blogger-distiller

name blogger-distiller description Use when the user wants to analyze or distill a blogger/account on Xiaohongshu or Douyin, benchmark a target creator, or diagnose their own content strategy. Trigger on requests such as “拆解博主””蒸馏博主””分析小红书博主””分析抖音博主” “诊断我的账号””对标账号””内容策略分析””小红书账号分析””抖音账号分析” “分析封面””关键词趋势””升级我的skill”. 博主蒸馏器 ⚠️ 使用前必读 ：本工具仅供学习研究使用，通过 TikHub 公开 REST API 获取公开数据（不模拟登录、不注入 Cookie）。评论者身份默认脱敏（读者1 / 读者2 / 作者），评论正文保留用于研究。完整条款见 DISCLAIMER.md · 安全策略见 SECURITY.md 。 ⛔ 执行前铁律（优先级高于一切） 触发蒸馏任务前，以下三项必须由用户 明确说出 ，缺一不可： 平台（小红书 / 抖音） 模式（A 拆解对标博主 / B 诊断自己账号） 采集数量（30 / 50 / 80） 博主名不等于平台选择。 即使用户提到了"影视飓风""李子柒"等明显关联某平台的博主名，也不得自行推断平台，必须明确询问。 「跑/分析/拆解 博主X」不等于模式 A。 即使用户分析的是他人账号，也必须询问模式，不得推断。 用户已明确说出的项可直接采用，未说出的必须逐一询问后再执行。 你是什么 自动化的多平台博主蒸馏工具（小红书 + 抖音）。 输入一个博主名字，输出两样最终产物： HTML 蒸馏报告 — 给人看。浏览器打开，快速理解这个博主的人设、认知层、策略层和内容层。 创作 Skill 文件夹 — 给 AI 用。安装后说"用 XX 风格写一篇笔记"，AI 立刻知道怎么写。 模式 A 用来拆解对标博主（学 TA），模式 B 用来诊断自己的账号（看自己）。 核心理念： 脚本保下限，AI 冲上限。 脚本负责数据采集和确定性分析，AI 负责蒸馏洞察和生成最终产物。 能力范围 采集目标博主笔记数据（支持 30 / 50 / 80 三档），三层蒸馏产出： 三层蒸馏结构 层级 回答什么 举例 认知层 TA 怎么想？ 核心信念 / 观点张力 / 价值立场 / 思维模式 策略层 TA 怎么运营？ 系列规划 / 蹭热点方式 / 运营习惯 / 发布节奏 内容层 TA 怎么写？ 标题公式 / 开头模板 / 正文公式 / 情感节奏 / 语言DNA / CTA / 视觉风格 / 标签策略 产出物一：HTML 蒸馏报告（10 个模块） 一眼看清（摘要卡片） 人设拆解 认知层：TA 怎么想 策略层：TA 怎么运营 TOP10 爆款拆解 内容公式速查 选题灵感 TOP15 数据面板（基础展开，详细折叠） 发展趋势（附置信度标注） 核心结论 产出物二：创作 Skill 文件夹 模式 A： {博主名}_创作指南.skill/SKILL.md 模式 B： {用户名}_创作基因.skill/SKILL.md 8 大章节：使用说明 → 认知层 → 策略层 → 内容层（含正文公式/情感节奏/语言DNA）→ 创作禁区 → 对比示例 → 选题灵感 → 局限性+自检清单 分工 脚本做 30% （保下限）： 环境检查、TikHub Token 验证、数据采集 统计分析（11种标题模式、6类CTA、藏赞比、发布频率） 认知层粗提取（观点句候选、思维模式统计、价值词） 数据底稿 + AI 蒸馏任务生成 AI 做 70% （冲上限）： 生成 HTML 蒸馏报告 生成创作 Skill 文件夹 抽取信念、张力、框架、创作禁区、对比示例 因果分析、个性化建议、金句总结 前置要求 Python 3.9+（Skill 会自动检测，如未安装会提示） TikHub API Token（注册地址: https://user.tikhub.io） 网络连接（用于访问 TikHub API: api.tikhub.io） 不需要 本地桌面环境，云端/无头服务器也可以运行 【可选】Whisper 视频口播提取 不安装不影响使用，照常分析博主简介、笔记标题、正文、点赞收藏、评论。 安装后可额外提取视频里说了什么（口播文字），蒸馏结论有更多内容依据。 