// 小红书短图文内容生成。从AI日报中提取选题，生成适合小红书平台的短图文帖子（300-800字），推送飞书审稿。 触发词：小红书、写小红书、生成图文、XHS、红书内容、小红书选题、小红书帖子。 即使用户只是说"帮我写几篇小红书"或"从日报里选几个题"，只要上下文涉及小红书内容产出，都应该触发。 不要用于公众号长文（那个用 khazix-writer skill）。
| name | xhs-content |
| description | 小红书短图文内容生成。从AI日报中提取选题，生成适合小红书平台的短图文帖子（300-800字），推送飞书审稿。 触发词：小红书、写小红书、生成图文、XHS、红书内容、小红书选题、小红书帖子。 即使用户只是说"帮我写几篇小红书"或"从日报里选几个题"，只要上下文涉及小红书内容产出，都应该触发。 不要用于公众号长文（那个用 khazix-writer skill）。 |
本 skill 的写作风格继承自 writer（khazix-writer）skill 的核心方法论，以下原则直接沿用，不再重复：
关键适配：以上方法论在小红书上要进一步压缩密度、提高信息冲击力。公众号是 4000-8000 字的长跑，小红书是 300-800 字的短拳，每一句都要有存在的理由。
当与 ai-daily-report skill 配合使用时，从日报中提取 3 个最适合小红书的选题。
选题前必须先查询多维表格过去 7 天的已有记录，获取已写过的标题和选题来源，作为去重黑名单。
查询命令：
lark-cli base +record-list --base-token OPgkbbFjNa0v3csZRsoc4sXOnVg --table-id tblvmMEa9LlCIFYK --as user --limit 30
去重判定（三选一即算重复）：
命中黑名单的素材直接跳过，不做为选题候选。没有例外。
每个候选选题在进入评分前，必须先回答这一个问题：
"用户读完这条会想干什么？"
只有以下三种答案之一可以通过门槛：
| 答案 | 选题归类 | 例子 |
|---|---|---|
| 想立刻试 / 想推荐给朋友 | 分享型 | Claude 操控 PS/Blender、49 个 AI Agent 搭工作室 |
| 想存起来回头看 | 收藏型 | Karpathy 金句、10 年设计经验压成一个文件 |
| 想发评论说话（有情绪点） | 评论型 | Manus 代码进 Meta 仓库（争议+八卦） |
| 答不出来 / 读完没下一步动作 | ❌ 直接砍 | OpenAI 做手机、Cerebras IPO、Google 75% 代码 AI 写 |
这是在 13 条已发数据中验证出的核心规律：综合分前 6 名都明确属于以上三类之一，倒数 5 名全部是"读完没下一步动作"的内容。
通过 13 条数据观察到的扑街专业户：
| 信源 | 命中率 | 用法 |
|---|---|---|
| Karpathy / op7418（原创/资源型 KOL） | 高 | 优先 |
| 主流外媒报道"产品能做新事情" | 高 | 优先（Claude 操控 PS） |
| 主流外媒报道"产业新闻" | 低 | 大幅降权（融资/政策） |
| GitHub Trending 但能脑补"非工程师也想用" | 中 | 选择性用 |
| GitHub Trending 纯工程师小工具 | 低 | 砍 |
| dotey 类搬运型 KOL | 低-中 | 用前先去 KOL 原文找原创点，否则砍 |
分享型（能脑补使用场景）> 评论型（有情绪点/争议）> 收藏型（金句/方法论/工具）
>>>>> 其他全部砍
质量 > 数量 > 类型分布。
为什么：之前为了凑"分享/收藏/评论"三种类型各一篇，硬选了第 1 篇（11 万星老项目，过不了"24 小时新鲜度"门槛）和第 3 篇（标题党，没有评论弹药）。质量被结构需求拖垮了。
正确做法：先把所有候选过"24 小时新鲜度 + 用户场景过滤"双门槛，剩下几条就出几条。如果只剩 1 条够格也就出 1 条，绝不为了"今天该有 3 篇"补水。
执行过程中如果发现某个选题过不了"用户场景过滤"门槛，可以自主替换，无需请示。替换时说明理由即可。宁可少一篇也不要发"读完没下一步动作"的内容。
一篇小红书帖子的标准结构：
【标题】一句话钩子，制造好奇心或信息冲击（不超过 20 字，英文两个字母算一个字）
