social-clip

name

social-clip

description

分享社交/视频平台链接(小红书、B站、知乎、微博、豆瓣、抖音、YouTube、Twitter 等)、粘贴短链(xhslink.com、b23.tv 等),或要求"搜/找某主题的内容或评论"时,**优先用本技能**——不要用通用的 read / fetch-everything / autocli(它们只取单页正文,会漏图、漏视频、漏评论)。 本技能做完整社交剪藏:主动检索、逐张下载图片识图、音视频转文字、抓评论,整理后按需存入 Obsidian。 支持小红书(原生检索+评论最全)、B站、知乎、微博、豆瓣、抖音、YouTube、Twitter、Reddit(评论满血)、微信公众号(仅正文)、网易云音乐(搜歌/歌词/乐评,不能下音频)等。 触发后按归档意图分档:明示"存/记/收藏/整理到笔记"才全量提取并存档;只想知道讲了啥则先轻量给结论再问是否存;说"看看就好"则仅速览。 核心承诺(全量档):不跳过任何图片、不压缩转写、每个要点/例子/数据/高赞评论都完整保留。

social-clip:社交内容聚合技能

核心原则

内容提取的最大敌人是"偷懒"——跳过图片、压缩转写、遗漏评论里的增量信息。 进入全量归档档时(见下「意图分档」),强制完整提取:图文逐张读图,视频完整转写,评论抓取增量观点,总结不省略任何有意义的要点、数字、例子、反面案例。速览档则只给轻量结论,不下载、不存。

---

能力矩阵(决定每个平台用什么后端)

平台	主动检索	正文/文案	图片识图	视频/音频	评论
小红书	✅ MCP search	✅ desc	✅ imageList	✅ Playwright+ffmpeg	✅ MCP 满血
B站	✅ autocli search	✅ autocli read	read 提图	✅ autocli subtitle→yt-dlp	🟡 尽力(read/fetch)
知乎/微博/豆瓣	✅ autocli search(登录态)	✅ autocli read	read 提图	yt-dlp(若视频)	🟡 尽力(脆弱)
YouTube/抖音/其他	autocli search / 给链接	autocli read	read 提图	yt-dlp 字幕优先	🟡 尽力
Reddit	✅ autocli search	✅ autocli read	read 提图	🟡 yt-dlp(若视频)	✅ autocli read 直接带帖子+评论(满血)
微信公众号	❌ 无	✅ autocli weixin download / fetch 单篇	read 提图	—	—(按需不取)
网易云音乐	✅ curl 免加密接口	✅ 歌词(原词/译/罗马音)	🟡 封面图	❌ 下音频需加密	✅ 热门+分页

• 后端原则:非小红书平台一律先试 autocli(复用本机 Chrome 登录态,对登录墙站点远比隐身抓取可靠),无对应命令/抓空再降级 fetch-everything,再不行 🛑 HALT 告知用户。
• ✅ 满血可靠 · 🟡 尽力而为(尤其评论:autocli 无通用读评论命令,非小红书评论靠 read/fetch 部分抓取,抓不到不硬刷)
• 评论 MCP 可选增强:为某平台装了评论 MCP(B站/知乎/抖音/豆瓣,见 platform-recipes.md)则自动用它满血读评论;不装也能跑,纯 opt-in、不进硬依赖。
• 非小红书平台的所有抓取配方在 references/platform-recipes.md——处理它们时先读那个文件。
• 网易云音乐单独走 references/netease-recipe.md(curl 直连免加密接口,不用 autocli):遇 music.163.com 链接或"搜网易云歌曲/歌单/歌手/拿歌词/拿评论"时读它;能搜歌、歌词(含译/罗马音)、热门评论、歌单/歌手详情,下载音频做不到(需加密)。

---

🛡️ 风控自我约束(账号安全,务必遵守)

用你真实账号做自动化(尤其小红书)有封号风险。硬性约束,宁可慢、宁可少,不赌账号:

① 小批量,不海捞

• 关键词检索:一次最多取 8–10 条候选给用户挑,别一次拉几十篇详情
• 评论:默认前 10 条(get_feed_detail 自带),不主动 load_all_comments,除非用户明确要全部
• 多篇处理:逐篇之间停 2–3 秒(sleep 2),别连发

② 撞到风控 🛑 立即熔断,绝不硬刷 识别这些 = 撞风控了:

