小红书提效工作流

把小红书采集从复制粘贴，变成可验证、可回读、可复跑的 Agent 工作流。

这是一个可分享的 Agent Skill：采集小红书笔记、作者、媒体、互动和可见评论，并把结果写回飞书多维表格。它强调三件事：先确认真实目标、写完立即回读、失败绝不编数据。

能做什么

模式	适合场景	结果
普通采	给定链接或飞书行号批量补全	标题、作者、正文、标签、时间、互动、封面、正文图/视频
深采	用户明确需要评论研究	普通采结果 + 当前账号可见评论及回复 + Excel 附件
关键词采集	按关键词找选题、竞品和爆款	检索、筛选、去重后追加到 Base
低粉爆款	找高互动、低粉丝样本	按粉丝量与互动阈值筛选候选

先体验模板

已经准备了一份只有 5 行合成示例的飞书 Base：

打开「小红书采集与对标分析模板（5行示例）」

模板保留了完整字段结构，覆盖待采集、普通采、低粉爆款、视频笔记和评论深采五种状态。若飞书提示申请权限，请先申请访问；复制到自己的空间后再接入自动化。

安装 Skill

使用 Vercel Labs Skills CLI 安装到支持 Agent Skills 的客户端：

npx skills add axing22/xiaohongshu-efficiency-workflow \
  --skill xiaohongshu-efficiency-workflow -g -y

也可以克隆后手动导入 skills/xiaohongshu-efficiency-workflow/。Codex、Claude Code 等支持标准 Skill 目录的客户端可直接识别；WorkBuddy 可以导入该目录，但本地脚本是否能执行仍取决于它是否开放终端、浏览器、MCP 和飞书权限。

本地准备

git clone https://github.com/axing22/xiaohongshu-efficiency-workflow.git
cd xiaohongshu-efficiency-workflow
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python -m playwright install chromium

你还需要：

一个已登录小红书的浏览器会话；脚本默认支持 BitBrowser 本地 API + CDP。
需要深采评论时，运行兼容的小红书 MCP；可参考 xiaohongshu-mcp。
需要写飞书时，准备有目标 Base 读写和附件权限的飞书应用，或已登录的 lark-cli。

飞书凭据只通过环境变量传入：

export FEISHU_APP_ID="your-app-id"
export FEISHU_APP_SECRET="your-app-secret"

也兼容 LARK_APP_ID 与 LARK_APP_SECRET。不要把密钥写进提示词、Skill、脚本或 Git 仓库。

最简单的用法

在 Agent 中直接说：

使用 $xiaohongshu-efficiency-workflow。
飞书表格链接：<你的 Base URL>
采集当前视图第 1-5 行，先试跑第 1 行，回读确认后再继续。

深采评论：

使用 $xiaohongshu-efficiency-workflow 深采第 3 行。
采集当前账号可见的评论与回复，生成 Excel，上传到「评论明细附件」，并回读确认。

关键词找选题：

使用 $xiaohongshu-efficiency-workflow，按关键词「AI 效率工具」找 20 条近 30 天笔记，
去重后筛选低粉爆款，写入我的飞书 Base。

命令行示例

先进入脚本目录：

cd skills/xiaohongshu-efficiency-workflow/scripts

按飞书视图行号普通采集：

python batch_fill_xhs_rows.py \
  --app-token '<APP_TOKEN>' \
  --table-id '<TABLE_ID>' \
  --view-id '<VIEW_ID>' \
  --start-row 1 \
  --end-row 5 \
  --browser-id '<BITBROWSER_ID>' \
  --mode normal \
  --output-json ./outputs/batch-result.json

单关键词采集：

python collect_keyword_to_feishu.py \
  --keyword 'AI 效率工具' \
  --count 20 \
  --days 30 \
  --rank-by low_fans_viral \
  --app-token '<APP_TOKEN>' \
  --table-id '<TABLE_ID>' \
  --browser-id '<BITBROWSER_ID>' \
  --skip-existing-note-ids

只导出一篇笔记的可见评论 JSON：

python xhs_deep_comments.py \
  --mcp-url 'http://127.0.0.1:18060/mcp' \
  --feed-id '<FEED_ID>' \
  --xsec-token '<XSEC_TOKEN>' \
  --output-json ./outputs/comments.json

python build_xhs_comments_workbook.py \
  ./outputs/comments.json ./outputs/comments.xlsx

所有参数以脚本的 --help 为准。首次接入请只试跑一条记录，确认字段映射和回读结果后再扩大范围。

工作流的安全边界

普通采默认不拉评论；只有明确说“深采”才遍历评论。
“全量评论”只代表采集时当前登录账号实际可见、接口分页实际返回的内容。
遇到登录失效、验证码、风控或权限不足立即停止，不绕过平台安全机制。
不关闭 TLS 校验，不分享 Cookie，不把生产 Base ID 或浏览器 profile 写成默认值。
只处理你有权访问的数据，并遵守平台条款、隐私要求与合理请求频率。

项目结构

skills/xiaohongshu-efficiency-workflow/
├── SKILL.md                  # Agent 的工作流与边界
├── references/setup.md      # 环境、权限与安全准备
├── agents/openai.yaml       # 客户端展示信息
└── scripts/                 # 可选的本地执行脚本
tests/                       # 核心纯逻辑与 Excel 生成测试

License

MIT。欢迎 Fork 和提交改进；请勿提交真实 Cookie、密钥、个人数据或未脱敏的采集结果。

Xiaohongshu Efficiency Workflow

At a glance

README