【正文】
第一段：抛出核心信息或让人"？？？"的事实（1-2 句）
第二段：展开说明，带入个人视角或场景（2-4 句）
第三段：关键信息/数据/对比（这是帖子的"干货核心"）
第四段（可选）：延伸思考或行动建议（1-2 句）
收尾：一句话总结或留个钩子引导评论
【标签】#标签1 #标签2 #标签3 #标签4 #标签5
| 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 |
1. 标题必杀技
好标题的公式（选一种，严格控制 20 字以内，英文两个字母算一个字）：
GPT-5 发布 24 小时，这 3 个变化你必须知道99% 的人不知道，Claude 其实可以这样用Karpathy 说大部分人用 AI 的方式都错了用 AI 写了一周小红书之后，我发现...AI 最大的问题不是太强，而是太弱禁止的标题：
2. 第一句话法则
小红书用户划走一篇帖子只需要 0.5 秒。第一句话必须让人停下来。
好的第一句：
Karpathy 昨天发了条推，409 万人看了，说的是...我测了 6 个 AI 模型做同一件事，只有 1 个活下来了GitHub 上最火的 AI 项目，居然不用写一行代码3. 段落节奏
4. 收尾
沿用 writer skill 的收尾哲学——不要用"你觉得呢？评论区聊聊"这种营销号式互动引导。好的收尾是自然地留一个悬念、一个未解的问题、或者回扣开头的意象，让读者自己想说点什么，而不是被你催着说。
好的收尾示例：
但真正让我好奇的是，这件事三个月后会变成什么样说实话我也没想明白，这到底是好事还是坏事禁止的收尾：
5. 来源链接（必须）
每篇图文正文末尾必须附上选题来源的原始链接（推文链接、新闻链接、GitHub 链接等）。用户需要点进去查看原文和配图。没有链接的图文不合格。
6. 标签策略
每篇 3-5 个标签，组合逻辑：
#AI / #人工智能 / #ChatGPT#AI工具 / #效率提升 / #开源项目#Claude / #GPT5 / #AI日报 / 具体产品名沿用 writer skill 的核查原则，但流程压缩：
（来源：@karpathy 推文））核查报告不需要单独输出表格（公众号才需要），但在生成帖子时需要确保每条事实都有来源，来源以自然方式嵌入正文或标注在末尾。
写完每篇帖子后快速过一遍：
每篇帖子需要配图，直接截取真实来源（不要自制卡片，用户更看重真实感和效率）。
CDP 不可用时的降级策略：如果 Chrome CDP 端口（9222）连接失败或超时，跳过配图步骤，在飞书文档中每篇选题正文前标注「⚠️ 配图待补（CDP 不可用）」。绝不能因为配图失败阻塞文字内容产出和飞书文档创建。
⚠️ 这是反复出错的环节，必须严格按以下步骤执行，不得简化或跳步。
配图必须放在对应选题正文前面，严禁堆在文档末尾。
完整操作步骤（逐步执行，每步验证）：
步骤 A：先用 docs +create 或 docs +update --mode overwrite/append 写入全部文字内容
步骤 B：用 docs +media-insert 逐张上传截图到文档，记录每张图的 image token
步骤 C：对每篇选题，用 docs +update --mode insert_before 将对应配图插入到该选题正文第一句话前面
步骤 C 的命令格式：
lark-cli docs +update --doc "<doc_token>" \
--mode insert_before \
--selection-with-ellipsis "该选题正文的第一句话前几个字" \
--markdown '<image token="<image_token>" width="3154" height="1488" align="center"/>'
常见错误（已发生 3 次以上，必须避免）：
验证方法：步骤 C 全部执行完后，用 docs +get 重新拉取文档内容，检查每张配图是否出现在对应选题正文前面。如果不对，立即修正。
关键发现：飞书文档中已存在的 image token 可以直接在 docs +update 的 markdown 中复用，用 insert_before/insert_after 模式可以将图片插入到文档任意位置。media-insert 只能追加到末尾，但 docs +update 没有这个限制。
