小红书全能助手 — 文案生成、封面制作、内容发布与管理。当用户要求写小红书笔记、生成小红书文案/标题/封面、发小红书、搜索小红书、评论点赞收藏等任何小红书相关操作时使用。支持一站式从文案创作到自动发布的完整流程。封面AI生图需配置可选环境变量（GEMINI_API_KEY 或 IMG_API_KEY 或 HUNY...
Real data. Real impact.
Emerging
Developers
Per week
Open source
Skills give you superpowers. Install in 30 seconds.
两大核心能力：文案创作（标题+正文+封面图）和 平台操作（发布+搜索+互动）。
文案创作默认使用当前对话的主模型，无需额外配置。
当用户询问"有哪些模型"、"当前模型"、"可用模型"、"能用什么模型"时，读取配置文件展示：
# 查看当前主模型 cat ~/.openclaw/openclaw.json | jq -r '.agents.defaults.model.primary // .agents.defaults.model // "未设置"' 2>/dev/null # 查看所有可用模型（提供商/模型ID - 名称） cat ~/.openclaw/openclaw.json | jq -r '.models.providers | to_entries[] | .key as $p | .value.models[]? | "\($p)/\(.id) - \(.name)"' 2>/dev/null
当用户要求写笔记、生成文案、创作小红书内容时，按 标题 → 正文 → 封面图 三步执行，每步需用户确认后再继续。
优先使用当前对话模型直接生成，参考 references/title-guide.md 中的规范生成5个不同风格的标题。
核心要求：每个标题使用不同风格，20字以内，含1-2个emoji，禁用平台禁忌词。
备用方案：如果用户明确配置了 XHS_AI_API_KEY 环境变量并要求使用指定 API，可调用脚本：
bash {baseDir}/scripts/generate.sh title "内容摘要"
输出后询问用户：选择哪个标题？可修改或自定义。默认选第一个。
优先使用当前对话模型直接生成，参考 references/content-guide.md 中的规范，根据选定标题生成正文。
核心要求：600-800字，像朋友聊天的语气，禁用列表/编号，用自然段落呈现，文末5-10个#标签。
备用方案：如果用户明确配置了 XHS_AI_API_KEY 环境变量并要求使用指定 API，可调用脚本：
bash {baseDir}/scripts/generate.sh content "完整内容" "选定标题"
输出后询问用户：是否满意？可要求修改。确认后进入封面图步骤。
封面图结构：1080x1440（3:4），上半部分为主题图片（1080x720），下半部分为纯色底+标题文字（1080x720）。
必须先询问用户：
封面图的主题图片，你想怎么来？
AI 自动生成 — 根据文案主题自动生成匹配的图片 上传自己的图片 — 提供图片路径，我来帮你拼接封面
继续询问 prompt 方式：
AI图片的提示词，你想怎么来？
预设推荐 — 我根据你的文案主题自动生成最佳英文prompt 自定义提示词 — 你提供想要的画面描述，我来翻译成英文prompt
预设推荐：Agent 参考 references/cover-guide.md 自动生成英文 prompt，展示给用户确认后执行。
自定义提示词：用户描述画面，Agent 翻译/优化为英文 prompt，展示确认后执行。
确认 prompt 后，根据主题从 references/cover-guide.md 配色库选择底色和字色（必须主动搭配，禁止白底黑字）。
生图模型选择策略 优先尝试当前对话使用的模型直接生图（如果当前模型支持图片生成）。Agent 在自己的对话环境中直接调用生图能力：
如果当前模型不支持生图（生成失败或明确不具备图片生成能力），询问用户：
当前模型不支持图片生成，请选择生图方式：
Google Gemini — 需要提供 GEMINI_API_KEY（获取地址） OpenAI / OpenAI兼容API — 需要提供 API Key 和 Base URL 其他方式 — 你来提供图片，我帮你拼接封面
用户选择后，设置对应的环境变量再调用 cover.sh：
若用户之前已提供过 API Key（本次会话中），后续生图直接复用，无需重复询问。
直接调用 cover.sh 的命令格式（仅当需要脚本内置 API 生图时）：
bash {baseDir}/scripts/cover.sh "标题文字" "英文prompt" [输出路径] [底色hex] [字色hex]
用户提供图片路径后，同样搭配底色和字色，执行：
bash {baseDir}/scripts/cover.sh "标题文字" "__USER_IMAGE__:/path/to/image.jpg" [输出路径] [底色hex] [字色hex]
USER_IMAGE: 前缀会跳过 AI 生成，直接用用户图片裁剪拼接。
询问用户是否要直接发布到小红书。如果要发布，自动进入下方「平台操作」的发布流程。
当用户要求发帖、搜索、评论等小红书操作时使用。所有命令在云服务器本地执行，MCP 服务运行在 http://localhost:18060/mcp。
每次操作前必须先执行：
bash {baseDir}/check_env.sh
返回码：0 = 正常已登录 → 调用工具；1 = 未安装 → 安装 MCP 服务；2 = 未登录 → 扫码登录流程。
⚠️ 极其重要：小红书 MCP 使用 Streamable HTTP 模式。每次调用都必须：初始化 → 获取 Session ID → 带 Session ID 调用工具。三步在同一个 exec 中执行。
