xhs-tech-writer

# 小红书 AI/科技短图文创作 · xhs-tech-writer Hermes 原生、可配置、多 profile 兼容的小红书 AI/科技内容创作工作流。从选题评估到反 AI 味道自检，六步产出可直接发布的 300–800 字技术科普笔记。 --- ## 🚩 Red Flags — 出现这些借口立即停止 | 借口 (Excuse) | 鞭子 (Rebuttal) | |---|---| | GitHub Trending 高星 = 新项目 | 11 万星大概率是老项目，必须查 first commit / release | | 今天必须凑够 3 篇 | 质量 > 数量。日报里几条够格就出几条，1 条也行 | | 用户场景过滤太严格了 | 13 条数据复盘：综合分倒数 5 名全部是"读完没下一步动作"的内容 | | 没参考笔记也能写出我的风格 | 无参考笔记 = 通用小红书风格，建议先收集 1–3 篇代表作 | | AI 生成的内容大差不差能用 | AI 味道清单 9 条必过，否则重写 | | 主流外媒报了就一定能写 | 还要过"用户场景过滤"，没下一步动作的资讯也砍 | | 标题先写，正文跟着凑 | 钩子可以先写，但正文不达标就回头改标题，不要反过来 | | xhs 链接爬不下来就放弃风格提取 | xhs-crawler cookie 过期常见。先搜 Obsidian vault（`search_files` 搜标题关键词），命中的 `.md` 大概率是原文。Obsidian 里没有才用通用风格 | | 「去年」「半年前」等时间标记开头 | AI 套话高频。用户纠正过"开头不要说去年"。用具体场景/事故/数字直接拉入，不写时间状语 | | 开篇痛点没数据 | 用 `web-research-router` grounding 模式找硬数据（论文统计、行业报告、生产事故案例）。41%-86.7% 多 Agent 失败率、38% 可靠性首忧、Replit 删库——这类数据比"AI 越来越重要"有说服力 100 倍。好数据放在开篇 1-2 句，直接锚定读者注意力。 | ``` 用户给了什么？ ├─ 只给主题 / 话题 │ └─ Step 1 收集信息（追问参考笔记 / 受众 / 爆款） │ ├─ 给了主题 + 参考笔记 │ └─ Step 2 风格提取 → Step 3 选题评估 → Step 5 生成 → Step 6 自检 │ ├─ 给了主题 + 参考笔记 + 爆款样本 │ └─ 完整 6 步流程（Step 1 → 6） │ ├─ 给了 AI 日报 / 资讯素材流 │ └─ 先走「选题来源筛选」门槛 │ ├─ 24h 新鲜度过滤 │ └─ 用户场景过滤（必须答出"想立刻试/推荐/存/评论"四选一） │ → 然后回到 Step 3 评估幸存选题 │ └─ 给了爆款想拆解学习 └─ 直接跳到 Step 4 六维爆款拆解（不强求生成笔记） ``` --- ## 六步工作流概览 ### Step 1: 信息收集 逐项追问，未确认前不进入 Step 2。 - **必填**：主题或话题（一句话能说清的方向） - **强烈建议**：参考笔记 1–3 篇（用户自己账号代表作；缺失会导致风格通用化） - **建议**：背景信息（用户身份/账号定位）+ 目标受众（人群画像） - **可选**：爆款参考（同领域他人爆款，用于结构借鉴）+ 特殊要求（字数/口吻/禁词） 缺哪一项就明确告知"缺这一项会损失什么"，让用户决定补还是跳过，不要默默兜底。 ### Step 2: 账号风格提取 仅在用户提供参考笔记时执行。从 1–3 篇代表作里抽取： - 人称（我 / 我们 / 你 / 第三人称） - emoji 使用密度与偏好（emoji-heavy / 偶尔点缀 / 全无） - 段落节奏（一句一段 / 2–4 句一段 / 长段落） - 钩子套路（提问 / 数字 / 反常识 / 自嘲） - 收尾方式（互动钩子 / 信息差余韵 / 行动召唤） 输出一份"风格档案"供 Step 5 调用。详细字段与示例见 `references/style-extraction.md`。 **参考笔记获取失败时**：当 xhs-crawler 因 cookie 过期/CDP 不可用提取失败，不要直接放弃风格提取。先在 Obsidian vault 搜索标题关键词（`search_files`），命中文件大概率是原文或近原文。