昨天，微信讀書 Skill 詞條登上熱搜。

用戶連接微信讀書賬號後，AI 可以調用個人閱讀數據，完成查書、看書架、統計閱讀習慣、整理筆記和推薦書籍等任務。

從功能上看，微信讀書 Skill 主要分為六類。

查閱書架：瀏覽個人書架，快速了解藏書全貌。

書籍搜索：在書城搜索書籍，獲取書名、作者、評分等關鍵信息。

閱讀統計：分析閱讀時長、閱讀天數、偏好深度，量化閱讀習慣。

書籍詳情：查看書籍詳情、章節目錄和閱讀進度。

筆記和劃線：查看劃線與想法，導出筆記，回顧閱讀思考。

推薦好書：根據閱讀偏好做個性化推薦，或推薦相似書籍。

安裝過程可以分成兩個關鍵步驟：把 Skill 部署到 AI 助手裏，再用 API Key 綁定自己的微信讀書賬號。

第一步，打開微信讀書 Skill 頁面：

🔗 https://weread.qq.com/r/weread-skills

進入頁面後，可以看到微信讀書 Skill 的相關說明和安裝文件。接下來打開 Codex、Claude Code、WorkBuddy 等工具，考慮到適用於國內用戶的網絡環境，這裏我們選擇騰訊 AI 助手 WorkBuddy。

第二步，在 WorkBuddy 裏新建一個對話，把下面這行指令完整發送給它：

下載 https://cdn.weread.qq.com/skills/weread-skills.zip 安裝 skill

這條指令的作用，是讓 WorkBuddy 從微信讀書提供的地址下載 Skill 壓縮包，並完成安裝。發送之後，等待 WorkBuddy 執行。一般幾分鐘後，它會提示部署完成。

不過，部署完成還不能直接使用。因為 AI 要訪問的是用戶個人賬號裏的書架、閱讀進度和筆記，所以還需要用 API Key 完成授權。

API Key 需要通過掃碼登入微信讀書獲取。用戶按照頁面或 WorkBuddy 給出的提示完成掃碼登入後，系統會生成一串 API Key。它相當於連接微信讀書賬號的授權憑證，建議不要公開發布，也不要發到不可信的地方。

拿到 API Key 後，可以直接把它發送給 WorkBuddy，讓它完成配置，也可以用環境變量的方式配置：

export WEREAD_API_KEY=複製你得到的 API Key

這裏要把「複製你得到的 API Key」替換成掃碼登入後生成的真實 API Key。配置完成後，WorkBuddy 會識別授權信息，並連接用戶的微信讀書賬號。

安裝和授權都完成後，可以用一個簡單問題測試是否可用。

比如查看我的微信讀書書架，或者我今年在微信讀書讀了哪些書？如果 WorkBuddy 能返回書架、閱讀記錄或相關統計，就說明微信讀書 Skill 已經可以正常使用。

完成安裝和授權後，我們也幫你整理了一些關於微信讀書 Skill 的創意玩法。

第一類是量化閱讀習慣。

過去，用戶想知道自己一年讀了什麼、讀書時間集中在哪些時段，往往要翻閱讀記錄或者自己做整理。接入 Skill 後，這些問題可以直接交給 AI，讓它幫助你更直觀地理解自己的閱讀狀態。

可以試試這些提示詞：

我今年讀了哪些書？請按月份、書籍類型和閱讀進度整理成表格

量化我的微信讀書習慣，包括閱讀時長、閱讀天數、常讀類型和閱讀連續性

我的閱讀時間主要集中在一天中的哪個時段？請按早晨、上午、下午、晚上和深夜分類

我連續讀書最長的一段時間是哪本書？請告訴我對應時間、閱讀天數和閱讀進度

根據我的閱讀記錄，分析我最近三個月和今年整體閱讀習慣有什麼變化

第二類是個性化推薦。

微信讀書本來應該有推薦系統，但 Skill 的不同之處在於，它可以圍繞用戶自己的書架和閱讀歷史生成更具體的建議。它不是只推薦熱門書，而是可以進一步看你讀過什麼、偏好什麼、最近關注什麼，再給出更貼近個人背景的書單。

可以這樣問：

基於我的閱讀偏好，推薦 10 本我可能感興趣的散文作品，並說明推薦理由

我想讀《人間滋味》，幫我查作者、評分、分類、出版社、出版時間和 ISBN

我最近對 AI 話題很感興趣，看看我的書架裏有哪些書可以幫我快速建立背景知識

根據我的閱讀記錄，推薦 5 本和我最近讀過的書相似的作品

第三類是整理筆記與發現認知盲區。

對於長期在微信讀書裏劃線、寫想法的人來說，真正麻煩的不是沒有筆記，而是筆記分散在不同書裏，很少被系統整理。Skill 的價值之一，就是把這些閱讀痕跡重新組織起來。

可以試試這些提示詞：

導出我最近讀完的三本書的劃線筆記，並按書名整理

把《某本書》的全部劃線導出，按主題歸類，並提煉 10 條核心觀點

分析我讀書時更喜歡劃事實、觀點、故事、方法論，還是情緒表達

根據我的劃線內容，判斷我更關注問題分析、經驗總結、人物敘事，還是價值判斷

把《某本書》的劃線全部導出，然後根據這些內容出 5 道題考我，看看我到底讀懂了多少

最後還有一類更進階的場景，是發現認知盲區。

長期讀同樣的內容，難免陷入信息繭房，因此不要讓 AI 繼續推薦你原本熟悉的內容，而是基於閱讀記錄找出較少接觸的領域，再推薦可能補足知識結構的書。

比如長期看商業書的人，可能缺少歷史視角；長期看技術書的人，可能缺少社會學和倫理討論；長期看文學的人，也可能缺少經濟、科技和組織管理相關的知識。不只是讓它告訴你讀過什麼，還可以反過來分析你沒有讀什麼。

可以這樣問：

根據我的閱讀歷史，判斷我在哪些知識領域有明顯空白

基於我的閱讀記錄，推薦我需要補充哪些書，幫助我提高認知，避免知識結構過窄

分析我的書架，告訴我哪些領域讀得比較多，哪些領域幾乎沒有覆蓋

基於我的閱讀歷史，給我一份認知補全書單，按文學、歷史、科技、商業、社會學、哲學分類

結合我近期的對話記錄，找出我最需要改進的地方，再從我的微信讀書書架裏定位到具體書籍和具體章節

上述最後一個提示詞，更接近定向檢索多玩法。比起泛泛推薦一本書，不如把你當下的問題、已有書架和具體章節連接起來。

簡言之，微信讀書 Skill 最值得關注的，不在於幫你查了幾本書或導出了幾條筆記，而是它把用戶多年積累的閱讀痕跡，轉化成了 AI 可讀取的知識索引。

書架、進度、劃線、想法……這些過去沉睡在 App 裏的行為數據，現在都被激活了。與其說用戶在使用一個閱讀 App，不如說是在餵養一個不斷理解自己的個人知識庫 Agent。

過去的閱讀產品解決的是「在哪裏讀」，推薦系統解決的是「下一本讀什麼」。而在大模型的加持下，Skill 開始觸碰第三個更深層的問題：讀過的東西，如何重新參與我們當下的思考、寫作與決策？

尤其是，幾千年來，閱讀都是一個人的單向過程。我們一頭扎進書海，能記住多少、用上多少，全憑記憶力和悟性。而 AI 的介入，讓閱讀變成了一場真正的雙向奔赴。

何其妙哉。