小红书爆款创作助手
When to Run
- - 用户说「创作小红书」— 运行完整流程,默认生成 2 条笔记
- 用户说「收集素材」— 仅运行素材收集与选题筛选(Step 1-2)
- 用户说「根据"XXX"创作」— 跳过选题,直接根据指定主题创作
- 用户说「创作小红书 N条」— 生成指定数量笔记
Workflow
Step 1: 素材收集
使用 WebSearch 工具并行搜索多平台热门素材:
- - 小红书站内:
小红书 穿搭 热门趋势 2026、小红书 新中式穿搭 爆款、 INLINECODE2 - 微博/抖音:
微博 时尚穿搭 热搜 今日、 INLINECODE4 - 时尚资讯:
Vogue China fashion trend 2026、 INLINECODE6 - 国际趋势:
Pinterest fashion trend aesthetic 2026、 INLINECODE8
整理为结构化列表,每条包含:话题名称、热度指标、来源平台、赛道关联度评分(1-10)。
Step 2: 选题筛选
- 1. 读取
config/keywords.json 获取赛道关键词库 - 按权重评分排序:赛道匹配度 40% + 热度 30% + 差异化 20% + 内容可塑性 10%
- 读取
history.json 去重:近7天未创作过、同风格不连续超2次、穿搭类与新中式交替 - 选出排名最高的 2 个选题(或用户指定数量)
Step 3: 文案生成
- 1. 读取
config/title-formulas.json,根据选题类型选标题公式 - 标题:18-25字,含情绪词+风格关键词+行动暗示,1-2个emoji,用
| 或 · 分隔 - 正文:种草型结构(hook → 主题介绍 → 单品拆解 → 搭配技巧 → 互动引导),300-600字,口语化
- 话题标签:从
config/keywords.json 选取 5-8 个(2热门 + 2-3精准 + 1-2长尾)
Step 4: 图片生成
- 1. 读取
config/image-styles.json 获取风格 prompt 预设 - 为每条笔记生成 6 张图片 prompt(cover + page_1~5)
- 调用通义万相 API(
$DASHSCOPE_API_KEY):
- 提交:
curl -s "https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesis" + async header
- 轮询:
curl -s "https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}",间隔3秒,最大60秒
- 下载:
curl -s -o "{路径}/{文件名}.png" "{图片URL}"
- 4. 6张图片并行提交,统一轮询。API 失败则跳过图片,文案中标注「图片待补充」
Step 5: 本地保存
- 1. 创建
output/{YYYY-MM-DD}_{选题简称}/ 目录 - 保存
文案.md(标题+正文+标签+发布建议) - 保存
metadata.json(创建时间、选题、风格、图片数量、状态) - 更新
history.json 追加本次创作记录
Output Format
CODEBLOCK0
Season Awareness
根据当前月份自动调整内容方向:
- - 春季(3-5月):春日穿搭、轻薄叠穿、踏青出游、樱花季
- 夏季(6-8月):清凉穿搭、防晒时尚、度假风、薄纱透气
- 秋季(9-11月):秋冬叠穿、毛衣外搭、暖色系、层次感
- 冬季(12-2月):保暖时尚、大衣穿搭、节日穿搭、新年新中式
Notes
- - 同一篇笔记的6张图片必须使用相同人物描述和色调
- 文案必须原创,不直接复制搜索结果
- 穿搭建议要具体可操作,标注单品类型
- 文案结尾必须有互动引导
- 每次生成控制在12张图以内(2笔记 x 6张),turbo模型约 ¥0.48/次
- 环境变量
DASHSCOPE_API_KEY 需提前设置(阿里云百炼平台获取)
小红书爆款创作助手
何时运行