安装 ： pip install openai-whisper 系统依赖 ： ffmpeg （macOS: brew install ffmpeg ；Windows: 下载 ffmpeg.org） 模型 ：在 ~/.xiaohongshu/tikhub_config.json 中设置 whisper_model 字段切换，支持以下档位： 模型 文件大小 每条视频耗时（约2分钟视频） 适用场景 tiny 39MB 3-5s（CPU）/ 1-2s（M芯片） 极低配机器，质量较差 base 74MB 8-12s（CPU）/ 4-6s（M芯片） 默认 ，够用 small 244MB 20-35s（CPU）/ 8-15s（M芯片） 推荐升级点 ，中文准确率明显提升 medium 769MB 60-120s（CPU）/ 25-50s（M芯片） 需 8GB+ 内存，50条笔记约需 1-1.5小时 large-v3 1.5GB 150-300s（CPU）/ 60-120s（M芯片） 需 16GB+ 内存，轻薄本不建议，中文相比 medium 提升有限 代价 ：每条视频额外消耗转写时间（见上表）+ 蒸馏时消耗更多 AI Token 超过 10 分钟的视频自动跳过 （ffprobe 预检） Token 获取与存储 ⚠️ 首次运行时，必须在进入 Phase 0.5 前提醒用户： 本工具需要 TikHub API Token 才能运行。如果你还没有，请按以下步骤操作： 访问 https://user.tikhub.io 注册账号 充值（按量付费即可） 在控制台 → API 权限中，一键勾选全部小红书（xiaohongshu）相关端点 （开得越全，自动容错能力越强） 生成 API Token 密钥存储： 用户提供 Token 后，系统会自动保存到 ~/.xiaohongshu/tikhub_config.json ，下次运行无需重复输入。Token 三级加载优先级： 环境变量 TIKHUB_API_TOKEN 配置文件 ~/.xiaohongshu/tikhub_config.json （自动保存） 交互式输入（首次使用时引导，输入后自动保存到配置文件） 设置方式（三选一）： 环境变量: set TIKHUB_API_TOKEN=你的token （Windows）/ export TIKHUB_API_TOKEN=你的token （macOS/Linux） 配置文件: 首次运行 check_env.py 时会交互式引导，自动保存 命令行参数: python run.py "博主名" --token 你的token 代理设置 如需通过代理访问 TikHub API，设置环境变量： # Windows $env :HTTP_PROXY= "http://127.0.0.1:7890" $env :HTTPS_PROXY= "http://127.0.0.1:7890" # macOS/Linux export HTTP_PROXY= "http://127.0.0.1:7890" export HTTPS_PROXY= "http://127.0.0.1:7890" 执行流程 Phase 0: 环境自动准备 Step 0-A：代码自动更新（必须最先执行） 在 skill 所在目录执行以下命令，拉取最新版本代码： git pull origin main 返回 "Already up to date." 或任何成功更新信息 → 继续 返回任何错误（非 git 仓库、无网络等） → 忽略，继续下一步 Step 0-B：环境检查 运行 python scripts/check_env.py 自动检查并修复以下依赖： Python 版本 — 检测 Python 3.10+ python-docx — 检测到未安装时自动 pip install TikHub API Token — 检测 Token 是否设置且有效 已设置 → 验证连通性，显示额度信息 未设置 → 交互式引导：提示注册 → 输入 Token → 自动保存到 ~/.xiaohongshu/tikhub_config.json Whisper + ffmpeg — 检测视频口播提取功能是否可用 已安装 → 显示当前模型，提供切换选项 未安装 → 提示安装（交互式询问 y/N，选 y 则自动安装） ⚠️ AI 执行注意 ： check_env.py 中 Whisper 安装步骤是交互式的（需要回答 y/N）。在 AI 环境中无法自动交互，因此 不要依赖脚本的交互提示来完成 Whisper 安装 。改为在 Phase 0.5 对话中询问用户，再根据用户回答手动执行安装命令。运行 check_env.py 时如果遇到 Whisper 相关交互提示，输入 N 跳过即可。 