闲社服务运行正常AI智能体自动化平台
q

起点阅读器

技能标识:qidian-reader

起点中文网好书推荐与榜单查询。Use when the user wants to find good novels on Qidian (起点中文网), browse rankings by genre or category, get personalized book recommendations, or discover trending/completed novels. Real-time ranking access should be done through openclaw browser automation rather than curl because Qidian uses anti-bot protection and dynamic rendering.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.1.0
检测标记
后台标记通过
免费
免费获取
1
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

起点阅读器

起点好书推荐 Qidian Reader

通过 openclaw 的浏览器自动化能力访问起点中文网榜单页,等待页面真实渲染完成后提取书单数据,再结合用户偏好做推荐。

不要把 curl 作为主路径。起点存在反爬和动态渲染,默认必须使用 openclaw 浏览器自动化;如果仍然被风控,就要明确降级,而不是假装拿到了实时榜单。

榜单 URL 完整列表 → references/urls.md
分类与标签说明 → references/categories.md

触发时机

  • - 帮我找几本好看的玄幻小说
  • 起点现在什么书最火
  • 推荐几本完结的都市爽文
  • 我喜欢《诡秘之主》这种风格,有类似的吗
  • 最近有什么新书值得看
  • 帮我找几本适合睡前看的轻松小说

Step 1:理解用户需求

从用户描述中提取以下维度:

text
题材偏好:玄幻/仙侠/都市/历史/科幻/悬疑/军事/游戏/轻小说
→ 未指定则抓全部分类榜单

完结状态:连载中 / 已完结 / 不限
→ 完结优先抓完本榜,连载抓主榜单

参考作品:用户提到的喜欢的书
→ 提取该书的核心标签,作为推荐依据

字数偏好:短篇(<100万字) / 中篇(100-300万) / 长篇(>300万)
→ 从抓取数据的字数字段筛选

其他要求:免费/VIP、男频/女频、新书/老书



Step 2:选择榜单并通过 openclaw 浏览器自动化抓取

根据用户需求选择对应榜单,见 references/urls.md。

抓取原则

text

  1. 1. 必须调用 openclaw 的真实浏览器上下文,不要只请求静态 HTML。
  2. 等待榜单列表、书名、作者等关键节点渲染完成后再提取。
  3. 优先执行页面内 DOM 提取,不要依赖整页 HTML 正则。
  4. 单次任务控制访问频率,避免连续高频打开多个榜单页。
  5. 如果页面出现验证、跳转或空白榜单,明确告知用户实时榜单暂时不可稳定获取,并降级为基于用户口味和已知热门书的推荐。

推荐执行方式

优先使用 openclaw 提供的浏览器自动化能力。推荐流程:

text
打开目标榜单 URL
→ 等待 networkidle 或榜单主容器出现
→ 检查是否进入反爬/验证页
→ 在页面上下文内 querySelectorAll 提取书名、作者、分类、字数、简介、链接
→ 结果去重、清洗、结构化
→ 进入推荐逻辑

必要时:
→ 放慢节奏
→ 只抓 1-2 个榜单
→ 保留截图或页面标题用于诊断

自动化抓取失败处理

text
页面标题、DOM、截图显示验证页/风控页
→ 不要继续硬刷
→ 终止本轮抓取
→ 告知用户当前实时数据不可稳定获取
→ 切换到基于用户口味 + 经典热门书 + 已知榜单记忆的降级推荐

页面打开成功但内容为空或节点缺失
→ 等待3-5秒后重试一次
→ 仍失败则只保留当前已成功抓到的榜单结果

浏览器环境不可用
→ 明确说明该 skill 依赖浏览器自动化
→ 不要伪装成实时抓取成功



Step 3:解析提取书目信息

从浏览器已渲染的 DOM 中提取以下字段:

text
书名 →

或 class 含 book-name 的元素
作者 → class 含 author 的元素
分类 → class 含 tag 或 type 的元素
字数 → 含 万字 的文本节点
连载状态 → 连载 / 完本
简介 → class 含 intro 或 desc 的元素
月票数 → 榜单排名旁的数字(月票榜专有)
链接 → 书籍详情页 URL

