小红书笔记创作
SkillDocs & knowledgeXiaohongshu (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.
No other account needed.
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,生成图文卡片组或短视频分镜脚本,按规范输出到 outputs/。
核心理念
小红书读者看的不是长文,是卡片组或短视频。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
- 真实素材优先:截图、对比图 > 纯 AI 生图
- 聚焦核心卖点:用公式判断优先级(稀缺性 × 实用性 × 可感知)
- 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)。
- 痛点导向:"能解决什么问题" > 堆砌功能列表
- 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)
- 主题 / 目标读者 / 核心观点
- 输出形态:图文 or 视频?(默认图文)
- 素材:有无现成文字/图片/视频?
- 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。
- 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)
- 列出所有功能/特性/亮点
- 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?
- 得分 = 稀缺性 × 实用性 × 可感知
- 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)
按 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) | 走 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-packagesK1binfo
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