O que 小红书账号分析（xhs-note-analyst） faz?
⚠️ 此技能无法独立运行，必须先安装 webclaw3。
它依赖 webclaw3 提供的本地浏览器运行时（Relay
:3459+ pipeline:3460），直接复用你 Chrome 中已登录的小红书账号——无需重新登录、无需提供密码、不会被反爬机制拦截。没有 webclaw3，此技能的每一步浏览器操作都会立即失败。npx clawhub@latest install fatmind/webclaw3-browser-automation主产品页面：https://clawhub.ai/fatmind/skills/webclaw3-browser-automation 源码与安装指南（3 步，约 5 分钟）：https://github.com/fatmind/webclaw3
安装完成后，对你的 Agent 说一句“检查 webclaw3 环境”来确认 Relay 和 pipeline 就绪，然后再回来运行此技能。
功能描述
分析你自己的小红书账号，数据来自你的创作者后台官方看板（导出 Excel），而非爬取的第三方估算数字。流程：导出最近 N 条笔记（按首次发布时间的倒序）→ 逐条提炼精准关键词 → 在小红书搜索该关键词下的同题材爆款进行对标 → 输出一份 HTML 报告：
- 数据总表：
min(notes_count, 实际笔记数)条，包含标题/类型（图文/视频）/首次发布时间/已发布天数/曝光/日均曝光/观看量/封面点击率/点赞/评论/收藏/涨粉/分享/人均观看时长，按首次发布时间倒序排列； - 转化漏斗健康度诊断：点击率 → 内容留存 → 互动 → 涨粉 四个层级，每个层级都有数值与合格/偏弱/断档判断（点击率 10%–20% 为合格；互动率 5%–10% 为爆款线；留存断档线按体裁分别设定）；
- 逐条笔记分析：每条笔记包含对标爆款表（同一题材、达到点赞门槛的高赞笔记，包含标题+作者+点赞数）+ 3 条具体可执行的改进建议。
与市面上的小红书技能有何不同：
- 大多数是爬取别人的数据（榜单、竞品、KOL），而此技能分析的是你自己后台的真实数据——曝光量、封面点击率、人均观看时长、涨粉数等指标只有账号主人才获取得到，爬虫无法获取；
- 无需任何第三方数据平台的 API 密钥，也不消耗付费额度：数据源就是你自己的创作者后台，浏览器操作由本机 webclaw3 运行时驱动；
- 竞品侧只获取搜索结果页中公开可见的标题、作者和点赞数，不抓取任何需要登录才能看到的他人数据。
前置条件
- webclaw3 已安装并运行（见顶部安装说明）：它提供浏览器扩展与 Relay（HTTP
:3459），以及本地 pipeline 服务（:3460）——此技能内嵌的 LLM 子会话（关键词提炼 / 对标爆款筛选 / 改进建议生成）都通过 pipeline 代为运行。 - 浏览器已登录小红书创作者后台（creator.xiaohongshu.com）与小红书主站（www.xiaohongshu.com）——你日常 Chrome 的登录状态由 webclaw3 直接复用，无需重新登录。
- 本机已安装
python3与openpyxl（用于解析创作者后台导出的 Excel 明细表）。 - 浏览器的下载目录为
~/Downloads（导出的 Excel 文件会保存到这里）。
使用方式
node skill.mjs
从当前目录下的 input.json 读取输入参数；如果 input.json 不存在，则使用默认值。
输入参数（input.json）
| 字段 | 类型 | 默认值 | 说明 |
|---|---|---|---|
notes_count | int | 5 | 分析最近多少条笔记（按首次发布时间倒序） |
keyword_per_note | int | 1 | 每条笔记提炼的关键词数量 |
report_path | string | <cwd>/小红书账号分析报告_<日期>.html | 报告输出路径 |
output_dir | string | process.cwd() | 生成 res.json / data.md 的目录（调用方已创建） |
output_files.result | string | res.json | 状态摘要文件名 |
output_files.data | string | data.md | 数据明细文件名 |
输出
report_path：HTML 报告（可直接在本地打开预览），包含三个板块并标注 full/partial；res.json：{ status, summary, notes_count, note_count_analyzed, keywords, benchmark_shortages, report_path, output_dir }，其中status的值为 success / partial / failed；data.md：报告的数据明细版本（总表/漏斗/逐条笔记/执行过程记录）；- stdout：一行 JSON 摘要
{ status, summary, output_dir }。
分析口径（v1.1.0 修正，非常重要）
以下三条是在实际测试自己账号后修正的误判，直接影响报告结论的正确性：
① 对标爆款设有点赞门槛，宁缺毋滥。 门槛根据该关键词结果集的点赞中位数 × 3 动态计算，并限制在 1000–3000 之间（不同赛道的爆款绝对值差异很大：美妆领域万赞起步，垂类工具千赞已是头部）。点赞数低于门槛的笔记一律不进入对标表——不允许为了凑满 3 条而将只有几十赞的笔记塞入。合格对标不足 3 条时，报告标注 partial 并说明原因（常见原因是关键词过宽导致混入不相关内容）。
② 留存断档线根据体裁分别设定。 图文为 <5s，视频为 <10s。图文的“留存”本质上是阅读完成率，停留时间天然短于视频，使用统一的 10 秒标准会将正常的图文误判为“内容断档”。体裁数据来自后台导出的“体裁”列。
③ 曝光量根据发布天数进行归一化。 曝光量是随时间累积的存量，发布 46 天的老笔记其曝光量自然高于发布仅 7 天的新笔记，直接比较数值会得出“老内容更好”的错误结论。报告同时提供 日均曝光 = 曝光 / 已发布天数，横向比较时应仅参考这一列。
行为说明
- 数据口径以创作者后台导出的 Excel 为准（页面表格中显示的值可能与 Excel 不同）。
- 搜索采用“真人输入优先、搜索页直连兜底”双路径：优先在首页搜索框中输入关键词并按下回车（最接近真人行为，最稳定）；如果网站改版导致 Vue 输入组件无法接受合成输入（value 被重置），则自动回退到直接导航到 AI 搜索页
/search_result_ai?keyword=...（2026-08 实测稳定返回 40+ 卡片）。两种方式均使用page.eval提取section.note-item卡片，并过滤掉data-note-id为空的占位行。 - 对标爆款先通过点赞门槛筛选，然后由子会话按照“题材/视角相似度优先、点赞数佐证”的原则进一步筛选，并剔除本账号自己的笔记以及不相关的内容。
- 关键词之间存在节奏控制（4 秒以上加随机抖动），采用串行搜索，以避免触发风控机制。
关于此技能
此技能由 webclaw3 自动生成——你只需用自然语言描述一次任务，webclaw3 就会驱动你自己的 Chrome 浏览器真实地执行一遍，然后将这一探索过程固化为一个本地脚本：之后每天重复运行几乎不消耗 token，即使网站改版，你也可以在本地免费进行修复。
如果你也想将自己重复的浏览器任务变成这样一个技能：
npx clawhub@latest install fatmind/webclaw3-browser-automation
https://clawhub.ai/fatmind/skills/webclaw3-browser-automation · https://github.com/fatmind/webclaw3