个人微信读书账号。

第一步，打开微信读书 Skill 页面：🔗 https://weread.qq.com/r/weread-skills
进入页面后，可看到微信读书 Skill 的相关说明与安装文件。接着打开 Codex、Claude Code、WorkBuddy 等工具。考虑到国内用户的网络环境，这里我们选用腾讯 AI 助手 WorkBuddy。

第二步，在 WorkBuddy 中新建一个对话，完整发送以下指令：
下载 https://cdn.weread.qq.com/skills/weread-skills.zip 安装 skill

这条指令的作用是让 WorkBuddy 从微信读书提供的地址下载 Skill 压缩包，并完成安装。发送后等待 WorkBuddy 执行，通常几分钟后它会提示部署完成。不过，部署完成还不能直接使用。由于 AI 需访问用户个人账号中的书架、阅读进度和笔记，还需通过 API Key 完成授权。

API Key 需通过扫码登录微信读书获取。用户按页面或 WorkBuddy 提示完成扫码登录后，系统会生成一串 API Key。它相当于连接微信读书账号的授权凭证，建议不要公开发布，也不要在不可信的环境下分享。

拿到 API Key 后，可直接发送给 WorkBuddy 完成配置，也可通过环境变量配置：
export WEREAD_API_KEY=复制你得到的 API Key
这里需将“复制你得到的 API Key”替换为扫码登录后生成的真实 API Key。配置完成后，WorkBuddy 会识别授权信息，并连接用户的微信读书账号。

安装和授权完成后，可用一个简单问题测试是否可用。例如：“查看我的微信读书书架”或“我今年在微信读书读了哪些书？”如果 WorkBuddy 能返回书架、阅读记录或相关统计，说明微信读书 Skill 已可正常使用。

完成安装和授权后，我们整理了一些关于微信读书 Skill 的创意玩法。

第一类：量化阅读习惯
过去，用户想了解自己一年读了什么、读书时间集中在哪些时段，往往需翻阅记录或自行整理。接入 Skill 后，这些问题可直接交给 AI，助你更直观地理解阅读状态。

可尝试以下提示词：
– 我今年读了哪些书？请按月份、书籍类型和阅读进度整理成表格。
– 量化我的微信读书习惯，包括阅读时长、阅读天数、常读类型和阅读连续性。
– 我的阅读时间主要集中在一天中的哪个时段？请按早晨、上午、下午、晚上和深夜分类。
– 我连续读书最长的一段时间是哪本书？请告诉我对应时间、阅读天数和阅读进度。
– 根据我的阅读记录，分析我最近三个月和今年整体阅读习惯有什么变化。

第二类：个性化推荐
微信读书本有推荐系统，但 Skill 的不同在于，它能围绕用户自己的书架和阅读历史生成更具体的建议。它不只推荐热门书，还能进一步分析你读过什么、偏好什么、最近关注什么，给出更贴近个人背景的书单。可这样提问：
– 基于我的阅读偏好，推荐 10 本我可能感兴趣的散文作品，并说明推荐理由。
– 我想读《人间滋味》，帮我查作者、评分、分类、出版社、出版时间和 ISBN。
– 我最近对 AI 话题很感兴趣，看看我的书架里有哪些书可以帮我快速建立背景知识。
– 根据我的阅读记录，推荐 5 本和我最近读过的书相似的作品。

第三类：整理笔记与发现认知盲区
对于长期在微信读书中划线、写想法的人来说，真正的麻烦不是没有笔记，而是笔记分散在不同书里，很少被系统整理。Skill 的价值之一，就是把这些阅读痕迹重新组织起来。可尝试以下提示词：
– 导出我最近读完的三本书的划线笔记，并按书名整理。
– 把《某本书》的全部划线导出，按主题归类，并提炼 10 条核心观点。
– 分析我读书时更喜欢划事实、观点、故事、方法论，还是情绪表达。
– 根据我的划线内容，判断我更关注问题分析、经验总结、人物叙事，还是价值判断。
– 把《某本书》的划线全部导出，然后根据这些内容出 5 道题考我，看看我到底读懂了多少。

最后还有一类更进阶的场景：发现认知盲区
长期阅读同类内容，难免陷入信息茧房。因此，不要只让 AI 推荐你原本熟悉的内容，而是基于阅读记录找出较少接触的领域，再推荐可能补足知识结构的书。例如，长期看商业书的人可能缺少历史视角；长期看技术书的人可能缺少社会学和伦理讨论；长期看文学的人也可能缺少经济、科技和组织管理知识。不只让它告诉你读过什么，还可反过来分析你没有读什么。

可这样提问：
– 根据我的阅读历史，判断我在哪些知识领域有明显空白。
– 基于我的阅读记录，推荐我需要补充哪些书，帮助我提高认知，避免知识结构过窄。
– 分析我的书架，告诉我哪些领域读得比较多，哪些领域几乎没有覆盖。
– 基于我的阅读历史，给我一份认知补全书单，按文学、历史、科技、商业、社会学、哲学分类。
– 结合我近期的对话记录，找出我最需要改进的地方，再从我的微信读书书架里定位到具体书籍和具体章节。

上述最后一个提示词更接近定向检索玩法。比起泛泛推荐一本书，不如将你当下的问题、已有书架和具体章节连接起来。简言之，微信读书 Skill 最值得关注的，不在于帮你查了几本书或导出了几条笔记，而是它把用户多年积累的阅读痕迹，转化成了 AI 可读取的知识索引。书架、进度、划线、想法……这些过去沉睡在 App 里的行为数据，现在都被激活了。与其说用户在使用一个阅读 App，不如说是在喂养一个不断理解自己的个人知识库 Agent。

过去的阅读产品解决的是“在哪里读”，推荐系统解决的是“下一本读什么”。而在大模型的加持下，Skill 开始触碰第三个更深层的问题：读过的东西，如何重新参与我们当下的思考、写作与决策？尤其是，几千年来，阅读都是一个人的单向过程。我们一头扎进书海，能记住多少、用上多少，全凭记忆力和悟性。而 AI 的介入，让阅读变成了一场真正的双向奔赴。何其妙哉。