正在打开每日关注
正在打开每日关注
开源 Skill 将视频号分享链接交给 Agent,本机解析下载无水印 MP4,并可回传微信或飞书。
一个 SKILL,让你的 Agent 从此永久学会「下载视频号」!微信视频号,大概是全网最难下载的视频平台。 但今天,我把整套流程做成了一个 Agent Skill,完全开源、永久免费 👇从此,把链接丢给你的 AI Agent,几秒后无水印 MP4 直接出现在你的微信/飞书里,适配 Claude Code / Codex / Cursor 等所有 Agent,欢迎大家转发和 star,开源链接: https://t.co/f5DsixrGwL 操作步骤: 1️⃣ 把 github 链接发给你的 AI Agent(Claude Code / Codex / Cursor 都行) 2️⃣ 在电脑端微信播放你想下载的视频,复制链接 3️⃣ Agent 调用 Skill 自动完成下载,发回给你的飞书/微信 🔒 全程本机,登录态不出设备 。 ⚠️ 本项目仅供学习和个人使用,请勿用于盈利或批量采集,请遵守平台规则。 #AI #AgentSkills #ClaudeCode #开源
是什么 这是一份开源 Agent Skill,而不是独立下载器客户端。用户把微信视频号分享链接交给 Claude Code、Codex、Cursor 等 Agent,Skill 负责完成视频捕获、解析、无水印解密下载,并可将结果发回微信或飞书。截图中的“已经下载成功”消息和竖屏视频预览,展示了预期产出。
核心设计 从现有 README 与推文能确认的流程是“分享链接输入 → 捕获 → 解析 → 无水印解密下载 → 跨应用回传”,并强调全程本机、登录态不出设备。它的主要价值在于把平台相关的多步骤操作封装为 Agent 可调用能力,降低使用门槛。由于链接正文无法展开,仓库采用的语言、浏览器自动化方案、媒体解析实现和回传协议均无法确认,不应进一步推断。
关键洞察 值得借鉴的是能力封装思路:用自然语言入口隐藏脆弱的流程细节,同时提供明确的成功反馈与多个输出渠道。对个人 Agent 工具而言,本地处理和数据边界说明也有助于建立信任。
边界与风险 视频号平台规则、登录机制和媒体协议可能变化;“永久学会”更像宣传表达,不能视为稳定承诺。无水印处理、解密、版权内容保存及批量采集都可能涉及平台条款、版权和隐私风险,应严格限定在个人学习用途,并遵守平台规则。