Xiaohongshu AI Studio (小红书AI工作室)

🌐 Language / 语言: English | 中文

---

🤖 AI-powered content creation assistant for 小红书 (Xiaohongshu)

基于 Zypher Agent 的智能小红书内容创作平台。自动生成热门内容、分析热点趋势、一键发布到小红书。使用 Deno + TypeScript 开发后端，React + Vite 开发前端。

📌 项目迁移说明：本项目由 zypher_agent_xiaohongshu 重命名而来，现已更名为 Xiaohongshu AI Studio。旧仓库将保留作为历史记录，新功能将在此仓库继续开发。

📹 演示视频

以下视频展示了系统的完整功能和使用流程：

compressed_demo.mp4

视频内容包括：

• 系统界面介绍
• 推荐分析功能演示
• 内容生成流程
• 内容发布到小红书

功能特性

• 🤖 AI 内容生成：使用 Zypher Agent 自动搜索资料并生成小红书风格内容
• 📝 内容管理：查看、编辑、发布生成的内容
• 📊 推荐分析系统：智能分析小红书推荐列表，识别热点趋势，提供创作建议
  • 🔥 推荐列表：实时获取小红书推荐内容，支持按点赞数、评论数、收藏数排序
  • 📈 热点分析：使用 AI 分析热门内容，生成热点趋势报告和推荐提示词
  • 💡 智能提示词：基于热点内容生成创作建议，一键使用生成内容
• ⚙️ 配置管理：通过前端界面配置 LLM API keys 和 MCP 服务
• 🔗 MCP 集成：支持小红书 MCP 和 firecrawl-mcp
• 🚀 独立部署：前后端分离，可独立部署

前置要求

1. 启动小红书 MCP 服务

必须先启动 xiaohongshu-mcp 服务，否则无法发布内容到小红书。

安装和启动步骤：

# 1. 克隆小红书 MCP 项目
git clone https://github.com/xpzouying/xiaohongshu-mcp.git
cd xiaohongshu-mcp

# 2. 按照项目 README 的说明启动服务
# 默认服务地址: http://localhost:18060/mcp

⚠️ 注意：要先登录自己的小红书账号（按照这个 mcp 服务里面的方式来进行登录）

2. 环境要求

• Deno: 1.40 或更高版本（下载地址）
• Node.js: 16 或更高版本（下载地址）
• npm: 通常随 Node.js 一起安装

项目结构

xiaohongshu-ai-studio/
├── backend/          # 后端代码（Deno）
│   ├── src/
│   │   ├── agent.ts              # Agent 初始化
│   │   ├── config.ts            # 配置管理
│   │   ├── types.ts             # 类型定义
│   │   ├── services/            # 服务层
│   │   ├── server/              # HTTP 服务器
│   │   └── main.ts              # 入口文件
│   ├── content/                 # 内容存储目录
│   └── config/                  # 配置存储目录
└── frontend/         # 前端代码（React）
    ├── src/
    │   ├── components/          # React 组件
    │   │   ├── FeedAnalysis.tsx # 推荐分析组件（推荐列表、热点分析）
    │   │   ├── ContentGenerator.tsx
    │   │   ├── ContentList.tsx
    │   │   └── ...
    │   ├── api.ts               # API 客户端
    │   ├── App.tsx              # 主应用
    │   └── main.tsx             # 入口文件
    └── dist/                    # 构建输出

快速开始

系统提供了一键部署脚本，自动完成所有构建和配置工作，无需手动操作。

macOS / Linux

首次部署和启动：

# 1. 部署项目（自动检查环境、安装依赖、构建前端）
./deploy.sh

# 2. 启动服务（自动启动前后端）
./start.sh

后续启动：

# 直接运行启动脚本即可（如果未构建会自动部署）
./start.sh

Windows

首次部署和启动：

# 1. 部署项目
deploy.bat

# 2. 启动服务
start.bat

后续启动：

# 直接运行启动脚本即可
start.bat

一键部署功能

部署脚本会自动完成：

• ✅ 检查环境要求（Deno、Node.js、npm）
• ✅ 安装前端依赖（npm install）
• ✅ 构建前端项目（npm run build）
• ✅ 检查并创建必要的目录结构
• ✅ 启动前后端服务（start.sh 会自动处理）

启动脚本会自动：

• ✅ 检测是否需要部署（如果未构建会自动运行部署）
• ✅ 清理占用端口的进程
• ✅ 同时启动后端和前端服务
• ✅ 提供日志文件（backend.log、frontend.log）

