OpenClaw 对接小红书评论 API 实战教程（2026 最新）

2026年小红书评论采集主流方案采用"Cookie鉴权+反向工程接口+OpenClawSkill封装"技术路线。教程提供两种实现方式：一是通过Python直接调用小红书API接口进行轻量采集，需配置有效Cookie和请求参数；二是推荐使用OpenClawSkill封装，实现AI自动回复功能。环境准备仅需5分钟安装OpenClaw并配置小红书Cookie，支持macOS/Linu

数据小爬虫

283人浏览 · 2026-05-07 16:20:21

数据小爬虫 · 2026-05-07 16:20:21 发布

2026 年主流方案为 “Cookie 鉴权 + 反向工程接口 + OpenClaw Skill 封装”，既能稳定采集评论，又能通过 AI 自动回复，适合个人与中小企业运营场景。本教程从环境搭建到实战调用，全程可直接复刻。

一、环境准备（5 分钟搞定）

1. 安装 OpenClaw（小龙虾）

要求：Node.js ≥ 22，支持 macOS/Linux/Windows（WSL2）

# 全局安装最新版运行加V：18179018113
npm install -g openclaw@latest

# 初始化配置（一路回车，选模型如Kimi/GLM）
openclaw onboard

# 启动网关（默认端口18789）
openclaw gateway start

# 验证（无报错即成功）
openclaw doctor

2. 获取小红书 Cookie（核心鉴权）

小红书无开放 API，Cookie 是 2026 年稳定调用的关键，有效期约 7 天。

浏览器打开 xiaohongshu.com，扫码登录账号
按 F12→Network→刷新页面→找任意请求→Request Headers
复制完整Cookie（包含web_session等字段），保存备用

二、核心方案：两种 API 对接方式

方式 1：反向工程接口（直接调用，适合轻量采集）

1. 接口信息（2026 最新可用）

地址：https://api.xiaohongshu.com/v2/notes/{note_id}/comments
方法：GET
鉴权：Cookie（请求头携带）
分页：cursor游标（非 page），page_size最大 50

2. Python 原生调用示例

python

运行

import requests

# 配置（替换为你的信息）
NOTE_ID = "6666666666666666666"  # 笔记URL提取
COOKIE = "你的小红书Cookie"
URL = f"https://api.xiaohongshu.com/v2/notes/{NOTE_ID}/comments"

# 请求头
headers = {
    "Cookie": COOKIE,
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}

# 分页参数
params = {"cursor": "", "page_size": 20, "sort": "time"}

# 发送请求
response = requests.get(URL, headers=headers, params=params)
data = response.json()

# 打印评论
for comment in data["data"]["comments"]:
    print(f"用户：{comment['user']['nickname']}")
    print(f"评论：{comment['content']}\n")

方式 2：OpenClaw Skill 封装（推荐，支持 AI 自动回复）

通过自定义 Skill，把小红书 API 接入 OpenClaw，一句话即可触发采集 + 回复。

1. 创建小红书评论 Skill

bash

运行

# 进入OpenClaw技能目录
cd ~/.openclaw/skills
mkdir xhs_comment && cd xhs_comment

2. 编写`main.py`（API 调用 + AI 回复）

python

运行

import requests
from openclaw.skill import Skill

class XhsCommentSkill(Skill):
    def __init__(self):
        # 配置（替换为你的Cookie）
        self.cookie = "你的小红书Cookie"
        self.headers = {
            "Cookie": self.cookie,
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36"
        }

    def get_comments(self, note_id):
        """获取笔记评论"""
        url = f"https://api.xiaohongshu.com/v2/notes/{note_id}/comments"
        params = {"cursor": "", "page_size": 20, "sort": "time"}
        res = requests.get(url, headers=self.headers, params=params)
        return res.json()["data"]["comments"]

    def execute(self, context):
        # 从用户指令提取note_id（如“获取笔记666666的评论”）
        note_id = context["query"].split("笔记")[1].split("的评论")[0]
        comments = self.get_comments(note_id)
        
        # 整理结果并触发AI回复
        result = "📝 小红书评论列表：\n"
        for idx, c in enumerate(comments, 1):
            result += f"{idx}. {c['user']['nickname']}：{c['content']}\n"
        return result

# 暴露Skill实例
skill = XhsCommentSkill()

3. 编写`init.py`

python

运行

from .main import skill

4. 启用 Skill 并重启网关

bash

运行

# 重启生效
openclaw gateway restart

# 验证Skill
openclaw skills list | grep xhs_comment

三、实战调用（直接复制可用）

1. 调用指令（OpenClaw 对话 / 命令行）

bash

运行

# 命令行调用
openclaw "获取笔记6666666666666666666的评论"

# WebUI调用（openclaw dashboard）
# 输入：获取笔记6666666666666666666的评论

2. 预期返回结果

plaintext

📝 小红书评论列表：
1. 小明：求链接，太好看了！
2. 小红：同款已买，质量超棒～
3. 小刚：请问身高体重多少？想参考

3. 进阶：AI 自动回复评论

在 Skill 中添加回复逻辑，自动生成并发送回复：

python

运行

# 在execute方法末尾添加
for c in comments:
    if "求链接" in c["content"]:
        reply = "链接在评论区置顶哦～"
        # 调用回复接口（需补充回复API逻辑）
        print(f"已回复{c['user']['nickname']}：{reply}")