一、背景概述

本期是MarketClaw团队第七期团队博客。经过前段时间的持续攻坚，项目已经从最初的环境搭建、技术预研，逐步走过了全链路闭环成型、任务编排与记忆沉淀等关键阶段。系统已经具备了从文案生成到自动化发布的基本能力，各个功能模块也在不断地被开发和完善。

但到了这一阶段，团队面临的核心问题发生了转变——接口写得再多，如果页面还是功能堆叠、评论进不来、Skill藏在脚本目录里看不见，那这个系统对非开发人员来说仍然不可用。 于是本轮工作的重点从“加功能”变成了“整理功能”——把已有的能力串成一条完整的运营流程，让平台真正可操作、可演示、可解释。

三位成员分别从评论回复闭环、内容生产自动化、平台整合与体验优化三个方向同步推进，共同完成了从能力拼接到平台整合的关键一跃。

二、工作总览

方向	核心产出	当前状态
评论回复闭环	评论同步→智能分类→AI回复→发送→状态追踪全链路	✅ 已完成，可演示
内容生产自动化	Pillow配图生成 + 竞品风格调研 + 一键分发包	✅ 已完成
平台整合与体验优化	小红书运营工作台重设计 + 评论收件箱 + Skill管理扩展	✅ 已完成

三、模块一：评论回复全链路闭环

3.1 设计目标

让评论真正“进入平台”——从自动同步、智能分类，到AI生成回复、自动发送，再到状态追踪，形成完整闭环。用户无需在命令行和平台之间切换，所有评论运营工作都可在Web后台完成。

3.2 核心功能

评论同步（Comment Sync） ：前端点击“同步评论”触发异步任务，通过Chrome CDP导航到用户主页，滚动笔记列表，逐篇进入评论区提取评论数据并入库。单篇笔记处理约17秒，评论区滚动采用智能退出策略——连续3次滚动未新增评论即停止。同步状态采用分级保护策略：replied、ignored、reviewing状态的评论永久保留，不被同步覆盖。

评论导入与去重：采用两级匹配策略——优先使用external_comment_id精确匹配，当DOM提取不到真实评论ID时，回退到“评论内容+作者名+笔记URL”三元组匹配，确保已处理评论状态不丢失。同时通过多维脏数据过滤，拦截UI文本和回复模板文案，保证数据质量。

AI回复生成：采用双引擎架构——优先调用LLM生成3条不同风格的回复选项，降级到本地模板匹配。模板按strategy × category二维组织，支持前端在线编辑，变更立即生效。三种回复策略覆盖不同场景：helpful（实用推荐，适用负面/质疑）、casual（自然口吻，适用正面/闲聊）、promotional（引导转化，适用中性/价格咨询）。

回复发送与状态追踪：自动回复模式下，系统根据情感自动选策略、生成回复、自动发送，全程无需人工介入。回复完成后评论状态自动更新为replied。

3.3 关键问题与解决方案

问题	根因	解决方案
已回复评论被重置为pending	external_comment_id不稳定	两级匹配策略（ID优先+三元组回退）
删除笔记后评论残留	prune_orphan_comments只对比DB	查询层直接按有效笔记过滤+同步后主动清理
误抓他人笔记评论	profile_url提取错误	强制导航到当前用户主页
UI文本被当评论导入	DOM误提取按钮文字	多维脏数据过滤

3.4 前端UI

评论管理模块采用左右分栏布局：左侧按笔记分组展示评论列表，支持关键词/作者/日期搜索；右侧展示评论详情、情感/分类标签，以及AI生成的3条回复选项卡片，用户选中后点击发送即可通过Chrome CDP在小红书平台完成回复。

四、模块二：内容生产自动化升级

4.1 设计目标

解决内容生产中“配图依赖人工”“文案风格单一”“分发门槛高”三大短板。

4.2 配图生成器（image_creator.py）

基于Python Pillow实现，不依赖任何外部API。输出1080×1440像素的3:4竖图，提供三种预设风格——card（白色底色+小红书红色条，适合正式内容）、minimal（灰色简约背景，适合技术内容）、gradient（随机渐变配色，适合种草内容）。单张生成时间低于1秒，Pillow未安装时自动降级为文本占位符输出，避免流程中断。

4.3 竞品风格调研引擎（campaign_research.py）

以目标产品名和描述为输入，通过关键词扩展→搜索热门帖子→逐篇获取详情→提取风格特征，最终输出包含标题模式、开头风格、语气和标签策略的风格报告。标题模式分析覆盖数字式、疑问式、冒号分隔式、Emoji装饰式、陈述式五种类型。实测从44条搜索结果中完成8篇帖子分析，提取出可指导文案策略的量化报告。

4.4 一键分发包

将完整工具链封装为260KB的独立分发包，用户解压后仅需两条命令即可完成首次运行。从解压到完成首次发布全流程约3分钟，人工操作不超过1分钟，大幅低于封装前半小时以上的配置时间。

三个模块串联形成 “调研→配图→发布→封装” 的完整流水线。

五、模块三：平台整合与体验优化

5.1 设计目标

让隐藏的能力浮出水面——把藏在脚本输出里的信息捞出来，放到用户能接触到的界面上。

5.2 小红书运营工作台重设计

之前的页面像一张功能清单：一键生成方案、生成封面、启动调研、发布内容、生成评论回复……按钮堆在一起，用户不知道先点哪个。本轮按真实运营流程重新分区：顶部是连接状态和指标，往下依次是方案生成、热点学习、发布准备、成品预览、评论收件箱、任务日志。页面逻辑变成了 “生成→学习→发布→评论→复盘” 的顺序。

5.3 评论收件箱

后端新建XhsComment表，存储评论内容、评论人、所属笔记、类型、情绪、建议回复、处理状态。前端增加类似工单系统的列表，支持导入评论、查看分类和情绪、生成回复建议、标记状态（待处理/已回复/已忽略/需关注）。评论来源有两条路：手动导入（演示稳定兜底）和自动同步（脚本抓取后回传平台），两条路并存。

5.4 Skill管理扩展

将Skill列表从3个扩展到13个，按“核心链路/小红书运营/互动运营/内容资产/账号能力/编排能力”分组展示。每个Skill显示调用次数、成功率、平均耗时、运行方式（单独运行/编排调用）。

六、技术收获与总结

6.1 核心认知

这一阶段让我们想明白一件事：对于这种集成了多个Skill和外部脚本的系统，开发完每个模块只是第一步。更关键的一步是把模块之间的数据流打通，让执行结果回到平台。

体系化不是加更多Skill，而是让已有的东西能被看到、能被操作、能被串联。评论收件箱也好，Skill管理也罢，本质上都在做同一件事——把藏在脚本输出里的信息捞出来，放到用户能接触到的界面上。

6.2 当前能力矩阵

  ┌─────────────┐     ┌──────────────┐     ┌──────────────┐
  │ 营销调研      │ ──→ │ 配图生成      │ ──→ │ 内容发布      │
  │ campaign_    │     │ image_       │     │ pipeline.    │
  │ research.py  │     │ creator.py   │     │ py publish   │
  └─────────────┘     └──────────────┘     └──────┬───────┘
                                                   │
  ┌─────────────┐     ┌──────────────┐            │
  │ 飞书对话入口  │ ←── │ 评论管理      │ ←─────────┘
  │ + DeepSeek  │     │ 同步+AI回复   │
  └─────────────┘     └──────────────┘

---

项目地址：https://gitee.com/cusir666/MarketClaw