RedNote 社区情报

以小红书/红书优先的视角研究一个话题。默认使用公共网页模式，但当用户明确想要更全面的覆盖时，支持可选的登录增强路径。刻意展开查询，从多种来源类型收集信号，将证据与氛围分开，并返回一份对不确定性坦诚的简明报告。

访问模式

在决定是继续使用公共网页模式还是提供登录增强的浏览器审查时，阅读 references/access-modes.md。

当用户明确选择更深入的访问并且你需要一个经过身份验证的审查执行模式时，阅读 references/login-enhanced-workflow.md。

当公共网页访问较弱且用户不愿登录时，阅读 references/minimal-user-input-paths.md。

当任务需要总结某个创作者/账号或近期发帖行为时，阅读 references/account-summary-template.md。

默认行为：

• 以公共网页模式启动
• 不假定登录
• 如果用户想要更全面的账号级、近期帖子或评论级覆盖，将登录增强路径作为一个明确的选择提供
• 如果用户拒绝登录，则请求最小的有用种子输入，而不是放弃
• 在最终答案中说明发现来自公共网页模式还是登录增强模式

核心操作规则

• 将小红书视为信号发现层，而非最终证据。
• 优先选择少数可检查的来源，而非大量浅层片段。
• 区分直接证据、反复传闻、平台闲聊和谣言。
• 对于快速变化的说法，尽可能标注日期。
• 不得暗示能访问隐藏评论、完整帖子或仅限应用内的媒体。
• 如果页面无法访问，不要仅凭搜索片段过度断言。
• 保持模态明确：文本页面、截图、图片、视频、GIF、音频或转录。
• 将提取与解释分开：OCR/ASR 输出是证据，而非自动真实。
• 当媒体访问不完整时，准确说明可见内容以及仍不可检查的内容。

默认工作流程

1. 明确主题、时间范围、地理位置、输出目标，以及用户希望无登录模式还是登录增强模式。
2. 除非用户明确选择登录增强模式，否则以公共网页模式启动。
3. 使用混合查询族构建紧凑的查询集。
4. 在小红书、官方来源、媒体及支持性评价网站上广泛搜索。
5. 如果公共网页覆盖对于任务来说过于薄弱，解释原因并将登录增强的浏览器审查作为下一步提供。
6. 提取重复出现的说法、矛盾点及缺失证据。
7. 将可信度评分与风险或推荐强度分开。
8. 提供一份简短的报告，包含链接、注意事项、下一步检查，以及关于使用了哪种访问模式的简要说明。

1) 明确研究目标

确定：

• 规范的中文和英文名称
• 别名、缩写、昵称、话题标签、旧名称
• 类别：education（教育）、policy（政策）、gossip（八卦）、local（本地）或 general（通用）
• 地理位置（如相关）：城市、区域、商场、校园、国家、线上/线下
• 时间范围：最近7天、最近一个月、当前季度或更广泛的背景
• 用户意图：声誉检查、动态扫描、争议综合、短名单、评论分析或帖子/视频分析

如果提示较宽泛，在搜索前推断可能的别名。

对于账号总结任务，如果有的话，请求最小的有用标识符：个人资料 URL、用户 ID/用户名、截图、复制的标题列表或3-5个近期笔记链接。如果用户想要更全面的覆盖并同意登录，则从公共网页模式切换到登录增强的浏览器审查，而不是假装公共网页搜索是完整的。如果用户不希望登录，请阅读 references/minimal-user-input-paths.md，并请求最不繁琐的种子素材以改善覆盖。

2) 构建查询

当确定性查询扩展有帮助时，使用 scripts/query_builder.py，特别是在需要媒体聚焦的查询集或启动声明日志架构时。

当起点是薄弱的公共网页证据（如薄弱的搜索片段、部分标题、OCR 片段、字幕行、话题标签、价格或可见日期）且需要基于恢复的搜索枢轴时，使用 scripts/recovery_query_builder.py。

