| name | shuling |
| description | | Use when this capability is needed. |
小红书 MCP Skill
基于 xiaohongshu-mcp 封装。
完整文档请查看 README.md
快速参考
| 脚本 | 用途 |
|---|
install-check.sh | 检查依赖是否安装 |
start-mcp.sh | 启动 MCP 服务 |
stop-mcp.sh | 停止 MCP 服务 |
status.sh | 检查登录状态 |
search.sh <关键词> | 搜索内容 |
recommend.sh | 获取推荐列表 |
post-detail.sh <feed_id> <xsec_token> | 获取帖子详情 |
comment.sh <feed_id> <xsec_token> <内容> | 发表评论 |
user-profile.sh <user_id> | 获取用户主页 |
track-topic.sh <话题> [选项] | 热点跟踪报告 |
export-long-image.sh | 帖子导出为长图(白底黑字+图片拼接) |
mcp-call.sh <tool> [args] | 通用工具调用 |
快速开始
cd scripts/
./install-check.sh
./start-mcp.sh
./status.sh
./search.sh "春节旅游"
MCP 工具
| 工具名 | 描述 |
|---|
check_login_status | 检查登录状态 |
search_feeds | 搜索内容 |
list_feeds | 获取首页推荐 |
get_feed_detail | 获取帖子详情和评论 |
post_comment_to_feed | 发表评论 |
reply_comment_in_feed | 回复评论 |
user_profile | 获取用户主页 |
like_feed | 点赞/取消 |
favorite_feed | 收藏/取消 |
publish_content | 发布图文笔记 |
publish_with_video | 发布视频笔记 |
热点跟踪
./track-topic.sh "DeepSeek" --limit 5
./track-topic.sh "春节旅游" --limit 10 --output report.md
./track-topic.sh "iPhone 16" --limit 5 --feishu
长图导出
搜索结果或帖子详情导出为带文字注释的 JPG 长图:
cat > posts.json << 'EOF'
[
{
"title": "帖子标题",
"author": "作者名",
"stats": "1.3万赞 100收藏",
"desc": "正文摘要,支持\n换行",
"images": ["https://...webp", "https://...webp"],
"per_image_text": {"1": "第2张图的专属说明"}
}
]
EOF
./export-long-image.sh --posts-file posts.json -o output.jpg
样式:白底黑字(模仿小红书原样),每个帖子前有文字块(标题+作者+正文),帖子间有分隔线。
per_image_text 可选:如果原帖文字明确指向某张图(如"图7-9是青龙桥"),把说明放在对应图片上方。未指定则所有文字集中在文字块。
字体:自动检测系统中文字体(STHeiti > Hiragino > Arial Unicode > Noto CJK)。
注意事项
- 首次运行会下载 headless 浏览器(~150MB)
- 同一账号避免多客户端同时使用
- 发布限制:标题≤20字符,正文≤1000字符,日发布≤50条
- Linux 服务器需要从本地获取 cookies,详见 README.md
自进化知识库
本 Skill 具备跨周期学习能力,通过 knowledge-base/ 目录积累运营经验。
首次初始化
如果 knowledge-base/README.md 不存在(相对 skill 根目录),按顺序执行:
第一步:配置 LLM
询问用户:
这个子 skill 仅做小红书 MCP 调用。如果作为薯灵主 skill 的一部分使用,主 SKILL.md 会负责 LLM 决策。
请选择:
- Claude API (Anthropic)
- OpenAI API
- 兼容 OpenAI 格式的其他服务(DeepSeek/通义/本地模型等)
根据选择,编辑 config/runtime.env 中的 LLM_PROVIDER、LLM_API_KEY、LLM_BASE_URL、LLM_MODEL。
第二步:竞品分析播种
- 用 search_feeds 搜索 3 组关键词:
- "GitHub 开源项目推荐"
- "AI工具 推荐 教程"
- "程序员 效率工具"
- 每组取互动量 top 5,共约 15 条
- 对 top 10 调 get_feed_detail 获取完整内容
- 归纳提取:
- 标题模式 3-5 个(模板 + 示例 + 适用场景)
- 正文结构 2-3 个
- 高频标签 top 10
- 互动引导话术 2-3 个
- 写入文件:
knowledge-base/patterns.md(初始 pattern,标记 source: competitor, confidence: low)
knowledge-base/rules.json(初始规则,合并 data/content-rules.md 中的约束)
knowledge-base/README.md(索引,阶段: cold-start)
创作时的知识读取
进行选题或内容创作前:
- 读
knowledge-base/README.md — 了解当前阶段和有效 pattern 摘要
- 读
knowledge-base/patterns.md — 获取活跃 pattern 详情
- 融入创作思考:
- confidence 为 high/medium 的 pattern 优先参考
- cold-start 阶段 competitor 来源的 pattern 权重较低,鼓励探索
- 不要机械套模板,pattern 是方向参考,结合选题灵活调整
- 如果
knowledge-base/reviews/ 下有最近的周复盘,浏览关键发现
知识库维护
知识库的定期更新由薯灵主 skill 的每日复盘流程负责(详见薯灵主 SKILL.md 第 3 节),由助手按 SKILL.md 决策、调用 fetch-metrics/fetch-comments/noterx-diagnose 等脚本完成。
但如果用户在交互中明确要求(如"分析一下最近的数据"、"更新知识库"),可以手动读取 data/exports/ 下的数据文件,执行分析并更新 knowledge-base/。
Source: AI-flower/shuling — distributed by TomeVault.