详见 `references/obsidian-fallback-source-discovery.md`。 ### Step 3: 选题评估 每个候选选题跑两轮过滤 + 一轮预测。 **第一轮：用户场景过滤（一票否决）** 要求一句话答出"读者读完会做哪一件事"，四选一： 1. 想立刻打开试一下（分享型） 2. 想推荐给朋友（评论型） 3. 想收藏起来备用（收藏型） 4. 想留言表达观点（争议型） 答不出来 → 直接砍。 **第二轮：五维评估**（信息密度 / 情绪强度 / 实用度 / 时效性 / 差异化），每维 1–5 分。 **第三轮：4 维预测评分** —— 点击力、收藏力、争议分享力、综合潜力（1–5 分）。 **选题禁区**：估值/IPO/融资类、政策/诉讼类、纯产品发布、没有可验证细节的"计划中"事件。 详细打分表与禁区清单见 `references/scoring-rubrics.md`。 ### Step 4: 六维爆款拆解（条件步骤） 仅当用户提供爆款参考时执行。六个维度： 1. 标题钩子类型 2. 开头 1–2 句的"截停技巧" 3. 主体结构骨架（清单 / 故事 / 对比 / 流程） 4. 信息密度节奏（每段信息量曲线） 5. 收尾互动设计 6. 视觉/排版套路（emoji / 分隔符 / 序号） **风格融合原则**："结构学爆款，语气做自己"。爆款给骨架，参考笔记给皮肤，两者拼起来才是用户专属版本。 详细维度模板与示例见 `references/viral-breakdown.md`。 ### Step 5: 生成笔记（两阶段） > 🚨 **图片脚本和正文是两次独立交付。不确认脚本不写正文。** 用户曾纠正"我们先出图片脚本，再出正文好吗"——脚本对完才进正文。 **Phase A：图片脚本** 输出 INFO DENSITY 的卡面脚本（每张卡片标题 + 正文要点 + 类型），结构： ``` | # | 标题 | 正文要点 | 类型 | |---|------|---------|------| | 01 | 封面 | 主标题 + 副标题 + 标签 | cover | | 02 | ... | ... | content/grid/data/steps/comparison | | ... | ... | ... | ... | | NN | 封底 | 总结金句 + CTA | back-cover | ``` 每张卡片要点必须信息密集——不只写标题，写完整正文精要。用户说过"每张图片的内容也可以丰富一点（信息密集）"。 **脚本确认后**，才进入 Phase B。 **Phase B：正文（body copy）** - **标题**：≤20 字，含情绪词或数字，搜索关键词靠前 - **正文**：300–800 字，结构 = 钩子(1–2 行) → 核心内容(3–8 段，每段 2–4 句) → 收尾(留悬念 / 回扣开头) - **标签**：3–5 个，混合大词（#AI #ChatGPT）+ 长尾词（#AI日报 #程序员工具） - **配图建议**：优先真实截图（详见下文「配图建议」） 标题公式、钩子库、收尾模板见 `references/hook-library.md`。 ### Step 6: 自检与迭代 跑反 AI 味道清单 9 条，全过才输出；任一不过 → 重写对应段。 清单覆盖：套话开头、空洞排比、AI 高频词、过度对仗、抽象升华、无具体细节、伪互动问句、机翻感转折、结尾鸡汤。 完整清单与改写示例见 `references/anti-ai-checklist.md`。 --- ## 选题来源规范 当用户提供 AI 日报 / 资讯流 / RSS 聚合时，先过两道门槛，再进入 Step 3： 1. **24h 新鲜度**：发布 / 首次曝光超过 24 小时的，除非有新进展，否则直接砍。 2. **用户场景过滤**：必须能一句话说出读者"下一步做什么"。 **信源命中率参考**（用于快速分流）： - 高命中：KOL 原创深度推文 / 主流外媒"产品能做的新事" - 中命中：GitHub Trending 中能脑补出具体使用场景的项目 - 低命中：融资 / 政策 / 诉讼 / IPO；GitHub 上纯工程师内部工具 **选题优先级**：分享型 > 评论型 > 收藏型 > 其他。优先选能让读者立刻"打开、试一下、转一下"的选题。 --- ## 公众号长文 vs 小红书短图文 | 维度 | 公众号长文 | 小红书短图文 | |------|-----------|-------------| | 字数 | 4000-8000 | 300-800 | | 开头 | 叙事铺垫，慢慢进入 | 第一句就要炸，没有铺垫空间 | | 结构 | 无小标题，一口气读 | 短段落，视觉分块，手机阅读友好 | | 深度 | 层层剥开，文化升维 | 聚焦一个点，讲透就收 | | 语气 | 聊天感，偏私人叙事 | 更直给，偏分享/种草/信息差 | | 收尾 | 哲思余韵/回环呼应 | 一句话钩子，引导互动 | | 段落 | 一句一段制造呼吸感 | 2-4 句一段，但段间留空行 | --- ## 反馈迭代闭环 每篇笔记在 Step 5 输出时必须附带三维预测评分：**点击力 / 收藏力 / 争议分享力**（各 1–5 分）。 用户发布后，按以下流程回写： 1. 记录实际数据：阅读 / 赞藏 / 评论 / 分享 2. 综合分公式：`阅读 × 1 + 赞藏 × 10 + 评论 × 100 + 分享 × 50` 3. 对比预测 vs 实际，标记偏差最大的选题与原因（钩子？选题？标签？配图？） 4. 累计 10–20 篇后做一次复盘，提炼规律 → 更新选题优先级与钩子库 **存储方式 user-configurable**：本地 JSON、用户自选笔记系统、Hermes 多 profile 配置均可。本 skill **不强绑定**任何第三方表格 / 协作系统。 --- ## 图文协作工作流：先脚本，后正文 当内容需要配套图片卡片时，**先出图片脚本和卡片，再写正文**。这是因为： 1. 图片脚本是正文的骨架——卡片顺序决定了正文的叙事线 2. 卡片渲染过程中发现的问题（内容溢出、信息密度不均）会反哺正文 3. 正文可以根据卡片最终布局做呼应，而不是正文写完再硬凑图片 **流程：** ``` 源文档 → 图片脚本（卡片大纲）→ 用户确认 → [可选] CC Agent Team 审计（技术准确性 + 脱敏 + 风格） → 修订脚本 → 渲染卡片 → 视觉 QA（含稀疏检测） → 卡片定稿 → 写正文 ``` **CC 审计环节**（推荐）：对于技术深度内容，在脚本确认后、渲染前，拉 CC Agent Team 做 3-lens 并行审计（技术准确性 / 小红书适配 / 合规脱敏）。详见 xiaohongshu-cards skill 的 `references/sparse-card-fix.md` 中的 CC 审计模式。 - **优先真实截图**：KOL 推文截图 / GitHub 项目页 / 新闻原文页 / Demo 录屏关键帧 - **不自制卡片**：除非用户明确要求，不生成"小红书风格信息卡"——会显得 AI 味重 - **工具由用户配置**：本 skill 不绑定具体浏览器、CDP、截图工具或图片 CDN - **失败降级**：配图链路失败时，在笔记末尾标注「⚠️ 配图待补」，**不阻塞文字产出** - **数量参考**：首图 1 张 + 正文配图 2–4 张，总数 3–5 张为佳 --- ## 执行原则 - **逐步确认**：每一步告诉用户在做什么，等确认再推进 - **透明过程**：评分、拆解、改写都展示推理 - **灵活中断**：任何步骤用户可叫停或跳过 - **结果导向**：目标是可发布的笔记，不是流程完美 - **不走形式**：评估表只是工具，砍掉无效选题比凑齐 3 篇更重要 - **直接输出**：少寒暄，多干货 - **给选项**：风格 / 钩子 / 标题模糊时给 2–3 个候选让用户选 - **风格优先**：参考笔记的风格 > 通用爆款套路 - **真实感**：宁可不工整，不要 AI 味 - **可发布**：每篇都按"今天就要发"的标准出 - **先判断再解释**：用户场景过滤先给"砍/留"，再解释为什么 - **拒绝就是拒绝**：用户说不要某个方向就不要再绕回来劝 --- ## ✅ 验证清单 发布前最后一遍自检： - [ ] 标题 ≤20字，包含情绪词或数字，搜索关键词靠前 - [ ] 第一句话能让人停下来（钩子检查通过） - [ ] 全文 300-800 字，每句话都有存在的理由（无水字数段） - [ ] 反AI味道清单 9 条全过（见 references/anti-ai-checklist.md） - [ ] 三维预测评分已填（点击力/收藏力/争议分享力），非全 4-5 分 - [ ] 风格与参考笔记一致（如有），人称/emoji/段落节奏匹配 - [ ] 来源链接已附在正文末尾，可点击追溯