news-to-markdown Skill

输入文章 URL，输出干净的 Markdown 正文。17 个平台专项优化，为 AI Agent 而生。

🎯 核心特点

• 📰 17 个平台专项适配 — 头条、微信、知乎、36kr、虎嗅、华尔街见闻、澎湃、InfoQ 等
• 🔄 三层抓取策略 — curl → wget → Playwright 自动回退，静态/动态页面均支持
• 🧠 双引擎提取 — Mozilla Readability + news-extractor-node 智能取优
• 🖼️ 图片本地化 — 可选将远程图片下载到本地，防止 URL 过期
• 🎨 无封面自动兜底 — 文章未识别到封面图时，基于标题生成抽象图案占位封面写入 frontmatter cover:，避免下游发布链路（如微信公众号）因缺少封面失败
• 🔒 固定版本 + 进程内调用 — scripts/run.js launcher 解析已安装的固定版本 npm 包并在进程内运行，不 fork 子进程、不调用 npx、不在运行时漂移版本

🚀 快速开始

推荐：固定版本 + launcher（无子进程、无版本漂移）

# 一次性安装（每次小版本升级时手动重做一次）
npm install -g news-to-markdown@3.3.1

# 之后通过 launcher 调用（args 经 allow-list 校验，URL/输出参数透传到进程内 CLI）
node scripts/run.js convert --url "https://www.toutiao.com/article/123"
node scripts/run.js convert --url "https://mp.weixin.qq.com/s/xxx" --output article.md
node scripts/run.js convert --url "https://www.toutiao.com/article/123" 
  --download-images --output-dir ./article
node scripts/run.js convert --url "https://www.zhihu.com/p/xxx" --no-metadata

备选：npx --yes（一次性试用 / 临时沙箱环境）

⚠️ 供应链风险：npx --yes news-to-markdown@^3.3.1 在 每次调用时 从 npm 解析并执行落在 ^3.3.1 范围内的最新版本，无 lockfile、无完整性校验。仅建议在隔离环境（容器、临时 VM）里用于一次性试用；常驻使用请走上面的固定版本路径。

npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/123"

🔗 与 browser-web-search 配合使用

最常见的 AI Agent 编排模式：

browser-web-search  →  搜索，产出 URL 列表
news-to-markdown    →  读取正文，产出 Markdown

# Step 1：用 bws 搜索，拿到文章 URL 列表
bws site toutiao/search "ai agent" --count 3

# Step 2：对每个 URL 提取正文
node scripts/run.js convert --url "https://www.toutiao.com/article/111"
node scripts/run.js convert --url "https://www.toutiao.com/article/222"
node scripts/run.js convert --url "https://www.toutiao.com/article/333"

适用搜索命令（browser-web-search 0.4.2，30 个平台）：

• 🇨🇳 国内文章类：toutiao/search、weixin/search、zhihu/search、36kr/search、xiaohongshu/search、huxiu/search、wallstreetcn/search、thepaper/search、qqnews/search、netease/search、sina/search、juejin/search、csdn/search、cnblogs/search、infoq/search
• 🌏 国际文章类：verge/search、ars/search、engadget/search、hn/search（外链文章）

注意：github/search、reddit/search、x/search、weibo/search 等平台的 bws 结果本身是结构化数据，无需再用本工具提取正文。

📋 支持平台

专项优化平台（17 个）

其余平台（The Verge、Ars Technica、Engadget 等英文站）走通用 Readability 算法。

🔧 命令参数

node scripts/run.js convert --url  [选项]

📋 标准操作流程 (SOP)

操作 1：基础文章转换

场景：用户提供一个文章 URL，要求转换为 Markdown

node scripts/run.js convert 
  --url "https://www.toutiao.com/article/123" 
  --output article.md

操作 2：转换并下载图片（推荐）

场景：需要保留图片，或后续要发布到微信公众号

node scripts/run.js convert 
  --url "https://www.toutiao.com/article/123" 
  --download-images 
  --output-dir ./article
# 输出：./article/article.md + ./article/images/*.jpg

头条、微信等平台的图片 URL 包含签名，数小时后失效。下载到本地可避免此问题。

操作 3：只提取正文

场景：用户说"只要文章内容，不要标题作者等信息"

node scripts/run.js convert 
  --url "https://36kr.com/p/xxx" 
  --no-metadata

操作 4：批量处理多篇文章

场景：配合 bws 搜索结果批量提取

# 先搜索
bws site zhihu/search "大模型" --count 5 --jq '[.items[].url]'

# 再逐篇提取
for url in "${urls[@]}"; do
  node scripts/run.js convert --url "$url" --output "articles/$(echo $url | md5sum | cut -c1-8).md"
done

操作 5：自定义提取（去噪 / 指定区域）

场景：提取结果不准，用户要求去掉广告或指定正文区域

# 去掉广告和评论
node scripts/run.js convert 
  --url "https://example.com/article" 
  --noise ".ad,.sidebar,.comments"

# 指定内容区域
node scripts/run.js convert 
  --url "https://example.com/article" 
  --selector "article.main-content"

操作 6：调试失败页面

场景：抓取或提取失败，需要排查

node scripts/run.js convert 
  --url "https://example.com/article" 
  --verbose

常见原因与解决方案：

可选安装 Playwright 浏览器（动态页面支持）：

npx playwright install chromium

🎓 示例对话

用户：帮我把这篇虎嗅文章转成 Markdown，图片也要保存

node scripts/run.js convert 
  --url "https://www.huxiu.com/article/xxx.html" 
  --download-images 
  --output-dir ./huxiu-article

用户：搜索头条最新 3 篇关于 AI Agent 的文章，并获取每篇正文

# Step 1: 搜索
bws site toutiao/search "AI Agent" --count 3

# Step 2: 逐篇提取（对每个 url 执行）
node scripts/run.js convert --url "" --output "