shuling

name	shuling
description	| Use when this capability is needed.

小红书 MCP Skill

基于 xiaohongshu-mcp 封装。

完整文档请查看 README.md

快速参考

脚本	用途
install-check.sh	检查依赖是否安装
start-mcp.sh	启动 MCP 服务
stop-mcp.sh	停止 MCP 服务
status.sh	检查登录状态
search.sh <关键词>	搜索内容
recommend.sh	获取推荐列表
post-detail.sh <feed_id> <xsec_token>	获取帖子详情
comment.sh <feed_id> <xsec_token> <内容>	发表评论
user-profile.sh <user_id>	获取用户主页
track-topic.sh <话题> [选项]	热点跟踪报告
export-long-image.sh	帖子导出为长图（白底黑字+图片拼接）
mcp-call.sh <tool> [args]	通用工具调用

快速开始

cd scripts/

# 1. 检查依赖
./install-check.sh

# 2. 启动服务
./start-mcp.sh

# 3. 检查状态
./status.sh

# 4. 搜索内容
./search.sh "春节旅游"

MCP 工具

工具名	描述
check_login_status	检查登录状态
search_feeds	搜索内容
list_feeds	获取首页推荐
get_feed_detail	获取帖子详情和评论
post_comment_to_feed	发表评论
reply_comment_in_feed	回复评论
user_profile	获取用户主页
like_feed	点赞/取消
favorite_feed	收藏/取消
publish_content	发布图文笔记
publish_with_video	发布视频笔记

热点跟踪

./track-topic.sh "DeepSeek" --limit 5
./track-topic.sh "春节旅游" --limit 10 --output report.md
./track-topic.sh "iPhone 16" --limit 5 --feishu

长图导出

搜索结果或帖子详情导出为带文字注释的 JPG 长图：

# 准备 posts.json（搜索+拉详情后整理）
cat > posts.json << 'EOF'
[
  {
    "title": "帖子标题",
    "author": "作者名",
    "stats": "1.3万赞 100收藏",
    "desc": "正文摘要，支持\n换行",
    "images": ["https://...webp", "https://...webp"],
    "per_image_text": {"1": "第2张图的专属说明"}
  }
]
EOF

./export-long-image.sh --posts-file posts.json -o output.jpg

样式：白底黑字（模仿小红书原样），每个帖子前有文字块（标题+作者+正文），帖子间有分隔线。

per_image_text 可选：如果原帖文字明确指向某张图（如"图7-9是青龙桥"），把说明放在对应图片上方。未指定则所有文字集中在文字块。

字体：自动检测系统中文字体（STHeiti > Hiragino > Arial Unicode > Noto CJK）。

注意事项

• 首次运行会下载 headless 浏览器（~150MB）
• 同一账号避免多客户端同时使用
• 发布限制：标题≤20字符，正文≤1000字符，日发布≤50条
• Linux 服务器需要从本地获取 cookies，详见 README.md

自进化知识库

本 Skill 具备跨周期学习能力，通过 knowledge-base/ 目录积累运营经验。

首次初始化

如果 knowledge-base/README.md 不存在（相对 skill 根目录），按顺序执行：

第一步：配置 LLM

询问用户：

这个子 skill 仅做小红书 MCP 调用。如果作为薯灵主 skill 的一部分使用，主 SKILL.md 会负责 LLM 决策。 请选择：

1. Claude API (Anthropic)
2. OpenAI API
3. 兼容 OpenAI 格式的其他服务（DeepSeek/通义/本地模型等）

根据选择，编辑 config/runtime.env 中的 LLM_PROVIDER、LLM_API_KEY、LLM_BASE_URL、LLM_MODEL。

第二步：竞品分析播种

1. 用 search_feeds 搜索 3 组关键词：
   • "GitHub 开源项目推荐"
   • "AI工具 推荐 教程"
   • "程序员 效率工具"
2. 每组取互动量 top 5，共约 15 条
3. 对 top 10 调 get_feed_detail 获取完整内容
4. 归纳提取：
   • 标题模式 3-5 个（模板 + 示例 + 适用场景）
   • 正文结构 2-3 个
   • 高频标签 top 10
   • 互动引导话术 2-3 个
5. 写入文件：
   • knowledge-base/patterns.md（初始 pattern，标记 source: competitor, confidence: low）
   • knowledge-base/rules.json（初始规则，合并 data/content-rules.md 中的约束）
   • knowledge-base/README.md（索引，阶段: cold-start）

创作时的知识读取

进行选题或内容创作前：

1. 读 knowledge-base/README.md — 了解当前阶段和有效 pattern 摘要
2. 读 knowledge-base/patterns.md — 获取活跃 pattern 详情
3. 融入创作思考：
   • confidence 为 high/medium 的 pattern 优先参考
   • cold-start 阶段 competitor 来源的 pattern 权重较低，鼓励探索
   • 不要机械套模板，pattern 是方向参考，结合选题灵活调整
4. 如果 knowledge-base/reviews/ 下有最近的周复盘，浏览关键发现

知识库维护

知识库的定期更新由薯灵主 skill 的每日复盘流程负责（详见薯灵主 SKILL.md 第 3 节），由助手按 SKILL.md 决策、调用 fetch-metrics/fetch-comments/noterx-diagnose 等脚本完成。

但如果用户在交互中明确要求（如"分析一下最近的数据"、"更新知识库"），可以手动读取 data/exports/ 下的数据文件，执行分析并更新 knowledge-base/。

---

Source: AI-flower/shuling — distributed by TomeVault.