从个人社媒发布内容中提取写作风格指纹，生成可供 AI 直接读取的个人语言形象。
给定一组真实的个人发文（知乎答案/文章、X 推文、GitHub commit、博客等），产出一份结构化的 VOICE PROFILE，让任何 AI 拿到这份 profile 就能用"你的腔调"写东西。
- ✅ 知乎：爬取本人所有回答和文章（基于 MediaCrawler_zhihu，扫码登录）
- ✅ 微博：爬取本人所有原创发文（基于 dataabc/weibo-crawler，浏览器登录拿 cookie + 自动过滤纯转发 / 抽奖 / 过短回应）
- ✅ 多源融合：voice profile 跨平台均衡采样，自动区分各平台腔调
- ✅ 联网搜索写作：compose 时 LLM 自主调用 web_search 工具核实事实（可选，需 Tavily key）
- ✅ 人工 Author 履历：覆盖 LLM 推断的事实，防止年龄 / 职业 / 经历幻觉
- ⏳ X / Twitter：待接入
- ⏳ GitHub：待接入
- ⏳ 微信公众号 / 朋友圈：待评估
- Python 3.13 + FastAPI + Jinja2 + SQLite（应用层）
- uv（包管理 / venv）
- Ruff（lint + format）
- MediaCrawler_zhihu（Playwright + Node.js 跑知乎签名 JS）
- weibo-crawler（requests，Playwright 弹 Chrome 让用户登录拿 cookie）
- OpenAI-compatible LLM API（默认 DeepSeek，可切 Anthropic / OpenAI / 本地代理）
- Tavily 搜索 API（可选，用于事实核查）
| 依赖 | 版本 | 用途 |
|---|---|---|
| Python | ≥ 3.13 主应用 / 3.11 微博爬虫 | uv 会自动下载这两个版本 |
| uv | 最新 | 包管理 |
| Node.js | ≥ 16 | 跑知乎签名 JS（execjs 调用） |
| Google Chrome | 系统安装 | 知乎扫码 + 微博登录都通过 CDP 连接 |
| LLM API key | — | DeepSeek / Anthropic / OpenAI 任一 |
| Tavily API key | — | 可选，启用 compose 的联网事实核查 |
macOS 安装：
brew install uv node
# Chrome 通过官网 / brew install --cask google-chromegit clone https://github.com/hcfw007/inkprint.git
cd inkprint
# macOS / Linux
./setup.sh
# Windows（或任何平台）
python setup.py脚本是幂等的——重复跑也安全，只会补齐缺的东西。它会：
- 检查 uv / git / node / Chrome 是否就位
uv sync主项目依赖- clone 知乎爬虫（
crawlers/zhihu/）+ 装它自己的 venv + 拷贝 example 配置 - clone 微博爬虫（
crawlers/weibo/）+ 建 Python 3.11 venv + pip 装依赖 + 备份默认配置 - 没有
.env时从.env.example拷一份给你填
不需要 playwright install——两个爬虫都配置为通过 CDP 连系统 Chrome，省 500MB 浏览器下载。
跑完按提示去编辑 .env，然后启动。
uv run uvicorn app.main:app --reload --port 8765- 新建人格（点
新建人格，给个名字和描述） - 绑定数据源（一人格一平台最多一个源）：
- 知乎：填主页 URL，形如
https://www.zhihu.com/people/xxx - 微博：填 uid，纯数字（在 weibo.com 个人页 URL 里）
- 知乎：填主页 URL，形如
- 点「立即同步」
- 知乎首次：弹出 Chrome → 显示二维码 → 用手机知乎 APP 扫码登录 → 自动开爬
- 微博首次：弹出 Chrome → 你在里面登录微博（账号/密码/扫码）→ 程序自动检测
SCF+SSOLoginStatecookie 出现 → 关掉浏览器开爬 - 后续两个平台 cookie 都缓存在
data/cookies/和data/browser_profile/，秒级开爬 - 跑完显示「新增 N · 更新 M · 未变 K · 累计 X 条」
- 填写 Author 履历（可选但强烈推荐）：在详情页
