media-crawler-xhs

# 小红书采集 先读取并遵循 [media-crawler](../media-crawler/SKILL.md)。本 Skill 统一承担搜索、详情、评论与媒体采集。 ## 输入 确认研究目的、关键词或准确链接、目标数量、时间窗、最低互动门槛、是否需要评论/媒体，以及调用方 Model 的 Memory 目录。`xhs-replicate` 默认使用 `memory/xhs-replicate/samples/xhs/<topic>/`。 ## 方法 1. 建立 1–3 个意图不同的查询：直接问题、解决方案/品类、用户/场景。不要用近义词堆量。 2. 用 `--platform xhs --type search` 搜索；并发保持 1，先关闭评论与媒体。 3. 搜索结果只作为发现证据。归一化互动数并应用时间窗后排序，不能把搜索摘要当完整正文。 4. 按相关性、互动、形式多样性、时效性和可追溯性选择��情候选，不能只看点赞。调用方研究爆款时，不得仅因候选是商业产品、课程、无源码项目或与当前任务角色不同而剔除；Collector 负责保留证据，是否可迁移及调性差异由调用方 Model 判断。 5. 把带有效 `xsec_token`、通常也带 `xsec_source` 的完整链接写入 `config/xhs_config.py` 的 `XHS_SPECIFIED_NOTE_URL_LIST`，再运行 `--type detail`。 6. 只对 shortlist 开启评论。明确需要素材时才开启上游拼写 `ENABLE_GET_MEIDAS`，并验证下载文件与笔记对应。 7. 创作者研究使用 `XHS_CREATOR_ID_LIST` 和 `--type creator`。 8. 把原始详情、评论、媒体和运行清单复制到 Memory，再运行 `scripts/normalize.py` 生成通用索引。 9. Model 需要长期候选样本库时，传入 `--library-root memory/<model>/libraries/xhs`。派生条目保留人工策展和产品能力证据引用，但不假设任何产品 schema。 ```bash cd "${MEDIACRAWLER_DIR:-${GROWTHLAB_CLIENT_ROOT:-$HOME/.growth-lab/clients}/MediaCrawler}" uv run main.py --platform xhs --lt qrcode --type search uv run main.py --platform xhs --lt qrcode --type detail uv run main.py --platform xhs --lt qrcode --type creator cd "$REPO_ROOT/growth-lab" python3 collectors/media-crawler-xhs/scripts/normalize.py \ --library-root memory/xhs-replicate/libraries/xhs \ --all memory/xhs-replicate/samples/xhs ``` ## 质量检查 - 按 note ID/规范 URL 去重，并保留查询到笔记的来源关系。 - 有什么就记录什么：作者、时间、标题/正文、互动、类型、规范 URL、媒体列表和评论状态。 - 正文、评论或媒体缺失时明确标注，禁止补造。 ...