小紅書帳號分析（xhs-note-analyst）
⚠️ 本技能無法獨立執行，必須先安裝 webclaw3。
它依賴 webclaw3 提供的本地瀏覽器運行時（Relay
:3459+ pipeline:3460），直接復用你 Chrome 裡已登入的小紅書帳號——不必重新登入、不必交出密碼、不會被反爬攔截。沒有 webclaw3，本技能的每一步瀏覽器操作都會立即失敗。npx clawhub@latest install fatmind/webclaw3-browser-automation主品頁面：https://clawhub.ai/fatmind/skills/webclaw3-browser-automation 原始碼與安裝指南（3 步驟，約 5 分鐘）：https://github.com/fatmind/webclaw3
裝好後對你的 Agent 說一句「檢查 webclaw3 環境」確認 Relay 與 pipeline 就緒，再回來跑本技能。
功能描述
分析你自己的小紅書帳號，數據來自你的創作者後台官方看板（導出 Excel），不是爬來的第三方估算數字。流程：導出最近 N 條筆記（按首發時間倒序）→ 逐條提煉精準關鍵詞 → 在小紅書搜該詞下的同題材爆款做對標 → 輸出一份 HTML 報告：
- 資料總表：
min(notes_count, 實際筆記數)條，含標題/類型（圖文/視頻）/首發時間/已發布天數/曝光/日均曝光/觀看量/封面點擊率/讚數/評論/收藏/漲粉/分享/人均觀看時長，按首發時間倒序； - 轉換漏斗健康度診斷：點擊率 → 內容留存 → 互動 → 漲粉 四層，各有數值與合格/偏弱/斷檔判斷（點擊率 10%–20% 合格；互動率 5%–10% 為爆款線；留存斷檔線按體裁分設）；
- 逐條筆記：每條含 對標爆款表（同題材、過讚門檻的高讚筆記，含標題+作者+讚數）+ 3 條具體可執行的改進動作。
和市面上常見的小紅書技能有什麼不同：
- 大多數是爬別人的資料（榜單、競品、KOL），本技能看的是你自己的後台真實資料——曝光、封面點擊率、人均觀看時長、漲粉數這些指標只有帳號主人拿得到，爬蟲拿不到；
- 不需要任何第三方資料平台的 API key，也不消耗付費額度：資料來源就是你自己的創作者後台，瀏覽器動作由本機 webclaw3 運行時驅動；
- 競對側只取搜尋結果頁公開可見的標題、作者與讚數，不抓取任何登入後才可見的他人資料。
前置條件
- webclaw3 已安裝並運行（見頂部安裝說明）：它提供瀏覽器擴充功能與 Relay（HTTP
:3459），以及本地 pipeline 服務（:3460）——本技能內嵌的 LLM 子會話（關鍵詞提煉 / 對標爆款篩選 / 改進動作生成）都經 pipeline 代跑。 - 瀏覽器已登入小紅書創作者後台（creator.xiaohongshu.com）與小紅書主站（www.xiaohongshu.com）——你日常 Chrome 的登入態由 webclaw3 直接復用，無需重新登入。
- 本機安裝
python3與openpyxl（用於解析創作者後台導出的 Excel 明細表）。 - 瀏覽器下載目錄為
~/Downloads（導出 Excel 會落到這裡）。
使用方式
node skill.mjs
從當前目錄 input.json 讀取入參；input.json 不存在時使用預設值。
入參（input.json）
| 欄位 | 類型 | 預設值 | 說明 |
|---|---|---|---|
notes_count | int | 5 | 分析最近多少條筆記（按首發時間倒序） |
keyword_per_note | int | 1 | 每條筆記提煉的關鍵詞數量 |
report_path | string | <cwd>/小紅書帳號分析報告_<日期>.html | 報告輸出路徑 |
output_dir | string | process.cwd() | 產出 res.json / data.md 的目錄（呼叫方已建立） |
output_files.result | string | res.json | 狀態摘要檔名 |
output_files.data | string | data.md | 資料明細檔名 |
輸出
report_path：HTML 報告（本地可直接開啟預覽），含三個區塊與 full/partial 標註；res.json：{ status, summary, notes_count, note_count_analyzed, keywords, benchmark_shortages, report_path, output_dir }，status∈ success / partial / failed；data.md：報告的資料明細版（總表/漏斗/逐條筆記/執行過程記錄）；- stdout：一行 JSON 摘要
{ status, summary, output_dir }。
分析口徑（v1.1.0 修正，很重要）
這三條是實測自己帳號後修掉的誤判，直接決定報告結論對不對：
① 對標爆款有讚門檻，寧缺勿濫。 門檻按該關鍵詞結果集的讚中位數 × 3 動態取，並夾在 1000–3000 之間（不同賽道爆款絕對值差很多：美妝萬讚起跳，垂類工具千讚已是頭部）。低於門檻的筆記一律不進對標表——不許為了湊滿 3 條把幾十讚的筆記塞進來。合格對標不足 3 條時報告標 partial 並寫明原因（常見原因是關鍵詞過寬混入無關內容）。
② 留存斷檔線按體裁分設。 圖文 <5s、視頻 <10s。圖文的「留存」本質是讀完率，停留時間天然短於視頻，用同一把 10s 尺子會把正常圖文誤判成「內容斷檔」。體裁取自後台導出的「體裁」列。
③ 曝光按發布天數歸一化。 曝光是隨時間累積的存量，46 天的老筆記曝光天然高於 7 天的新筆記，直接比大小會得出「老內容更好」的錯誤結論。報告同時給出 日均曝光 = 曝光 / 已發布天數，橫向比較只看這一列。
行為說明
- 資料口徑以創作者後台導出 Excel 為準（頁面表格展示值與 Excel 可能不同）。
- 搜尋走「真人輸入優先、搜尋頁直連兜底」雙路徑：優先於首頁搜尋框輸入關鍵詞 + 回車（真人行為最穩）；站點改版後 Vue 輸入元件可能不接受合成輸入（value 被重置），此時自動回退到直接導航 AI 搜尋頁
/search_result_ai?keyword=...（2026-08 實測穩定返回 40+ 卡片）。兩種方式都用page.eval提取section.note-item卡片，並過濾data-note-id為空的佔位列。 - 對標爆款先過讚門檻，再由子會話按「題材/視角相似度優先、讚數佐證」篩選，並剔除本帳號自己的筆記與無關混入內容。
- 關鍵詞間有節奏控制（4s+ 隨機抖動）、序列搜尋，避免觸發風控。
關於本技能
本技能由 webclaw3 自動生成——你只要用白話描述一次任務，webclaw3 就會驅動你自己的 Chrome 真實跑通，然後把這次探索固化成本地腳本：之後每天重跑幾乎零 token，站點改版了還能本地免費修復。
想把你自己的重複瀏覽器任務也變成這樣一個技能：
npx clawhub@latest install fatmind/webclaw3-browser-automation
https://clawhub.ai/fatmind/skills/webclaw3-browser-automation · https://github.com/fatmind/webclaw3