xiaohongshu_agent

用 Agent 管理小红书发笔记 (Xiaohongshu Posting Agent)

1. 定义

Xiaohongshu Posting Agent = 用一个 AI Agent 自动化”选题 → 生成笔记 → 人审 → 发布 → 数据回收”这条内容运营流水线的系统。Agent 负责动脑（写文案、配图、定策略），工具负责动手（把笔记真正发出去）。

一句话：Agent 当”运营助理”，xiaohongshu-mcp-skills 当”手指”——不用自己从零写 Playwright，直接挂一套现成的 Agent Skills，让 OpenClaw / Claude Code 像调工具一样发笔记。

⚠️ 命名区分（容易混）：

• xiaohongshu-mcp-skills：开源的 Agent 工具集（本文主角），让 Agent 去操作小红书。
• 小红书 RED Skill：2026-06 小红书平台自己上线的 站内功能，创作者在笔记里嵌入 Skill 组件、用户不用跳出 App 就能用——是”内容分发能力”，不是”让 Agent 发帖”的工具。两者不是一回事。

类比：它像 n8n.md 里那条”AI 客服流水线”的内容版；区别是执行器不用自己造，直接复用开源 Skills + 底层 xiaohongshu-mcp 服务（见 mcp.md）。这套 Skills 遵循 Agent Skills 标准（见 skills.md），天然能被 openclaw.md 加载。

2. 核心概念

概念	是什么 / 解决什么
xiaohongshu-mcp-skills	autoclaw-cc 开源、基于 xiaohongshu-mcp 的 8 个 Agent Skills 集合，OpenClaw / Claude Code 通用，MIT
xiaohongshu-mcp（底层）	真正干活的 MCP 服务：跑登录态、调网页端发布接口；Skills 是它的人类友好封装
8 大 Skills	setup / login / post / search / explore / interact / profile / content-plan，覆盖运营全流程
内容生成	LLM 写标题 + 正文 + 话题标签（#），按小红书调性（emoji、第一人称、强钩子开头）
配图 / 封面	多模态生成或挑库存图，封面决定点击率（见 multimodal.md）
人审关卡 (HITL)	post-to-xhs 发布前强制预览 + 确认，避免违规 / 低质内容裸奔出去
定时发布	schedule_at 卡流量高峰（早 8、午 12、晚 8）
数据回收	search / explore / profile 读阅读 / 赞藏 / 评论，回收成选题与优化信号

现实约束：小红书没有公开的”发布内容”官方 API。xiaohongshu-mcp 走的是网页端私有接口 + 登录态（本质是浏览器自动化封装），所以仍有 ToS / 风控底色——它只是把”手写 Playwright”变成了”现成 Skills”，不是拿到了官方后门。

8 大 Skills 一览

Skill	干什么
setup-xhs-mcp	安装 / 检查 / 重配底层 MCP 服务
xhs-login	扫码登录、状态检查、token 过期重登
post-to-xhs	核心：发图文 / 视频笔记（带校验 + 确认）
xhs-search	关键词 / 用户 / 话题搜索，按热度 / 时间筛选
xhs-explore	刷推荐流、看笔记详情与评论、博主信息
xhs-interact	点赞 / 收藏 / 评论 / 回复（含批量、自动回复）
xhs-profile	看任意用户主页、作品列表、数据统计
xhs-content-plan	热门话题分析、竞品研究、选题建议

3. 原理（Agent + Skills + 底层 MCP 服务）

[素材/选题]
    │
    ▼
[LLM 生成笔记] ──(调性: emoji+第一人称+钩子)──▶ [人审 HITL 确认]
    │                                                  │
    │                                                  ▼
    │                  Agent 调 Skill: post-to-xhs ──▶ xiaohongshu-mcp 服务
    │                                                  │   (网页端登录态 + 发布接口)
    │                                                  ▼
    │                                          [定时发布完成]
    │                                                  │
    └──── [数据回收: xhs-search/explore/profile 读赞藏评] ◀─┘
                         │
                         ▼
              [Agent 复盘: 哪类选题爆了→指导下一篇选题]

Agent 跑的是 loop_engineering.md 的”想→做→看→再想”循环：生成 = 想，发笔记 = 做（经 Skill → MCP 服务），数据回收 = 看，复盘 = 再想。Skills 把”做”标准化成工具调用，openclaw.md 负责把 Skills 加载进 Agent。