提取后转为结构化列表,每本书保留:书名、作者、分类、字数、状态、简介摘要、链接。



Step 4:智能筛选与推荐

基于抓取数据 + 用户需求,进行以下处理:

按用户偏好筛选:

text
字数筛选:用户要短篇 → 过滤掉 >150万字的书
完结筛选:用户要完结 → 只保留完本标记的书
分类筛选:已在抓取时通过 chn 参数处理

参考书匹配推荐:

text
用户说类似《诡秘之主》:
→ 《诡秘之主》标签:西方奇幻、克苏鲁、悬疑、硬核世界观
→ 在抓取结果中优先推荐:奇幻分类 + 悬疑元素 + 大字数
→ 同时补充大模型知识:风格相近的经典作品

多榜单交叉验证:

text
同一本书在月票榜 + 畅销榜 + 阅读榜都排名靠前
→ 标记为多榜推荐,权重最高

抓取降级时的推荐策略:

text
如果实时榜单抓取失败:
→ 明确标注以下推荐不代表当前实时榜单,仅基于已知热门作品和你的口味偏好
→ 优先给出高确定性的经典作品、完本精品、同风格代表作



Step 5:格式化输出

text
📚 起点好书推荐
━━━━━━━━━━━━━━━━━━━━
数据来源:起点中文网榜单页 / 降级推荐
采集方式:openclaw 浏览器自动化渲染后提取
筛选条件:玄幻 · 连载中 · 不限字数

🏆 强烈推荐(多榜上榜)

  1. 1. 《书名》— 作者名
📖 玄幻 | 🔄 连载中 | 📝 320万字 💡 简介摘要(50字以内) ⭐ 月票榜 #2 · 畅销榜 #1
  1. 2. 《书名》— 作者名
...

✨ 也值得看

3-5. ...(次推荐,上了一个榜单)

🎯 根据你的口味特别推荐

(结合用户提到的参考书,补充1-2本风格相近的经典完结作品,
来自模型知识或稳定书库,标注经典推荐以区分实时榜单数据)

━━━━━━━━━━━━━━━━━━━━
🔗 查看完整榜单:https://www.qidian.com/rank/

如果用了降级结果,必须明确标注:

text
本次未能稳定获取实时榜单,以下为基于你的口味偏好和已知热门作品给出的替代推荐。



多轮对话支持

用户对推荐结果有进一步要求时:

text
有没有完结的 → 优先抓完本榜;抓不到则推荐已知完本精品
字数少一点的 → 筛选 <150万字
有没有免费的 → 优先抓免费榜
第一本讲什么的 → 展开该书的详细简介
还有其他类似的吗 → 扩展同分类推荐



注意事项

  • - 该 skill 的实时数据获取默认依赖 openclaw 浏览器自动化,不依赖裸 curl
  • 若触发反爬或验证页,应立即降级,不要伪造实时榜单结果
  • 起点榜单数据每天更新,抓取成功时结果反映当前实时排名
  • 部分内容为 VIP 付费章节,免费读者只能看前几章
  • 女频内容在女生网(nvsheng.qidian.com),与主站榜单分开
  • 如抓取失败,可引导用户直接访问 https://www.qidian.com/rank/

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 qidian-reader-1776115994 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 qidian-reader-1776115994 技能

通过命令行安装

skillhub install qidian-reader-1776115994

下载

⬇ 下载 qidian-reader v1.1.0(免费)

文件大小: 6.59 KB | 发布时间: 2026-4-14 12:48

v1.1.0 最新 2026-4-14 12:48
- Major change: Data fetching now requires browser automation (openclaw) for real-time Qidian rankings instead of curl, due to anti-bot protection and dynamic rendering.
- Updated requirements to include google-chrome, chromium, node, and npx for browser automation.
- Added detailed steps for browser-based data extraction, including DOM parsing and handling anti-bot verification.
- Introduced explicit downgrade handling when real-time rankings cannot be reliably fetched.
- Clarified that only openclaw browser automation should be used; curl is no longer the main method.
- Output and error messages now clearly distinguish between real-time and fallback (classic/hot) recommendations.
返回顶部