REA
Reverse engineer anything from your terminal or agent with one CLI and MCP server.
小红书爆款笔记生成器,基于gpt-image-2,强力超快生成,自然语言修改,超好用!
Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.
[](https://mcp.popnx.com/en/skills/juneyaooo-xhs-writer-skill)MCP-Server, die die KI für dieselbe Arbeit mit Diensten verbinden
Reverse engineer anything from your terminal or agent with one CLI and MCP server.
Codebase intelligence for TypeScript and JavaScript, exposed as structured MCP analysis tools.
MCP server for terminal commands, file operations, and process management
Gleiche Art Arbeit, sortiert wie die Skill-Liste
| Dieser xhs-writer-skill | rea | andrej-karpathy-skills | graphify | MoneyPrinterTurbo | |
|---|---|---|---|---|---|
| Anbieter | JuneYaooo | morluto | multica-ai | Graphify-Labs | harry0703 |
| Skills | 1 | 1 | 1 | 1 | 1 |
| GitHub-Sterne | 212 | 467.235 | 234.125 | 149.873 | 144.332 |
| Letzte Codeänderung | 25. Apr. 2026 | 18. Nov. 2026 | 20. Apr. 2026 | 18. Nov. 2026 | 18. Nov. 2026 |
| Lizenz | Apache-2.0 | MIT | – | Apache-2.0 | MIT |
1 Skills (Anweisungssammlungen) von JuneYaooo, die eine KI liest und befolgt · kein MCP-Server
MCP = die Hände
Verbindet die KI mit einem externen Dienst oder Daten, etwa Notion lesen oder eine Rechnung erstellen. Ein Programm oder Server muss laufen.
Skill = das Handbuch
Eine Textdatei, die der KI zeigt, wie eine Aufgabe geht. Sie verbindet sich mit nichts.
Manches überschneidet sich: Einige Skills starten Skripte mit Werkzeugen, einige MCP-Server liefern nur Wissen. Geh von der Aufgabe aus.
Claude CodeCodexCursor
Laut README des Anbieters und den Ordnern im Repo
GitHub account JuneYaooo (person), 6 years old
★ 212 stars, few users so far · code last changed 25. Apr. 2026
8 scripts that can run on a computer: install_as_skill.sh, scripts/analyze_material.py, scripts/collage_3x4.py, scripts/crop_watermark.py and 4 more
Scripts that go online: scripts/image_generator.py
Scripts that touch settings folders (~/.claude or settings.json): install_as_skill.sh
Checked automatically from the repo files at commit 6adef3b (read only, nothing was run). Not a safety guarantee: read it and decide for yourself
Zuerst: Welche KI nutzt du?
Wähle deine App, dann zeigt diese Seite nur die Installation für diese App
Uploading to claude.ai would fail: the description is over 200 characters (215). Use "Let the AI install it" instead
Kopiere diesen Satz und füge ihn in einen Claude Code-Chat ein
For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing
The AI tells you what it will do first and asks your permission at every step
Claude Code neu starten, dann /xhs-writer-skill tippen oder eine passende Aufgabe stellen; Claude nutzt den Skill
Checked against official docs 12. Nov. 2026 · Source: code.claude.com
Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.
Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“
Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md
Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind
Selbst installierte Skills funktionieren in der ChatGPT-Desktop-App, in Codex CLI und in der Codex-Erweiterung für die IDE · ChatGPT im Web und auf dem Handy kann selbst installierte Skills nicht nutzen, nur Skills, die mit einem Plugin aus dem Verzeichnis kommen
Die ChatGPT-Desktop-App enthält Codex, und Codex liest Skills aus dem Ordner ~/.agents/skills
Öffne Codex in der ChatGPT-Desktop-App und füge diesen Satz in den Chat ein
The AI always shows you the path before installing
The AI tells you what it will do first and asks your permission at every step
Lege den Ordner xhs-writer unter ~/.agents/skills/xhs-writer ab
~ ist dein Home-Ordner ($HOME)
Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.
Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“
Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md
Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind
Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com
Selbst installierte Skills funktionieren hier nicht, nur Skills, die mit einem Plugin aus dem Verzeichnis kommen
Um diesen Skill mit ChatGPT zu nutzen, verwende die ChatGPT-Desktop-App wie oben beschrieben
Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com
Kopiere diesen Satz und füge ihn in einen Codex-Chat ein · Funktioniert in Codex in der ChatGPT-Desktop-App, in Codex CLI und in der IDE-Erweiterung
For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing
The AI tells you what it will do first and asks your permission at every step
Codex erkennt neu installierte Skills selbst; wenn einer nicht erscheint, starte Codex neu · So nutzt du ihn: In ChatGPT @ tippen und den Skill wählen · in Codex CLI oder der IDE-Erweiterung /skills ausführen oder $ und den Skill-Namen tippen
Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com
Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.
Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“
Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md
Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind
Kopiere diesen Satz und füge ihn in einen Cursor-Chat ein
For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing
The AI tells you what it will do first and asks your permission at every step
Im Agent-Chat von Cursor / tippen und xhs-writer-skill wählen
Checked against official docs 12. Nov. 2026 · Source: cursor.com
Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.
Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“
Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md
Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind
Für andere Apps, die Skills lesen. Der Satz enthält die Pfade für Claude Code, Codex und Cursor, damit die KI den für deine App wählt · Copy this sentence into the app’s chat
For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing
The AI tells you what it will do first and asks your permission at every step
Checked against official docs 12. Nov. 2026 · Source: code.claude.com, learn.chatgpt.com, cursor.com
Andere Apps mit Agent Skills (etwa Gemini CLI oder GitHub Copilot) nutzen andere Ordner. Sieh in deren Anleitung nach und kopiere den Ordner mit der SKILL.md dorthin.
Skill-Ordner am 11. Nov. 2026 mit den offiziellen Anleitungen von Claude Code, Codex und Cursor geprüft
Der folgende Text stammt aus dem Repo des Anbieters, nicht von PopNx MCP
Die ersten 8.000 Zeichen · Ganze Datei auf GitHub öffnen
---
name: xhs-writer
description: >-
生成小红书(RedNote)笔记:把主题或用户提供的素材(文字/图片/视频)做成一套竖版卡片(图文)
或一段带分镜脚本的视频稿(视频),配 caption + hashtags,落盘到 output/小红书/。
使用时机:用户说 写小红书 / 做小红书笔记 / 小红书图文 / 小红书种草 / 出一套 xhs 卡片 /
小红书视频 / write a Xiaohongshu note / make a RedNote post。
---
# xhs-writer — 小红书笔记生成
把一个主题 + (可选)用户素材,生成**图文卡片组**或**短视频脚本**,按规范落盘到 `output/小红书/`。
## 核心理念
小红书读者看的不是长文,是**卡片组**或**短视频**。长文原稿只是中间产物;caption 只是发布配文。
- **图文帖(image post)**:3-9 张 9:16 竖版卡片(cover + content × N + ending),每张 ≤80 字中文。
- **视频帖(video post)**:一段 15-90 秒竖屏视频脚本 + 封面卡,分镜写在 `meta.json.shots` 里,视频合成本 skill 不做。
### 爆款方法论(通用原则)
**5大核心原则**:
1. **真实素材优先**:项目截图、对比图、演示图 > 纯 AI 生图
2. **聚焦核心卖点**:用公式判断优先级(见 Step 0.5)
3. **素人感设计**:纯色背景 + 大 emoji + 口语化 > 品牌宣传风格
4. **痛点导向**:说"能解决什么问题" > 堆砌功能列表
5. **快速迭代**:V1(60分) → 用户反馈 → V2(70分) → 持续优化
**详细方法论**:见 `references/xiaohongshu-viral-methodology.md`
## 工作流
按顺序执行。**不要跳步**。
### Step 0 — Intake(必问,一次问完)
收到请求后不要动手,先向用户确认以下要点,尽量一条消息问完:
1. **主题 / 目标读者 / 核心观点**
2. **输出形态**:图文 or 视频?(默认图文)
3. **素材**:有没有已有的文字/图片/视频要用?贴路径或拖文件
4. **风格**:简约清新 / 科技感 / ins 风 / 商务 / 文艺复古 / 可爱卡通(默认"简约清新")
5. **卡片数量 / 视频时长**:图文默认 5-7 张;视频默认 30-60 秒
### Step 0.5 — 卖点/亮点分析(推荐执行)
**触发条件**:
- 推广类:产品、项目、工具、服务
- 分享类:好物推荐、经验总结、知识科普
- 测评类:产品对比、使用体验
**执行**:
1. 列出所有功能/特性/亮点
2. 用 AskUserQuestion 让用户打分(每个点):
- 稀缺性(1-5):别人有吗?独特吗?