4. 基本用法

安装（OpenClaw）

git clone https://github.com/autoclaw-cc/xiaohongshu-mcp-skills.git
# 解压到 OpenClaw 的 SKILLS 目录，OpenClaw 自动扫描；重启会话生效
# 前置：先跑起 xiaohongshu-mcp 服务（Python 3.8+）

一条龙发笔记（人审在 Step 3）

/setup-xhs-mcp --check     # 1. MCP 服务正常？
/xhs-login --check         # 2. 已登录？（未登录会引导扫码）
/xhs-search 护肤心得 --sort=likes --limit=5   # 3. 顺手看竞品
/xhs-content-plan --topic=护肤 --days=7       # 4. 拿选题/标签建议
/post-to-xhs               # 5. AI 收标题/正文/图片路径 → 预览 → 你确认 y/n → 发布
#   参数: title, content, images[] (绝对路径!), tags[], schedule_at(ISO8601), visibility

调 LLM 生成文案（复用已有链路）

• 走 POST /v1/chat/completions（见 openai_compatible_sdk.md），可经 api_relay.md 中转。
• 配图走 multimodal.md。
• Skills 本身负责”发”，文案仍由你自己的 LLM 端点生成——两者解耦。

5. 对比辨析

维度	xiaohongshu-mcp-skills (推荐)	自己写 Playwright	逆向私有接口	第三方代发平台
上手成本	低（clone + 装 Skills）	高（自己造轮子）	高	低（付费）
稳定性	中（跟 MCP 服务更新）	中（自己维护）	低（易失效）	高
合规风险	中（网页端登录态，仍属灰色）	中	高（违反 ToS）	中（授权给对方）
可控性	高（开源可改）	高	高	低
适合	自有号运营 / 研究	想深度定制	不推荐	怕折腾愿付费

角色	用 Agent/Skill 还是工作流
内容生成 / 复盘决策	Agent（需要”想”）
登录、发帖、搜素、互动	现成 Skill（标准化工具）
定时批量、机械流程	工作流 / 脚本串 Skill（见 orchestration.md）

6. 典型工作流

从零搭一条自有号发布流水线

1) 起 xiaohongshu-mcp 服务 + 装 xiaohongshu-mcp-skills 到 OpenClaw
2) /xhs-login 扫码登录（token 加密存，呼应 agent_security）
3) LLM 端点生成文案（调性 = emoji + 第一人称 + 钩子）
4) /post-to-xhs 发（内置预览确认 = 天然 HITL）
5) schedule_at 卡早8/午12/晚8
6) /xhs-search + /xhs-explore 回收数据 → 反哺选题

把整套当 MCP 工具 / Skills 用

xiaohongshu-mcp 暴露发布/搜索等工具 → 包成 8 个 Agent Skills
   ⇒ OpenClaw / Claude Code 直接当 Skill 调，符合 Agent Skills 标准（skills.md）

7. 常见误区

❌ “没有现成工具，得自己写 Playwright” → 已有 xiaohongshu-mcp-skills（8 个 Skills，OpenClaw 通用），直接装比自己造快得多。

❌ “小红书有官方发布 API” → 没有公开 API。xiaohongshu-mcp 走网页端私有接口 + 登录态，本质还是浏览器自动化封装，有 ToS / 风控底色。

❌ 把”RED Skill”和”xiaohongshu-mcp-skills”搞混 → 前者是小红书平台站内功能（笔记里嵌组件给用户用），后者是让 Agent 操作小红书的开源工具集，不是一回事。

❌ “全自动无人值守最省事” → post-to-xhs 虽内置确认，但批量 / 自动回复仍要人工把关，避免违规词、低质内容、触发风控。

❌ “多账号矩阵批量发” → 极易被判营销号 / 刷量封号；本方案定位是管理你自己的号。

❌ “cookie / token 写进代码里” → 凭证加密存储、最小权限（呼应 agent_security.md）。

❌ “发了就完事” → 小红书吃互动率，发完要回评论、看数据、反哺选题，Agent 循环一半价值在”看→再想”。

8. 自用部署 Checklist（从零跑通自己的号）

目标：一个人、一个号，用 OpenClaw + xiaohongshu-mcp-skills 把发笔记自动化。逐条打勾即可。

阶段 0：前置准备

• 一台常开的机器（本地电脑 / 轻量 VPS 都行，自用不需要高配）
• Python 3.8+（跑 xiaohongshu-mcp 服务用）
• 一个 OpenAI 兼容的 LLM 端点（生成文案；可走 api_relay.md，或本地 hermes.md）
• 你自己的小红书账号已能正常网页端登录

