你准备把一篇知乎专栏文章放进团队读书会材料，觉得观点很有启发，却担心自己的摘要改变了作者意思。单篇文章详情是整理来源的起点。这里假设读书会围绕一个具体论题，目标不是抓到越多文本越好，而是让讨论能回到同一份材料。

从文章身份而非专栏名称定位

使用明确的文章标识，并保留你最初发现文章的链接。专栏名称和作者昵称都不能替代文章本身。取得详情后确认主题与原先想讨论的文章一致；同一作者可能对相近问题写过多篇内容，不能用另一篇的表述拼接出一个并不存在的原文论点。

把论点、论据与个人感受分栏

契约只概括为文章详情，实际可用内容应以返回为准。阅读到哪一部分就整理哪一部分，不预设所有正文或附图都已经齐全。给关键论点记录对应原句或段落线索，另列作者用来支持它的例子，再单独写自己的同意、疑问或反例。这样 AI 帮助压缩文字时也有清楚的边界。

用可讨论的问题结束读书会材料

不要仅写“文章讲得很全面”，而是提出一个与原论证相关的问题，例如某个结论在不同条件下是否仍成立。引用前核对原文范围，不能删掉关键前提后保留结论。若需要验证文章中的事实，应补充其他来源；详情接口不会替你判断论证是否正确。交付一页论点摘要和几条有出处的问题，比冒充完整评价更适合推动讨论。

完整地址与参数

GET https://api.trmesh.com/openapi/api/v1/zhihu/web/fetch_column_article_detail

参数 类型 必填 含义
article_id string 是 文章ID

可以复制的 Python 请求

安装 requests 并在环境变量中设置 TRMESH_API_TOKEN。把示例用户名或作品 ID 换成你要查询的对象。

import os
import requests

# 使用自己的 TRMesh 开发者密钥；不要将密钥写入网页。
url = "https://api.trmesh.com/openapi/api/v1/zhihu/web/fetch_column_article_detail"
params = {
    "article_id": "YOUR_ARTICLE_ID"
}
response = requests.get(
    url, params=params, timeout=30,
    headers={"Authorization": f"Bearer {os.environ['TRMESH_API_TOKEN']}"},
)
response.raise_for_status()
payload = response.json()
print(payload)  # 先核对真实响应，再提取业务字段

对应接口文档 · 返回免费查询工具

调用接口会使用你的 TRMesh 账号额度，运行前请确认接口价格。