作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

微信讀書最近上線了一個官方 Skill。

過去兩年，我們已經見過太多類 AI 產品形態，搜索框里加一個 AI，客服入口旁邊放一個助手，內容頁底部接一個總結按鈕。

AI 似乎已經變成一種標準配置，一個產品如果不宣布自己接入了 AI，反而顯得不夠完整。

所以一開始看到微信讀書這個 Skill，并沒有太大期待。

但用完之后，我反而覺得它和許多“給產品加一個 AI 入口”的嘗試不太一樣。

它的重點不只是讓你更快找到一本書，也不只是讓 AI 替你概括一本書的內容。真正有意思的是，微信讀書把一個人長期閱讀過程中留下的私人痕跡，變成了 AI 可以理解和調用的上下文。

你的書架、閱讀進度、閱讀統計、劃線、想法、書評，不再只是分散在 App 各處的功能模塊，而開始變成一份關于你自己的閱讀檔案。

這件事的微妙之處在于，那些數據本來就在那里。

你讀到一半停下的書，你反復劃線的段落，你某一年突然密集閱讀的主題，你在深夜寫下的一條想法，它們從來沒有消失。只是過去，它們更多像是被封存在角落里的記錄。你知道它們存在，但很少真的回頭整理，也很難從中看出一條更長的線索。

現在，AI 給了這些痕跡一次被重新調動的機會。

你可以不再只問“這本書講了什么”，而是開始問：過去一年，我到底在讀什么？

我是不是一直在圍繞同一個困惑打轉，只是自己從來沒有意識到？

1

實測微信讀書 Skill

微信讀書 Skill 安裝很方便，用戶進入網站（https://weread.qq.com/r/weread-skills），把安裝指令和 Key 告訴正在用的 Agent。

具體來看，微信讀書 Skill 提供的能力并不復雜，基本圍繞一個讀書 App 最核心的幾類數據展開。

它可以搜索書籍，查看一本書的詳情、目錄和閱讀進度。也可以讀取你的書架，知道你收藏了哪些書、哪些還在讀、哪些已經讀完。

它能調用閱讀統計和筆記劃線，比如這個月讀了多久，今年讀了幾本書，在哪些書里留下了劃線、想法和書簽。還能查看一本書或某個章節的熱門劃線，看看其他讀者普遍在哪些地方停下來，也能讀取公開書評，或者根據你的閱讀記錄做個性化推薦。

比如可以讓微信讀書 Skill 把所有的劃線句子導出來。

當然，都用上 AI 了，自然要把大模型的生成能力應用起來，而不是當成單純的 API。

接下來，用幾個具體場景試一下，當微信讀書里的閱讀數據真的被 AI 調動起來，它到底能幫用戶做什么。

1

場景一：問問自己到底在讀什么

prompts：我最近真正投入的是哪些書？哪些只是收藏？我的閱讀興趣有沒有變化？

利用微信讀書 skill 可以觀察自己近幾年的讀書口味有沒有變化，也許能從側面反應你的工作、心態等。比如微信讀書 skill 就識別到 25 年我比較偏好推理小說，到了 26 年會閱讀更多心理學的書籍。

因為是用 Agent，所以可以同時調用其他的一些技能，對結果進行優化，比如用圖表進行閱讀偏好可視化。每個月做一次閱讀總結，理解自己。

1

場景二：跨書整理一個主題

prompts：把我在不同書里關于 AI、組織、財富、教育、寫作的劃線都找出來，拼成一份個人主題筆記。

我們閱讀的時候，經常不是一本書讀完就結束，而是在很多書里反復遇到同一個問題。比如你可能在管理學書里看到組織協作，在 AI 創業書里看到組織效率，在心理學書里看到個體動機。

微信讀書 skill 可以把這些散落在不同書里的劃線、想法、書評重新撈出來。Agent 不只是幫你“導出筆記：，而是把你過去幾年反復關注的問題重新拼起來，變成一份真正屬于自己的主題知識庫。

