1. 项目概述一个面向小红书内容生产的“原生运营”技能包如果你正在用AI Agent比如OpenClaw或Codex做内容创作尤其是针对小红书平台那你大概率遇到过这样的困境AI生成的内容乍一看文字通顺、逻辑清晰但一放到小红书上总感觉“味儿不对”。要么是长篇大论像公众号文章要么是配图风格和平台调性格格不入最终要么数据惨淡要么需要人工大改效率反而低了。xhs-native-ops这个项目就是为了解决这个“最后一公里”的问题而生的。它不是一个全自动的发布机器人也不是一个简单的文案生成器。你可以把它理解为一个专为小红书平台定制的“内容包装车间”。它的核心任务是把上游AI或人工产出的原始内容“原料”加工成真正符合小红书社区氛围、具备高发布就绪度的“成品内容包”。这个技能包的目标用户很明确那些使用OpenClaw、Codex等AI Agent框架进行内容生产的团队或个人。它提供了一套标准化的处理流程从标题优化、卡片式内容规划、视觉包装到发布前质量检查和清单生成确保最终产出物是“小红书原生”的并且是“可供人工复核”的。它严格划清了边界所有需要登录账号的敏感操作如最终点击发布都留给人类在受控的浏览器环境中手动完成这既符合平台规则也保障了账号安全。2. 核心设计理念与工作流拆解2.1 为什么是“原生运营”而非“自动化发布”市面上很多所谓的“小红书自动化工具”其设计思路往往是“如何绕过平台限制实现自动发布”。这本身就走在危险的边缘极易触发平台风控导致账号限流甚至封禁。xhs-native-ops选择了一条更务实、更安全的路径赋能人类而非取代人类。它的设计是“Review-First”复核优先的。AI负责所有繁重、重复、需要大规模处理的“脏活累活”比如根据海量数据生成标题选项、将长文拆解成符合手机阅读习惯的“卡片”、为每张卡片匹配视觉模板、进行内容质量评分等。而人类运营者则负责最终的“品味把关”和“风险控制”在真实的Chrome浏览器里预览最终效果核对清单然后亲手点击发布。这样AI成为了一个不知疲倦、能力超强的副驾驶而人类始终握着方向盘。2.2 核心工作流从信号到可发布包项目文档中那个流程图清晰地勾勒了其核心工作流我们可以将其拆解为六个环环相扣的阶段研究信号输入这是起点。信号可以来自任何上游的AI研究Agent比如分析热门话题、追踪热点事件、解析爆款笔记结构。xhs-native-ops本身不负责这个阶段但它定义好了接口等待这些“信号”的输入。信号可能是一个关键词列表、一份竞品分析报告或者一段趋势描述。话题与角度设计基于输入的研究信号技能包内的逻辑或调用其他AI能力会进行创意发散生成多个潜在的话题方向和切入角度。例如针对“露营”这个信号可能衍生出“新手露营避坑指南”、“百元内提升露营幸福感好物”、“小众绝美露营地推荐”等不同角度。这一步的目标是产出内容的“灵魂”。页面级卡片规划这是实现“小红书原生感”的关键一步。小红书的内容消费是高度“卡片化”和“碎片化”的用户是在不断滑动中浏览信息。因此不能简单地把一篇文章粘贴进去。这一步需要将确定的话题和角度规划成一个由多张“卡片”组成的序列。每张卡片承载一个核心信息点一个技巧、一个产品、一个场景并有对应的文案和视觉占位符。常见的布局有“三段式”、“六宫格”等。视觉包装规划好卡片后需要为每张卡片生成或匹配视觉元素。xhs-native-ops提供了SVG模板可以结合卡片文案自动生成风格统一的封面图、内容配图。这确保了视觉输出的规范性避免了AI生图导致的风格紊乱。评分与检查清单在打包完成前系统会对整个内容包进行自动化“质检”。评分系统可能从标题吸引力、内容相关性、卡片结构完整性、关键词密度等多个维度进行评估给出一个量化分数。同时生成一份详细的“发布前检查清单”列出所有需要人工复核的项如文案有无违禁词、图片是否清晰、了谁、带了什么话题等。人工复核与发布最终运营者会收到一个完整的文件夹内容包里面包含了所有素材和清单。他们在本地Chrome浏览器中打开模拟环境或直接使用开发工具附加预览整个笔记的最终效果依据检查清单逐一核对确认无误后手动完成发布操作。这个工作流清晰地将AI的“生产能力”与人类的“决策权”和“安全阀”角色结合了起来形成了一个高效且可靠的内容生产闭环。3. 技能包结构与核心脚本详解3.1 仓库结构一切皆模块xhs-native-ops的仓库结构体现了其作为“可插拔技能”的设计思想。核心功能都封装在xhs-native-ops/这个子目录下你可以轻松地将整个文件夹复制到你的OpenClaw工作空间的skills目录中。