qidian-sanjiang-picker

起点中文网好书推荐，支持两种模式： 1）三江榜新书推荐——每天从起点三江榜单中精选3本优质新书； 2）经典网文推荐——从起点万订/十万均订经典作品中随机推荐，附IP衍生品（电视剧/动漫/手办）和海外出圈信息。 内置去重机制，支持按 SBTI 性格筛选。 触发场景：推荐好书、三江榜、起点推荐、小说推荐、今天看什么书、书荒、找书看、每日推书、起点新书推荐、网文推荐、三江推荐、按性格推荐、SBTI推书、经典网文、万订推荐、十万均订、神作推荐、看经典、经典好书。 当用户提到"推荐几本好书"、"三江榜有什么书"、"书荒了推荐一下"、"每日推书"等意图时触发三江模式。 当用户提到"推荐经典"、"有没有经典网文"、"万订好书"、"十万均订"、"神作推荐"、"看看经典"等意图时触发经典模式。 当用户描述自己的性格或 SBTI 类型并请求推荐书时，也应使用此skill。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "qidian-sanjiang-picker" with this command: npx skills add drow931/qidiandayrec

起点好书推荐

从起点中文网精选优质小说，支持三江新书和万订/十万均订经典双模式。 每本书附带 SBTI 人格鉴定、诙谐必看理由，经典模式还有 IP 衍生品和海外出圈信息。

双模式一览

模式触发词推荐池首次耗时
📰 三江新书"推荐好书""三江榜""书荒"每期17-30本新书~30秒
📖 经典网文"经典网文""万订""神作""看经典"134本（34🏆+100📈），可扩至1600+< 0.2秒

核心特性

🎭 SBTI 性格化推荐

告诉我你的性格，推荐最对味的书（三江/经典通用）：

你说的匹配人格推荐类型
"我比较躺平"MALO（吗喽）都市日常类
"社恐独来独往"SOLO（孤儿）武侠仙侠类
"暴躁不服管"FUCK（草者）玄幻战争类
"内耗焦虑纠结"IMSB（自我攻击者）都市科幻类
"佛系无所谓"OJBK（无所谓人）历史二次元类

支持精确输入（SBTI代号/中文名）和自由描述，脚本自动模糊匹配。共15种人格见下方完整列表。

📖 经典网文（万订/十万均订）

从起点万订（1600+本）和十万均订（34本）经典作品中随机推荐：

  • 🏆十万均订 / 📈万订 层级标签一眼区分
  • 🎬 IP 衍生品：自动标注有电视剧/动漫/手办的经典
  • 🌍 海外出圈：标注海外影响力 + 附带论坛链接（WebNovel/Reddit/NovelUpdates/Fandom Wiki）
  • Excel 导入：支持从起点图领取万订全量 Excel，扩充推荐池到 1600+本

💾 预置数据 + 增量更新（零等待）

经典模式内置134本书库，用户首次使用零网络请求、毫秒级加载。后续每周增量检查新增（仅抓2个列表页，~2秒）。

🔄 智能去重

历史记录自动排重，每次推荐不重复。候选书随机打乱 + 分类多样性 + 批次SBTI去重。

三江模式工作流程

Step 1: 运行推荐脚本

推荐使用 JSON 输出（确保链接完整，不丢 _trace 参数）：

python3 scripts/sanjiang_picker.py --count 3 --output json

然后 agent 从 JSON 结果的每本书的 qidian_url 字段取链接，自行格式化为 Markdown 展示。

也可以用 Markdown 输出（但 agent 整理时必须保留原始链接不得修改）：

python3 scripts/sanjiang_picker.py --count 3 --output markdown

按性格推荐 🎭

如果用户描述了自己的性格或 SBTI 类型，使用 --sbti 参数：

# 用户说"我是吗喽"
python3 scripts/sanjiang_picker.py --sbti MALO --output json

# 用户说"我比较躺平"
python3 scripts/sanjiang_picker.py --sbti 躺平 --output json

# 用户说"我是社恐独行侠"
python3 scripts/sanjiang_picker.py --sbti 社恐独行侠 --output json

# 用户说"我看啥都不顺眼"
python3 scripts/sanjiang_picker.py --sbti 看啥都不顺眼 --output json

agent 解析用户意图的指引：

用户说的--sbti 参数
"我是吗喽/MALO"MALO
"我比较躺平/摆烂/咸鱼"躺平
"我是草者/暴躁"FUCK
"社恐/独来独往/一个人待着"社恐独行侠
"佛系/无所谓/随便"佛系
"内耗/焦虑/纠结"内耗焦虑
"搞笑/逗比/气氛组"JOKE-R
"逃避/装死/鸵鸟"ZZZZ
"老好人/心软/讨好型"ATM
"自信/有魅力"SEXY
"控场/拿捏/大局观"CTRL
"愤世嫉俗/看不惯一切"SHIT

