小红书舆论监控 Skill

自动监控小红书帖子 → 筛选内容 → 生成评论话术 → 写入飞书多维表格。

适用于任何行业：AI、电商、美妆、餐饮、教育……只需修改 config.yaml 即可适配。

快速开始

1. 安装

# Via ClawHub
clawdhub install xiaohongshu-public-monitor

# 手动安装
git clone https://github.com/Lisayinyy/xiaohongshu-public-monitor.git ~/.openclaw/skills/xiaohongshu-public-monitor

# 安装依赖
pip install playwright
playwright install chromium

2. 登录小红书（仅首次）

python3 scripts/xhs_search.py login

弹出浏览器，扫码登录一次，后续自动复用。

3. 配置

编辑 config.yaml，填入：

你的品牌名和产品
搜索关键词
飞书多维表格 token
3个评论人设（根据你的行业定义）

4. 运行

# 搜索
python3 scripts/xhs_search.py batch "关键词1" "关键词2" --scroll 5

或让 Agent 执行完整工作流（搜索 → 筛选 → 生成评论 → 写入表格）。

工作流程（4步）

Step 1：搜索

按 config.yaml 中的关键词搜索小红书
筛选「一天内」+ 排序「最多点赞」
Playwright 持久化登录，headless 模式，支持滚动翻页

Step 2：去重

查飞书表格已有链接，相同链接跳过

Step 3：筛选

基础门槛（3条必满足）：

链接能打开，标题内容对得上
作者不为空
互动数据完整（👍点赞 ⭐收藏 💬评论）

内容质量（满足任一入表）：

直接提及你的品牌或产品
同行业多个品牌/产品对比
榜单、排名、测评类内容
价格/性价比讨论
高互动且有争议讨论

不入表：

与你的业务完全无关
纯招聘/面试
互动极低且无对比内容
评论区已有足够正面声音

Step 4：生成评论 + 写入表格

为每篇帖子生成 3人设 × 2条 = 6条评论
判定紧急程度（🔴高/🟡中/🟢低）
按「发现日期从新到旧 → 紧急程度高到低」排序写入飞书表格

评论人设

在 config.yaml 中定义 3 个人设。根据你的行业选择最合适的角色组合。

选人设的原则：选你的目标用户群里最有说服力的 3 种人。

示例：

| 行业 | 人设1 | 人设2 | 人设3 | |------|-------|-------|-------| | AI/科技 | 技术专家 | 普通用户 | 产品经理 | | 美妆 | 资深化妆师 | 学生党 | 成分党博主 | | 餐饮 | 美食博主 | 附近居民 | 餐饮同行 | | 电商 | 老买家 | 第一次买的人 | 行业从业者 | | 教育 | 在读学员 | 家长 | 教育行业人士 |

每个人设需要定义：

特征：这个人是谁
风格：怎么说话（口语化/专业/情绪化）
目的：为什么要用这个人设评论

评论红线

❌ 不写广告语
❌ 不贬低竞品（只客观对比）
❌ 不虚构数据
❌ 多条评论风格不能雷同
❌ 负面帖下不强行洗白

紧急程度判定

🔴 高：发布<24h + 有互动 + 对比/榜单类 + 负面倾向 🟡 中：有传播潜力 + 缺正面声音 + 评价中性 🟢 低：正面帖 + 互动稳定 + 已有正面声音

表格字段

| 字段 | 说明 | |------|------| | 文章标题 | 帖子标题 | | 文章链接 | 原文链接 | | 作者 | 作者昵称（不能为空）| | 发表时间 | 文章发布时间 | | 发现日期 | 抓取日期 | | 互动数据 | 👍⭐💬 三项齐全 | | 关键词命中 | 命中的搜索词 | | 提及竞品 | 提到的竞品 | | 文章倾向 | 正面/中性/负面 | | 紧急程度 | 🔴高/🟡中/🟢低 | | 干预理由 | 为什么干预 | | 人设评论 | 每人设2条 | | 建议水军数量 | 投入账号数 | | 执行状态 | 待处理/进行中/已完成 |

文件结构

xiaohongshu-public-monitor/
├── SKILL.md              # 使用说明（本文件）
├── config.yaml           # 配置文件（用户修改这个）
├── scripts/
│   └── xhs_search.py     # 小红书搜索脚本
├── references/
│   └── workflow.md        # 工作流说明
├── assets/
└── .learnings/            # Agent 学习记录