• 小红书:"笔记不可访问/请扫码"、search_feeds 超时、要验证码
• 网页/autocli:登录墙、验证码、Access denied、429 限流 → 立刻停该平台的自动请求,不重试(越刷越严),并告诉用户人话: "撞到 X 的风控了,先停下。要么我换隐身方式抓(可能不全),要么你过会儿再试,别连着刷免得封号。"

③ 写操作永不自动 发帖/评论/点赞(MCP/autocli 的 publish/comment/like)封号风险最高,本技能只读;确需互动 🔴 先给用户看内容、等点头。

原则:像正常人浏览,不像爬虫。撞墙就停,不硬冲。

---

依赖与配置(分享/移植必读)

本技能依赖若干外部工具与本机服务,缺失则降级,不硬假设存在:

依赖	用途	缺失时
xiaohongshu MCP	小红书检索/详情/评论	降级 fetch-everything 抓单页
autocli(PATH 中)	非XHS 检索/正文/B站字幕(登录态)	降级 fetch-everything;command -v autocli 找不到提示装:curl -fsSL https://raw.githubusercontent.com/nashsu/AutoCLI/main/scripts/install.sh | sh
~/.claude/skills/fetch-everything	通用抓取兜底	提示该技能未装
~/.claude/skills/yt-dlp-downloader + yt-dlp/ffmpeg	视频音频提取	视频流程不可用,提示
voice-bridge 服务	音频转文字	跳过 ASR,改用字幕或提示

可配置项(环境变量,均有默认,别人不配也能跑):

• OBSIDIAN_VAULT(可选):覆盖默认 vault;不设则用固定的 obsidian-xwj-ios(本技能本人专用)
• VOICE_BRIDGE_URL:转写服务地址,默认 http://127.0.0.1:7788
• 网络代理:默认直连;本机需代理时 export http_proxy=... 即可,技能不写死端口

跨技能路径按当前 runtime 的 skills 根解析:Claude Code=~/.claude/skills、Codex=~/.codex/skills、OpenCode=~/.config/opencode/skills。本技能与 fetch-everything/yt-dlp-downloader 同级,取本技能所在目录的父目录即可定位它们;下文示例按 Claude Code 路径书写,换 runtime 时相应替换根目录。不出现任何特定用户名的绝对路径。

---

第〇步:判断意图档位(决定走多深)

给链接/关键词后,先看用户有没有明示归档意图,别默不作声跑完全套再建档:

用户信号	档位	做什么
明示"存/记/收藏/整理到笔记/记下来/存进库"	📦 全量归档	完整提取(图/视频/评论)+ 总结 + 存 Obsidian
只给链接 / 问"讲了啥/值不值得/什么内容/怎么样"	👀 速览	轻量提取给结论(读正文/desc、必要时扫几张关键图),结尾问"要我提取完整干货存进 Obsidian 吗?"
明示"看看就好/不用/不存"	⚡ 速读	只读正文/desc 给要点,不下载图片、不转写、不存

拿不准 → 走 👀 速览档(轻量+问),用户回"存"再走 📦 全量。只有 📦 全量档才执行下面的完整下载/转写/识图/存档流程。

---

快速路由(确定要走全量/检索后)

先判断用户给的是链接、关键词,还是要评论:

输入
 ├── 只有关键词/主题(要"搜/找…的内容或评论")
 │     ├── 小红书 → [小红书关键词检索] → 选笔记 → 详情流程
 │     └── 其他平台 → references/platform-recipes.md「主动检索」抓搜索页 → 选条目 → 详情流程
 └── 有链接 → 判断平台
        ├── 小红书(xhslink / xiaohongshu) → 展开短链 → get_feed_detail
        │     ├── type=normal → [2A 图文帖]   ├── type=video → [2B 视频帖]
        │     └── 都要 → [2C 评论提取]
        └── 非小红书(B站/知乎/微博/豆瓣/YT/抖音/Twitter 等) → references/platform-recipes.md
              (autocli 优先:search 检索 / read 取正文 / bilibili subtitle 取字幕;
               视频无字幕→yt-dlp 音频转写;图文→正文+图片识图;评论尽力而为)

---

第一步:平台识别和 URL 解析

URL 特征	平台
xhslink.com / xiaohongshu.com	小红书
bilibili.com / b23.tv	B站
zhihu.com	知乎
weibo.com / t.cn	微博
douban.com	豆瓣
douyin.com / iesdouyin.com	抖音
youtube.com / youtu.be	YouTube
twitter.com / x.com	Twitter/X
reddit.com / redd.it	Reddit
mp.weixin.qq.com	微信公众号
music.163.com / y.music.163.com	网易云音乐