xhs-native-ops/ # 项目根目录用于开发、分发 └── xhs-native-ops/ # 技能包核心目录将被安装到Agent工作区 ├── SKILL.md # 技能说明书告诉Agent如何调用本技能 ├── _meta.json # 技能元数据如名称、描述、版本 ├── agents/openai.yaml # 可能包含提示词模板或Agent配置 ├── references/ # 参考文档如合约格式、陷阱提示 ├── scripts/ # 核心Python脚本所有“魔法”发生的地方 ├── assets/ # SVG模板、字体等静态资源 └── examples/sample-package/ # 示例内容包用于测试和演示这种结构的好处是隔离与清晰。技能的所有依赖和逻辑都自包含不会污染主项目。SKILL.md是Agent的“操作手册”它用自然语言描述了技能的功能、输入输出格式和使用示例。当你的主Agent需要处理小红书内容时它只需要读取这份手册就知道如何调用scripts/下的具体工具了。3.2 核心脚本功能拆解脚本目录scripts/下是四个核心的Python工具它们串联起了整个工作流title_check.py标题生成与校验器输入一个初始标题或话题种子。处理它很可能调用一个AI模型如GPT-4基于小红书平台特性生成多个备选标题变体。这些变体会考虑加入表情符号、热门话题标签、悬念设置等技巧。同时它可能内置一个简单的违禁词过滤机制。输出一个JSON文件titles.json包含一组优化后的标题选项可能附带各自的“吸引力评分”。实操要点运行这个脚本时建议将初始标题用引号包裹避免命令行解析错误。生成的JSON文件可以作为下游脚本或人工选择的输入。# 示例测试一个标题 python3 xhs-native-ops/scripts/title_check.py \ --title 周末宅家做什么 \ output/titles.json # 查看生成结果 cat output/titles.jsonmd_to_xhs_cards.pyMarkdown到小红书卡片的转换器输入一份结构化的Markdown文件package.md。这份Markdown需要遵循特定约定比如用##表示卡片标题![]()表示图片占位符等。处理这是核心的“卡片化”引擎。它解析Markdown根据指定的--layout参数如six代表六宫格布局将内容切割成独立的卡片。它会为每张卡片分配一个ID提取文案并处理图片引用。输出一个cards/目录里面包含每个卡片的独立文件可能是JSON或Markdown格式以及可能根据SVG模板生成的图片文件。实操要点package.md的文件结构至关重要。你必须预先定义好卡片的分割逻辑。通常一个二级标题##及其下的所有内容被视为一张卡片。布局参数决定了视觉上的排列方式但不影响内容本身。# 示例将一篇Markdown文章转换为六宫格卡片 python3 xhs-native-ops/scripts/md_to_xhs_cards.py \ --input my_article.md \ --output-dir ./generated_cards \ --layout sixpost_score.py内容质量评分器输入同样的package.md文件。处理这个脚本会对整体内容包进行多维度分析。评估维度可能包括文案长度是否适中、卡片数量是否合理、是否有行动号召、关键词覆盖度、情感倾向等。它可能使用基于规则的评分也可能集成轻量级的NLP模型。输出一个JSON文件score.json包含各项得分和总分以及简单的改进建议。实操要点评分标准需要根据小红书平台的算法偏好和用户行为数据不断调优。这个分数主要供内部参考和流程优化并非绝对标准。分数低的内容包应触发人工重点审核。publish_checklist.py发布清单生成器输入package.md文件和生成的cards/目录路径。处理它遍历所有卡片和元数据生成一份详尽的Markdown检查清单。清单项可能包括“核对第一张卡片是否为高清封面图”、“检查所有文案是否包含违禁词”、“确认话题标签是否添加且数量适中通常5-8个”、“检查的账号是否存在且相关”、*“预览所有卡片图片是否清晰、风格统一”*等。输出一份publish-checklist.md文件。实操要点这份清单是连接AI生产与人工发布的桥梁。运营人员应严格按照此清单操作确保不遗漏任何关键步骤。你可以根据团队自己的运营规范自定义和扩展这个清单模板。