小红书搜索与摘要

此技能可自动从小红书（Xiaohongshu）提取高质量的多模态内容（文字 + 图片），并主动协助您生成深度整合、分析性强的最终报告。由于小红书具有严格的反爬机制，直接发起 HTTP 请求或简单爬取通常会导致 404 错误或被封禁。本技能通过 playwright-cli 在带界面的浏览器环境中模拟真实用户行为，原生绕过这些限制。

该过程分为两个阶段：

第一阶段：子代理数据收集

1. 在带界面的浏览器中模拟在小红书上搜索关键词。
2. 滑动图片轮播以完全加载前 N 条动态中的所有延迟加载图片。
3. 提取标题、描述、热门评论以及所有高分辨率图片。
4. 将图片下载至本地目录，并生成原始数据文档（[keyword]_raw_data.md）。

第二阶段：AI 多模态合成（您的任务）

1. 您必须使用文件读取功能读取 [keyword]_raw_data.md 文件。
2. 在原始数据 Markdown 文件中，您会发现指向图片文件的路径。您必须对这些图片路径使用文件读取和视觉理解能力，真正“看到”其内容。若跳过此步骤，您仅能读取文件名，而无法获取图像实际信息！
3. 您需分析文本内容，总结真正有用的评论（剔除如“私信我”等无意义信息），并解读您刚刚“看到”的图片语义内容（例如图表、操作指南、分步 UI 流程图等）。
4. 您需将所有信息整合为一份结构清晰、逻辑连贯、内容丰富的综合报告，而非简单罗列各条动态。

依赖项

• playwright-cli（必须可在系统路径中访问）
• python3（用于下载图片并拼接原始数据 Markdown）
• requests Python 包（运行 pip install requests）——由 parse.py 脚本调用以下载图片

使用说明

步骤 1：运行提取脚本

执行位于 scripts/run.sh 的封装脚本。支持以下参数：

/bin/bash <skill_dir>/scripts/run.sh "YOUR KEYWORD" <MAX_POSTS> <OUTPUT_DIRECTORY>

• **YOUR KEYWORD**：要在小红书上搜索的关键字。
• **<MAX_POSTS>**：（可选，默认值 = 10）要扫描的顶部动态数量。
• **<OUTPUT_DIRECTORY>**：（可选，默认值 = ./）用于保存原始数据和图片的输出目录。

示例执行：

/bin/bash ~/.claude/skills/xiaohongshu-search-summarizer/scripts/run.sh "openclaw使用场景" 10 "./xhs_report_openclaw_scenarios"

步骤 2：读取原始数据与图片

脚本成功运行后，请进入 OUTPUT_DIRECTORY 目录，使用您的文件读取功能，加载生成的 [keyword]_raw_data.md 文件。

该文件中包含描述、评论以及指向 post_X_img_Y.webp 或 post_X_img_Y.jpg 的文件路径。

步骤 3：合成与摘要

这是最关键的一步。请勿直接将原始 Markdown 文件返回给用户。应撰写一份经过精心打磨的综合性 Markdown 报告，对信息进行逻辑重组，同时保留高度细节。

请严格遵守以下编排规则：

• 不得逐条列出动态（例如避免“第1条：…… 第2条：……”）。
• 必须读取图片：您必须对原始数据目录中 .webp 或 .jpg 图片文件路径使用文件读取和视觉理解能力，以准确解析其内容。
• 详尽且全面的整合：提供高度详细的摘要，涵盖不同观点、细微差异及具体实例，避免过度简化或丢失重要上下文；保留信息的丰富性与多样性。
• 提取并合并主题：按概念、步骤、重复出现的主题或优缺点等维度进行归类整合。
• 评估评论内容：将有价值的评论见解直接融入核心叙述中。忽略无意义或重复的内容，但保留来自评论区的多元意见或有帮助的反驳观点。
• 图文结合呈现：将最相关、最高质量的图片嵌入报告正文，用于支撑分析论点。基于您通过视觉能力所观察到的内容，描述图片的视觉含义。
• 保存至输出目录：使用您的文件写入能力，将最终整理好的 Markdown 报告直接保存至同一 <OUTPUT_DIRECTORY> 中（例如：<OUTPUT_DIRECTORY>/[keyword]_synthesis.md），并向用户提供该文件路径。

错误处理

若在浏览器执行过程中遇到 404 Not Found 或“元素不可见”错误：

• 请注意，小红书可能触发登录验证。如果页面暂停等待登录，请指导用户手动检查 playwright-cli 打开的浏览器窗口，并完成必要的身份验证操作，然后重新尝试运行脚本。