MCP_URL="${XHS_MCP_URL:-http://localhost:18060/mcp}" # 初始化并获取 Session ID SESSION_ID=$(curl -s -D /tmp/xhs_headers -X POST "$MCP_URL" \ -H "Content-Type: application/json" \ -d '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"openclaw","version":"1.0"}},"id":1}' > /dev/null && grep -i 'Mcp-Session-Id' /tmp/xhs_headers | tr -d '\r' | awk '{print $2}') # 确认初始化 curl -s -X POST "$MCP_URL" \ -H "Content-Type: application/json" \ -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"notifications/initialized","params":{}}' > /dev/null # 调用工具（替换 <工具名> 和 <参数>） curl -s -X POST "$MCP_URL" \ -H "Content-Type: application/json" \ -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"<工具名>","arguments":{<参数>}},"id":2}'
注意：每次调用都必须重新初始化获取新 Session ID，三步必须在同一个 exec 中顺序执行。
title: 标题，≤20字（必填） content: 正文，≤1000字（必填） images: 图片本地绝对路径数组（必填），如 ["/tmp/food1.jpg"]
title: 标题（必填） content: 描述（必填） video: 视频文件本地绝对路径（必填）
keyword: 搜索关键词（必填）
feed_id: 帖子ID（从搜索/推荐结果获取，必填） xsec_token: 安全token（从搜索/推荐结果获取，必填） load_all_comments: 是否加载全部评论，默认 false 仅返回前 10 条（可选） click_more_replies: 是否展开二级回复，仅 load_all_comments=true 时生效（可选） limit: 限制加载的一级评论数量，默认 20（可选） reply_limit: 跳过回复数过多的评论，默认 10（可选） scroll_speed: 滚动速度 slow/normal/fast（可选）
feed_id: 帖子ID（必填） xsec_token: 安全token（必填） unlike: 是否取消点赞，true=取消，默认 false=点赞（可选）
feed_id: 帖子ID（必填） xsec_token: 安全token（必填） unfavorite: 是否取消收藏，true=取消，默认 false=收藏（可选）
feed_id: 帖子ID（必填） xsec_token: 安全token（必填） content: 评论内容（必填）
feed_id: 帖子ID（必填） xsec_token: 安全token（必填） content: 回复内容（必填） comment_id: 目标评论ID，从评论列表获取（可选） user_id: 目标评论用户ID，从评论列表获取（可选）
user_id: 用户ID（必填） xsec_token: 安全token（必填）
搜索：
MCP_URL="http://localhost:18060/mcp" SESSION_ID=$(curl -s -D /tmp/xhs_headers -X POST "$MCP_URL" \ -H "Content-Type: application/json" \ -d '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"openclaw","version":"1.0"}},"id":1}' > /dev/null && grep -i 'Mcp-Session-Id' /tmp/xhs_headers | tr -d '\r' | awk '{print $2}') curl -s -X POST "$MCP_URL" -H "Content-Type: application/json" -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"notifications/initialized","params":{}}' > /dev/null curl -s -X POST "$MCP_URL" -H "Content-Type: application/json" -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"search_feeds","arguments":{"keyword":"美食探店"}},"id":2}'
当前置检查返回 2（未登录）时，询问用户选择登录方式：
需要登录小红书，请选择登录方式：
快捷扫码 — 直接获取二维码图片（推荐同城/常用设备） 截图扫码 — 通过登录工具截屏获取（推荐异地登录，支持短信验证码） 手动Cookie — 直接粘贴浏览器Cookie字符串（推荐已在浏览器登录的用户）
通过 MCP 工具直接获取二维码 Base64 图片，流程简洁，但不支持输入验证码。异地登录可能触发短信验证，此时需切换为方式二。
