做自媒体最痛苦的不是写内容，而是每天睁眼就要去小红书、抖音扒同行。

手动截图、保存、建表格，大半天就过去了，最后眼睛看酸了，选题还没定下来。

今天不聊虚的，直接拆解我最近跑通的一套全自动方案：用 Codex 联动飞书多维表格。

这套方案能帮你自动抓取近期起爆的优质作品，让 AI 自动看图、反推提示词，最后直接吐出高质量的对标新图。

第一步：别把文件乱放，建个专属工作区

要运行这套流程，首先得把 Codex 的地基打好。

别把文件乱放，直接在 Codex 里新建一个叫 xiaohongshu_bot 的文件夹。

以后所有抓下来的爆款图、生成的提示词和新图全往里扔，省得后续找不着。

第二步：扫码绑定飞书，让 AI 自己填表格

我们用飞书多维表格来当选题库。

以前在传统工作流平台上配置飞书，得去后台调复杂的 JSON 结构和 API 字段，头大得不行。

在 Codex 里，我们直接接入飞书 CLI 插件，让 AI 自己去和飞书通信。

直接在 Codex 对话框里发这句大白话：

在此工作区中，帮我安装飞书 CLI：https://open.feishu.cn/document/no_class/mcp-archive/feishu-cli-installation-guide.md

Codex 会自己解析文档并跑完安装，终端最后会弹出一个授权二维码。

拿出手机用飞书 App 扫一下，绑定就搞定了。

绑定完之后，配合我写好的爆款筛选 Skill，直接去抓目标平台的爆款。

我一般盯着特定赛道，把过滤阈值设在“点赞量大于 500”。

因为这个数据说明刚有起爆迹象，同行还没大规模跟风，这时候模仿最容易拿到流量。

抓到数据后，对 Codex 说：“帮我把筛选出的爆款链接和标题写入多维表格”，它自己就能把表格填得整整齐齐。

第三步：多模态反推提示词与生图通道配置

有了选题库，接下来就是最核心的“拆解与复刻”。

把爆款链接丢给 Codex，它会自动把原图下载到本地。

接着，利用底层模型的多模态识图能力，直接让它分析这张图，反推出高精度的生图提示词（Prompt）。

有了提示词，下一步就是调用绘图模型生成新图。

在 Codex 或其他支持 OpenAI 兼容的工具里，配置时主要关注三个字段：Base URL、API Key 和 Model。

Base URL：https://token.ithinkai.cn/v1
Key：YOUR_KEY
Model：以服务文档为准，最新模型 gpt-5.5、claude-opus-4-8、
gpt-image-2 等可按文档查看；涉及图片生成时，以 0.05¥/图起、2k/4k 支持等服务文档说明为准。

第四步：一键生成与效果对比

配置好通道后，就不用一步步发指令了。

直接给 Codex 下达组合任务：

“读取指定爆款链接 -> 自动下载并反推提示词 -> 调用绘图模型生成新图 -> 顺便写个小红书风格的标题和文案 -> 存进本地文件夹。”

大概 5 分钟，新素材就全部躺在你的本地文件夹里了。

我们直接看对比效果：

• 原图参考：

• AI 复刻新图：

大家看原图，它用的是那种“极简风+黄色高光字体”的排版。

AI 吐出来的新图，不仅保留了这种排版结构，甚至把背景里杂乱的元素给净化了，主体更突出。

最爽的是，提示词是自动反推的，我连 Midjourney 的提示词都不用自己抓耳挠腮地写。

避坑与排错指南

这套流程我跑了两个星期，踩了几个实实在在的坑，大家配置时注意避开：

1. 飞书扫码没反应：

如果是企业飞书账号，大概率是你们公司的 IT 管理员限制了第三方 CLI 工具的接入权限。建议用个人飞书账号建个单人空间来跑，省去审批麻烦。

1. 图片反推提示词不准：

有些复杂的图，默认模型识别出来的信息很碎。如果效果不好，可以在 Codex 里把识图模型切换成 claude-3-5-sonnet 先做视觉解析，拿到高质量提示词后，再传给生图模型。

1. 生图英文拼写错误：

AI 生图虽然好看，但里面的英文经常拼错。我的解决办法是，让 Codex 只生成无字的干净背景图，文字部分还是留到飞书里用模板自动套，这样最稳妥，不会因为拼写错误显得不专业。

以前在传统工作流平台上，搭这样一套包含多模态识别、API 调用和数据写入的流程，少说也要折腾一两天。

现在基于 Codex 的自然语言理解，配合现成的 Skill，半小时内就能彻底跑通。

觉得有用的，赶紧去建个工作区试试。