小红书笔记创作

SkillDocs & knowledge

Xiaohongshu (RED) content hub: generates titles, body text, captions, hashtags, 3-9 image-text cards or short-video storyboards, covering material analysis, selling-point evaluation, AI-flavor removal, and quality checks. Use when the user says things like 'write/make a Xiaohongshu note', 'Xiaohongs

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the 小红书笔记创作 skill

What this skill tells your AI

The instructions your AI receives, as published by zju-real/easel in skills/openclaw/xhs-note-creator/SKILL.md and read by ahel’s review.

把一个主题 + 可选素材,生成图文卡片组短视频分镜脚本,按规范输出到 outputs/

核心理念

小红书读者看的不是长文,是卡片组短视频。长文原稿只是中间产物。

  • 图文帖:3-9 张 3:4 竖版卡片(cover + content × N + ending),每张 ≤80 字
  • 视频帖:15-90 秒竖屏视频分镜 + 封面卡

爆款 5 大原则

  1. 真实素材优先:截图、对比图 > 纯 AI 生图
  2. 聚焦核心卖点:用公式判断优先级(稀缺性 × 实用性 × 可感知)
  3. 高级感视觉(走 card-design,别做糙卡):卡片视觉统一走 card-design 设计系统(选风格锁 spec、字大字细、填满画幅、禁大 emoji 廉价感)。文案要口语化、真实感,但视觉不能糙——想要「素人 / 手账」质感就选 card-design 的手账贴纸 / 奶油温柔风格(仍是高质量 HTML 渲染,不是糙 t2i 大 emoji)。
  4. 痛点导向:"能解决什么问题" > 堆砌功能列表
  5. 快速迭代:V1(60 分) → 用户反馈 → V2(70 分)

详细方法论:references/xiaohongshu-viral-methodology.md

工作流

按顺序执行,不要跳步

Step 0 — Intake(必问,一次问完)

  1. 主题 / 目标读者 / 核心观点
  2. 输出形态:图文 or 视频?(默认图文)
  3. 素材:有无现成文字/图片/视频?
  4. 风格:视觉风格走 card-design 风格库(9 种:瑞士极简/杂志编辑/新中式墨韵/奶油温柔/多巴胺 Y2K/高奢黑金/手账贴纸/极客终端/植物清新)——在 Step 5A 出卡时由 card-xiaohongshu 引导选定,这里先不锁死。
  5. 卡片数量 / 视频时长:图文默认 5-7 张;视频默认 30-60 秒

Step 0.5 — 卖点/亮点分析(推广/分享/测评类必做)

  1. 列出所有功能/特性/亮点
  2. 让用户对每个点打分:
    • 稀缺性(1-5):别人有吗?
    • 实用性(1-5):解决多大问题?
    • 可感知(1-5):用户能直接看到吗?
  3. 得分 = 稀缺性 × 实用性 × 可感知
  4. 选 Top 1-2 作为核心卖点

Step 1 — 素材清点(有素材才做)

如果用户提供了素材,先用脚本生成清单:

python3 skills/openclaw/xhs-note-creator/scripts/analyze_material.py <path>... \
  --out <work-dir>/reference/materials.json \
  --frames-dir <work-dir>/reference/frames

素材价值排序:对比图 > 功能演示 > 数据图表 > 品牌素材

Step 2 — 采集外部参考(观点类/资讯类必做)

references/reference-search.md 执行,核心数据 ≥2 个来源交叉验证。

Step 3 — 写长文原稿(2000-4000 字)

从 H2 开始(不写 H1),写完先给用户确认再继续。

Step 4 — 去 AI 化(强制)

去 AI 感规则统一走 text-polisher 权威源,不在本 SKILL 维护副本:

  • 中文规则(含小红书素人感/闺蜜语气/emoji 节奏特化)→ ../text-polisher/references/zh-ai-markers.md
  • 通用填充短语 → ../text-polisher/references/phrases-to-remove.md
  • 公式化结构 → ../text-polisher/references/structures-to-avoid.md

按其五层原则完整扫描重写,质量评分满分 50。

Step 5 — 分发:图文 or 视频

5A. 图文帖:拆成 3-9 张卡片
  • cover(第 1 张)+ content(中间)+ ending(最后 1 张)
  • 每张 ≤80 字
  • 一张卡只讲一个论点
  • 全套配色/字体/风格保持一致(由 card-design 选中的那一套贯穿整组)

