小红书博主深度拆解 AI Skill
输入一个博主名字，自动爬取全部笔记，输出一整套内容策略拆解文档。
小红书创作者的核心痛点：
你想对标一个做得好的博主，学习 TA 的内容策略。但——
- 🥱 手动翻笔记太慢 — 50 条笔记逐条看完要一整个下午，看完也记不住规律
- 🤷 看了也分析不出来 — 知道 TA 赞多，但说不清为什么多、你该怎么学
- 📊 缺数据支撑 — "感觉 TA 最近在转型"，但到底是从什么转到什么？藏赞比说明什么？
- 🔁 每次都从零开始 — 拆解完一个博主，换一个又要重复所有步骤
xhs-blogger-analyzer 把这件事从「手工活」变成了「一句话的事」。
拆解博主 （对标博主账号）
等20分钟，拿到 4 份 Word 文档，包含完整的内容策略拆解。
| 用户画像 | 使用场景 |
|---|---|
| 小红书创作者 | 拆解对标账号，学习爆款公式，找到差异化选题 |
| MCN/运营 | 快速了解一个博主的内容策略和数据表现 |
| AI 工具爱好者 | 体验"Skill 即工作流"的 AI 编排范式 |
| 内容研究者 | 批量分析多个博主，发现细分赛道机会 |
适用于任何领域：AI、美食、穿搭、旅行、母婴、健身、职场、学习……
- 🤖 全自动流水线 — 环境准备 → 扫码登录 → 数据爬取 → 统计分析 → AI 深度解读 → Word 文档输出，一条龙
- 🧠 脚本 + AI 双引擎 — 脚本做脏活（爬数据/算统计），AI 做洞察（拆人设/提公式/给建议），各司其职
- 📊 数据驱动分析 — 11 种标题模式识别、6 类 CTA 提取、藏赞比三档分类、发展趋势追踪
- 📝 4 份专业文档 — 博主拆解 / 内容公式 / 选题素材库 / 结构化分析，直接可用
- 🔄 对比分析 — 支持"拆解 TA + 对比我"模式，输出针对性改进建议
- 🌍 全领域通用 — 不预设领域标签，基于笔记标签动态聚类自动适配
- 🔧 零配置启动 — 自动下载依赖、自动启动服务，用户只需扫码登录
- 🛡️ 断点恢复 — 每 10 条笔记自动存档，网络抖动不丢数据
- 📱 扫码降级策略 — 渲染图片 → 保存 PNG 到桌面 → 输出 URL，三级降级保证可用
- 🔌 纯标准库 — MCP 客户端只用
urllib，不依赖requests，减少安装摩擦 - 📄 中文排版优化 — Word 文档使用微软雅黑、1.35 行距、交替行表格着色
# 克隆项目
git clone https://github.com/your-username/xhs-blogger-analyzer.git
cd xhs-blogger-analyzer
# 自动安装到 AI 编程助手（自动检测 WorkBuddy / Claude Code）
python install.py安装完成后，在你的 AI 编程助手中直接说：
拆解博主 （对标博主账号）
AI 自动执行完整流程。你只需要在第一次使用时扫码登录小红书。
更多玩法：
拆解博主 XX，对比我的账号 （我的账号）
拆解美食博主 XX，关键词：烘焙、食谱、探店
依次拆解以下博主：XX、YY、ZZ
# 基本用法
python run.py "（对标博主账号）"
# 带对比分析（和自己的账号对比）
python run.py "（对标博主账号）" --self "（我的账号）"
# 指定领域关键词（优化搜索覆盖率）
python run.py "（对标博主账号）" --keywords "烘焙,食谱,探店"首次运行时，Skill 会自动：
- 安装
python-docx依赖 - 从 GitHub 下载
xiaohongshu-mcp二进制 - 启动 MCP 服务
- 弹出二维码 → 手机扫码登录
之后再运行就是一句话直出结果。
每次分析产出 4 份 Word 文档，以下是真实产出物截取：
深入理解对标博主的全貌——TA 是谁、做了什么、为什么好、你能学什么。
包含内容：
- 账号画像（粉丝量/获赞/内容定位/人设标签）
- 人设三板斧拆解（粉丝跟 TA 的本质原因）
- TOP10 高赞笔记逐条拆解（标题策略 + 爆款原因 + 评论洞察）
- 内容模式分析（垂直型 vs 多元交叉型）
- 评论区"下一步内容机会"提取
把对标博主的套路提炼成你可以直接套用的模板。
包含内容：
- 11 种标题公式（数字型/疑问型/感叹型/对比型/降门槛型/亲测型……）
- 开头公式 / 结构模板 / CTA 策略 / 视觉排版公式
- 每种公式附改编示例（针对你的账号）
直接告诉你接下来可以发什么。
包含内容：
- 可借鉴选题清单（按优先级 × 创作难度排序）
- 差异化赛道机会
- 系列 IP 建议
- 已做选题对照表（有对比数据时）
数据驱动的底层规律挖掘。
包含内容：
- 领域分布 & 藏赞比三档分析（实用型/均衡型/情绪型）
- 爆款公式总结（阈值、集中领域、形式分布）
- 发展趋势 & 条件性转型路径分析
- 竞争格局分析
已在 AI、职场成长、女性成长、效率工具等多个赛道实测验证，笔记数从 50 到 70+ 条均可稳定产出。
Phase 0 Phase 1 Phase 2 Phase 3 Phase 3.5
环境自动准备 ──→ 数据采集 ──────→ 数据分析 ──────→ 骨架文档 ──→ AI 深度分析
│
┌─────────┐ ┌───────────┐ ┌───────────┐ ┌──────────┐ ┌──────┴──────┐
│ check_ │ │ crawl_ │ │ analyze │ │ generate │ │ deep_ │
│ env.py │ │ blogger.py│ │ .py │ │ _docs.py │ │ analyze.py │
│ │ │ │ │ │ │ │ │ + │
