概要

ReadGZH 是一项服务端代理服务，旨在将微信公众号文章转换为干净、易于 AI 读取的格式。该服务面向需要摄取通常被外部机器人屏蔽或混淆的中文网络内容的开发者、研究人员及 AI 用户。通过移除专有 HTML 标签和样式，它降低了 Token 消耗并提高了大语言模型（LLM）的解析准确性。

功能特性

服务端代理与清洗： 通过后端代理获取微信文章，移除内联样式、私有标签（如 <mp-common-profile>）及嵌套容器，输出纯语义化 HTML 或 Markdown。
MCP 服务器集成： 内置原生模型上下文协议（MCP）端点（POST https://api.readgzh.site/mcp-server），允许 AI 智能体通过标准化协议直接调用服务，无需自定义 API 封装。
共享缓存系统： 文章存储于共享缓存中；任何用户或智能体的后续读取均不消耗额度，从而降低高频或多智能体工作流的成本。
CDN 图片代理： 通过 CDN 路由文章图片，防止因微信短时效图片 URL 导致的链接失效，确保视觉上下文对 AI 视觉模型保持可访问性。
长文分块与摘要： 支持通过 ?part=N 将长文章分割为约 40KB 的块以实现稳定摄取，并提供仅限 Pro 版本的 ?mode=summary 端点以生成结构化摘要。

实用技巧

使用 Markdown 输出： 调用 API 时，请在请求 URL 后附加 &format=text。这将返回 Markdown 格式，相较于原始 HTML，其对 LLM 通常具有更高的 Token 效率和更清晰的结构。
利用 MCP 端点： 如果您的 AI 智能体框架支持 MCP，请直接连接至 ReadGZH MCP 服务器。这消除了手动构建 HTTP 请求的需要，并自动处理身份验证和协议细节。
监控缓存状态： 在发起请求前，检查文章是否已存在于共享缓存中。缓存读取是免费的，这对于处理大量历史文章时的成本管理至关重要。
处理边缘情况： 需准备好应对已删除、仅含视频或受授权限制的文章所返回的明确错误响应。在流水线中实施回退逻辑，以跳过或标记这些项目，而非导致整个批次失败。

OpenClaw 技能

ReadGZH 的原生 MCP 支持使其成为集成到 OpenClaw 生态系统中作为“内容摄取”技能的有力候选者。一个可能的用例涉及构建自动化研究智能体，该智能体监控特定的微信公众号，使用 ReadGZH 获取并清洗新发布的文章，然后将其摘要或归档至知识库。这种组合可以简化追踪中国数字媒体的团队的竞争情报或市场研究工作流，减少绕过微信访问限制所需的人工努力。这是基于提供的 MCP 和 API 能力推断出的合理工作流，并非已确认的预构建 OpenClaw 插件。