メニュー
小红书笔记采集 → 统一 frontmatter Markdown → 爆款拆解 + 衍生选题。 支持笔记链接和 xhslink 短链；爆款拆解按「人群×场景×痛点×情绪×钩子」生成可复用选题。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | xiaohongshu-ingest |
| description | 小红书笔记采集 → 统一 frontmatter Markdown → 爆款拆解 + 衍生选题。 支持笔记链接和 xhslink 短链；爆款拆解按「人群×场景×痛点×情绪×钩子」生成可复用选题。 |
| category | content |
| triggers | ["用户发送小红书笔记链接","采集这篇小红书笔记","拆解这个爆款笔记","帮我做小红书选题"] |
| version | 1.0.0 |
| tags | ["content","xiaohongshu","ingest","hook-analysis","topic"] |
把小红书笔记抓成结构化 Markdown 入库，再用 DeepSeek 拆解爆款逻辑、衍生可直接写的选题。 自动区分图文与视频笔记：图文 → 下载图片本地嵌入；视频 → 像抖音那样转成文字稿。 补齐了仓库在「中文内容采集」上最大的平台缺口，也是「采集 → 选题」创作工作流的起点。
# 图文采集零依赖（仅 Python 标准库）
# 视频笔记转录需要（与抖音/B站转录同一套依赖）：
pip install funasr modelscope torch torchaudio
# macOS: brew install ffmpeg | Ubuntu: sudo apt install ffmpeg
# 强烈建议：配置 cookie 以规避风控（从浏览器登录后复制）
export XHS_COOKIE="你的小红书 cookie 字符串"
# 爆款拆解需要 DeepSeek API Key
export DEEPSEEK_API_KEY="your-api-key"
# 1) 采集笔记 → 统一 frontmatter Markdown
python scripts/fetch_note.py "https://www.xiaohongshu.com/explore/xxxx" -o ./out
python scripts/fetch_note.py "http://xhslink.com/xxxx" -o ./out
python scripts/fetch_note.py "链接" -o ./out --no-images # 图文：只留图片链接不下载
python scripts/fetch_note.py "链接" -o ./out --no-video # 视频：不转录，只留视频链接
python scripts/fetch_note.py "链接" -o ./out --fallback-text 手动正文.txt
# 2) 爆款拆解 → 拆解报告 + 5 条衍生选题
python scripts/analyze_hook.py ./out/某笔记.md -o ./out
fetch_note.py：标题、正文、标签、作者、互动数据（赞/藏/评）→ 统一 frontmatter Markdown（platform: xiaohongshu，含 note_type: image|video）。按笔记类型分流：
<标题>.assets/ 并以 ![]() 嵌入（正文常在图里，本地化后 Obsidian 直接可见）。--no-images 只留链接，单张失败自动回退为链接## 视频文字稿。--no-video 只留视频链接；缺 funasr/ffmpeg 时自动降级为存链接analyze_hook.py：目标人群 / 场景 / 痛点 / 情绪价值 / 标题钩子 / 正文结构 / 可复用模板 / 5 条衍生选题（带 - [ ] 勾选，可直接进选题库）小红书风控严格，未登录的纯脚本访问经常被拦。本 skill 的策略：
__INITIAL_STATE__ 结构化数据og: 元标签.txt，用 --fallback-text 继续生成统一 Markdown，或直接走 analyze_hook.py 拆解（拆解环节不依赖抓取）提供 XHS_COOKIE 能显著提高采集成功率。页面结构若调整，需更新 fetch_note.py 里的选择器。
仅供个人学习与研究使用。请遵守小红书用户协议与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。
knowledge-base-management 入库（统一 frontmatter，按 platform 聚合）industry-intelligence-radar 的趋势信号Obsidian 知识库全生命周期管理：三层架构、素材入库(ABC分级)、健康检查、GBrain/GraphRAG/LLM Wiki 三件套集成、目录整理
X(Twitter) 推文采集 → 统一 frontmatter Markdown。自动区分图文与视频： 图文下载图片本地嵌入，视频提取直链转成文字稿。无需登录（走官方嵌入端点）。
哔哩哔哩视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持 BV 号和完整链接，无需登录。
内容加工：给任意采集产物（转录稿 / 文章 / 笔记）自动补「摘要 + 要点 + 标签 + 价值判断」， 写进 frontmatter 并在正文顶部插入摘要块。是「加工层」通用能力，惠及仓库所有采集 skill。
抖音视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持短链接和完整链接，无需 cookie/登录。
行业情报雷达：多源扫描(X/即刻/V2EX/HN) → 关键词过滤 → 趋势检测 → 每日情报简报。触发词：行业情报、竞品监控、热点扫描、情报雷达