│ • python│ │ • 搜索博主│ │ • 动态聚类│ │ • MD骨架 │ │ AI Engine │
│ • docx │ │ • 主页信息│ │ • 标签统计│ │ • Word │ │ │
│ • MCP │ │ • 多关键词│ │ • TOP10 │ │ 转换 │ │ • 人设拆解 │
│ • 登录 │ │ • 笔记详情│ │ • 对比 │ │ │ │ • 因果分析 │
│ │ │ • 断点恢复│ │ │ │ │ │ • 公式提炼 │
└─────────┘ └───────────┘ └───────────┘ └──────────┘ │ • 个性建议 │
└─────────────┘
脚本30% + AI 70%
"脚本保下限，AI 冲上限"
| 角色 | 占比 | 负责内容 |
|---|---|---|
| 脚本 | 30% | 数据采集、统计计算、模式识别（11种标题/6类CTA/Emoji/发布频率） |
| AI | 70% | 人设拆解、因果分析、公式提炼、个性化建议、评论洞察、金句总结 |
为什么这样分？因为"统计一个博主有多少篇笔记用了数字标题"是确定性工作，脚本可以 100% 准确；但"这个博主为什么能涨粉"是需要推理和洞察的，AI 做得更好。
AI 编程助手 ←→ Skill (SKILL.md + Python 脚本) ←→ MCP Client (urllib)
↕
xiaohongshu-mcp
(localhost HTTP)
↕
小红书 API
使用 xiaohongshu-mcp 作为数据桥梁，通过 HTTP JSON-RPC 协议通信，纯标准库实现（urllib），零外部依赖。
xhs-blogger-analyzer/
├── SKILL.md # Skill 定义文件（核心，AI 编程助手读这个）
├── run.py # 一键运行入口
├── install.py # 自动安装脚本
├── scripts/
│ ├── check_env.py # Phase 0: 环境自动准备（下载/安装/启动/登录）
│ ├── crawl_blogger.py # Phase 1: 数据采集（搜索+主页+详情+断点）
│ ├── analyze.py # Phase 2: 数据分析（动态聚类+标签+TOP10）
│ ├── generate_docs.py # Phase 3: 骨架文档生成（MD → Word）
│ ├── deep_analyze.py # Phase 3.5: 确定性分析 + AI 任务生成
│ └── utils/
│ ├── mcp_client.py # MCP HTTP 客户端（纯 urllib）
│ ├── md_to_docx.py # Markdown → Word 转换器
│ └── common.py # 共用工具函数
└── references/
├── 产出物质量标杆.md # AI 分析的质量标准
└── CHANGELOG.md # 版本迭代日志
| 系统 | 架构 | MCP 二进制自动下载 | 状态 |
|---|---|---|---|
| Windows | x64 | ✅ | ✅ 已验证 |
| macOS | Apple Silicon (ARM) | ✅ | ✅ 支持 |
| macOS | Intel (x64) | ✅ | ✅ 支持 |
| Linux | x64 / ARM64 | ✅ | ✅ 支持 |
| 平台 | 安装方式 | 测试状态 | 说明 |
|---|---|---|---|
| WorkBuddy | python install.py |
✅ 已验证 | 推荐平台 |
| Claude Code | python install.py |
✅ 已验证 | SKILL.md 兼容 |
| AI 模型 | 综合评分 | 耗时 | 产出格式 | 分析深度 |
|---|---|---|---|---|
| Claude Opus 4.6 | ⭐ 84/100 | ~60min | Word (.docx) | 🟢 最佳 |
| Claude Sonnet 4.6 | 76/100 | ~60min | Word | 🟡 中上 |
| MiniMax 2.7 | 71/100 | ~35min | Word | 🟡 中等 |
为保证 AI 产出的分析有洞察、有深度、不敷衍，我们定义了 8 条写作准则：
| # | 准则 | 一句话说明 |
|---|---|---|
| 1 | 有观点不骑墙 | 每个章节必须有明确判断，用加粗标出 |
| 2 | 有对比有洞察 | 产量 vs 效果、早期 vs 近期、爆款 vs 低赞 |
| 3 | 有针对性建议 | 如果提供了用户账号，给出可执行的改进建议 |
| 4 | 有因果解释 | 不只说"赞多"，要说清楚为什么赞多 |
| 5 | 有层次感 | TOP5 深度拆解，TOP6-10 快速拆解 |
| 6 | 有金句记忆点 | 提炼"博主底层公式"，章节结论加粗 |
| 7 | 有数据锚点 | 禁止"表现较好"，必须跟具体数字 |
| 8 | 格式有节奏 | 数据=表格、分析=段落、结论=引用块 |
- v0.1 — SKILL.md 设计 + MCP 协议文档
- v0.2 — 全 Phase 脚本实现
- v0.3 — 通用化重构（去硬编码，动态聚类）
- v0.4 — 全自动环境准备 + AI 深度分析 + 一键运行
- v0.5 — 数据采样一致性优化 + 断点恢复增强
- v0.6 — 多博主批量模式 + 产出物格式统一
- v1.0 — 稳定版发布
欢迎 Issue 和 PR！特别是：
- 在新平台上的测试反馈
- 新的分析维度建议
- 文档质量改进
MIT License
让每一个小红书创作者，都能像专业 MCN 一样拆解对标账号。