短链展开(xhslink.com、b23.tv 等):

curl -sL --max-redirs 5 -o /dev/null -w "%{url_effective}" "SHORT_URL"

---

临时文件管理(防残留)

下载的图片/视频/音频统一用前缀 /tmp/social_clip_*。会下载的流程(图文配图/视频/音频)开始第一步先清上次残留、全部完成后再清一次,并明确告知用户"已删除下载的临时文件(图片/视频/音频)"——幂等 self-healing:某次中途跳步残留,下次入口也兜底清掉,不累积。统一清理命令:

find /tmp -maxdepth 1 -name 'social_clip_*' -exec rm -rf {} + 2>/dev/null

🔴 清理必须用 find,禁止 rm -rf /tmp/social_clip_*:zsh 下通配无匹配会报错中断,且一条命令含多个通配只要一个无匹配就连累整条(该删的也删不掉)。find 无匹配静默、bash/zsh/Linux 一致。 技能跨多次独立 Bash 调用执行,单进程 trap 覆盖不了全程,故用"入口+出口双清"而非 trap。

---

小红书(XHS)完整流程

关键词检索(无链接时)

mcp__xiaohongshu-mcp__search_feeds(keyword="关键词", filters={...})

filters 可选:sort_by(综合/最新/最多点赞/最多评论/最多收藏)、note_type(不限/视频/图文)、publish_time(不限/一天内/一周内/半年内)、search_scope、location。

过滤候选:

• 丢弃 modelType == "hot_query"(热搜词,非笔记)
• 只保留 modelType == "note",从 noteCard 取 displayTitle、user.nickname、type、interactInfo
• 按互动数排序列给用户选,或按要求取 top-N
• 对选中笔记,用其 id(=feed_id)和 xsecToken(=xsec_token)直接进详情(跳过短链展开)

1. 获取帖子信息

从展开后 URL 提取 feed_id(path 最后一段)和 xsec_token(query 参数)。

mcp__xiaohongshu-mcp__get_feed_detail(feed_id=..., xsec_token=...)

note.type:"normal"→图文帖,"video"→视频帖。返回里已含前10条评论(见 2C)。

返回结构(实测):data.note.{title,desc,type,imageList[].urlDefault,interactInfo} + data.comments.list[](每条 content/likeCount/userInfo.nickname/subComments[] 二级回复)。下文 note.xxx 均指 data.note.xxx。

MCP 调用失败时:

1. 检查 feed_id/xsec_token 是否提取正确(/discovery/item/{feed_id}?xsec_token={token})
2. 仍失败 → fetch-everything 隐身降级(它把小红书识别为动态站,走 Scrapling,比 WebFetch 更能突破风控):

   python3 ~/.claude/skills/fetch-everything/scripts/fetch_everything.py "完整XHS链接" --json
   

   能提取多少算多少;不要用 WebFetch(对小红书基本只拿到登录墙)
3. 告知用户"MCP 失败,已用 fetch-everything 隐身降级"

2A. 图文帖

• 文字:读 note.desc,保留全文
• 图片(关键):从 note.imageList 拿所有 URL,逐张下载 + Read,不跳过任何一张

curl -s "imageList[0].urlDefault" -o /tmp/social_clip_img_1.jpg   # → Read
curl -s "imageList[1].urlDefault" -o /tmp/social_clip_img_2.jpg   # → Read
# ...共 N 次,每张都下载+Read。下载失败(报错或 <1KB)→ 记"第X张失败",继续后续
find /tmp -maxdepth 1 -name 'social_clip_img_*' -exec rm -f {} + 2>/dev/null   # 读完清图(zsh 安全)

图里的文字、表格、对比图全部提取。

2B. 视频帖

Step 0(字幕优先) 先用 yt-dlp 探小红书视频有无字幕,有就直接当转写文本,短路跳过下面的 CDN 拦截+ASR:

source ~/.zshrc 2>/dev/null; eval "$(pyenv init -)" 2>/dev/null
yt-dlp --skip-download --write-subs --write-auto-subs --sub-langs "zh.*,en.*" \
  --convert-subs srt -o "/tmp/social_clip_sub.%(ext)s" "XHS_URL" 2>&1
find /tmp -maxdepth 1 -name 'social_clip_sub*.srt'   # 有输出→读 srt 去时间轴当转写,直接进总结