优先使用混合查询集，而不是一个巨大的关键词转储：

• overview：基础发现
• latest：最新更新与近期情绪变化
• trending：热门讨论与谣言追踪发现
• comment：评论区域反应与重复的话题点
• review：声誉、质量、警示信号、用户体验
• recommendation：值得推荐、短名单、比较、本地推荐
• verification：官方通知、注册记录、点名回应、实施细节

典型来源模式：

• site:xiaohongshu.com <实体> <修饰词>
• site:www.xiaohongshu.com <实体> <修饰词>
• <实体> 小红书 <修饰词>
• <实体> <修饰词>

类别提示词：

• education：口碑、避雷、退费、课程质量、就业、offer、合同、维权
• policy：政策、新规、通知、官方回应、执行、解读、影响
• gossip：爆料、八卦、翻车、塌房、争议、后续、聊天记录、回应
• local：推荐、探店、菜品、排队、价格、服务、环境、值不值、避雷
• general：评价、口碑、体验、真实反馈、怎么样、值不值

查询构建启发式规则：

• 从8-16个查询开始，而不是40+。
• 将发现查询与2-4个验证查询混合。
• 为本地或政策任务添加地理位置。
• 对快速变化的话题使用窄时间范围。
• 当涉及戏剧或本地俚语时，搜索别名和昵称。
• 对于跨市场话题，运行中文和英文两种变体。

3) 搜索公共网页来源

先广度后深度。先搜索，然后只获取最强的页面。

目标来源组合：

• 小红书索引的页面和片段
• 官方声明、品牌、学校、商店、监管机构或平台通知
• 关于争议或政策的有信誉的媒体报道
• 面向本地商家的地图/评价/列表网站
• 论坛和其他社区网站仅作为补充的轶事信号

Skill: RedNote Research

Version: 0.4.0

Chunk: 2/3

搜索启发式策略：

• 对于政策、八卦和本地推荐，优先考虑时效性
• 保持短来源列表，附带一行相关性备注
• 搜索精确名称、别名、话题标签和对比目标
• 对于令人惊讶的声明，尽可能与至少一个非 RedNote 来源交叉核对
• 如果任务涉及特定账户且公开网络搜索返回结果稀少，则明确说明，不要夸大；然后提供登录增强路径或请求一些种子链接/截图

4) 提取声明和讨论模式

将发现结果规范化为紧凑的要点，包含以下字段：

• 声明类型：投诉 / 赞扬 / 中性事实 / 官方声明 / 媒体报道 / 谣言 / 推荐
• 主题：定价、质量、服务、欺诈风险、政策影响、口味、排队、环境、争议、支持等
• 证据片段
• 来源 URL
• 来源类别
• 可见日期
• 如果多个来源呼应同一观点，则记录重复次数

当需要输出模板或评论聚类模式时，阅读 references/output-patterns.md。

当任务涉及大量证据、谣言敏感或需要逐条声明追踪时，阅读 references/claim-log-schema.md。

当截图、图片、视频、GIF、字幕或音频线索对答案有实质性影响时，阅读 references/multimodal-capture.md。

当第一页结果不完整、被屏蔽、仅有摘要或明显弱于底层媒体/讨论时，阅读 references/public-web-recovery.md。

当有足够的证据项使得手动追踪变得嘈杂时，使用 scripts/claim_log_tools.py 初始化、规范化或总结结构化的声明日志。

帖子 / 评论 / 截图 / 图片 / 视频 / GIF / 音频分析

明确说明哪些是可直接从公开网络访问中观察到的，哪些不是。

将分析分层进行：

1. 表面元数据 — 可见标题、说明文字、日期、平台文本、来源 URL。
2. 观察到的媒体证据 — 可见文字、可 OCR 文字、字幕、场景细节、顺序、说话人标签、或音频/转录线索。
3. 内容摘要 — 清晰展示、陈述或声明的内容。
4. 反应摘要 — 可见的评论主题、情感分布、重复出现的玩笑、怀疑、支持。
5. 可信度检查 — 第一手证据 vs 转发 vs 剪辑严重的片段 vs 谣言传递。
6. 未解决问题 — 哪些需要登录、应用内渲染、浏览器自动化、直接文件访问、帧提取、OCR 清理或 ASR。

