微信公众号接入（附加）¶

本指南介绍如何把微信公众号文章作为可选附加项接入 sembr。微信没有官方的订阅 API，因此本方案依赖一个 自托管的第三方桥（wechat2rss）把公众号文章转成全文 RSS，sembr 再用既有的 RSS 能力消费它 —— 不改 sembr 代码、不新增 source type。

可选、第三方、风险自负

sembr 不捆绑、不分发、不背书这个桥 —— 由你自行部署和运维。
wechat2rss 自托管需要付费授权，并需要你自备一个专用微信号（用小号，别用主力号 —— 封号风险真实存在，须自行承担）。
是否合规使用，由你按所在地的微信服务条款自行判断。
没有官方 API，这是社区 workaround，可用性取决于上游桥。

为什么要用桥？

微信生态是封闭的 —— 没有公开、官方的方式去订阅任意公众号。桥用一个真实微信号登录，把已关注的公众号重新发布成 RSS。一旦变成 RSS，sembr 就把它当成普通 RSS feed 处理（去重、全文提取、embedding、intent 匹配、digest）。

TL;DR（6 步清单）¶

购买 wechat2rss 自托管授权。
部署 wechat2rss 容器（docker compose up -d）。
打开它的管理界面，用专用微信号扫码登录。
订阅你要的公众号（每个号贴一篇文章链接），复制各自的 feed URL。
把 wechat2rss 和 sembr 接到同一个 Docker 网络，让 sembr 按容器名访问它。
在 sembr 里新建一条 rss feed，指向桥的 URL。

下面逐步说明。

1. 前置条件¶

一个运行中的 sembr 部署（Docker Compose）。
一份 wechat2rss 自托管授权 —— 见 wechat2rss.xlab.app（卖的是软件授权，不含在线服务）。
一个专用、非主力的微信号作为桥的取数源。它的登录态会定期过期（数天量级）需重新扫码，请提前规划。
与 sembr 同一台主机上的 Docker + Docker Compose（网络最简单）。

2. 部署 wechat2rss¶

新建 ~/wechat2rss/docker-compose.yml：

services:
  wechat2rss:
    container_name: wechat2rss
    image: "ttttmr/wechat2rss:latest"
    env_file:
      - .env
    volumes:
      - ./data:/wechat2rss          # 持久化登录态、设置、文章缓存
    ports:
      - "8080:8080"                 # 管理界面 + feeds；若只用隧道访问可绑 127.0.0.1:8080
    networks:
      - wechat2rss-net              # 共享网络，让 sembr 按名字访问（见 §3）
    deploy:
      restart_policy:
        condition: on-failure
        max_attempts: 3
        window: 10s
    logging:
      driver: "json-file"
      options:
        max-size: "100m"
networks:
  wechat2rss-net:
    external: true                  # 在 §3 创建

新建 ~/wechat2rss/.env（chmod 600，切勿提交）：

LIC_EMAIL=<授权邮箱>
LIC_CODE=<激活码>
RSS_HOST=<host:8080>        # 仅影响 UI 里展示的订阅链接
# 可选：重登 / 健康告警（任选其一）。不配的话，桥的登录态过期时会静默失败，你的公众号 feed 会悄悄停更：
# BOT_SERVER_KEY=<server酱 key>
# BOT_TG_TOKEN=<telegram bot token>   BOT_TG_ADMIN_UID=<你的 uid>
# BOT_WEBHOOK_URL=<webhook>           BOT_BARK_URL=<bark url>

启动并确认授权校验通过：

cd ~/wechat2rss && docker compose up -d
docker compose logs --tail=50            # 看授权的 "Expire" 行，以及管理界面 "Token"

登录态会过期，请配告警

绑定的微信登录态每隔数天过期、需要重新扫码。配置上面任一 BOT_* 渠道，让桥在需要重登时主动通知你，而不是悄悄变陈旧。（sembr 的 Feeds 页也会显示对应 feed 掉到 0，但那是滞后信号。）