小红书视频多数无 CC 字幕,拿不到属正常(静默失败,别 HALT)→ 继续走下面 Step 1 的 CDN 拦截 + ASR。

以下 Step 1~4 为无字幕时的降级路径。

Step 1 Playwright 拦截 CDN 视频 URL(先初始化 pyenv——playwright 装在 pyenv 的 python 里,系统 python3 没装,不初始化会误报"没装 playwright"):

source ~/.zshrc 2>/dev/null; eval "$(pyenv init -)" 2>/dev/null   # 确保用 pyenv 的 python
python3 ~/.claude/skills/yt-dlp-downloader/xhs_get_video.py "XHS_URL"   # 多行CDN URL,取第一行

若仍报错,看确切信息:No module named playwright=python 环境问题(上面没生效);Target page/context closed或browser is already in use=Chrome 占用了 Profile 5,关掉 Chrome 再跑。 Step 2 ffmpeg 直接从 CDN 提音频(不下整个视频):

ffmpeg -i "CDN_URL" -vn -acodec mp3 -ar 16000 -ac 1 -y /tmp/social_clip_audio.mp3 2>/dev/null
# 直连失败且本机已 export http_proxy → 加 -http_proxy "$http_proxy" 重试

ffmpeg 仍失败(鉴权过期/网络) → curl 下整个视频再提:

curl -L ${http_proxy:+--proxy "$http_proxy"} -o /tmp/social_clip_video.mp4 "CDN_URL"   # 仅当已 export http_proxy 才走代理
ffmpeg -i /tmp/social_clip_video.mp4 -vn -acodec mp3 -ar 16000 -ac 1 -y /tmp/social_clip_audio.mp3
rm -f /tmp/social_clip_video.mp4

Playwright 脚本本身无 CDN 输出 → 检查 ~/.claude/skills/yt-dlp-downloader/xhs_get_video.py 是否存在,并告知用户"CDN 拦截失败,建议手动下载后提供本地路径"。 Step 3 转写(见下"voice-bridge 转写统一前置")→ Step 4 清本次临时文件:find /tmp -maxdepth 1 -name 'social_clip_*' -exec rm -rf {} + 2>/dev/null

2C. 评论提取(NEW)

get_feed_detail 默认返回前10条一级评论。用户要更全/明确要评论时:

mcp__xiaohongshu-mcp__get_feed_detail(feed_id=..., xsec_token=...,
    load_all_comments=true, limit=20, click_more_replies=true)

• load_all_comments=true 滚动加载更多;limit 控一级评论数;click_more_replies=true 展开二级回复
• 从评论里提取增量信息:补充经验、纠错、不同观点、作者回复——单列"评论区补充"一节(见 summary-standard.md)

---

非小红书平台

先读 references/platform-recipes.md,后端 autocli 优先(登录态)、fetch-everything 兜底:

• 检索 → autocli <site> search;正文/文章 → autocli read "<url>",再从正文提 img URL 逐张下载 Read
• 视频:B站 → autocli bilibili subtitle;其他 → yt-dlp 字幕优先,无字幕降级 ASR
• 评论 → 装了该平台评论 MCP(可选,见 recipes)则优先用它满血读;否则 autocli read/fetch-everything 抓首屏(尽力而为,标注部分抓取)
• autocli 抓空/无命令 → fetch-everything(知乎/微博登录墙必要时 CDP 登录态);仍失败 🛑 HALT 告知用户

---

voice-bridge 转写(统一前置)

任何音频转写前,先 health 检查(XHS 视频、yt-dlp 流程都走这里);服务地址取环境变量,未部署则跳过转写改用字幕:

VB="${VOICE_BRIDGE_URL:-http://127.0.0.1:7788}"
curl -s "$VB/health"   # {"ok":true,"model_loaded":true} 才继续;未就绪→告知"转写服务未部署",改用字幕或让用户提供文本
curl -s -X POST "$VB/transcribe_file" \
  -H "Content-Type: application/json" -d '{"path": "/tmp/social_clip_audio.mp3"}' \
  | python3 -c "import json,sys; print(json.load(sys.stdin).get('text',''))"

---

内容总结

这一步是技能核心价值。产出笔记前读 references/summary-standard.md(零遗漏细则、口语→书面、ASR 纠错方法、结构模板)。 要点:每个数字/例子/反面案例/操作顺序/高赞评论都不能省;口语转书面化结构笔记,不是誊抄;重要数字加粗。