4. 从安装到跑通第一个示例实操全记录4.1 环境准备与技能安装假设你已经有一个正在运行的OpenClaw或兼容的AI Agent环境。安装过程极其简单。首先克隆或下载xhs-native-ops项目仓库到本地。git clone https://github.com/guguclaw2026-cloud/xhs-native-ops.git cd xhs-native-ops接下来运行安装脚本。这个脚本会将核心技能文件夹复制到你的OpenClaw工作区。# 默认安装到标准OpenClaw工作区技能目录 bash install-into-openclaw-workspace.sh # 或者指定自定义的技能根目录 bash install-into-openclaw-workspace.sh /path/to/your/custom/workspace/skills安装完成后你可以在你的AI Agent工具中刷新技能列表应该能看到xhs-native-ops这个新技能可用。它的能力描述就来自SKILL.md文件。4.2 解剖示例内容包在深入运行脚本前我们先看看项目自带的示例包examples/sample-package/这是理解整个流程的最佳教材。package.md这是“原料”。打开它你会看到一篇关于“二次元出海”的Markdown文章。它已经被预先结构化用##分出了几个逻辑部分每个部分对应小红书中的一张卡片。文中可能还有![图片描述](image.jpg)这样的占位符。预期输出通过运行一系列脚本会在这个目录下生成titles.json,score.json,cards/文件夹和publish-checklist.md。4.3 逐步执行与结果验证现在我们按照Quick Start的步骤在项目根目录下逐一执行命令观察每个环节的输出。步骤一生成标题python3 xhs-native-ops/scripts/title_check.py \ --title 做二次元出海后我最想交给AI的五件事 \ xhs-native-ops/examples/sample-package/titles.json执行后打开titles.json你可能会看到类似这样的内容{ original_title: 做二次元出海后我最想交给AI的五件事, suggestions: [ {title: 出海人狂喜这5件事我果断交给AI效率翻倍, score: 95}, {title: 二次元出海秘籍AI帮我扛下的5座大山真香, score: 92}, {title: 别再自己肝了AI接管这些事后我的跨境业务轻松多了, score: 88} ] }注意实际输出取决于脚本内集成的AI模型和提示词。这里模拟了小红书风格加入感叹号、表情符号、口语化表达和利益点。步骤二生成内容卡片python3 xhs-native-ops/scripts/md_to_xhs_cards.py \ --input xhs-native-ops/examples/sample-package/package.md \ --output-dir xhs-native-ops/examples/sample-package/cards \ --layout six这是最关键的一步。脚本会读取package.md根据six六宫格布局将其拆解。完成后进入cards/目录你可能会发现6个以card_01.md、card_02.md...命名的文件每个文件包含一段精简的文案和对应的图片资源引用。同时assets/目录下的SVG模板可能被调用生成了6张风格统一的配图如card_01.png。步骤三内容质量评分python3 xhs-native-ops/scripts/post_score.py \ --input xhs-native-ops/examples/sample-package/package.md \ xhs-native-ops/examples/sample-package/score.json打开score.json会看到一个结构化的评分报告{ overall_score: 87, dimensions: { title_attractiveness: 95, content_structure: 90, card_count_adequacy: 85, visual_consistency: 80, call_to_action: 75 }, feedback: [ 标题优化效果显著吸引力强。