绑号并订阅¶

访问管理界面。若端口绑在 127.0.0.1，先开隧道：ssh -L 8080:localhost:8080 <host>，再打开 http://localhost:8080，输入启动日志里的管理 Token。
微信账号 → 添加账号 → 用专用微信号扫码，按页面提示完成异地登录验证。
订阅：把每个目标公众号的任一篇文章链接（https://mp.weixin.qq.com/s/...）贴进去。成功后 UI 会显示该号的 feed 地址，形如 http://<RSS_HOST>/feed/<biz_id>.xml。

3. 把桥接到 sembr（生产级写法）¶

sembr 的 API 跑在容器里，必须通过共享 Docker 网络按容器名访问 wechat2rss —— 不要用 host.docker.internal，它只在 Docker Desktop 上存在，无法移植到 Linux Docker Engine。

创建一个 external 网络，两个 stack 都接上去（上面的 wechat2rss compose 已声明它）：

docker network create wechat2rss-net

sembr 的 docker-compose.yml 在仓库里、会被 git pull 覆盖，所以别直接改它。在它旁边加一个本地的 docker-compose.override.yml —— Docker Compose 会自动合并：

# docker-compose.override.yml —— 本地附加层；不要纳入 git。
services:
  api:
    networks:
      - default            # 必须保留 default，否则 API 断开 qdrant / rsshub
      - wechat2rss-net
networks:
  wechat2rss-net:
    external: true

让它保持未跟踪，这样 git pull 不会冲掉：

grep -qxF docker-compose.override.yml .git/info/exclude || echo docker-compose.override.yml >> .git/info/exclude
docker compose up -d          # 在共享网络上重建 api 容器

验证 API 容器能按名字访问到桥：

docker exec sembr-api python -c \
  "import urllib.request as u; print(u.urlopen('http://wechat2rss:8080/feed/<biz_id>.xml', timeout=10).status)"
# 200

4. 在 sembr 里新建 feed¶

公众号 feed 就是一条 RSS feed —— 无需新 source type。URL 用桥的容器名地址。从 dashboard 的 Feeds 页加，或用 API：

curl -X POST http://127.0.0.1:8000/feeds \
  -H "X-Dashboard-Token: <DASHBOARD_TOKEN>" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "<公众号名>",
    "url": "http://wechat2rss:8080/feed/<biz_id>.xml",
    "source_type": "rss",
    "poll_interval_minutes": 120,
    "tags": ["wechat"]
  }'

sembr 的 RSS 采集器会自动提取全文并去除 HTML 标签（公众号 feed 与其它 RSS 源一视同仁），无需额外清洗。给这些 feed 打标签（"tags": ["wechat"]）便于批量管理。

5. 注意事项与限制¶

双层轮询。 sembr 的 poll_interval_minutes 控制 sembr 多久去拉桥的 RSS 端点（读本地缓存，很轻），它不决定新鲜度：新文章多快出现，取决于桥自身的爬取节奏（通常数小时、上限约 24h）。比这更勤地轮询 sembr 只会重复拉到同一份缓存（被去重丢弃）。sembr 侧 60–120 分钟比较合理。
长文 embedding 会截断。 sembr 为控制 embedder token 预算，对 embedding 输入截断（约 8000 字符）。很长的公众号研报只会用开头部分做 embedding；全文仍会存储。
图片型文章正文很薄。 "一图读懂" / 海报类文章内容在图里，能抽出的文字很少，语义匹配质量自然差 —— 这是内容形态限制，不是 bug。
LAN 访问的取舍。 把管理界面绑到 0.0.0.0:8080 可让局域网内任意设备访问（重登方便）；管理界面有 token 守门，但 feed URL 在 LAN 内可读。想更私密就绑 127.0.0.1 走隧道。
授权续期。 wechat2rss 授权到期后桥会停，公众号 feed 随之静默停更 —— 到期前记得设提醒。

→ 把 sembr 挂在公网 IP 上？硬化清单见 Public server。 → 刚接触 sembr 的 feed？先看快速上手。