小红书笔记 → Markdown

概述

把一条小红书笔记变成一份结构化的 Markdown 文件：笔记元信息 → 正文逐字 → 核心内容（含可复制的提示词/清单/步骤）→ 实用附录 → 采集说明。

核心难点不在整理，而在抓取：小红书对机房 / 数据中心 IP 有强风控，本机浏览器通道基本必然失败。本 skill 的价值在于给出已被实测验证过的可绕过通道，以及图片正文抓取失败时的诚实降级路径。

输入只需一个东西：小红书链接。

触发条件

| 用户说法 | 是否触发 | | --- | --- | | 「抓取这条小红书的内容，整理成 md」 | ✅ | | 「把这篇笔记存一下」+ 小红书链接 | ✅ | | 直接粘贴小红书分享文案（含 xhslink.cn/o/xxx） | ✅ | | 「上传到 ima / 存进知识库」+ 小红书链接 | ✅ | | 只问小红书怎么用、不涉及具体笔记 | ❌ |

工作流

Step 0 — 确认输出位置（默认即可，不要多问）

默认输出到当前工作区根目录，文件名：<笔记标题>_小红书笔记_<YYYYMMDD>.md
文件名中的标题需去掉 \/:*?"<>| 等非法字符
用户没提 ima 就不要主动上传；用户说"存进 ima / 知识库"才走 Step 6

Step 1 — 解析链接，拿到 note_id

运行解析脚本（脚本位于本 skill 目录下，用绝对路径调用）：

python3 ~/.workbuddy/skills/xiaohongshu-note-to-md/scripts/resolve_xhs_link.py "<用户给的链接>"

脚本输出三行：NOTE_ID / XSEC_TOKEN / CANONICAL_URL（加 --json 输出 JSON）。

原理：对短链发一次 GET（脚本内用 urllib 跟随 302），从跳转目标 URL 里取登录页的 redirectPath 参数，其中含 .../discovery/item/<note_id> 与 xsec_token；必要时做多轮 URL 解码（该参数常被二次编码）。这是取 note_id 最省事、最稳的方法，不要尝试直接抓短链页面正文（会 302 到登录页）。

若用户给的就是 www.xiaohongshu.com/explore/<id> 形式，直接从 URL 里取 id 和 xsec_token，脚本同样适用。

Step 2 — 抓正文（唯一可靠通道：WebFetch）

直接用 WebFetch 打开，不要在本地起浏览器。两个入口都要打一遍，取信息更全的那个：

| 优先级 | 入口 | 实测表现 | | --- | --- | --- | | ① 首选 | 用户给的原始短链（https://xhslink.cn/o/xxx） | 返回正文 + 标签 + 评论区全文（含 AI「点点」摘要），信息最全 | | ② 备用 | 标准 URL（Step 1 的 CANONICAL_URL） | 有时只返回标题 + 正文，评论区缺失 |

WebFetch 的 prompt 固定用这个模板：

提取这篇小红书笔记的全部可见内容，逐字返回，不要总结：
1) 标题
2) 正文全文（含标签 #xxx）
3) 作者昵称
4) 发布时间
5) 图片/视频的数量与说明
6) 评论区前排内容（尤其是作者本人的回复、以及 AI 助手「点点」的摘要评论）
有明显遗漏的地方标注出来。

若首选入口没返回评论区，再打备用入口；反之亦然。两个入口结果不一致时以内容更全的为准。

为什么必须用 WebFetch：本机（bash / curl / agent-browser）的出口是机房 IP，小红书会直接返回 website-login/error?error_code=300012，IP存在风险。WebFetch 的抓取后端出口可用。

Step 3 — 判断内容形态

拿到正文后先判断：

| 情况 | 处理 | | --- | --- | | 正文本身够长（有多段实质内容） | 直接整理正文，进 Step 5 | | 正文很短（如"自存一下""分享一下"+ 一堆标签），核心内容明显在图片里 | 必须进 Step 4 尽力取图 |

判断依据：正文里出现"展开全文"但内容仍然很短、或正文只是一句感叹/自述，就是典型的"内容全在图里"。

Step 4 — 图片正文（尽力而为，允许失败）

按顺序尝试，任何一步超时就跳过，不要死磕：

确认图片数量与主题：WebFetch 追问一句，例如「这篇笔记共有几张图？每张图大致讲什么？如果评论区有图片，也描述一下」。这通常能从 AI 摘要评论里拿到每张图的要点。
Microlink 渲染整页截图（可选，成功率低）：
```
curl -G "https://api.microlink.io/" \
  --data-urlencode "url=<笔记URL>" \
  --data-urlencode "screenshot=true" --data-urlencode "meta=false" \
  --data-urlencode "waitUntil=networkidle2"
```
拿 data.screenshot.url 下载后用 Read 看图。注意：未登录态下小红书图集图片不加载，截图里图片区域通常是空白占位——除非截图里确实看清了图，否则不要浪费时间反复重试。
不要尝试：agent-browser / 本地 Chromium（必被 300012 拦截）、r.jina.ai（登录墙）、tenapi / oioweb / xingzhige 等第三方解析接口（已实测不可用）、Wayback（新笔记无存档）、Microlink click= 关弹窗（弹窗关了图片依然不加载）。

取不到图时怎么办（重要）：

用评论区官方 AI 助手「点点」的摘要评论作为交叉参考——它通常逐条概括了图片里的要点，是目前能拿到的最完整的二手信息。
在 md 里明确写出「依据笔记图片内容与官方摘要整理的可直接使用版本」，并注明与原图可能存在的表述差异。
绝对不要把整理版伪装成原文逐字。用户要靠它做决策，误导的代价远大于不完整。
最后主动告诉用户：提供原图（截图/原图文件）可替换为逐字转写版。

Step 5 — 输出 Markdown

按 references/md-template.md 的模板写。结构固定为：

笔记信息表（平台/标题/作者/链接/短链/笔记 ID/发布时间/内容形态/采集时间）
笔记原文正文（逐字，逐字部分用引用块）
核心内容（用户真正要的东西：提示词、清单、步骤、方法论）
建议使用顺序 / 落地流程（把内容变成可执行动作）
注意事项或常见坑
附录（评论区摘要原文等）
采集说明（技术备注：哪些是逐字、哪些是整理版、为什么）

写完用 present_files 展示给用户。

Step 6 — 上传 ima（可选，用户明确要求时才做）

加载并遵循 ima-local-file-upload skill 完成三段式上传（create_media → COS 签名 PUT → add_knowledge），最后等 20~30s 用 get_knowledge_list 校验 media_state=2 / parse_progress=100。

用户没有指定知识库时，必须问清楚传到哪个库，不要默认。

硬规则

正文逐字部分必须真的是逐字，不得改写、缩写、润色。
整理版必须显式标注，且说明"角色设定/步骤/输出要求来自原笔记，措辞为便于直接使用而补全"。
不要把标题、发布时间从 URL 或猜测中编造出来；拿不到就留空并注明。
时间敏感内容要标注采集时间（笔记可能被作者编辑或删除）。
输出语言默认中文（用户用中文提问时）。

资源

scripts/resolve_xhs_link.py — 从任意小红书链接解析出 note_id / xsec_token / 标准 URL
references/fetch-playbook.md — 各抓取通道的实测结论与失败路径清单（省得下次重走弯路）
references/md-template.md — 输出 Markdown 的固定模板