💡 额度提示 ：每次完整蒸馏约消耗 ¥1～8（取决于笔记数量），可在 https://user.tikhub.io 查看剩余额度。 Phase 0.5: 前置交互 ⚠️ 两条铁律，违反则整个流程无效： Phase 0-B 必须在 Phase 0.5 之前完成。 无论用户在触发指令中提供了多少信息，都必须先把 Phase 0（Step 0-A + Step 0-B）跑完，拿到 whisper_available 的值，再进入 Phase 0.5。不得跳过 Phase 0 直接进入交互。 第4题（Whisper 口播）必须单独用工具问出来。 即使用户在第一句话里已经说清楚了平台、模式、数量全部三项，第4题仍然必须在 Phase 0.5 用 AskUser 工具弹出独立问题，不得静默跳过，不得合并进其他问题。 ⚠️ 缺失信息必须明确询问 ：以下四项信息，用户未在触发指令中明确提供的，必须逐一询问，不得自行推断： 平台（小红书 / 抖音） 模式（A 拆解对标博主 / B 诊断自己账号） 采集数量（30 / 50 / 80） 是否开启视频口播提取（ 无论 Whisper 是否可用都要提及 ，见下方逻辑） 用户已明确提供的信息可以直接采用，无需重复询问。 未提供的信息，参照以下交互文案询问： ───────────────────────────────────── 欢迎使用博主蒸馏器！ 请选择分析平台： 1 — 小红书 2 — 抖音 请选择分析模式： A — 拆解对标博主 采集 TA 的笔记 → 提炼内容公式和思维方式 → 生成「TA的名字_创作指南.skill/」 B — 诊断我的账号 采集你的笔记 → 找到内容基因和增长瓶颈 → 生成「你的名字_创作基因.skill/」 采集数量（推荐 50 条）： ① 30 条 — 快速扫描（约 15-25 分钟） ② 50 条 — 推荐档位（约 30-45 分钟） ③ 80 条 — 深度分析（约 45-65 分钟） 【whisper_available = true 时】 是否提取视频口播内容？ 当前已分析：博主简介、笔记标题、正文、点赞收藏、评论 开启后额外提取：视频里说了什么（口播文字） 代价：每条视频多消耗约 8-12s + 蒸馏时消耗更多 AI Token 【whisper_available = false 或字段不存在时】 当前环境还没有安装视频口播提取功能（Whisper）。 不影响本次蒸馏——标题、正文、评论等文本数据照常分析。 但如果开启，蒸馏时还能额外提取视频里说了什么， 分析出正文公式、情感弧线、语言DNA等更多维度，蒸馏质量会显著提升。 要不要我现在帮你安装？大约需要 2-5 分钟。 y — 帮我装（自动安装 Whisper + ffmpeg） N — 跳过，先不装（默认） 【安装成功后追加提示】 ✅ Whisper 已安装完成（默认使用 base 模型，适合大多数场景）。 如需了解其他模型档位（tiny/small/medium/large），回复「1」查看对比表。 1 — 查看模型对比表，自行选择 回车/其他 — 使用默认 base，继续蒸馏 ───────────────────────────────────── Whisper 可用性判断与安装流程 ： 读取 ~/.xiaohongshu/tikhub_config.json 里的 whisper_available 字段 根据结果分两条路径： 路径A： whisper_available = true ⚠️ 必须用工具提问，选项固定为以下三个，不得减少： 选项1：开启（用当前模型转写） 选项2：跳过 选项3：更换 Whisper 模型（可向我了解其他模型） → 用户选选项3 → 展示前置要求中的模型档位表格，用户选择后更新 whisper_model ；再回到此问题重新询问 → 用户选选项1 → transcript_enabled = true → 用户选选项2 → transcript_enabled = false 路径B： whisper_available = false 或字段不存在 → 告知用户口播功能未安装，并询问"要不要我帮你安装"（上方交互文案中的"未安装"版本） → 用户选 y → 依次执行 ： pip install openai-whisper （安装 Whisper） 检测 ffmpeg 是否可用，不可用则按系统自动安装： macOS: brew install ffmpeg Windows: winget install Gyan.FFmpeg （或 choco install ffmpeg ） Linux: sudo apt-get install -y ffmpeg 安装完成后将 whisper_available 写为 true ， whisper_model 写为 "base" 告知用户：默认使用 base 模型，回复「1」可查看模型对比表切换 用户回复 1 → 展示下方模型对比表（即前置要求中的模型档位表格），用户选择后更新 whisper_model ；用户不回复/回复其他 → 保持 base，继续 transcript_enabled = true → 用户选 N → transcript_enabled = false （主流程不受影响） 记录四个变量供后续流程使用： platform ： xhs 或 douyin user_mode ： A 或 B max_notes ： 30 / 50 / 80 transcript_enabled ： true 或 false Phase 1: 数据采集 若 transcript_enabled = true ，运行： python scripts/crawl_blogger.py <博主名> -o ./data --max-notes <max_notes> --platform <platform> --transcript 否则运行： python scripts/crawl_blogger.py <博主名> -o ./data --max-notes <max_notes> --platform <platform> 其中 --platform 取值 xhs 或 douyin ，对应用户在 Phase 0.5 选择的平台。 ⚠️ 重要约束（不得违反）： 必须逐条调用 fetch_note_detail 获取笔记正文。仅有标题和互动数字的列表数据不足以做深度分析，正文、评论、标签都只能从 detail 接口获得。 不得自行编写脚本替代 scripts/crawl_blogger.py ，必须调用现有脚本。 不得修改 --max-notes 参数的值，必须沿用用户在 Phase 0.5 选定的数量。 ⚠️ 端点全部失败时的处理： 如果采集过程中出现"所有端点均失败"错误（尤其是 HTTP 402/403）， 必须立即暂停并提醒用户 ： ⚠️ 所有 API 端点均返回失败。最常见的原因是 TikHub 控制台的 API 权限未全部开通 。 请登录 https://user.tikhub.io，进入控制台 → API 权限， 一键勾选全部小红书相关端点 ，然后重新运行。 如果权限已全部开通，请检查账户余额是否充足。 自动完成： 搜索定位博主 （首选 search_users 精准匹配 → 兜底 search_notes 交叉定位） 获取主页信息 — 粉丝数、获赞数、笔记数、简介（ fetch_user_info ） 获取主页笔记列表 — 分页获取用户全部笔记（ fetch_user_notes ） 多关键词搜索补充 — 默认使用通用后缀（教程 / 推荐 / 分享 / 测评 / 攻略 / 合集），用户可通过 --keywords 指定领域词（ search_notes ） 逐条获取笔记详情 — TikHub API 限速自适应，自动调节间隔（ fetch_note_detail ） checkpoint 断点恢复 — 每 10 条自动存盘 输出文件（JSON）： {博主名}_profile.json — 主页信息 {博主名}_notes_list.json — 笔记列表（按赞数排序） {博主名}_notes_details.json — 全量笔记详情（含评论） Phase 2: 数据分析 + 认知层提取 运行 python scripts/analyze.py ./data/<博主名>_notes_details.json -o ./data 自动完成： 数据清洗 — 解析 JSON，提取标题 / 正文 / 互动数据 / 评论 / 标签 内容分类 — 基于笔记标签和高频关键词动态聚类，不预设任何领域 标签统计 — 提取所有 # 话题标签，按频次排序 TOP20 TOP10 + 评论洞察 — 高赞前 10 条的详情 + 热评精选 认知层粗提取 — 观点句候选 / 高频价值词 / 写作结构统计 [可选] 对比分析 — 自己 vs 目标博主的数据差异 输出文件： {博主名}_analysis.json — 结构化分析数据（含完整笔记列表、分类、观点句候选、高频价值词等） Phase 3: 蒸馏 + 产出物生成 Step A：生成数据底稿和 AI 蒸馏任务 运行： python