由于文檔太長了，我們就簡單看一下各個主題引用，以及生成的小短文。

prompts：從我的劃線里提煉 10 個可以繼續寫作的選題。

同時用戶也可以用微信讀書的劃線數據，去策劃一些新的選題內容，很適合讀書博主。

1

場景三：找下一本真正會讀的書

prompts：根據完讀率高、筆記多、最近投入時間長的書，推薦下一本更可能讀下去的書。

很多時候，我們收藏的書和真正讀下去的書不是一回事。書架里可能有很多“我覺得自己應該讀”的書，但真正打開、劃線、讀完的，才反映了你當前真實的興趣和狀態。

微信讀書 skill 可以結合書架、閱讀進度、筆記數量、閱讀時長這些數據，幫你判斷：你不是缺書，而是需要找到下一本更符合當下狀態的書。

1

場景四：看新聞推薦書

prompts：最近豆包收費新聞很火，有沒有可以解釋這次事件的書？

新聞每天都很多，但真正有價值的不是追熱點，而是借熱點重新理解一個長期問題。比如豆包收費這類新聞，背后可能不只是一個產品開始變現，而是 AI 應用商業模式、用戶付費心理、平臺競爭和大模型成本結構的集中體現。

這時候你就可以調用 Skill，讓其推薦書。

然而，微信讀書 Skill 無法做到把推薦的書直接加入書架，有點可惜。

它開放了讀取，卻沒有開放寫入。AI 可以幫你找到下一本該讀的書，卻不能直接把它放進書架，可以幫你整理劃線筆記，卻不能把整理后的主題筆記寫回你的微信讀書賬戶。用戶和 AI 的交互發生在 Skill 軟件外面，數據流是單向的。

1

傳統軟件的第三條路

過去十幾年，傳統軟件記錄了我們越來越多的行為數據：聽過什么歌、練過什么、買過什么、讀過什么、劃過哪些句子。

但這些數據從一開始就不是為用戶準備的，它們更多被用來優化推薦、提高留存、刺激點擊。用戶想重新理解自己，反而要翻頁面、導表格、復制粘貼，平臺并沒有把解釋權交出來。

AI 時代讓這件事出現轉機。AI 原生應用正在用自然語言交互和上下文調用吃掉傳統軟件的地盤。傳統軟件如果只是加一個 AI 搜索框、塞一個 AI 助手，很難真正反擊。它們最有價值的資產，其實是過去十幾年沉淀下來的用戶行為數據。

把這些數據開放給用戶自己的 AI 調用，并不等于削弱平臺。相反，當用戶能用 AI 回看自己過去一年把時間花在哪里、哪些習慣堅持了下來、哪些興趣發生了變化，平臺就不再只是工具，而會變成數字生活的“記憶中樞”。

鎖死數據只能換來被動停留，開放數據反而可能換來主動依賴。

微信讀書最近推出的官方 Skill，走的就是這條路。它沒有停留在 AI 搜書、AI 問書這些表層功能，而是把書架、閱讀進度、閱讀統計、劃線、想法、書評、熱門劃線和推薦等閱讀行為，以自然語言可調用的方式交還給用戶。過去散落在 App 各個頁面里的數據，現在可以被重新調動、交叉和追問。

從這個角度看，傳統軟件擁抱 AI 有三條路，第一是功能 AI 化，在產品里加入口，最容易同質化，

第二是內容 AI 化，把內容庫開放給 AI，但也會成為其他產品的數據庫。第三是用戶數據 AI 化，把只有平臺才擁有的個人行為數據，開放給用戶自己的 AI。微信讀書選擇的正是第三條。

它真正的護城河不是書庫，而是用戶在這里留下的多年閱讀痕跡，幾千條劃線、幾百條想法、幾十個完整閱讀周期。

這些數據有時間重量，也有情緒附著。

AI 原生應用可以從零設計交互，卻無法憑空生成一個人過去五年的閱讀歷史。這正是傳統軟件少有的反擊機會。

點個“愛心”，再走 吧