xhs-edu-analyzer

name	xhs-edu-analyzer
description	小红书英语教育视频分析器：搜索、下载、转写并深度分析小红书上 AI+青少年语言学习 领域的视频内容

小红书英语教育视频分析器 (XHS Edu Analyzer)

定位

从小红书平台自动搜索/手动导入「AI赋能青少年英语教育」相关视频，经过下载、音频提取、语音转写后，由 Claude 进行多维度深度分析，输出结构化报告。

触发词

分析小红书视频、小红书英语教育、XHS分析、小红书视频分析、分析英语教育视频

前置条件

首次使用前需运行安装脚本：

bash ~/.claude/skills/xhs-edu-analyzer/scripts/setup.sh

搜索功能依赖 xiaohongshu-cli（命令名 xhs），首次使用需登录：

xhs login              # 自动从浏览器提取 Cookie（推荐）
xhs login --qrcode     # 或扫码登录
xhs status             # 检查登录状态

Cookie 缓存在 ~/.xiaohongshu-cli/cookies.json，有效期约 7 天，过期后重新 xhs login 即可。

工作流程

概览

用户输入 → Step 1 搜索 → Step 2 下载 → Step 3 音频提取 → Step 4 转写 → Step 5 AI分析

Step 1: 搜索/输入（获取视频列表）

模式 A — 自动搜索（推荐）

用户提供搜索意图，Claude 从内置关键词库（见 references/keywords.md）选取合适关键词，调用搜索脚本：

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_search.py \
  --keywords "AI英语,AI口语陪练" \
  --max-notes 20 \
  --video-only \
  --output ~/xhs-edu-analyzer/reports/search_results.json

输出 JSON 包含：note_id, xsec_token, title, desc, author, liked_count, collected_count, comment_count, tags 等。

Claude 浏览搜索结果，与用户确认要分析哪些视频后进入 Step 2。

模式 B — 手动输入（降级方案）

用户直接提供小红书链接列表（每行一个），Claude 将其传给下载脚本。

支持的 URL 格式：

• https://www.xiaohongshu.com/explore/<note_id>
• http://xhslink.com/a/<short_code>
• 纯 note_id

Step 2: 下载视频

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_download.py \
  --input ~/xhs-edu-analyzer/reports/search_results.json \
  --output-dir ~/xhs-edu-analyzer/raw/ \
  --note-ids "id1,id2,id3"

或从 URL 列表下载：

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_download.py \
  --urls "https://www.xiaohongshu.com/explore/xxx" \
  --output-dir ~/xhs-edu-analyzer/raw/

Step 3: 提取音频

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_extract_audio.py \
  --input-dir ~/xhs-edu-analyzer/raw/ \
  --output-dir ~/xhs-edu-analyzer/audio/

Step 4: 语音转文字

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_transcribe.py \
  --input-dir ~/xhs-edu-analyzer/audio/ \
  --output-dir ~/xhs-edu-analyzer/transcripts/ \
  --model large-v3 \
  --language zh

输出 JSON 格式，包含时间戳和中英文混合文本。

Step 5: AI 分析（Claude 执行）

Claude 读取转写文本和笔记元数据，按以下子步骤依次执行：

Step 5a：判断视频类型

Claude 根据转写文本内容判断视频类型，并向用户展示判断结果和依据：

类型	判断信号	框架文件
工具型	有步骤演示、有工具名称、有操作录屏、观众看完想"我也去试试"	references/analysis-framework-tool.md + references/output-template-tool.md（七模块）
通用型	以口播/观点为主、无明确操作步骤、重在认知或情感	references/analysis-framework.md + references/output-template.md（六模块）

输出示例："该视频演示了用豆包AI背单词的三步操作流程，判断为工具型，将使用 Framework B（七模块）进行分析。确认？"

Step 5b：⛔ 等待用户确认类型（不得跳过）

必须等用户回复确认后才能继续。用户可能修改类型选择。严禁自行跳过此步骤直接进入分析。

Step 5c：读取框架 + 执行分析 + 输出报告

用户确认后，读取对应框架的 analysis-framework 和 output-template，执行分析，输出拆解报告（报告开头标注所选框架类型）。

报告保存至 ~/xhs-edu-analyzer/analysis/，文件名格式：{视频标题}_{YYYYMMDD}.md。

快捷模式：全流程一键执行

python3 ~/.claude/skills/xhs-edu-analyzer/scripts/xhs_batch_pipeline.py \
  --keywords "AI英语,AI口语陪练" \
  --max-notes 10 \
  --output-dir ~/xhs-edu-analyzer/