Author 履历框写客观事实（姓名 / 年龄段 / 职业 / 教育 / 关键经历），LLM 后续生成 / compose 时会强制采用，避免年龄/职业幻觉 - 生成 voice profile：后端跨平台均衡选 30 条样本 → 调 LLM → 写到
profiles/{id}/<时间戳>.md。点「查看历史版本」翻每次重新生成的快照 - 按口吻写一篇（首页人格卡片右侧的入口）：
- 选 长文（600–2000 字，允许
[图：xxx]占位）或 短文（≤ 140 字） - 默认按「主动发起内容」生成；勾上「这是回答问题」才走答题腔
- 配了 Tavily key 时，模型会自主调用 web_search 核实事实再下笔
- 结果下方有「执行轨迹」折叠面板，能看模型搜了啥 / 调了几次工具
- prompt 里会用「你是 {Author 履历}」直接定身份（你填的履历优先，没填则用 profile 里 LLM 推断的 Author 行），VOICE PROFILE 全文作为风格规范
- 选 长文（600–2000 字，允许
- 查看样本：人格详情页能翻所有原文，按点赞数 / 字数排序
inkprint/
├── app/ 主应用（路由 / 模板 / 业务逻辑）
│ ├── main.py FastAPI 路由
│ ├── db.py SQLite 初始化 + 简易迁移
│ ├── personas.py 人格 CRUD + 源绑定
│ ├── crawler_zhihu.py 知乎爬虫子进程封装
│ ├── crawler_weibo.py 微博爬虫子进程封装 + 噪声过滤
│ ├── browser_auth.py Playwright CDP 弹 Chrome 登录拿 cookie
│ ├── samples.py 多平台样本读取 + (platform, content_id) 去重合并
│ ├── voice_profile.py Profile 生成 + compose + 历史版本管理
│ ├── search.py Tavily 搜索客户端（事实核查工具）
│ ├── llm.py OpenAI-compatible 客户端 + tool-use 循环
│ └── templates/ Jinja2 模板
├── crawlers/zhihu/ MediaCrawler_zhihu 本地克隆（gitignore）
├── crawlers/weibo/ weibo-crawler 本地克隆（gitignore）
├── samples/{platform}/ 原始爬取数据，按平台 / persona 分目录（gitignore）
├── profiles/{persona}/ 生成的 voice profile 历史版本（gitignore）
├── data/ SQLite 数据库 + 浏览器 profile + cookie 缓存（gitignore）
├── setup.py / setup.sh 一键 / 幂等装机脚本
└── pyproject.toml 应用层依赖 + ruff 配置
- 同步是阻塞调用：点完按钮等几十秒到几分钟，浏览器 tab 会一直转圈。本地工具暂时不上后台任务
- 微博 cookie 会过期：一般几天到一个月，过期后同步报错；详情页有「重新登录」按钮，点了清缓存重新弹 Chrome 登录
- 微博触发反封禁会提前停：默认
max_weibo_per_session=2000+ 单条延迟，大账号可能跑一次只拿到几百条，再跑一次接续。可通过编辑crawlers/weibo/config.json调高，但有封号风险 - 两个爬虫都不支持增量爬取：每次同步都是全量重爬。inkprint 在 harvest 层做了
(platform, content_id)去重 +updated_time合并，所以累积视角是增量的，但网络/时间成本省不掉 - profile 索引页样本顺序可能跨同步变化：用的是数组 index，不是稳定 ID。点进样本查看后再回来同步，原 idx 可能指向别的样本
- 没有鉴权：默认只听 127.0.0.1，不要暴露到公网
- 代理冲突：本机开着 clash/v2ray（
all_proxy=socks5://...）时，爬虫调用知乎/微博时 inkprint 会自动清掉代理环境变量；LLM 调用默认trust_env=False走直连（CN provider 用），如果你用 Anthropic/OpenAI 从 CN 调用，把LLM_PROXY=socks5://127.0.0.1:7890填到.env
uv run ruff check . --fix # lint + autofix
uv run ruff format . # format