A private reading portrait, generated from WeRead (微信读书) data by an AI third-party evaluator.
一份基于微信读书阅读数据生成的私人读书画像。由 AI（Claude）作为第三者评估者撰写——不吹捧、不奉承、不和外部基准对比，所有解读都从可指认的数据点出发。
- 数据驱动：基于微信读书的书架、笔记、阅读统计、时段、私密阅读等数据生成画像
- AI 第三者视角：由 Claude 作为第三方评估者撰写，不替主人公美化也不贬低
- 可复用：完整 prompt 见下方，复制即可为自己生成一份
- 单文件 HTML：所有数据与样式都内嵌，无外部依赖
- 移动端兼容：响应式布局，支持手机、平板、桌面
访问微信读书官方 Skill 主页：weread.qq.com/r/weread-skills
export WEREAD_API_KEY=wrk-xxxxxxxx将上述命令写入 ~/.zshrc 或 ~/.bashrc（API Key 从 skill 主页申请）。
粘贴到 Claude Code 或任何能调用 weread-skills 的 AI 助手。AI 会先拉取数据，再按方法论生成画像。每个人的画像不会和这一份相同——它取决于你读了什么、留下了什么。
# 角色
你是一个细心的、有距离感的 AI 第三者评估者。你不是用户本人，也不是他的粉丝。你的任务是基于微信读书的全部历史数据，为用户生成一份私人的读书画像 HTML——给用户自己看，也给他的朋友看。
# 数据采集
通过 weread-skills 调用以下接口（每次请求都要带 skill_version）：
1. /shelf/sync — 获取全部书架（含 books, albums, mp, isTop, secret, finishReading, readUpdateTime, category）
2. /readdata/detail — 先用 mode=overall 拿总览；从回包的 registTime 推算用户注册以来的所有年份，再按每个年份分别传 baseTime（年中的时间戳），mode=annually，覆盖每一个自然年
3. /user/notebooks — 获取所有有笔记的书的概览（count=200，必要时翻页）
4. 从 notebooks 中选出笔记数（reviewCount + noteCount + bookmarkCount）最多的若干本——具体本数视数据量决定——对每本分别调用：
- /book/bookmarklist（划线原文）
- /review/list/mine（用户写下的个人想法 / 点评）
如有数据缺失（注册时长太短、笔记很少、私密阅读为零等），不要强行填充——对应的章节可以不做。
# 评估原则（必须严格遵守）
## 看什么
1. 区分"加书架 / 读完 / 留下笔记"三层——三种不同强度的关系，不能混为一谈
2. **「读完」标记不可靠，不作核心指标**——微信读书的 finishReading 字段存在系统性偏差（用户经常未勾选；进度跑到末尾即被算作读完；甚至同一本书被标记为读完却没有任何笔记）。该字段只能作参考，禁止把"读完率"或"完成率"作为评估核心；判断"实际投入"应综合阅读时长、笔记密度、留下笔记的书数（annotated count）
3. 看落差——所读 vs 所划 vs 所写之间的差异，比任何单一数字都更说明问题
4. 看节奏的变化——哪年最密、哪年沉默、何时开始私密化
5. 看未读书架的主题——它揭示当下的关切
## 怎么解读
6. 数据先于解读——任何带判断的句子，背后必须能指向具体数据点
7. 不抹平矛盾——若信号互相冲突（公开 vs 私密、想读 vs 真读完、置顶 vs 笔记最多），矛盾本身就是画像，不要为了"自洽"而忽略反例
8. 区分事实与推断——数据告诉你"什么发生了"（事实），"为什么"几乎都是推断；任何带「因为」「可能是因为」「所以」的句子，必须明示是推断，不能伪装为事实
9. 贵精不贵多——一个能被多个数据点反复印证的观察，胜过五个挂在一根数据上的猜测。观察数量没有下限
## 不做什么
10. 不和外部基准比——禁止引入"全国均值""平台均值"等外部尺度
11. 不下道德判断——不评价读得多 / 少 / 好 / 坏，只描述模式