阶段 1：起 OpenClaw + 选渠道（运行外壳）

• 安装 OpenClaw：macOS 用 curl -fsSL https://openclaw.ai/install.sh | sh 或 brew install openclaw；Windows 用 iwr -useb https://openclaw.ai/install.ps1 | iex（详见 openclaw.md §4）
• 接模型后端：openclaw config set llm.provider <你的provider> / api_key / base_url
• 启动网关：openclaw gateway run --port 18789（自用 MacBook 用 nohup 后台或 launchd 开机自启，别前台终端）
• 选 IM 渠道（二选一，详情见 openclaw.md §4）：
  • Telegram（推荐纯本机自用）：@BotFather 建 bot 拿 token → channels.telegram.enabled/token + allowed_users 只认自己；bot 轮询，无需公网 IP
  • 飞书（Lark）：飞书开放平台建自建应用 → channels.feishu.app_id/app_secret/verification_token；⚠️ 事件订阅要公网回调，本机需 cloudflared tunnel 把 18789 暴露出去
• 装基础 Skill：npm i -g clawhub && clawhub install agent-browser brave-search claw-shell cron-scheduling

阶段 2：挂小红书 Skills

• git clone https://github.com/autoclaw-cc/xiaohongshu-mcp-skills.git
• 解压到 OpenClaw 的 SKILLS 目录（OpenClaw 自动扫描），重启会话生效
• 确认底层 xiaohongshu-mcp 服务能跑起来（/setup-xhs-mcp --check）

阶段 3：登录与权限（呼应 agent_security.md）

• /xhs-login 扫码登录；token 让它自动维护，别明文存 cookie
• 在 ~/.openclaw/openclaw.json 配最小权限："tools": { "profile": "coding", "deny": ["rm -rf"] }
• 写 AGENTS.md 定规范：只允许发你自己的号、禁止批量代发

阶段 4：跑通第一篇笔记

• LLM 端点生成文案（调性：emoji + 第一人称 + 强钩子）
• 准备封面 / 配图（绝对路径；见 multimodal.md）
• /xhs-search 你的领域 --sort=likes --limit=5 顺手看竞品
• /xhs-content-plan --topic=你的领域 --days=7 拿选题 / 标签建议
• /post-to-xhs → 填标题 / 正文 / 图片路径 / tags → 预览确认 y → 发布成功拿到笔记 ID

阶段 5：定型日常流水线

• 用 cron Skill 卡早 8 / 午 12 / 晚 8 流量高峰（schedule_at 参数也行）
• /xhs-explore + /xhs-search 定期回收赞藏评数据
• 复盘哪类选题爆了 → 反哺下一篇（Agent “看→再想”循环，见 loop_engineering.md）
• 发完回评论 / 互动，别发完就跑

收尾必查（红线）

• ✅ 只运营自己的号，不做多账号矩阵 / 批量代发（封号风险）
• ✅ 发布前保留人工确认，不裸奔全自动
• ✅ 文案 / 配图注意版权，不搬运、不虚假宣传
• ✅ 单 Gateway 进程，挂了重启即可；别当它高可用生产后端

跑通后若想做成产品，把”生成 / 发帖 / 回收”核心逻辑抽成自己的服务（见 openclaw.md §8 自用 vs 生产边界）。

9. 延伸阅读 / 关联概念

• skills.md — Agent Skills 标准（渐进式披露、SKILL.md 格式），本工具集即遵循它
• openclaw.md — 把 xiaohongshu-mcp-skills 加载进 Agent 的运行外壳
• mcp.md — 底层 xiaohongshu-mcp 就是个 MCP Server，Skills 是其封装
• orchestration.md — 定时批量发帖用工作流串 Skill 更省心
• loop_engineering.md — “想→做→看→再想”循环，本场景直接对应
• multimodal.md — 封面 / 配图生成与挑选
• openai_compatible_sdk.md / api_relay.md — 文案生成调 LLM 的端点与中转
• agent_security.md — token / 凭证加密、最小权限、人工把关
• 项目：autoclaw-cc/xiaohongshu-mcp-skills · 依赖：xpzouying/xiaohongshu-mcp · 标准：agentskills.io