划线3万条，回看0次：你的笔记正在书里吃灰

type

Post

status

Published

date

Sep 5, 2026

slug

/wrm

summary

category

工具箱

icon

password

ai_summary

读的时候句句戳心，读完以后一条也想不起来。

前几天刷到一个B站创作者的视频，他说自己读了200本书，在微信读书里划了3万多条笔记——平均每本书约150条划线——可这些笔记他一条都没导出过。这个数据我太熟了，因为我也是其中之一，甚至更糟。我的微信读书账号里躺着几千条划线，散落在几百本书里，绝大多数从划完那一刻起就再也没被翻出来过。

问题不是不爱读书，而是工具在偷懒。微信读书官方不支持直接导出笔记，划线想法被圈养在书页里，永远无法串联成一张知识版图。读了很多，却什么都没留下。

市面上能用的方案，我几乎都试过——官方导出是纯手工，逐本操作，格式原始得像草稿；浏览器插件（WeReader、糯词笔记、小悦记）本质是搬运工，把划线搬出来就不管了；官方Skill接AI（Claude Code授权读取）能生成画像、整理跨书划线，但光配置环境就能劝退八成用户；Obsidian社区的weread插件扫码同步确实方便，可它只解决了同步，不解决整理。

这些方案全是碎片化的，都在回答“怎么把笔记搬出来”，没人回答更关键的问题——“搬出来之后呢？”

所以我决定自己动手，做了WeReadMaster。一款本地优先的微信读书管理工具，把“同步—整理—生成成果—导出”做成完整闭环。

下面这六个设计，每一个都源于我踩过的坑。

设计一：本地优先，数据主权在你自己的硬盘里

很多笔记工具把数据放在云端，因为这样方便他们做“生态”。但我从一开始就决定，WeReadMaster不做在线服务——它通过微信读书官方API Key授权，把你的书架、划线、想法、阅读统计，全部同步到本地SQLite数据库。

我只认一个理：你的阅读数据，应该住在你自己的电脑里。

不是云端，不是某个随时可能调整策略的第三方服务器，是你自己硬盘上的一个文件。想备份就备份，想迁移就迁移，想怎么处理就怎么处理。

我也支持直接导入EPUB、TXT、Markdown文件，用内置阅读器继续读、继续划线。本地记录和微信读书的数据各自独立，互不污染——你在本地划的线，不会反过来干扰微信读书的统计，反之亦然。

两条线，清清楚楚。这不是技术洁癖，而是我刻意划清的边界。

设计二：管理一本书，不该只有一个“读完”

我观察自己很久，发现一个毛病：一本书读完，标记一下，翻篇，然后再也不管了。后来我把这个现象拆开来，意识到“管理一本书”其实有三个维度，缺一个都不完整。

第一个维度，候选关系。这本书你真的打算读吗？还是只是收藏了吃灰？很多人的书架里躺着几百本“想读”，一半以上根本不会翻开。你得先搞清楚这本书在你心里的真实位置。

第二个维度，阅读生命周期。想读、在读、读完、暂停、暂缓——一本书不该只有“读完”和“没读完”两种状态。有些书你读到一半发现时机不对，该暂停就暂停，这不丢人。

第三个维度，整理进度。笔记消化完了吗？划过的线，有没有变成你自己的话？

这三个维度叠在一起，才是一本书在你生命中的完整轨迹。

所以我在WeReadMaster里把书架、阅读状态、整理进度分开管理，就是因为——标记“读完”不等于“已整理”，这正是很多人读了也白读的根源。

设计三：AI只在你主动时工作，帮你把读过的书变成成果

我反感市面上那些打着AI旗号、把你所有笔记一股脑打包丢给大模型的工具——你的隐私边界在哪里，它不告诉你，它也不会告诉你。

所以在WeReadMaster里，AI只做一件事：你主动触发，它才处理对应的上下文。你不点，它绝不动你的数据。我把AI拆成了几个具体场景，每个都在回答一个问题——读完一本书，你能带走什么？