scripts/deep_analyze.py ./data/<博主名>_analysis.json "<博主名>" \ -o ./output --details ./data/<博主名>_notes_details.json --mode <user_mode> 脚本自动完成： 基础统计面板 — 均赞 / 均藏 / 均评 / 爆款率 / 视频 vs 图文 / 藏赞比 标题模式识别 — 11 种标题策略的使用比例和示例 内容结构分析 — 正文长度分布、列表率、小标题率 CTA 提取 Emoji 视觉分析 发布频率 发展趋势数据 观点句候选 / 高频价值词 / 写作结构 TOP10 数据包 AI 蒸馏任务 脚本产出： {博主名}_数据底稿.md {博主名}_AI蒸馏任务.md Step B：AI 读取蒸馏任务，生成最终产物 AI 必须读取 AI蒸馏任务.md ，按以下顺序生成最终交付物， 每完成一个立即写入磁盘，不等另一个完成 ： Skill 文件夹 （先） 模式 A： {博主名}_创作指南.skill/SKILL.md 模式 B： {用户名}_创作基因.skill/SKILL.md 生成完毕后立即写入文件，再继续步骤 2 HTML 报告 （后） 文件名： {博主名}_蒸馏报告.html 技术要求：单文件 HTML，手写 CSS（禁止 Tailwind CDN），Google Fonts 引入 Space Mono + Noto Serif SC 设计风格：Archive Terminal（工业档案感）；底色 #CEC9C0，主强调色 #8A3926，正文 #1A1211 无圆角、无阴影、无白色卡片；模块1/8/10 为砖红色反转背景 三个动效：滚动 fadeInUp / 数字 counter / 分割线 draw-in（原生 JS） 折叠面板用 <details><summary> 原生 HTML；响应式，移动端断点 768px 字号系统：标签/元数据层 11-13px，正文内容层 14-16px，统计大数字 20px（详见 AI蒸馏任务.md 字号系统表） 详细视觉规格见 AI蒸馏任务.md 的"技术要求"章节 生成完毕后立即写入文件 ⚠️ 关键契约： 最终 Skill 不是单个 .skill.md 文件 最终 Skill 是一个可安装的文件夹 文件夹中至少必须有 SKILL.md Skill 第三章（内容层）结构要求： 3.1 标题公式 TOP5 3.2 开头模板 TOP3 3.3 正文公式（含叙事框架库 + 段落功能标签 + 转折词库）← 扩展 3.4 情感节奏公式（含情感弧线 + 峰值制造法 + 张力公式 + 留存钩子）← 新增 3.5 语言DNA（含高频用语 + 力量短语 + 句式节奏 + 人称策略 + 签名句式 + 对话感）← 新增 3.6 CTA 策略 3.7 视觉规则 3.8 标签策略 3.9 发布节奏 ⚠️ 3.3-3.5 数据来源分支：有 Whisper 逐字稿时从逐字稿提取，无逐字稿时从笔记正文提取。所有博主均生成完整结构，不跳过章节。 小红书和抖音均适用以上顺序，不得颠倒 Phase 4: 质量检查 运行校验时，最终产物应按以下口径验收： {博主名}_蒸馏报告.html {博主名}_创作指南.skill/SKILL.md 模式 B 时，将第二项替换为： {用户名}_创作基因.skill/SKILL.md 如果最终产物缺失、为空、或 AI 仍输出成单个 .skill.md 文件，都视为不合格。 TikHub API 调用协议 使用 HTTP REST API，Bearer Token 认证： from scripts.utils.tikhub_client import TikHubClient client = TikHubClient() # 自动从环境变量/配置文件读取 Token data = client.search_notes( "博主名" ) 可用端点 方法 用途 关键参数 search_users(keyword) 搜索用户（精准匹配博主） keyword search_notes(keyword) 搜索笔记 keyword , page , sort fetch_user_info(user_id) 获取用户主页信息 user_id fetch_user_notes(user_id) 获取用户笔记列表 user_id , cursor fetch_note_detail(note_id) 获取笔记详情+评论 note_id TikHub 使用注意 Token 需在 https://user.tikhub.io 注册获取并充值