---

保存到 Obsidian

定位 vault(本人专用,固定)

本技能仅作者本人使用,vault 固定为 iCloud 下的 obsidian-xwj-ios,不探测、不询问、绝不存到任何其他 vault 或文件夹:

VAULT="${OBSIDIAN_VAULT:-$HOME/Library/Mobile Documents/iCloud~md~obsidian/Documents/obsidian-xwj-ios}"
[ -d "$VAULT" ] || echo "⚠️ vault 不存在,确认 iCloud Obsidian 已同步;在它出现前不要存到别处"

下文 $VAULT 即此固定 vault。(OBSIDIAN_VAULT 环境变量仅为换机时覆盖,日常不用设。)

选目录与文件名(用你已有结构,别硬套内置主题)

1. 先列 vault 现有顶层目录,按你真实的结构归类——不要用内置英文主题表硬套:

   ls -d "$VAULT"/*/ 2>/dev/null   # 看真实目录命名(可能是 02-装修/生活/家/Inbox 等个人化命名)
   

2. 内容主题匹配最接近的现有目录就放进去(装修内容→你已有的 House//装修//生活,而非新造一个)
3. 没有能匹配的现有目录才在 vault 根新建,且 🔴 告知落点(如"存到了新建的 装修避坑/ 下")
4. 文件名用内容主题命名,不用日期前缀(如 净水器选购避坑9点.md)
5. 同名文件已存在 → 先 Read 再追加/更新,绝不直接覆盖

让用户始终知道笔记存哪了:每次保存后一句"已存到 <目录>/<文件名>"。

---

🔴 红线与反例(不要做)

• 不用 WebFetch 抓小红书:基本只拿到登录墙;失败走 fetch-everything 隐身降级
• 抓不到就 HALT,不硬刷、不假装完整:登录墙/风控挡住评论或正文 → 标注"未抓取"并告知用户,绝不编造评论/正文/数字
• 不跳图、不压缩转写:imageList 每张都 Read;总结不把多个例子压成"多种情况"(详见 summary-standard.md)
• 保存不覆盖:同名文件先 Read 再追加/更新,绝不直接覆盖既有笔记
• 微信公众号/Twitter/TikTok 评论别折腾:无干净可部署方案,只交付正文或跳过,不耗时逆向
• 不写死个人路径/端口:vault、代理、转写地址一律走环境变量或运行时探测(见依赖表)
• 写操作(发帖/评论/点赞)默认不做:autocli/MCP 的 publish/comment 类命令属互动写操作,本技能只读;确需执行 🔴 先展示内容等用户确认

---

失败/降级时对用户怎么说(人话,不吐术语)

内部用 MCP/autocli/Scrapling/CDP/CDN 这些后端,但对用户只说人话 + 明确下一步,别让用户看"MCP 失败已隐身降级"这种话:

内部情况	❌ 别这么说	✅ 这么说
评论需登录态没抓到	"评论需登录态/CDP"	"正文拿到了,评论要登录才能看、这条没抓到——要的话我用你 Chrome 登录态再试"
小红书 MCP 失败转 fetch	"MCP 失败已隐身降级"	"小红书原生通道没通,我换了个方式还是拿到了图文和前10条评论,评论可能不全"
视频 CDN 拦截失败	"CDN 拦截失败"	"视频源没取到,方便的话你把视频下下来给我本地路径,我接着转写"
转写服务未起	"voice-bridge 未就绪"	"语音转文字服务没开,我先用字幕;没字幕的话你开下服务、或我只整理画面和简介"

原则:告诉用户 ①拿到了什么 ②缺了什么 ③要不要他做点什么(登录/开服务/给文件)。

---

快速检查清单(📦 全量归档档完成前自查;速览/速读档不适用)

• 图文帖:每张图都 Read 了?(含非XHS从正文提取的图)
• 视频:字幕/转写文本完整,没被截断?
• 评论:抓取了吗?增量观点写进"评论区补充"了?(部分抓取已标注?)
• 总结:每个要点、数字、例子、反面案例都写进去了?
• Obsidian 已保存?目录/文件名正确?同名已合并?
• 无论成功失败,已跑 find /tmp -maxdepth 1 -name 'social_clip_*' -exec rm -rf {} + 2>/dev/null 清临时文件,并告知用户已删除?