如果用户提供了截图、转录文本、抓取的页面文本或媒体文件，则直接分析这些内容，并将提取与解读分开。

声明优先的工作模式

当话题混乱时，不要直接从搜索结果跳到氛围总结。

改用以下循环：

1. 列出 2-6 个与决策相关的声明
2. 附加带有明确模态和访问级别的证据项
3. 降级任何仍然只是片段或转述的内容
4. 仅在最强的声明/证据对可见后才进行总结

适合使用声明日志的触发条件：

• 谣言密集的争议
• 以截图为主导的指控
• 政策解读争议
• 存在尖锐矛盾言论的本地推荐任务
• 任何需要解释为何某个重复声明仍然很弱的回答

5) 在得出结论前进行验证

当任务涉及谣言、政策变化、商业合法性或可能实质性影响决策的声明时，阅读 references/verification-patterns.md。

默认验证步骤：

• 找到最早的可见来源，而不仅仅是传播最广的转发
• 区分声明、回应和已确认的后果
• 检查页面是第一手、引用、抓取还是转述
• 寻找官方名称、日期、地点细节和实施语言
• 对于本地商家，将 RedNote 上的讨论与地图/评论数据或官方菜单/营业时间页面进行比较
• 对于政策话题，优先考虑原始公告而非解读帖
• 对于八卦，除非有独立证实，否则将匿名截图和剪辑过的媒体视为谣言级别
• 对于截图，注意关键文字是否完全可见、被裁剪或 OCR 不确定
• 对于视频，区分标题级别的证据和帧级别的证据
• 对于音频声明，区分直接转录、ASR 生成的措辞和二手转述

6) 评估可信度和决策风险

当需要完整评分标准时，阅读 references/scoring-rubric.md。

至少使用两个独立的判断：

可信度评分 (0-5)

• 5：官方文件、监管机构通知、法院/政府记录、直接陈述、信誉良好的报道
• 4：带有日期、截图、价格、名称或具体细节的详细第一手帖子或评论
• 3：具体但证据薄弱的轶事或片段
• 2：模糊的轶事、转发、互动诱饵或 SEO 页面
• 1：明显的谣言或无来源的主张
• 0：无法查看或验证

风险 / 谨慎 / 推荐评分 (0-5)

根据任务类型解读第二个分数：

• 教育 / 声誉 / 政策 / 八卦：分数越高意味着越需要谨慎或下行风险越大
• 本地推荐：分数越高可以表示推荐信心越强，但前提是明确标注；否则将其保留为谨慎风险以避免歧义

重视重复、独立、近期和具体的证据，而不仅仅是响亮但模糊的帖子。

7) 交付报告

保持报告简洁且以决策为导向。

选择最合适的格式：

A) 快速概览

• 主题：
• 类别：
• 时间范围：
• 整体信号：正面 / 混合 / 谨慎 / 高风险 / 无定论
• 信心：低 / 中 / 高

B) 发现

• 3-6 条要点，最强证据优先

C) 证据列表

当表格不方便时，使用紧凑要点：

• [可信度 4 | 评分 4 | 第一手 | 2025-09] 退款投诉在多篇帖子中重复出现 — <url>

D) 讨论聚类

• 聚类名称
• 代表性措辞模式
• 近似重复次数
• 信心备注

E) 尚未验证的内容

• 公共网页访问无法确认的缺失项

F) 建议下一步核查

• 官方公告或注册信息查询
• 更近期的搜索时间窗口
• 针对本地场所的地图/评价交叉验证
• 若用户需要更深入的评论或媒体提取，可直接在应用内或浏览器中查看

快速路径

快速声誉检查

1. 构建混合 overview + review + verification 查询集。
2. 搜索 6-12 个强查询。
3. 获取 5-10 个来源。
4. 对每个来源评分。
5. 返回简短摘要及注意事项。

