企业官网建设流程全解析

1. 微信读书 Skill 接入 AI 的真实场景

微信读书官方放出了一个原生 AI Skill，把书架、划线、笔记、阅读时长这些数据打包成标准化接口，开放给支持 Agent Skills 的客户端调用。简单说，就是让 AI 直接读你的阅读记录，然后回答"我是什么阅读人格""我偏爱哪类书""从书架能推出什么性格"这类问题。适合谁？适合已经在用 Claude Code、Cursor、Trae 这类带 Agent Skills 能力的工具，又想让 AI 基于真实阅读数据做分析的人。

我试过直接拿客户端去连微信读书的接口，卡在 Key 的获取和配置上折腾了一阵。后来把 TaoToken 作为统一 Key/API 通道接进来，整个流程顺了很多：一个 Key 管住模型调用，微信读书 Skill 只负责取数据，两边解耦，排查问题也清楚。这篇就按"5 分钟跑通"的目标，把 config.toml 和 settings.json 骨架、Skill 接入步骤、以及用阅读记录验证分析结果的动作全部给出来。你照着做，能拿到一份基于自己书架的阅读人格分析。

需要先说明一点：微信读书 Skill 本身负责的是"取你的阅读数据"，AI 分析那一步需要模型能力。TaoToken 在这里的角色是提供统一的模型 API 通道，让你不用在多个客户端里反复填不同厂商的 Key。两者配合，才是完整的"数据 + 分析"链路。

2. TaoToken 前置：Key 与通道准备

在动手配 Skill 之前，先把模型通道准备好。TaoToken 的定位是统一 Key/API 通道，官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api （这个不加 UTM）。你需要先去控制台创建一个 API Key，后面 config.toml 和 settings.json 里都会用到。

创建 Key 的入口在控制台里，路径是 console：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。进去之后新建一个 Key，复制出来先存好。如果你还没决定用哪个模型，可以先去模型对话页面感受一下：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite ，确认通道能正常出结果，再去配 Skill，这样出问题时能快速判断是通道问题还是 Skill 配置问题。

这里有个顺序建议：先验证 TaoToken 通道本身可用，再配微信读书 Skill。很多人一上来就把两个东西一起配，结果报错时分不清是哪边的问题。你可以先用模型对话页面发一句"你好"，能正常回复，说明 Key 和通道没问题，再往下走。

关于 Key 的管理，建议单独建一个用于 Skill 场景的 Key，不要和日常编码用的混在一起。原因是 Skill 调用频率和你手动对话不一样，分开之后看用量、排查异常都更清晰。Key 泄露了也能单独吊销，不影响其他场景。

3. 可复制配置：config.toml 与 settings.json 骨架

这一节是核心，直接给可复制的配置。不同客户端读取配置的方式不一样，Claude Code 走 settings.json，一些通用 Agent 框架走 config.toml。两个骨架都给你，按自己用的客户端选。

先看 config.toml 骨架。这个适合支持 TOML 配置的 Agent 框架，把模型通道和微信读书 Skill 的 Key 分开写：

# config.toml - TaoToken 通道 + 微信读书 Skill 骨架 [model] provider = "taotoken" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoTokenKey" model = "claude-sonnet-4-20250514" [skills.weread] enabled = true api_key = "你的微信读书SkillKey" # 微信读书 Skill 的接口基址，按官方文档填写 base_url = "https://weread.qq.com/api/skills" timeout = 30

再看 settings.json 骨架，这个是 Claude Code 常用的形式，重点是 env 字典里把两个 Key 都放进去：

{ "env": { "TAOTOKEN_API_KEY": "sk-你的TaoTokenKey", "TAOTOKEN_BASE_URL": "https://taotoken.net/api", "WEREAD_API_KEY": "你的微信读书SkillKey" }, "skills": { "weread": { "enabled": true, "baseUrl": "https://weread.qq.com/api/skills" } } }

两个骨架的对应关系可以用表格对照一下，方便你迁移：

注意：微信读书 Skill 的 Key 和 TaoToken 的 Key 是两个完全独立的东西，不要混用。前者用来取你的阅读数据，后者用来调模型做分析。填反了会直接报鉴权失败。

配置写完之后，先别急着跑分析。建议先做一次最小验证：只调用模型通道，确认能出结果；再单独调用微信读书 Skill 的接口，确认能取到书架数据。两边都通了，再组合起来做阅读人格分析。

4. 微信读书 Skill 接入步骤与验证请求

微信读书官方给了一个配置页用来发放能力，地址是 https://weread.qq.com/r/weread-skills 。你可以用 Codex、Claude Code、OpenClaw、Trae、Cursor 这些支持 Agent Skills 的客户端配对连接。这里有个坑要提前说：配置页说登录后就能拿到 API Key，但实际用网页登录可能反复拿不到。更稳的方式是打开微信读书 App，在设置里申请，记得先把 App 更新到最新版本。

拿到微信读书的 Key 之后，按下面的步骤接入。以 Claude Code 为例，先把 Skill 包下载下来：

# 下载微信读书 Skill 包 curl -o weread-skills.zip https://cdn.weread.qq.com/skills/weread-skills.zip # 解压到 skills 目录 unzip weread-skills.zip -d ~/.claude/skills/weread