每篇帖子的最终输出格式：
---
选题来源：[日报中的具体素材]
核心角度：[一句话说明这篇帖子在讲什么]
选题类型：[分享型/收藏型/评论型]（必须三选一，否则砍）
用户场景过滤：[读完用户会想干什么？必须答出"立刻试/想推荐/想存起来/想发评论"四选一]
事实来源：[列出主要来源链接]
预测评分：点击力 X/5 | 收藏力 X/5 | 争议分享力 X/5
---
【标题】xxx
【正文】
xxx
【标签】#xxx #xxx #xxx #xxx #xxx
【配图说明】
1. 封面：xxx
2. 内页（如有）：xxx
生成每篇帖子时，必须对以下 3 个维度打分（1-5 分），作为后续数据反馈的对照基线：
三维改造来源（2026-05-06，基于 13 条已发数据复盘）
老 4 项（钩子力/信息密度/传播性/互动潜力）有两个问题：
- "信息密度"和"传播性"高度重合，但和实际表现弱相关
- 没有"用户场景"维度，导致老评分把多源新闻当 Top 1 但实际数据全扑街
13 条数据的真实分布表明，三类内容各走各的路：
- 分享型靠分享拉分（Claude 操控 PS/Blender 综合 #1）
- 评论型靠评论拉分（Manus 进 Meta 综合 #2）
- 收藏型靠赞藏拉分（Karpathy 综合 #3）
综合分公式：阅读×1 + 赞藏×10 + 评论×100 + 分享×50
评分要诚实，不要全打高分。如果一篇帖子点击力 5 但收藏力 2，就老实写。打分的目的是校准预测能力，全打 4-5 分等于没打。
每篇文章生成后，自动写入飞书多维表格进行追踪：
OPgkbbFjNa0v3csZRsoc4sXOnVgtblvmMEa9LlCIFYK| 字段 | 类型 | 谁填 | 说明 |
|---|---|---|---|
| 帖子链接 | URL（主字段） | 用户 | 小红书帖子链接，飞书自动识别标题 |
| 发布日期 | 日期 | 管线 | 生成日期，毫秒时间戳 |
| 标题 | 文本 | 管线 | 文章标题 |
| 选题类型 | 单选 | 管线 | 分享型/收藏型/评论型（新口径） |
| 选题来源 | 文本 | 管线 | 来源（如 @karpathy 推文、GitHub Trending） |
| 预测-点击力 | 评分1-5 | 管线 | 标题+封面冷启动能力 |
| 预测-收藏力 | 评分1-5 | 管线 | 内容是否值得存 |
| 预测-争议分享力 | 评分1-5 | 管线 | 是否激发讨论或推荐 |
| 阅读量 | 数字 | 用户 | 阅读总量（小红书里=封面+标题点击率） |
| 赞藏 | 数字 | 用户 | 点赞+收藏合计 |
| 评论 | 数字 | 用户 | 评论数 |
| 分享 | 数字 | 用户 | 分享/转发数 |
| 经验总结 | 文本 | Mavis | 偏差分析和经验沉淀 |
过渡说明（2026-05-06）：表格里历史的"预测-钩子力 / 预测-信息密度 / 预测-传播性 / 预测-互动潜力"四列保留不动，作为历史对照。新写入的记录在新三维评分上，老 4 列留空即可。后续考虑用 base 字段重命名做迁移。
lark-cli base +record-upsert --as user --base-token OPgkbbFjNa0v3csZRsoc4sXOnVg --table-id tblvmMEa9LlCIFYK --json '{
"发布日期": <毫秒时间戳>,
"标题": "文章标题",
"选题类型": "分享型",
"选题来源": "@op7418 推文",
"预测-点击力": 4,
"预测-收藏力": 5,
"预测-争议分享力": 4
}'
注意：
--as user（bot 没有写入用户多维表格的权限）。用户发布帖子后，在多维表格的「帖子链接」列贴上小红书链接，并填入「赞藏」和「评论」数据。Mavis 收到数据后执行：
注意：不要用 CDP 抓取小红书页面数据，有封号风险。数据由用户手动提供。
生成完成后，每天新建一份飞书文档推送审稿：
小红书短图文 | {YYYY}年{M}月{D}日 AI日报精选docs +create 新建文档（不覆盖旧文档，保留历史）
[HINT] Download the complete skill directory including SKILL.md and all related files