, 卡片结构清晰符合六宫格布局。, 建议在最后一张卡片强化行动号召如引导点赞收藏。 ] }步骤四生成发布检查清单python3 xhs-native-ops/scripts/publish_checklist.py \ --input xhs-native-ops/examples/sample-package/package.md \ --cards-dir xhs-native-ops/examples/sample-package/cards \ xhs-native-ops/examples/sample-package/publish-checklist.md生成的publish-checklist.md是一份操作性极强的清单例如# 小红书笔记发布前检查清单 ## 基础信息 - [ ] 主标题已确认[从titles.json中选择的标题] - [ ] 话题标签已添加#二次元 #出海 #AI工具 #效率提升 ... ## 卡片内容 (共6张) - [ ] 卡片1封面图片清晰无水印文案具有冲击力。 - [ ] 卡片2论点与案例匹配数据已核实。 - [ ] 卡片3图片与文案描述相符。 ... - [ ] 卡片6包含明确的行动号召如“关我分享更多出海干货”。 ## 发布设置 - [ ] 发布位置已选择如适用。 - [ ] 定时发布时间已设置如适用。 - [ ] 已确认无任何平台违禁词。至此一个完整的、可供人工复核与发布的小红书内容包就生产完毕了。运营人员只需要打开这个文件夹按照清单在Chrome浏览器中组装预览最终点击发布即可。5. 深度集成与自定义开发指南5.1 如何与你的AI Agent工作流集成xhs-native-ops作为技能被安装后你的主AI Agent比如一个负责市场研究的Agent就可以在需要生产小红书内容时调用它。调用方式通常是通过Agent框架的“工具调用”或“技能执行”功能。例如你的主Agent的逻辑可能是分析本周游戏出海热点确定主题“中小团队如何用AI做本地化”。调用xhs-native-ops技能传入主题信号。xhs-native-ops技能内部执行生成标题 - 撰写结构化Markdown - 生成卡片 - 评分 - 输出清单。主Agent接收技能返回的结果内容包路径并将其加入任务队列等待人工审核。你需要在主Agent的配置或提示词中明确写入调用xhs-native-ops的指令和参数格式这些格式定义在SKILL.md中。5.2 自定义内容模板与视觉风格项目的“原生感”很大程度上来自其视觉模板。assets/目录下的SVG文件是你可以大做文章的地方。修改模板你可以使用任何矢量图编辑软件如Figma、Adobe Illustrator打开这些SVG模板修改其中的字体、颜色、布局、装饰元素以匹配你的品牌视觉规范。比如将主色调从橙色改为你的品牌蓝色更换字体为更圆润的样式。创建新布局除了内置的six六宫格布局你完全可以修改md_to_xhs_cards.py脚本增加新的布局逻辑比如three三段式故事、compare对比测评等。这需要你同时设计对应的SVG模板组并在脚本中实现新的内容分割和排版算法。接入外部AI绘图如果项目默认的SVG模板生成的是静态图文你可以修改卡片生成逻辑在创建每张卡片时调用如DALL·E、Midjourney或Stable Diffusion的API根据卡片文案动态生成更精美的插画或场景图。这能极大提升内容的视觉吸引力。5.3 扩展评分维度与检查清单post_score.py和publish_checklist.py是两个高度可定制的脚本。评分维度你可以根据你的数据复盘经验增加新的评分维度。例如加入“热门词频分析”检查是否包含近期平台高热词、“情感极性判断”内容是否积极正向、“可读性评分”弗莱士-金凯德年级水平测试等。这需要你引入相应的Python库如textblob进行情感分析pyphen进行可读性计算。检查清单项发布清单是你的安全网。你可以根据团队踩过的坑不断增加新的检查项。例如“检查所有商品图片是否已去除其他平台水印如淘宝、京东”“确认导流信息微信号、二维码是否已做模糊处理或符合平台规范”“核对地理位置标签是否准确”“检查的达人是否近期有负面舆情” 将这些经验固化成自动化检查项能有效降低运营风险。6. 常见问题、避坑指南与最佳实践6.1 脚本运行与环境依赖问题问题运行Python脚本时提示“ModuleNotFoundError: No module named xxx”。