xiaohongshu-ingest

1# 小红书采集 + 爆款拆解 Skill
2 
3把小红书笔记抓成结构化 Markdown 入库，再用 DeepSeek 拆解爆款逻辑、衍生可直接写的选题。
4**自动区分图文与视频笔记**：图文 → 下载图片本地嵌入；视频 → 像抖音那样转成文字稿。
5补齐了仓库在「中文内容采集」上最大的平台缺口，也是「采集 → 选题」创作工作流的起点。
6 
7## 环境要求
8 
9```bash
10# 图文采集零依赖（仅 Python 标准库）
11 
12# 视频笔记转录需要（与抖音/B站转录同一套依赖）：
13pip install funasr modelscope torch torchaudio
14# macOS: brew install ffmpeg   |   Ubuntu: sudo apt install ffmpeg
15 
16# 强烈建议：配置 cookie 以规避风控（从浏览器登录后复制）
17export XHS_COOKIE="你的小红书 cookie 字符串"
18 
19# 爆款拆解需要 DeepSeek API Key
20export DEEPSEEK_API_KEY="your-api-key"
21```
22 
23## 使用方法
24 
25```bash
26# 1) 采集笔记 → 统一 frontmatter Markdown
27python scripts/fetch_note.py "https://www.xiaohongshu.com/explore/xxxx" -o ./out
28python scripts/fetch_note.py "http://xhslink.com/xxxx" -o ./out
29python scripts/fetch_note.py "链接" -o ./out --no-images   # 图文：只留图片链接不下载
30python scripts/fetch_note.py "链接" -o ./out --no-video    # 视频：不转录，只留视频链接
31python scripts/fetch_note.py "链接" -o ./out --fallback-text 手动正文.txt
32 
33# 2) 爆款拆解 → 拆解报告 + 5 条衍生选题
34python scripts/analyze_hook.py ./out/某笔记.md -o ./out
35```
36 
37## 产出
38 
39- `fetch_note.py`：标题、正文、标签、作者、互动数据（赞/藏/评）→ 统一 frontmatter Markdown（`platform: xiaohongshu`，含 `note_type: image|video`）。**按笔记类型分流**：
40  - **图文笔记**：图片下载到本地 `<标题>.assets/` 并以 `![]()` 嵌入（正文常在图里，本地化后 Obsidian 直接可见）。`--no-images` 只留链接，单张失败自动回退为链接
41  - **视频笔记**：提取视频直链 → ffmpeg 抽音频 → SenseVoice 转录为文字稿写入 `## 视频文字稿`。`--no-video` 只留视频链接；缺 funasr/ffmpeg 时自动降级为存链接
42- `analyze_hook.py`：目标人群 / 场景 / 痛点 / 情绪价值 / 标题钩子 / 正文结构 / 可复用模板 / 5 条衍生选题（带 `- [ ]` 勾选，可直接进选题库）
43 
44## ⚠️ 关于反爬（务必先读）
45…