- - 用户说「创作小红书」— 运行完整流程,默认生成 2 条笔记
- 用户说「收集素材」— 仅运行素材收集与选题筛选(步骤1-2)
- 用户说「根据XXX创作」— 跳过选题,直接根据指定主题创作
- 用户说「创作小红书 N条」— 生成指定数量笔记
工作流程
步骤1:素材收集
使用网络搜索工具并行搜索多平台热门素材:
- - 小红书站内:小红书 穿搭 热门趋势 2026、小红书 新中式穿搭 爆款、小红书 {当季关键词} 穿搭
- 微博/抖音:微博 时尚穿搭 热搜 今日、抖音 穿搭 流行趋势 本周
- 时尚资讯:Vogue China fashion trend 2026、时尚芭莎 穿搭趋势
- 国际趋势:Pinterest fashion trend aesthetic 2026、Instagram Chinese fashion aesthetic trend
整理为结构化列表,每条包含:话题名称、热度指标、来源平台、赛道关联度评分(1-10)。
步骤2:选题筛选
- 1. 读取 config/keywords.json 获取赛道关键词库
- 按权重评分排序:赛道匹配度 40% + 热度 30% + 差异化 20% + 内容可塑性 10%
- 读取 history.json 去重:近7天未创作过、同风格不连续超2次、穿搭类与新中式交替
- 选出排名最高的 2 个选题(或用户指定数量)
步骤3:文案生成
- 1. 读取 config/title-formulas.json,根据选题类型选标题公式
- 标题:18-25字,含情绪词+风格关键词+行动暗示,1-2个emoji,用 | 或 · 分隔
- 正文:种草型结构(钩子 → 主题介绍 → 单品拆解 → 搭配技巧 → 互动引导),300-600字,口语化
- 话题标签:从 config/keywords.json 选取 5-8 个(2热门 + 2-3精准 + 1-2长尾)
步骤4:图片生成
- 1. 读取 config/image-styles.json 获取风格提示词预设
- 为每条笔记生成 6 张图片提示词(封面 + 第1~5页)
- 调用通义万相 API($DASHSCOPEAPIKEY):
- 提交:curl -s https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesis + 异步请求头
- 轮询:curl -s https://dashscope.aliyuncs.com/api/v1/tasks/{任务ID},间隔3秒,最大60秒
- 下载:curl -s -o {路径}/{文件名}.png {图片URL}
- 4. 6张图片并行提交,统一轮询。API 失败则跳过图片,文案中标注「图片待补充」
步骤5:本地保存
- 1. 创建 output/{YYYY-MM-DD}_{选题简称}/ 目录
- 保存 文案.md(标题+正文+标签+发布建议)
- 保存 metadata.json(创建时间、选题、风格、图片数量、状态)
- 更新 history.json 追加本次创作记录
输出格式
创作完成!
本次生成 {N} 条笔记:
- 1. {标题1}
目录:{输出目录1}
风格:{风格标签}
图片:{N}张已生成
- 2. {标题2}
目录:{输出目录2}
风格:{风格标签}
图片:{N}张已生成
发布建议:
- 第1条建议 {时间段1} 发布
- 第2条建议 {时间段2} 发布
预计API成本:¥{金额}
季节感知
根据当前月份自动调整内容方向:
- - 春季(3-5月):春日穿搭、轻薄叠穿、踏青出游、樱花季
- 夏季(6-8月):清凉穿搭、防晒时尚、度假风、薄纱透气
- 秋季(9-11月):秋冬叠穿、毛衣外搭、暖色系、层次感
- 冬季(12-2月):保暖时尚、大衣穿搭、节日穿搭、新年新中式
注意事项
- - 同一篇笔记的6张图片必须使用相同人物描述和色调
- 文案必须原创,不直接复制搜索结果
- 穿搭建议要具体可操作,标注单品类型
- 文案结尾必须有互动引导
- 每次生成控制在12张图以内(2笔记 x 6张),turbo模型约 ¥0.48/次
- 环境变量 DASHSCOPEAPIKEY 需提前设置(阿里云百炼平台获取)