MCP_URL="${XHS_MCP_URL:-http://localhost:18060/mcp}" SESSION_ID=$(curl -s -D /tmp/xhs_headers -X POST "$MCP_URL" \ -H "Content-Type: application/json" \ -d '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"openclaw","version":"1.0"}},"id":1}' > /dev/null && grep -i 'Mcp-Session-Id' /tmp/xhs_headers | tr -d '\r' | awk '{print $2}') curl -s -X POST "$MCP_URL" -H "Content-Type: application/json" -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"notifications/initialized","params":{}}' > /dev/null curl -s -X POST "$MCP_URL" -H "Content-Type: application/json" -H "Mcp-Session-Id: $SESSION_ID" \ -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"get_login_qrcode","arguments":{}},"id":2}'
从返回结果中提取 Base64 字符串（去掉 data:image/png;base64, 前缀），保存为图片：
# 假设 BASE64_STR 为提取到的 Base64 内容（不含 data:image/png;base64, 前缀） echo "$BASE64_STR" | base64 -d > /tmp/xhs_qr.png
告知用户扫码，扫码后用 check_login_status 工具验证是否登录成功。二维码过期则重新执行步骤 1-3。
通过 GUI 登录工具获取二维码，支持异地登录时输入短信验证码。
所有命令必须用 nohup 后台运行，否则会因超时被中断。
pkill -f xiaohongshu-login 2>/dev/null sleep 1 cd ~/xiaohongshu-mcp && DISPLAY=:99 nohup ./xiaohongshu-login-linux-amd64 > login.log 2>&1 & sleep 5
DISPLAY=:99 import -window root /tmp/xhs_qr.png
zbarimg -q /tmp/xhs_qr.png
告知用户"已发送二维码，请用小红书APP扫码登录"，等待用户确认。
export DISPLAY=:99 WIN_ID=$(xdotool search --onlyvisible --name '小红书|xiaohongshu|Xiaohongshu' | head -n1) xdotool type --window "$WIN_ID" --delay 50 '<CODE>' xdotool key --window "$WIN_ID" Return
cat ~/xiaohongshu-mcp/login.log | tail -5 # 如果显示 "Login successful"： pkill -f xiaohongshu 2>/dev/null cd ~/xiaohongshu-mcp && DISPLAY=:99 nohup ./xiaohongshu-mcp-linux-amd64 > mcp.log 2>&1 &
如用户反馈扫码失败，重复步骤 1-3 获取新二维码。
当用户提供浏览器复制的 Cookie 字符串时，将其转换为 JSON 数组格式并保存到 ~/xiaohongshu-mcp/cookies.json。
用户会提供类似这样的字符串（从浏览器开发者工具复制）：
a1=19c464ed2df...; webId=807ede65b...; web_session=040069b4...; xsecappid=xhs-pc-web
将用户提供的 Cookie 字符串按 ; 分割每个键值对，转换为如下 JSON 数组格式，保存到 ~/xiaohongshu-mcp/cookies.json：
python3 -c " import json, sys cookie_str = sys.argv[1].strip() cookies = [] for pair in cookie_str.split(';'): pair = pair.strip() if '=' not in pair: continue name, value = pair.split('=', 1) cookies.append({ 'name': name.strip(), 'value': value.strip(), 'domain': '.xiaohongshu.com', 'path': '/', 'expires': -1, 'httpOnly': name.strip() in ('web_session', 'id_token', 'acw_tc'), 'secure': name.strip() in ('web_session', 'id_token'), 'session': False, 'priority': 'Medium', 'sameParty': False, 'sourceScheme': 'Secure', 'sourcePort': 443 }) with open('$HOME/xiaohongshu-mcp/cookies.json', 'w') as f: json.dump(cookies, f, ensure_ascii=False) print(f'✅ 已保存 {len(cookies)} 个 Cookie 到 cookies.json') " "用户提供的cookie字符串"