脚本内置了模糊匹配，直接把用户原话传给 --sbti 即可，不需要 agent 精确翻译成 code。

其他命令

python3 scripts/sanjiang_picker.py --list-sbti        # 查看所有 SBTI 人格
python3 scripts/sanjiang_picker.py --refresh --output markdown  # 强制刷新缓存
python3 scripts/sanjiang_picker.py --dump-cache        # 输出完整候选池（调试）

参数说明：

  • --count N: 推荐书籍数量，默认3本
  • --date YYYY-MM-DD: 指定榜单日期（默认自动获取最新）
  • --output json|markdown|text: 输出格式，默认markdown
  • --sbti TEXT: 按 SBTI 人格筛选（支持代号/中文名/自由描述）
  • --list-sbti: 列出所有 SBTI 人格类型
  • --refresh: 强制刷新缓存（忽略已有缓存重新抓取）
  • --dump-cache: 输出当天完整缓存数据
  • --no-save: 不保存本次推荐到历史（用于测试）
  • --setup: 仅检测环境并安装依赖

Step 2: 整理推荐报告

脚本执行后，对输出结果进行整理：

  1. 检查数据完整性：确保每本书都有书名、作者、分类、简介
  2. 如果用户指定了 SBTI：在报告开头标注"已按你的性格 XXX 筛选推荐"
  3. 格式化输出：使用Markdown格式，清晰展示

⚠️ 【强制规则】链接必须原样使用，严禁自行拼接！

脚本输出的每本书都包含 qidian_url 字段，格式形如：

https://www.qidian.com/book/{book_id}/?_trace=qidiandayrec_skill

agent 在生成推荐报告时，必须严格使用脚本返回的 qidian_url 原始值，不得自行拼接或简化链接。

❌ 错误示范（丢失 _trace 参数）：

[点击阅读](https://www.qidian.com/book/1047379865/)

✅ 正确示范（保留完整 _trace 参数）：

[点击阅读](https://www.qidian.com/book/1047379865/?_trace=qidiandayrec_skill)

_trace=qidiandayrec_skill 是推荐来源追踪参数，用于标记流量来自本 skill 的推荐。丢掉它等于丢失推荐归因数据，这是业务硬性要求。

最佳实践：使用 --output json 获取结构化数据，然后直接读取每本书的 qidian_url 字段填入链接，确保万无一失。

Step 3: 交付推荐结果

将整理好的推荐报告直接展示给用户。如果用户需要，可以：

  • 保存为Markdown文件
  • 推送到企业微信（使用markdown_v2格式）

经典模式工作流程

Step 1: 运行经典推荐脚本

推荐使用 JSON 输出（确保链接完整）：

python3 scripts/classic_picker.py --count 3 --output json

按层级筛选

# 只推荐十万均订（33本顶级经典）
python3 scripts/classic_picker.py --tier 100k --output json

# 只推荐万订
python3 scripts/classic_picker.py --tier 10k --output json

按 SBTI 人格推荐

python3 scripts/classic_picker.py --sbti MALO --output json
python3 scripts/classic_picker.py --sbti 躺平 --output json

增量检查新增书（推荐）

python3 scripts/classic_picker.py --check-update --output json

强制全量重新抓取（慎用）

python3 scripts/classic_picker.py --refresh

从 Excel 导入全量万订数据

用户可以从起点图（微信公众号"起点数据图"）免费领取万订全量 Excel，然后导入：

python3 scripts/classic_picker.py --import-excel /path/to/万订名单.xlsx

导入后数据会与在线爬取的数据合并缓存，后续推荐范围更广。

Step 2: 整理推荐报告

⚠️ 【强制规则】与三江模式相同：链接必须原样使用脚本返回的 qidian_url，严禁自行拼接！

整理报告时，必须着重体现以下特色信息：

  1. 层级标签必须醒目：

    • 十万均订的书标注 🏆十万均订
    • 万订的书标注 📈万订
    • 让用户一眼区分

  2. IP 衍生品信息（中国IP希望之星）：

    • 如果推荐的书有电视剧、电影、动漫、手办等衍生品 → 着重介绍
    • 使用"🎬 中国IP希望之星"标题突出
    • 列出衍生品类型、名称、年份、平台、亮点

  3. 海外出圈信息：

    • 如果书在海外有知名度（如诡秘之主、大奉打更人）→ 强调海外影响力
    • 附带海外论坛/社区链接（WebNovel、Reddit、NovelUpdates、Fandom Wiki 等）
    • 国内书地址仍指向起点（带 _trace 参数）

Step 3: 交付推荐结果

展示给用户。如果用户还想看更多，可以再次运行（自动去重不重复）。

经典模式参数说明

参数说明
--count N推荐数量，默认3本
--output json|markdown输出格式，默认json
--sbti TEXT按 SBTI 人格筛选
--tier 100k|10k层级筛选
--check-update增量检查新增书（秒级，推荐日常使用）
--refresh全量重新抓取（耗时较长，慎用）
--import-excel FILE从 Excel 导入
--dump-cache输出完整缓存
--no-save不保存历史
--setup环境检测（含预置数据+缓存状态）

