# xhs_content_agent **Repository Path**: yjs_0831/xhs_content_agent ## Basic Information - **Project Name**: xhs_content_agent - **Description**: 这是我开发的一个基于大模型的小红书内容运营智能 Agent 系统。 该系统可以实现从数据采集到内容生成，再到自动发布的完整流程，主要功能包括： 使用 Playwright 爬取小红书热门内容 分析爆款规律（关键词、标签、标题结构） 基于分析结果自动生成选题 使用大模型生成完整文案（标题、正文、标签、互动语） 调用图像模型生成配图 支持通过 API 或 MCP 一键发布内容 技术栈包括： FastAPI、LangChain、OpenAI（GPT + 图像模型）、Playwright、Pydantic 等。 该项目的核心思路是将数据分析与大模型生成结合，实现内容生产的自动化与智能化。 适用于： 内容运营、自媒体自动化、AI Agent 应用开发等场景。 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2026-04-10 - **Last Updated**: 2026-05-15 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # XHS Content Agent — 小红书 AI 内容助手 基于 FastAPI + LangChain + OpenAI 构建的小红书内容挖掘与自动生成系统。支持从爬取竞品数据、分析爆款规律、AI 生成文案与配图，到一键发布至小红书的完整闭环。 --- ## 功能概览 | 模块 | 说明 | |------|------| | 数据采集 | 通过 Playwright 爬取小红书搜索结果，支持按关键词、评论数、点赞数、收藏数过滤，自动跳过视频与广告 | | 数据分析 | 提取高频关键词、热门标签、标题规律与用户洞察，输出结构化分析报告 | | 话题生成 | 基于分析结果，调用 LLM 生成若干高质量选题建议（含标题与理由） | | 内容生成 | 针对每个选题生成多条完整文案：正文、标题、话题标签、互动引导语、图片建议、内容类型 | | 图片生成 | 调用 OpenAI `gpt-image-1` 生成符合小红书风格的配图，保存至本地 | | 内容发布 | 支持 MCP 协议（推荐）或 REST API 两种模式发布至小红书 | | 飞书同步 | 将爬取数据与 AI 生成内容分别同步至飞书多维表格，便于团队协作与审核 | | MCP Server | 将完整流水线封装为 MCP 工具，可在 Claude Desktop / Cursor 等 AI 工具中直接调用 | | Web UI | 内置静态前端，提供爬取、生成、发布的图形化操作界面 | --- ## 快速开始 ### 1. 安装依赖 ```bash python -m venv .venv .venv\Scripts\activate # Windows pip install -r requirements.txt playwright install chromium ``` ### 2. 配置环境变量 复制 `.env` 文件并填写必要字段： ```env # OpenAI OPENAI_API_KEY=sk-... OPENAI_MODEL=gpt-4o-mini OPENAI_BASE_URL= # 可选，代理地址 # 图片生成 IMAGE_MODEL=gpt-image-1 # 飞书多维表格（可选） FEISHU_APP_ID= FEISHU_APP_SECRET= FEISHU_APP_TOKEN= FEISHU_TABLE_ID= # 爬虫数据表 FEISHU_PUBLISH_TABLE_ID= # AI 生成笔记表 # 小红书 MCP 服务（本地） XHS_MCP_URL=http://localhost:18060 XHS_MCP_ENDPOINT=http://localhost:18060/mcp ``` ### 3. 启动服务 ```bash uvicorn app.main:app --reload --host 127.0.0.1 --port 8000 ``` 浏览器访问 `http://127.0.0.1:8000` 进入 Web UI。 FastAPI 交互文档：`http://127.0.0.1:8000/docs` --- ## 主要 API | 路由 | 说明 | |------|------| | `POST /analysis/analyze` | 分析笔记列表，返回关键词、标签、标题规律、洞察点 | | `POST /topics/generate` | 根据分析结果生成话题建议 | | `POST /content/generate` | 根据选题生成图文文案 | | `POST /agent/run` | 一键运行完整内容生成流水线（分析 → 话题 → 文案） | | `POST /crawl/search` | 按关键词爬取小红书图文笔记 | | `POST /publish/prepare` | 组装发布 Payload（REST / MCP 格式） | | `POST /publish/send` | 发布至小红书 | | `POST /feishu/sync` | 将生成内容同步至飞书 | | `POST /feishu/sync-crawled` | 将爬取数据同步至飞书 | | `GET /health` | 健康检查 | --- ## MCP Server 使用 将本项目封装为 MCP Server，可在支持 MCP 协议的 AI 工具（Claude Desktop、Cursor 等）中注册使用。 ```bash python mcp_server.py ``` 提供以下 MCP 工具： | 工具 | 说明 | |------|------| | `run_content_pipeline` | 完整运行内容生成流水线 | | `generate_xhs_images` | 根据文案生成配图 | | `publish_to_xhs` | 生成配图并一键发布至小红书 | | `check_xhs_login` | 检查小红书登录状态 | --- ## 项目结构 ``` xhs_content_agent/ ├── app/ │ ├── api/ # FastAPI 路由层 │ ├── core/ # 配置（Settings） │ ├── models/ # Pydantic 数据模型 │ ├── prompts/ # LLM Prompt 模板 │ └── services/ # 业务逻辑层 │ ├── agent_service.py # 主流水线编排 │ ├── analysis_service.py # 笔记数据分析 │ ├── topic_service.py # 话题生成 │ ├── content_service.py # 文案生成 │ ├── image_service.py # 图片生成 │ ├── publish_service.py # 小红书发布 │ ├── feishu_service.py # 飞书同步 │ ├── local_site_crawler_service.py # 小红书爬虫 │ └── mcp_client_service.py # MCP 客户端 ├── static/ # Web 前端页面 ├── data/ │ ├── raw/ # 爬取数据 / 样本数据 │ └── output/images/ # 生成的图片 ├── mcp_server.py # MCP Server 入口 ├── requirements.txt └── .env # 环境变量配置 ``` --- ## 技术栈 - **后端框架**：FastAPI + Uvicorn - **LLM 调用**：LangChain + LangChain-OpenAI（GPT-4o-mini） - **图片生成**：OpenAI gpt-image-1 - **爬虫**：Playwright（Chromium） - **MCP 协议**：`mcp` SDK（FastMCP） - **飞书 API**：飞书多维表格 Open API - **中文处理**：jieba 分词 - **数据验证**：Pydantic v2 --- ## 注意事项 - 爬取功能需要提前完成小红书登录并将 Cookies 保存至 `data/raw/xhs_cookies.json`。 - 发布功能依赖本地运行的小红书 MCP 服务（默认端口 `18060`），需完成扫码登录。 - 图片生成需要 OpenAI API Key 且该 Key 有 `gpt-image-1` 的访问权限。 - 飞书同步为可选功能，未配置时相关接口会返回提示信息而不会报错。