pkill -f xiaohongshu-mcp-linux 2>/dev/null sleep 1 cd ~/xiaohongshu-mcp && DISPLAY=:99 nohup ./xiaohongshu-mcp-linux-amd64 > mcp.log 2>&1 & sleep 3
用 check_login_status 工具验证是否登录成功。如果失败，提示用户 Cookie 可能已过期，建议重新从浏览器获取或改用扫码登录。
注意事项：
当前置检查返回 1 时执行。
hostnamectl
根据 Operating System 确定包管理器（apt/yum/dnf），根据 Architecture 确定二进制版本（x86_64=amd64, aarch64=arm64）。
# Ubuntu/Debian sudo apt update && sudo apt install -y xvfb imagemagick zbar-tools xdotool fonts-noto-cjk # CentOS/RHEL sudo yum install -y xorg-x11-server-Xvfb ImageMagick zbar xdotool
# 快速启动 Xvfb :99 -screen 0 1920x1080x24 & # 或 systemd 服务（推荐，开机自启） cat > /etc/systemd/system/xvfb.service << 'EOF' [Unit] Description=X Virtual Frame Buffer After=network.target [Service] ExecStart=/usr/bin/Xvfb :99 -screen 0 1920x1080x24 Restart=always [Install] WantedBy=multi-user.target EOF sudo systemctl enable xvfb && sudo systemctl start xvfb
项目地址：https://github.com/xpzouying/xiaohongshu-mcp/releases
mkdir -p ~/xiaohongshu-mcp && cd ~/xiaohongshu-mcp # 根据架构选择（云服务器通常是 x86_64 = amd64） ARCH="amd64" # 如果是 ARM 服务器改为 arm64 wget https://github.com/xpzouying/xiaohongshu-mcp/releases/latest/download/xiaohongshu-mcp-linux-${ARCH}.tar.gz tar xzf xiaohongshu-mcp-linux-${ARCH}.tar.gz chmod +x xiaohongshu-*
推荐使用 systemd 守护（崩溃自动重启 + 开机自启）：
cat > /etc/systemd/system/xhs-mcp.service << 'EOF' [Unit] Description=Xiaohongshu MCP Service After=network.target xvfb.service Requires=xvfb.service [Service] Environment=DISPLAY=:99 WorkingDirectory=/root/xiaohongshu-mcp ExecStart=/root/xiaohongshu-mcp/xiaohongshu-mcp-linux-amd64 Restart=always RestartSec=5 [Install] WantedBy=multi-user.target EOF sudo systemctl daemon-reload sudo systemctl enable xhs-mcp && sudo systemctl start xhs-mcp systemctl status xhs-mcp
或手动启动（不推荐，进程退出不会自动恢复）：
cd ~/xiaohongshu-mcp DISPLAY=:99 nohup ./xiaohongshu-mcp-linux-amd64 > mcp.log 2>&1 & sleep 3 pgrep -f xiaohongshu-mcp && echo "✅ 启动成功" || echo "❌ 启动失败，查看 mcp.log"
安装完成后，回到登录流程完成首次登录。
成功：解析 result.content[0].text 获取数据。 错误：
# MCP 服务是否运行 pgrep -f xiaohongshu-mcp-linux # Xvfb 是否运行 pgrep -x Xvfb # 查看 MCP 日志 tail -20 ~/xiaohongshu-mcp/mcp.log # 查看登录日志 tail -20 ~/xiaohongshu-mcp/login.log # 检查端口 lsof -i :18060
No automatic installation available. Please visit the source repository for installation instructions.
View Installation Instructions
1,500+ AI skills, agents & workflows. Install in 30 seconds. Part of the Torly.ai family.
© 2026 Torly.ai. All rights reserved.