SBTI 人格完整列表

代号人格名适配类型
SOLO孤儿武侠、仙侠、灵异
MALO吗喽都市、轻小说、日常
FUCK草者玄幻、奇幻、战争
OJBK无所谓人历史、二次元
FAKE伪人悬疑、灵异、权谋
IMSB自我攻击者都市、科幻、现实
JOKE-R小丑轻小说、游戏
ZZZZ装死者奇幻、仙侠、游戏
ATMATM-er都市、历史、现实
DRUNK酒鬼武侠、历史、仙侠
WOC!握草人玄幻、科幻、悬疑
MUM妈妈轻小说、都市、游戏
SEXY尤物都市、历史、武侠
CTRL拿捏者历史、悬疑、科幻
SHIT狗屎人现实、末世、科幻

技术细节

数据源

数据URL说明
三江榜单qidiantu.com/bang/1/6/{date}每期17-30本
十万均订qidiantu.com/badge/shiwanjunding完整33本
万订qidiantu.com/badge/wanrenzhuipeng最新100本
Excel全量微信加 qidiantu 领取（免费）1600+本全量
书籍详情qidiantu.com/info/{book_id}作者/分类/简介

缓存机制

设计原则：同一天/同一周的数据只抓一次，后续全部读缓存。

模式缓存策略首次后续
三江每天一份缓存，保留7天~30秒全量抓取< 1秒
经典预置134本 + 7天增量更新< 0.2秒< 0.2秒

经典模式数据加载链：

预置数据（134本）→ 写入缓存 → 每周增量检查 → 仅补新书详情

三江模式数据加载链：

检查当天缓存 → 命中直接读 → 未命中全量抓取 → 写缓存 → 清理7天前旧缓存

去重机制

  • 历史记录文件：scripts/.sanjiang_history.json，记录每次推荐的书籍ID
  • 排除规则：每次推荐自动排除上一次推荐的书
  • 随机轮换：候选书籍先随机打乱，再按分类多样性挑选
  • 兜底策略：如果去重后候选不足，回退到全量选择
  • 历史清理：仅保留最近30天的推荐记录

SBTI 匹配策略

  1. 精确匹配：用户直接说了 SBTI 代号（如 MALO）或中文名（如 吗喽）→ 直接命中
  2. 关键词匹配：用户描述了性格特征（如"躺平""摆烂"）→ 通过内置关键词表映射到人格
  3. 模糊匹配：用户自由描述（如"不想上班只想看书"）→ 按 trait/keywords 相似度排序，取 top3

自动化任务

可设置每天早上10点自动推荐，使用 automation_update 创建定时任务：

  • 任务名称：起点三江每日推荐
  • 执行时间：每天10:00
  • 任务内容：运行脚本获取推荐 → 格式化报告 → 展示给用户

环境与依赖

Python 3.6+。运行前先检测：which python3 && python3 --version。缺失时按系统安装（macOS: brew install python3，Windows: winget install Python.Python.3.12，Linux: apt/dnf install python3）。

pip 依赖由脚本首次运行时自动安装（beautifulsoup4、lxml），无需手动处理。手动安装（仅在自动安装失败时）：pip3 install beautifulsoup4 lxml。

环境检测：python3 scripts/sanjiang_picker.py --setup

注意事项

  • 缓存优先：同一天的数据只从起点图抓取一次，后续全部读本地缓存
  • 请求间隔：全量抓取时每本书间隔1.5秒，善待源站
  • 三江榜单通常每周五更新，周末获取的是最新一期
  • 如果指定日期无数据，脚本会自动回退查找最近7天的榜单
  • 起点图数据比起点官网延迟1-2天，属正常现象

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open Registry RecordOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

Huo15 Openclaw Enhance

火一五·克劳德·龙虾增强插件 v5.7.8 — 全面适配 openclaw 2026.4.24：peerDep ^4.24 + build/compat 同步到 4.24 + 14 处 api.on 全部去掉 as any 改成 typed hook（hookName 联合类型 + handler 自动推断 Pl...

Registry SourceRecently Updated
3030zhaobod1
General

Content Trend Analyzer

Aggregates and analyzes content trends across platforms to identify hot topics, user intent, content gaps, and generates data-driven article outlines.

Registry SourceRecently Updated
260openlark
General

Prompt Debugger

Debug prompts that produce unexpected AI outputs — diagnose failure modes, identify ambiguity and conflicting instructions, test variations, compare model re...

Registry SourceRecently Updated
120charlie-morrison
General

Indie Maker News

独行者 Daily - 变现雷达。读对一条新闻，少走一年弯路。每天5分钟，给创业者装上商业雷达。聚焦一人公司、副业、创业变现资讯，智能分类，行动导向。用户下载即能用，无需本地部署！

Registry SourceRecently Updated
300kylnwu