访问地址

• 前端界面：http://localhost:3000
• 后端 API：http://localhost:8000

停止服务

按 Ctrl+C 停止所有服务。

使用说明

1. 配置设置：首次使用前，进入"设置"页面配置：

   • LLM 提供商（Anthropic/OpenAI）
   • API Keys
   • 小红书 MCP URL
   • 点击"测试连接"验证配置

2. 推荐分析（推荐优先使用）：

   • 在左侧推荐分析面板点击"刷新"按钮，获取小红书推荐列表
   • 推荐列表支持按点赞数、评论数、收藏数排序，方便筛选热门内容
   • 点击"热点分析"按钮，AI 会分析点赞前10的热门内容，生成：
     • 热点趋势总结报告（200-300字）
     • 最热门内容列表（包含热度数据和热门原因）
     • 推荐创作提示词（5-8个，可直接用于内容生成）
   • 点击推荐提示词可快速跳转到内容生成页面，直接使用该提示词生成内容

3. 生成内容：在"生成内容"页面输入主题（可从推荐分析获取），点击"生成内容"按钮

4. 查看内容：在"内容列表"页面查看所有生成的内容

5. 发布内容：点击内容查看详情，然后点击"发布到小红书"按钮

API 端点

内容管理

• GET /api/content - 获取内容列表
• GET /api/content/:id - 获取单个内容
• POST /api/generate - 生成新内容（流式响应）
• POST /api/publish/:id - 发布内容

推荐分析

• GET /api/xiaohongshu/feeds - 获取小红书推荐列表
  • 返回推荐内容列表，包含标题、作者、互动数据（点赞、评论、收藏）等信息
• POST /api/xiaohongshu/analyze-feeds - 分析推荐列表（热点分析）
  • 请求体：{ feeds: XiaohongshuFeed[] }（可选，前端提供点赞前10的 feeds）
  • 返回：热点趋势分析结果，包含总结报告、热门内容列表和推荐提示词

配置管理

• GET /api/settings - 获取配置
• POST /api/settings - 保存配置
• POST /api/settings/test - 测试配置连接

技术栈

• 后端：Deno + TypeScript + Zypher Agent
• 前端：React + Vite + TypeScript
• 存储：文件系统（JSON 文件）
• MCP：小红书 MCP + firecrawl-mcp

推荐分析系统实现

推荐分析系统是系统的一个重要功能模块，帮助用户发现热点趋势并获取创作灵感。

架构设计

前端组件（frontend/src/components/FeedAnalysis.tsx）：

• 提供推荐列表展示界面，支持按点赞数、评论数、收藏数排序
• 集成热点分析功能，调用后端 AI 分析 API
• 展示分析结果（趋势报告、热门内容列表、推荐提示词）
• 支持一键使用推荐提示词生成内容

后端 API（backend/src/server/routes.ts）：

• handleListFeeds()：通过 Zypher Agent 调用小红书 MCP 的 list_feeds 工具，获取推荐列表
• handleAnalyzeFeeds()：使用 Zypher Agent 分析热门内容，生成热点趋势报告和推荐提示词

工作流程

1. 获取推荐列表：

   • 前端调用 GET /api/xiaohongshu/feeds
   • 后端通过 Agent 调用小红书 MCP 的 list_feeds 工具
   • 返回原始推荐数据给前端处理和展示

2. 热点分析：

   • 前端筛选点赞数前10的热门内容
   • 调用 POST /api/xiaohongshu/analyze-feeds，发送前10个 feeds 数据
   • 后端使用 Zypher Agent（Claude）分析这些热门内容，生成：
     • 热点趋势总结报告（200-300字）
     • 最热门内容列表（包含热度数据和热门原因分析）
     • 推荐创作提示词（5-8个，基于热门内容特点生成）

3. 使用推荐提示词：

   • 用户点击推荐提示词
   • 自动跳转到内容生成页面，使用该提示词作为生成主题
   • 结合推荐分析结果，生成符合当前热点趋势的内容

技术特点

• 智能筛选：前端自动筛选点赞前10的内容进行分析，提高分析效率
• AI 驱动：使用 Claude 模型深度分析热门内容特点，生成有价值的趋势洞察
• 无缝集成：推荐提示词可直接用于内容生成，形成从热点发现到内容创作的闭环

许可证

MIT