给 RAG 系统与 AI Agent 接入微信公众号数据：从文章链接到可编程数据源

做中文知识库或 Agent 应用的开发者，迟早会遇到同一个数据源问题：很多高质量的一手内容——行业深度分析、公司官方动态、垂直领域的专业输出——只发布在微信公众号上，不进搜索引擎索引，也没有开放的订阅或抓取接口。

想把这些内容接入 RAG 的向量库，或者让 Agent 在回答问题时能引用最新一篇公众号文章，通常只有两条路：自己写爬虫应对公众号的反爬与页面结构变化，或者干脆放弃这部分数据源，接受知识库里缺一块中文一手资料。前者的维护成本会持续吃掉团队时间——页面结构一变、登录态一过期，抓取脚本就得重新调；后者则意味着检索结果始终缺一角。

问题的核心不是「技术上能不能抓」，而是抓取、解析、去重、增量更新这一整套流程，本不该是每个做 RAG 的团队都要重复造一遍的轮子。

把公众号变成标准化的数据接口

Mp2RSS 把公众号文章处理成一个可编程的数据源：贴入任意一篇文章的链接（形如 https://mp.weixin.qq.com/s?...），即可订阅该文章所属的整个公众号；此后该号新发布的文章会被持续收录，正文以 Markdown 形式交付，从发文到数据可见平均 2–3 小时。登录使用 GitHub / Google 账号，不需要绑定微信。

对接入 RAG 或 Agent 管道来说，关键的是交付形态足够标准：RSS 2.0 / Atom 1.0 / JSON Feed 1.1 / OPML 2.0 之外，还提供 Open API（JSON 格式，Bearer 鉴权）、CLI 工具（mp2rss）以及 AI Agent Skill，可以按团队现有技术栈选最省事的一种接入方式，不必为了这一个数据源单独搭一套抓取基础设施。

三种接入方式，按场景选

方式一：Open API，直接进管道

如果知识库已经有自己的增量抓取 / embedding 流水线，Open API 是最直接的接法。订阅一个公众号：

curl -X POST "https://mp2rss.bugcode.dev/open-api/subscriptions" \
  -H "Authorization: Bearer {feed_key}" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://mp.weixin.qq.com/s?__biz=..."}'

定时拉取该号的文章列表，正文以 Markdown 字段返回，可以直接送入分块（chunking）与向量化环节：

curl "https://mp2rss.bugcode.dev/open-api/subscriptions/{mpId}/articles" \
  -H "Authorization: Bearer {feed_key}"

完整的接口字段与鉴权方式见 Open API 文档。因为正文已经是干净的 Markdown（不含公众号页面的样式、广告位、图片懒加载占位符等噪声），可以省掉一轮 HTML 清洗，直接进 chunking 逻辑。

方式二：CLI，脚本化接入更快

不想直接调 REST 接口，或者想在本地脚本 / CI 任务里快速拉取，可以用命令行工具 mp2rss。安装与登录方式见 CLI 文档，拉取到的文章同样是结构化数据，适合接到定时任务里做增量同步，再喂给本地的 embedding 流程。

方式三：AI Agent Skill，让 Agent 直接查

如果场景是让一个 Agent 在对话中按需检索「某公众号最近发了什么」「某篇文章讲了什么」，不需要预先把全部内容灌入向量库，可以直接用 Mp2RSS 提供的 AI Agent Skill，让 Agent 在需要时实时查询公众号数据，而不是维护一份可能过期的本地副本。这对时效敏感的问题（例如「这个号今天发文了吗」）比预先索引更合适。

一个典型的知识库接入流程

以行业研报号为例，接入流程大致如下：

1. 建立订阅清单：找到目标公众号任意一篇文章的链接，在控制台或用 Open API 完成订阅，操作细节见订阅管理指引；
2. 首次全量导入：注意首次订阅不会回溯历史文章，只从订阅时刻起收录新文章——如果需要历史资料打底，建议提前规划订阅时间，或先用其他渠道补齐历史数据；
3. 增量同步：用定时任务（cron、n8n、Zapier 等）定期调用文章列表接口，按发布时间做增量拉取，避免重复入库；
4. 分块与向量化：正文已是 Markdown，可按标题层级或段落做语义分块，再送入 embedding 模型；
5. 入库与检索：向量写入检索引擎后，Agent 在回答涉及该领域的问题时即可召回对应文章片段，并可附上原文链接供用户溯源。

对于需要跨语言处理的团队——比如把国内行业动态转成英文简报给海外团队看——同样可以把这条管道的输出送入翻译环节，因为下游拿到的始终是结构化文本，而不是需要先解析的网页。

常见问题

支持哪些数据交付格式？ RSS 2.0、Atom 1.0、JSON Feed 1.1、OPML 2.0，以及 Open API（JSON，Bearer 鉴权）、CLI 工具与 AI Agent Skill，文章正文均以 Markdown 提供，方便直接进入文本处理流程。

首次订阅能拿到历史文章吗？ 不能。首次订阅不回溯历史文章，从订阅时刻起持续收录该号后续发布的新文章，规划知识库导入时间时需要考虑这一点。

从公众号发文到能在接口里查到，大概要多久？ 平均 2–3 小时。这个时延对大多数知识库更新场景是足够的，如果场景需要更强的实时查询能力，可以用 AI Agent Skill 让 Agent 按需查询而非依赖预建索引。

除了微信公众号，还能作为其他信息源接入吗？ 支持订阅 X（Twitter）账号，交付形态与公众号一致，可以并入同一套抓取与入库管道，不需要为不同信源分别维护逻辑。

订阅数量有限制吗？ 按套餐档位区分：49 元/月 50 个订阅、99 元/月 100 个、399 元/月 400 个，功能一致仅订阅上限不同，具体见会员与计费。

---

想快速上手，可以从快速开始开始，几分钟内完成第一次订阅；也可以直接访问 Mp2RSS 产品主站，贴一篇公众号文章链接试试效果。