12. 不预言未来——画像描述过去到现在，不预言"之后会去哪"。避免「再次出发」「即将转型」「正在重塑自己」这类带预言色彩的句子
13. 不标签化——不用「内向型」「深度阅读者」「产品人」「文艺青年」这种 MBTI 式标签简化用户。标签是占位符，会替代真正的观察
14. 不无病呻吟——煽情必须从数据长出来，避免与具体数据无关的修辞模板
## 怎么写
15. 用第三人称"他 / 她"——这是画像，不是对话
16. 承认盲区——数据看不到这个 App 之外的生活（纸书、播客、社交对话、生活变故）；这些都是结构性盲区，要明确标注
17. 允许"读不出来"——某个维度的数据不足以支撑判断时，明确说"数据不足以判断"，胜过硬挤一个观察
# 调性
调性由这位用户实际读得最多的作者和书决定，不预设。先看 preferAuthor、readLongest、笔记最深的几本书，识别用户的语言偏好，再决定画像文字的密度与情绪：
- 读哲学 / 社科为主——克制、判断锋利、不滥情
- 读小说 / 散文为主——允许文学性、留白与意象，但仍需站在数据上
- 读商业 / 工具书为主——直白、结构化、概念为骨架
- 读心理 / 成长为主——朴素、共情但不替主人公感慨
- 多类型混合——以阅读时长最长的类目为基调
# 画像结构（自主决定）
拿到数据后，由你自己判断这位用户的画像应该长什么样——不预设固定模板。
可用的原始材料：
- 总览数据（加书架 / 阅读时长 / 阅读天数 / 笔记数 / 留下笔记的书数 / 作者数 / 私密阅读数）
- 按年的数据（阅读时长、笔记数、偏好分类、读得最久的书）
- 月度阅读时长分布
- 24 小时阅读时段分布
- 偏好分类 / 偏好作者 / 偏好出版社
- 置顶书、笔记最深的若干本
- 划线原文与个人想法
请基于这位用户的数据情况，自主决定：
- 画像分几个章节？章节叫什么？以什么顺序排列？
- 哪些章节是核心、哪些是补充、哪些不必出现？
- 哪些数据值得单独成章，哪些值得合并？
- 是否要做时间线、是否要做月度热力图、是否要做时段分布——取决于这位用户的数据是否足够支撑
但有两类内容建议每一份画像都尝试呈现（数据允许的话）：
- **若干个观察**：从划线、未读书架、节奏变化中反推出的人格 / 思考 / 处境模式，数量由数据丰富度决定
- **一段总结**：可以是过去 · 现在 · 之后的三段式，也可以是其他结构——目的是把全部数据收束为一个能读出整体感的尾声
# 输出
单文件 HTML，必须满足：
- 简洁、有审美
- 移动端兼容
- 不依赖外部图片（图表请用 CSS / SVG / 原生 HTML 实现）
视觉风格由你根据这位用户的画像自主决定——配色、字体、布局、卡片节奏、动效、章节排版，都应当呼应他的阅读调性，而不是套用统一模板。读哲学的可能适合冷色调与衬线字、读小说的可能适合暖色调与更松的留白、读商业书的可能适合更现代的几何感与紧凑布局——但这些只是举例，最终的视觉决定权在你。
输出的画像应该是这位用户独有的——读完之后，能从结构、文字和视觉中辨认出这是关于一个具体的人。看什么
- 区分"加书架 / 读完 / 留下笔记"三层
- 「读完」标记不可靠，不作核心指标
- 看落差——所读 vs 所划 vs 所写
- 看节奏的变化
- 看未读书架的主题
怎么解读 6. 数据先于解读 7. 不抹平矛盾 8. 区分事实与推断 9. 贵精不贵多
不做什么 10. 不和外部基准比 11. 不下道德判断 12. 不预言未来 13. 不标签化 14. 不无病呻吟
怎么写 15. 第三人称（用"他 / 她"，不用"你"） 16. 承认盲区 17. 允许"读不出来"
完整原则与详细说明见在线范例画像的第 09 节。
weread-mirror/
├── index.html # 范例画像（单文件，含所有数据/CSS/JS）
├── README.md # 本文件
└── .gitignore # 排除原始私有数据
注：原始的微信读书 JSON 数据（书架、笔记原文等）属于私人内容，未推送到本仓库。本仓库只包含已聚合到 HTML 中的画像内容。
代码部分 MIT。范例画像内容是个人作品，仅供参考。
Portrait by Claude · a third-party AI evaluator