排查项目可能依赖一些第三方库如json,markdown,PIL处理图像甚至openai如果标题生成需要调用API。项目根目录下应该有一个requirements.txt文件。解决在运行脚本前先安装依赖。pip install -r requirements.txt实操心得建议在团队内部使用虚拟环境如venv或conda来管理每个项目的依赖避免全局包冲突。可以将python3 -m venv .venv和source .venv/bin/activateLinux/Mac或.venv\Scripts\activateWindows的步骤写入一个setup_env.sh脚本方便新成员一键初始化。问题md_to_xhs_cards.py脚本运行成功但生成的cards/目录是空的或图片没生成。排查检查--input指定的package.md路径是否正确。检查package.md中的图片引用语法是否正确以及引用的图片文件是否存在于相对路径下。检查assets/目录下的SVG模板文件是否存在且可读。查看脚本运行时的错误输出如果有。解决确保输入文件格式严格遵循示例。图片引用建议使用相对路径并将所有图片资源放在与package.md同级的images/文件夹中在Markdown里写![](images/photo1.jpg)。6.2 内容生产与平台合规性问题AI生成的文案有时会包含敏感词或广告法违禁词如何避免避坑指南title_check.py和内容生成环节应集成一个本地的违禁词库进行过滤。你可以维护一个banned_words.txt文件包含平台明令禁止和广告法限制的词汇如“最”、“第一”、“国家级”等绝对化用语。在文案生成后、输出前进行一次扫描和替换。重要提示违禁词库需要持续更新因为平台规则和网络用语都在变化。这是一个需要人工定期维护的工作。问题如何确保内容的“原生感”而不是一股AI味儿最佳实践提示词工程在上游AI生成原始内容时就使用高质量的小红书风格提示词。例如“请以一位95后跨境运营专家的口吻用轻松活泼、带网络流行语和表情符号的语气分享3个提升效率的AI工具。每段开头用一个小标题结尾抛出一个互动问题。”人工润色节点在package.md生成后可以设计一个强制的人工润色或确认环节然后再进入卡片生成流程。哪怕只是快速浏览并微调几个词效果也会好很多。数据喂养用你们账号过往的爆款笔记内容去微调上游的AI模型让它更贴近你们的成功风格。6.3 发布流程与账号安全问题为什么坚持“人工在Chrome中发布”而不是全自动核心原则这是项目设定的“硬边界”是出于安全和可持续性的考量。全自动发布行为极易被平台识别为机器操作风险极高。人工发布不仅是点击一下按钮更是一个最终的“质量闸口”和“风险审计点”。在浏览器中预览能发现自动化流程可能忽略的排版错乱、图片加载失败等问题。操作建议为发布人员建立一个标准的Chrome浏览器环境可以安装一些辅助插件如笔记排版预览插件、截图工具等。将publish-checklist.md打印出来或放在副屏严格执行打勾确认。问题如何管理多个账号的内容包和发布任务扩展思路xhs-native-ops产出的是标准化的内容包文件夹。你可以在此基础上开发一个简单的任务队列管理系统。例如用一个数据库记录每个内容包的状态generated-reviewed-scheduled-published并关联目标发布账号和计划发布时间。发布人员每天从系统中领取处于reviewed状态的任务进行发布操作。这样就将AI生产、人工复核、计划发布串联起来了。6.4 性能优化与团队协作问题处理大量内容时脚本运行速度慢特别是调用AI生成标题或评分时。优化建议批量处理修改脚本使其支持输入一个包含多个主题的列表文件然后批量生成内容包减少频繁启动和调用AI的开销。缓存机制对于标题生成、违禁词检查等相对耗时的操作可以考虑引入缓存。如果相同的输入曾经处理过直接返回缓存结果。异步处理如果流程复杂可以考虑将不同的步骤如标题生成、卡片生成、评分拆解为独立的微服务或异步任务通过消息队列串联提升整体吞吐量。问题团队内如何共享和迭代这个技能包协作实践这正是项目以GitHub仓库形式存在的原因。团队可以将这个仓库作为子模块git submodule引入到你们的主项目中。当xhs-native-ops有更新如新增了模板、优化了评分算法时只需要在主项目中更新子模块引用即可。团队内部的修改如自定义的模板、检查清单可以在fork的仓库中进行并通过Pull Request的方式贡献回主项目或内部版本。