一键完成搜索→下载→提取→转写，Claude 只需读取最终产物做分析。

分析维度（双框架，自动选择）

Framework A：通用型（详见 references/analysis-framework.md）

适用于观点输出、情绪共鸣、故事叙事等非工具演示型视频。

模块	核心任务
一、一句话定位	【目标人群】+【核心承诺/反差点】+【内容载体】
二、钩子拆解	前3秒的开场原文、钩子类型、心理触发、可复用模板
三、内容结构骨架	时间轴 + 节奏标签 + 叙事范式分类
四、爆款信号点	3-5个爆款触发点的信号类型、心理机制、可复用度（核心模块）
五、可复用资产	可套用句式、可借鉴角度、可迁移结构
六、风险与局限	不可复制因素、赛道限制、过期风险

Framework B：工具型（详见 references/analysis-framework-tool.md）

适用于AI工具教程、方法演示、操作步骤教学等工具/方法型视频。

模块	核心任务
一、一句话提炼	【谁】用【什么工具/方法】解决【什么问题】得到【什么结果】
二、用户场景识别	目标使用者、触发场景、原本痛点、"对号入座"信号
三、操作路径还原	步骤清单 + 上手门槛 + 完成耗时 + 可见结果（核心模块）
四、爆款触发点	5个触发器逐项评分(0-3)：门槛低/结果明显/性价比/意外合理/可迁移（核心模块）
五、被剪掉的部分	隐藏前置条件、失败率、工作量、结果真实性（关键审视）
六、可复用资产	操作模板、可迁移场景、演示结构
七、复制难度评估	素材/工具/人设/时效四维门槛

文件结构

Skill 定义（~/.claude/skills/xhs-edu-analyzer/，跨机器同步）：

xhs-edu-analyzer/
├── SKILL.md                     ← 你正在读的文件
├── scripts/
│   ├── setup.sh                 # 安装依赖
│   ├── xhs_search.py            # 搜索笔记
│   ├── xhs_download.py          # 下载视频
│   ├── xhs_extract_audio.py     # 提取音频
│   ├── xhs_transcribe.py        # 语音转写
│   └── xhs_batch_pipeline.py    # 全流程编排
└── references/
    ├── keywords.md              # 搜索关键词库
    ├── analysis-framework.md    # Framework A: 通用型分析维度
    ├── analysis-framework-tool.md # Framework B: 工具型分析维度
    ├── output-template.md       # Framework A: 通用型输出模板
    └── output-template-tool.md  # Framework B: 工具型输出模板

运行时数据（~/xhs-edu-analyzer/，本机产物，不同步）：

~/xhs-edu-analyzer/
├── raw/                         # 原始视频
├── audio/                       # 音频文件
├── transcripts/                 # 转写文本
├── reports/                     # 搜索结果 & manifest（管道中间产物）
└── analysis/                    # 最终分析报告（{标题}_{YYYYMMDD}.md）

技术方案

搜索层基于 xiaohongshu-cli（xhs 命令），它已内置：

• 请求签名逆向（x-s / x-s-common）
• 反检测（浏览器指纹模拟、Gaussian 延迟）
• 验证码检测与退避（HTTP 461/471 自动处理）
• Cookie 自动管理（7 天 TTL，自动从浏览器提取）

下载层使用 yt-dlp（原生支持小红书），httpx 作为兜底。 音频层使用 ffmpeg，转写层使用 OpenAI Whisper。

注意事项

1. 登录态：搜索依赖 xhs login，Cookie 缓存在 ~/.xiaohongshu-cli/cookies.json，约 7 天有效
2. 频率控制：xiaohongshu-cli 内置请求延迟和退避机制，单次建议不超过 50 条搜索结果
3. 验证码：若触发 461/471 验证码，需打开浏览器手动完成一次搜索解除
4. 视频时长：Whisper 转写速度约为视频时长的 0.5-2x（取决于模型大小和硬件），建议单次批量不超过 20 个视频
5. 磁盘空间：视频文件较大，处理完成后可清理 ~/xhs-edu-analyzer/raw/ 和 ~/xhs-edu-analyzer/audio/
6. 隐私合规：分析结果仅供个人研究使用，不应用于商业目的或公开传播他人内容