书籍复盘有两种模式。快速模式是抽样，适合你只是想快速回顾一本书的大概；完整模式基于不可变快照，分批归纳，保证每次复盘的结果可复现、不漂移。

本书阅读指南，相当于给这本书生成一份“怎么读”的地图——哪些章节值得精读，哪些可以略过，读完这本书你应该带走什么。

跨书阅读路线，会把候选书架里的书全部拉出来，帮你比较、排序，给出阅读顺序和取舍理由。以前我面对一堆想读的书，全靠心情决定下一本读什么，现在终于有了一个理性的参考。

选书决策更进一步——直接告诉你首选是哪本、备选是哪本、哪本建议暂缓，以及为什么。

周期复盘与报告图片，支持周报、月报、年报和总计，还能排版成海报卡片式的宽版图。读完一个季度，生成一张图，看看自己这段时间到底读了什么、想了什么、收获了什么——这种成就感，刷短视频给不了。

AI在这里的角色不是替你思考，而是把你散落的划线、想法、笔记，整理成有结构的东西。它做的是“整理”和“归纳”的苦力活，把“想”这件事留给你自己。这个边界，是我反复调试后刻意保留下来的。

设计四：用大白话找回你划过的每一句话

笔记攒多了，最大的问题不是没记，而是找不到。以前我想找一条关于“宽恕”的笔记，得翻半天，翻到最后往往放弃了——反正也记不清是在哪本书里划的。

所以我用Embedding技术给每条笔记建了语义索引，也就是语义搜索。向量模型支持OpenAI兼容接口，也可以选本机Ollama(本地跑向量模型)——选后者，数据全程不出你的电脑。

然后你就可以用大白话提问了，不是输入精确的关键词，就是像跟人说话一样问：“找出与宽恕有关的笔记。”

它会把所有语义相关的笔记捞出来给你，哪怕那条笔记里根本没有“宽恕”这两个字，只要意思相关，它就能找到。

这才是搜索该有的样子——它理解你在问什么，而不是机械地匹配字符。

设计五：一键导出，笔记能自由流动

我始终觉得，笔记存在工具里不算你的，能导出来才算你的。所以我把导出做成了一等公民——支持Markdown、Obsidian、Notion、IMA。

先说Obsidian，零API Key，直接写入你的Vault，默认目录是wxreadmaster/书籍笔记/，封面自动下载成本地附件。打开Obsidian就能看到整整齐齐的笔记库，那种清爽感，用过的人懂。

Notion更灵活，可以连接你已有的数据库做字段映射，也可以一键新建一个标准的阅读成果库，省去手动搭建的功夫。

批量导出时，我带上了缓存预检，按“书籍×目标”逐项显示成功、失败、跳过。哪一本失败了，单独重试那一项就行，不会因为一本书失败，就让你从头再来一遍。这个细节，只有被批量导出坑过的人才知道有多重要。

设计六：本地备份，不玩黑盒

数据这东西，平时觉得无所谓，丢一次就懂了。所以我做了SQLite的一键备份与恢复，并且明确告诉你备份里包含什么、不包含什么——不玩黑盒，不藏着掖着。

你的阅读数据，从同步到备份，全程都在自己手里。这是我对“数据主权”理念收的尾。

五分钟上手，从下载到第一份成果

说了这么多，上手到底难不难？不难，五步，最多一杯咖啡的工夫。

第一步：去GitHub Releases下载Windows安装包或Android APK。

第二步：打开设置，填入微信读书API Key，完成同步。书架、划线、想法，全部到本地。

第三步：配置AI Provider。

第四步：挑一本你划线最多的书，生成一份快速复盘。

第五步：导出Markdown，看看你的成果。

没了。从安装到第一份成果，最多一杯咖啡的工夫。

写在最后

我做这个工具，不是要替你读书。

AI再聪明，也替不了你面对一句话时心里那一下“咯噔”的触动；替不了你在空白处写下“我为什么认同这句话”的那个瞬间。笔记要变成自己的东西，靠的不是工具，是你在划线下自己补的那句话。

我做WeReadMaster，只是把“划线—整理—复盘—决策下一本”这条链路上那些机械的、重复的、劝退人的环节自动化，让你只专注两件事：

真正地读，和真正地想。

如果你也受够了“读了也白读”的感觉，欢迎来试试，也欢迎把问题反馈给我。

详细用户指南请点这里：用户指南

直达GitHub项目主页：https://github.com/RHZHZ/wereadmaster