卡片视觉一律走 card-design 高质量管线,别用糙 t2i / 大 emoji 素人卡。 按有无真实照片分两条渲染路径(策略写入 meta.json,枚举与 references/meta-schema.md 一致):

策略适用渲染路径
html_card纯文字卡 / 概念卡 / 数据卡(默认、最常用card-xiaohongshu:读 card-design 选风格锁 spec → 写 HTML → render_card.py 出图 → card_audit.py 硬门禁
text_on_photo有真实照片 + 钩子文字(真实素材最佳)Pillow scripts/text_on_image.py(小红书真实素材路径,保留)
collage有 2-4 张互补照片Pillow scripts/collage_3x4.py

纯文字/概念/数据卡不再走用户自备 t2i——统一由 card-xiaohongshu 渲染,保证视觉质量;只有「真实照片卡」才走 Pillow 路径。

5B. 视频帖:写分镜脚本
  • 6-12 个分镜,每镜 2-8 秒
  • 每镜含:narration(≤30 字)、on_screen_text(≤15 字)、visual、material_ref
  • 出一张 cover 卡作为封面

Step 6 — caption + hashtags + 标题

标题:从公共源 skills/shared/references/hook-title-formulas.md 选标题公式(痛点+方案 / 提问式 / 发现式 / 热点词 / 身份共鸣等),产 2-3 个备选。

caption:100-300 字,hook 开头 → 关键信息 → CTA,闺蜜语气 + 少量 emoji(点缀节奏,不当图标)

hashtags:5-8 个,4 核心(热点词 + 核心功能 + 差异化 + 目标人群)+ 4 辅助(场景 + 品类)

Step 7 — 落盘

outputs/主题名/{YYYY-MM-DD}/{短标题}_{时间戳}/
├── {完整标题}.md        # 长文原稿
├── meta.json            # 元数据(卡片/分镜/caption/hashtags)
├── images/              # 最终卡图 / 封面
└── reference/           # materials.json / 搜索结果

目录名走脚本标准化:python3 skills/openclaw/xhs-note-creator/scripts/normalize_slug.py "标题" --with-ts

Step 8 — 校验(强制,两道门)

① 文本/结构门(标题/caption/hashtag/卡片字数与结构):

python3 skills/openclaw/xhs-note-creator/scripts/validate_meta.py outputs/主题名/meta.json

② 视觉门(仅 html_card 路径,渲染后跑;死空白/密度硬门禁):

python skills/openclaw/card-design/scripts/card_audit.py audit -f "outputs/主题名/card_*.png"

任一非 0 退出 → 修改后重跑,直到通过。不交付未校验的产物。

不要做的事

  • 不写 H1;标题只放 meta.json.title
  • 不在正文末尾写参考来源
  • 不在 .md 里留 【插入图片】 占位符
  • 不跳过 Step 4(去 AI 化)和 Step 8(validate)
  • 不手算目录名,一律走 normalize_slug.py

Profile 感知

  • 有 Profile:读取赛道、目标受众、内容风格,对齐笔记语气和标签策略
  • 无 Profile:询问基本信息后以通用种草风格输出

工具依赖

  • Python 3.8+、Pillow(必需,真实照片卡路径)
  • playwright + chromium(html_card 路径渲染卡片,走 card-xiaohongshu;首次 pip install playwright && playwright install chromium

参考资料

  • 卡片视觉card-design(设计系统/风格库,出图前必读)+ card-xiaohongshu(HTML→截图渲染管线)
  • references/xiaohongshu-viral-methodology.md — 文案/卖点/标题/情绪方法论(视觉部分已交 card-design)
  • 去 AI 化 → ../text-polisher/references/zh-ai-markers.md(权威源,含小红书特化)
  • 钩子/标题公式 → skills/shared/references/hook-title-formulas.md(公共源)
  • references/material-intake.md — 素材处理流程
  • references/image-sourcing.md — 图片来源处理
  • references/meta-schema.md — 元数据字段定义
  • references/output-spec.md — 输出目录规范

Signals

GitHub stars
1k
Forks
143
Last commit
Sep 2026

ahel review

  • K1binfo
    installs-packages
  • K1binfo
    installs-packages (in scripts/text_on_image.py)

Automated review, not a security audit. Ruleset v1+k2.

Advanced
Catalog kind
skill
Gateway key
xhs-note-creator-zju-real
Source
github.com/zju-real/easel