xhs-replicate

Featured

小红书内容增长闭环 —— 从调研找 idea、锚定爆款骨架、填入真实产品内容、生图与合规检查,到回收 24h/48h/7d 发布结果并完成复盘。用户要求出稿、复刻、月度复盘、查看发布数据或修订内容规律时使用。

AI & Automation 2,000 stars 169 forks Updated 1 months ago Apache-2.0

Install

View on GitHub

Quality Score: 87/100

Stars 20%
100
Recency 20%
75
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# xhs-replicate — 1:1 复刻爆款 + 填充 ## 源 Skill 元数据 - `when_to_use`:用户说「出一篇 / 复刻这条爆款 / 做 X 主题的图文 / 找个爆款套一下 / 蹭这个热点出个内容」时。可独立触发,自带前置补全。 - `arguments`:"topic_or_viral_note role" - `argument-hint`:"[主题或爆款note_id] [official|personal]" ## 这条流程的目标(项目核心目标,重定义) - **高效** = 从「调研找 idea」到「发布就绪」的最短链路:锚一条已验证的爆款,复刻可迁移骨架,填入当前产品的真实内容并出图。产品事实必须来自用户当前 workspace 或明确提供的资料。 - **优质** = 两个指标驱动,**重心全在内容**: - **曝光(阅读数)= 钩子**:首页钩子照爆款实际编排,从用户痛点 / 热点出发,让人「看到标题封面就想点」。 - **赞藏(赞阅比 / 藏阅比)= 用户价值**:内容有价值、不空、有序清晰、解决用户真实问题——让人「点进来觉得值,愿意赞/收藏」。 > ⚠️ 诚实边界:这条流程优化的是「单帖内容质量」。**��光量本身受账号权重 × 赛道体量限制**(结构性天花板,靠养号/选赛道,内容架构够不到)。复刻让产出更快更稳,不等于保证爆。 ## 5 步闭环 若执行时发现依赖缺失,触发统一的 [onboard-growth-lab](../onboard-growth-lab/SKILL.md),由它在一次对话里审计全部能力并让用户选择配置或绕过;本 Skill 不自行维护 onboarding 流程。 产品认知贯穿整个闭环,不在开始时一次性补齐。首次执行或当前任务缺少产品事实时,调用 [research-product](../../collectors/research-product/SKILL.md),只把已确认的产品形态与能力增量写入 `SOUL.md`;用户、问题和价值继续作为待验证项。详细连接方式见 [产品能力与内容机会映射](references/product-opportunity-map.md)。 ``` ① 找 idea → ② 复刻骨架 → ③ 填内容 → ④ 生图 + 检查 → ⑤ 结果回收与复盘 ``` ### ① 找 idea(调研驱动) - 调研**竞品 / 爆款 / 热点话题 / 热点事件**,产出「有曝光潜力的 idea」。 - 来源:[media-crawler-xhs](../../collectors/media-crawler-xhs/SKILL.md)(抓新爆款,守风控)+ `memory/xhs-replicate/libraries/xhs/` 中本 loop 运行时派生的通用候选样本 + 当下热点。仓库不附带私有对标库。 - 产出 = 一句话 idea:**挂哪个热点 / 戳哪个痛点 + 锚哪条爆款(note_id)**。 - **先看可借鉴性,不用同类性做准入门槛**:商业产品、课程、无源码项目、不同角色或不同宣传目的的内容都可以进入候选。找爆款不是寻找与当前产品、目标用户、产品类型、宣传目的和叙事角色完全相同的内容;只要它在钩子、叙事、信息组织、视觉编排或转化方式上有益,就可以参考。不得因为“不是开源项目”“没有源码”“是课程/商业产品”而直接剔除。 - 对 shortlist 中每条候选都做一份**差异...

Details

Author
tsingyuai
Repository
tsingyuai/growth-lab
Created
1 months ago
Last Updated
1 months ago
Language
Python
License
Apache-2.0

Similar Skills

Semantically similar based on skill content — not just same category