解压完之后，把前面 settings.json 里的 WEREAD_API_KEY 填成你申请到的值。如果你习惯用环境变量，也可以临时导出：

# 临时方式，仅当前终端会话有效 export WEREAD_API_KEY="你的微信读书SkillKey"

配置好之后，先发一个最小请求验证 Skill 能不能取到数据。下面这个请求用来查书架总量，是最基础的连通性测试：

curl -X POST "https://weread.qq.com/api/skills/query" \ -H "Authorization: Bearer $WEREAD_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "action": "shelf_count" }'

如果返回里能看到你的书籍总数，说明 Skill 接入成功。接下来就可以让 AI 做分析了。在 Claude Code 里直接输入自然语言指令，比如：

查一下我的微信读书总共有多少本书（包括书架）， 对已读完的书籍内容分类，分析我平常喜欢看哪一类的书籍。

这一步会同时用到微信读书 Skill（取数据）和 TaoToken 通道（调模型分析）。如果两边都配好了，你会看到一份基于真实书架的阅读偏好分析。实测下来，分类结果和你自己的阅读记忆对得上，说明链路是通的。

再进一步，可以试试用阅读记录推性格。指令类似：

通过书架和已读完的书籍分析我是一个怎样性格的人（使用 MBTI）。

这一步对模型的推理能力要求高一些，建议在 TaoToken 通道里选一个推理表现稳定的模型。如果结果太笼统，可以在指令里加上"请引用具体书名和划线内容作为依据"，输出会扎实很多。

5. 本篇常见错排查

配 Skill 的过程里，报错基本集中在几个地方。下面按现象、原因、解决三段式列出来，你对着排查。

现象一：调用 Skill 返回 401 或鉴权失败。原因通常是微信读书 Key 没填对，或者填成了 TaoToken 的 Key。解决：检查 settings.json 里 WEREAD_API_KEY 的值，确认是从微信读书 App 设置里申请到的那个，不是 TaoToken 控制台的 Key。两个 Key 前缀和长度都不一样，很好区分。

现象二：模型能回复，但分析结果里没有你的书籍数据。原因是 Skill 没启用，或者模型没被正确引导去调用 Skill。解决：确认 settings.json 里 skills.weread.enabled 是 true，然后在指令里明确说"使用微信读书 Skill 读取我的书架"，给模型一个明确的调用信号。

现象三：网页端拿不到微信读书 API Key。这是最常见的坑。解决：不要死磕网页登录，直接打开微信读书 App，更新到最新版本，在设置里找申请入口。App 端的发放流程比网页稳。

现象四：请求超时。原因可能是网络波动或 Skill 接口响应慢。解决：在 config.toml 里把 skills.weread.timeout 调大，比如从 30 调到 60。如果还是超时，先单独用 curl 测 Skill 接口，确认是接口问题还是客户端问题。

现象五：TaoToken 通道报 base_url 错误。原因是把 API 入口写成了带路径的地址。解决：base_url 固定填 https://taotoken.net/api ，不要在后面加多余的路径。模型名按通道文档里支持的写，写错了会报模型不存在。

提示：排查时遵循"先分离、再组合"的原则。先用 curl 单独测微信读书 Skill，再用模型对话页面单独测 TaoToken 通道，两边都正常了，再回到客户端里跑组合指令。这样能快速定位问题出在哪一环。

如果排查过程中需要重新生成或管理 Key，回到控制台操作：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。接入相关的文档在 doc 页面：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，里面有各客户端的配置示例，对着改比自己猜快。

6. 长期使用与 CTA 分流

跑通一次阅读人格分析只是开始。如果你打算长期用这套组合，比如每天让 Agent 自动整理阅读笔记、定期生成阅读报告，那模型调用会变成高频动作。这种情况下，单独管理 Key 和用量就很重要。TaoToken 的 API Keys 管理页面可以创建多个 Key 做场景隔离：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 。给阅读分析单独一个 Key，给编码单独一个 Key，用量和异常都好追踪。

如果你主要场景是长期编码或者跑 Agent 任务，可以了解一下 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite ，它更适合持续性的模型调用需求。而如果你只是想先验证模型效果、确认分析质量，那模型对话页面就够用了：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite 。

回到微信读书 Skill 本身，它开放的接口覆盖搜索、书架、笔记、阅读统计，接入方式就是一个 POST 请求加 token。这套组合的价值在于：数据侧由 Skill 负责，分析侧由统一通道负责，你只需要维护好两个 Key 和一份配置。后面如果微信读书开放更多能力，比如划线写入、社交关系链，这套骨架也能直接扩展，不用推倒重来。

最后留一个可跟做的动作：把第 4 节的 shelf_count 请求跑一遍，确认返回了书籍总数，然后立刻发一条 MBTI 分析指令。从取数到出结果，整个流程控制在 5 分钟内是可行的。跑通之后，你会得到一份基于自己真实阅读记录的阅读人格画像，比任何通用测试都更贴近你。