最新更新或政策扫描

1. 使用 latest + trending + verification。
2. 偏向最近 7-30 天。
3. 区分官方更新与社区解读。
4. 说明该趋势是已确认、有争议，还是仍处于传闻级别。

本地推荐扫描

1. 使用类别 local。
2. 混合评价、推荐、投诉和验证查询。
3. 聚类主题：口味、价格、排队、服务、环境、位置便利性。
4. 返回短列表及权衡，而非仅一个赢家。

评论或帖子分析

1. 先收集可见文本、截图、片段或转录。
2. 将反应聚类为 3-5 个主题。
3. 标记哪些是直接看到的，哪些是推断出的。
4. 明确说明需要登录、浏览器自动化或直接媒体处理才能进行更深层提取的情况。
5. 如果用户需要更深入的评论级覆盖，提供登录增强模式作为明确的升级路径。
6. 如果用户拒绝登录，则要求提供截图或复制的评论文本，而非假装已检查整个帖子。

账号摘要或近期帖子扫描

1. 从公共网页模式开始，收集任何可检查的个人资料 URL、笔记 URL、片段、镜像或搜索引擎踪迹。
2. 阅读 references/account-summary-template.md 了解输出结构。
3. 如果目标仅为大致印象，则根据公共网页证据进行总结并注明注意事项。
4. 如果目标是获取近期帖子的完整性，告知用户公共网页覆盖可能不完整，并提供登录增强的浏览器审查选项。
5. 如果用户选择登录增强模式，阅读 references/login-enhanced-workflow.md 并遵循受控的身份验证审查路径。
6. 如果用户不想登录，阅读 references/minimal-user-input-paths.md 并要求提供一些种子链接、截图或复制的笔记标题以提高覆盖范围。
7. 明确区分账号级观察、笔记级证据以及因访问限制而缺失的内容。

屏幕截图/图像导向分析

1. 捕获页面上下文以及图像中可见的文本、价格、日期、名称和水印。
2. 注意图像清晰度及可能的 OCR 不确定性。
3. 区分图像中包含的声明与标题中包含的声明。
4. 如果页面本身较弱，则转向最清晰的可见片段，并使用 scripts/recovery_query_builder.py。
5. 在总结之前记录最清晰的可检查声明。

视频/字幕/动图导向分析

1. 捕获字幕、可见时长、上传日期以及任何字幕/屏幕文本。
2. 区分剪辑内容与关于剪辑的评论。
3. 如果只能访问片段级别，则保持结论的临时性，并转向独特的字幕片段或叠加层，使用 scripts/recovery_query_builder.py。
4. 说明帧或原始文件是否会显著提高可信度。

音频/转录导向分析

1. 确定您是否有直接音频、字幕、ASR 文本，或仅是被引用的转述。
2. 将转录质量作为证据评级的一部分。
3. 在没有直接音频访问的情况下，避免过度解读语气、讽刺或确切措辞。
4. 如果唯一的立足点是引用的语句、字幕片段或转发标题，则使用 scripts/recovery_query_builder.py 搜索最早可见来源或镜像。
5. 将口语声明与对其的反应分开记录。

可靠性注意事项

• 搜索索引可能滞后于实时应用讨论。
• 病毒式传播的重复并不等于验证。
• 摘要片段可能省略仅在落地页可见的限定条件或更新。
• 本地质量和政策执行可能迅速变化；时效性很重要。
• 平台反机器人控制可能使无登录的账号研究比应用内浏览更薄弱。
• 如果交叉验证后证据仍然单薄，则声明“无结论”，而非强行推断。

推荐的产品定位

将此技能视为双模式小红书研究工具：

• 公共网页模式：适用于广泛研究、弱线索恢复和无登录调查
• 登录增强模式：当用户明确选择加入时，用于更完整的账号、近期帖子和评论审查

当两种模式单独都不够时，使用混合路径：

• 公共网页证据 + 用户提供的少量链接/截图