前言¶
网文读者和做内容推荐的开发者，常见痛点是「每天手动刷三江榜、再挑几本能讲的」——重复劳动多，同一套书反复推也容易腻。自己写爬虫要维护数据源、去重和展示格式；只在对话里让模型「随便推荐几本」又缺少榜单结构和可复现流程。
下面介绍 SkillHub 社区技能「每日潜力网文新书推荐-SBTI版！」（坐标 @user_358eea8b/qidiandayrec）。它把起点三江新书与万订/十万均订经典两条链路写进通用 SKILL.md，由 Agent 按文档调用 Python 脚本抓取、缓存、去重，并可按内置 SBTI 人格标签筛书。页面标注作者为「毛毛雨」，分类为 life-service，来源为 community，标签 requires_api_key=false，当前版本 1.0.4（以 SkillHub 页面为准）。
这是什么¶
一句话定位：面向 Agent 的起点网文推荐技能，从三江榜挑潜力新书，或从万订/十万均订经典库挑神作，并支持按 SBTI 性格筛选。
维护与分发：社区发布者 user_358eea8b，在 SkillHub 上架；安装与升级走 SkillHub CLI，无需 API Key。
核心功能¶
以下能力均来自该 Skill 的 SKILL.md 与脚本说明，分为两条模式。
三江榜新书推荐¶
- 从起点中文网三江榜单中精选书籍（默认每次 3 本），附带 SBTI 人格鉴定与推荐理由。
- 内置去重：历史记录在
scripts/.sanjiang_history.json，默认排除上一轮已推荐的书；候选随机打乱并兼顾分类多样性。 - 支持
--sbti：可按代号（如MALO）、中文人格名或用户口语描述筛选；可用--list-sbti查看全部人格类型。 - 数据经起点图（qidiantu.com）公开页面获取；同一天全量抓取一次后写入
.cache/sanjiang_YYYY-MM-DD.json，后续读缓存，减轻源站压力。 - 输出中的起点链接须使用脚本返回的
qidian_url（含_trace=qidiandayrec_skill），不得自行拼接简化。
经典网文推荐（万订 / 十万均订）¶
- 从预置经典库（
data/preset_classics.json，文档写明内置 134 本）及在线增量数据中推荐，可附 IP 衍生品与海外出圈信息字段。 - 支持
--tier 100k/--tier 10k分层筛选；同样支持--sbti。 - 日常维护可用
--check-update做增量检查；--import-excel可导入用户从起点图渠道获取的万订 Excel 以扩大书库。 - 触发意图与三江模式分离：例如「三江榜」「每日推书」走三江脚本；「万订」「经典网文」「神作」走
classic_picker.py。
Agent 侧行为¶
- 调用脚本前按文档做 Python 3.6+ 环境检测；
beautifulsoup4、lxml可由脚本首次运行自动安装。 - 文档列出多种自然语言触发词（书荒、SBTI 推书、三江推荐等），便于在 Cursor、Claude Code 等客户端里由模型自动选用本 Skill。
安装与启用¶
1. 安装 SkillHub CLI（若尚未安装）¶
command -v skillhub && skillhub --version
未安装时可执行官方一键脚本（完整安装含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅 CLI：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2. 安装本 Skill 到当前 Agent 的 skills 目录¶
安装时必须用 --dir 指向当前客户端识别的 skills 路径，否则默认落在 ./skills/ 可能不被加载。官方文档给出的常见路径：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下.agents/skills/
安装命令（坐标以 SkillHub 页面提示为准）：
skillhub install @user_358eea8b/qidiandayrec --dir ~/.cursor/skills/
将 ~/.cursor/skills/ 换成你实际使用的 Agent 目录。也可按页面说明，让 AI 阅读 https://skillhub.cn/install/skillhub.md 后执行同等安装。
安装完成后重启或刷新 Agent，使新 Skill 生效。
典型用法¶
在 Skill 根目录下，由 Agent 先完成 Step 0 环境预检，再执行脚本。以下为文档中的可复现示例。
三江模式：默认三本（JSON 便于保留完整链接）¶
python3 scripts/sanjiang_picker.py --count 3 --output json
Agent 从 JSON 中读取每本书的 qidian_url 生成 Markdown 报告。
三江模式：按性格 / SBTI 筛选¶
用户说「我比较躺平」时，可直接把原话传给参数：
python3 scripts/sanjiang_picker.py --sbti 躺平 --output json
经典模式：默认推荐¶
python3 scripts/classic_picker.py --count 3 --output json
仅十万均订层级：
python3 scripts/classic_picker.py --tier 100k --output json
环境与依赖自检¶
python3 scripts/sanjiang_picker.py --setup
适用场景与注意¶
适合谁
- 每天在 Agent 里做「书单」「推书」栏目，希望流程固定、可脚本复现的编辑或开发者。
- 读者希望按性格标签缩小范围，同时仍基于公开榜单数据而非纯模型幻觉。
- 需要在对话中切换「追三江新书」与「补经典万订/十万均订」两种意图的团队。
限制与注意
- 依赖本机 Python 与对 qidiantu.com、起点跳转链路的网络访问；全量抓取三江详情时文档说明约 30–60 秒，且单本间隔约 1.5 秒。
- 三江榜更新节奏以起点规则为准（文档提到多周五更新）；起点图相对官网可能延迟 1–2 天。
- 推荐链接上的
_trace=qidiandayrec_skill为来源追踪，展示时必须保留。 - SkillHub 统计（以预抓取资料为准）：评分 100000，下载 619，安装 20；上架信息以 https://www.skillhub.cn/skills/user_358eea8b/qidiandayrec 实时页面为准。
结尾¶
「每日潜力网文新书推荐-SBTI版！」把三江新书、经典分层、SBTI 筛选、缓存去重和链接规范写进一套 Agent 可执行流程，适合作为书荒场景下的固定 Skill，而不是每次临时 prompt。
- SkillHub 页面：https://www.skillhub.cn/skills/user_358eea8b/qidiandayrec
- 官方坐标链接：https://api.skillhub.cn/user_358eea8b/qidiandayrec