- 实用性(1-5):能解决多大问题?
- 可感知(1-5):用户能直接看到/感受到吗?
3. 计算得分 = 稀缺性 × 实用性 × 可感知
4. 排序,选择 Top 1-2 作为核心卖点/亮点
**输出**:
```markdown
## 卖点/亮点分析结果
| 点 | 稀缺性 | 实用性 | 可感知 | 得分 | 优先级 |
|---|---|---|---|---|---|
| 亮点A | 5 | 5 | 5 | 125 | 🥇 核心 |
| 亮点B | 2 | 3 | 3 | 18 | 🥉 辅助 |
**核心卖点/亮点**:亮点A(聚焦这个,其他作为辅助)
```
**参考**:`references/xiaohongshu-viral-methodology.md` 第2节
### Step 1 — 素材清点(有素材才做)
如果用户提供了素材路径,**先跑脚本生成清单**,再由 AI 用多模态能力填描述:
```bash
python3 scripts/analyze_material.py <path>... \
--out <work-dir>/reference/materials.json \
--frames-dir <work-dir>/reference/frames
```
脚本只做确定性预处理(分类、取分辨率/时长、抽帧)。AI 随后用视觉能力 **打开** `materials.json` 里每条 image/frame,填 `caption` 和 `usage`(cover / content-N / ending / reference)。详见 [`references/material-intake.md`](references/material-intake.md)。
**素材分类(按价值排序)**:
1. **对比图**(最有价值):before/after、input/output、不同版本对比
2. **功能演示**:界面截图、操作流程图、效果展示
3. **数据图表**:性能对比、用户增长、功能覆盖
4. **品牌素材**:Logo、配色方案、官方截图
**素材使用策略**:
- ✅ **优先级**:真实素材 > 图生图 > 代码叠加 > 纯 AI 生图
- ✅ **对比图**:用图生图(保留真实感 + 叠加小红书风格文字)
- ✅ **纯文字卡片**:用 AI 生图(素人感设计)
- ❌ **避免**:所有卡片都用纯 AI 生图(缺少真实感)
**参考**:`references/xiaohongshu-viral-methodology.md` 第3节
### Step 2 — 采集外部参考(观点类 / 资讯类必做;纯素材驱动可跳过)
按 [`references/reference-search.md`](references/reference-search.md) 执行,结果写入同一 `reference/` 目录。核心数据 ≥2 个来源交叉验证。
### Step 3 — 写长文原稿(2000-4000 字)
从 H2 开始(**不写 H1**;标题入 `meta.json.title`)。写完**先给用户看**,确认主旨再继续,不要直接跳到卡片/分镜。反模式清单以 [`references/humanizer-zh.md`](references/humanizer-zh.md) 为准。
### Step 4 — 去 AI 化
读 [`references/humanizer-zh.md`](references/humanizer-zh.md) 五层原则,完整扫描重写原稿,给出质量评分(满分 50)。
### Step 4.5 — 图生图处理(有真实素材时必做)
**触发条件**:Step 1 发现了对比图、功能演示等高价值素材
**工具**:gpt-image-2 图生图(需要 OpenAI API key)
**执行**:
```python
# 使用本项目的 image_generator
import sys
sys.path.insert(0, '~/.claude/skills/xhs-writer-skill/scripts')
from image_generator import GptImage2Generator
generator = GptImage2Generator(aspect_ratio="9:16")
# 图生图:保留真实素材 + 叠加小红书风格文字
generator.generate_scene_image(
scene_data={
'index': 1,
'image_prompt': """Based on the reference image, create a Xiaohongshu style card, 9:16 vertical.
Keep the original image visible.
Add overlays:
- Top: "{标题}"
- Bottom: "{引导文字}"
Style:
- Keep original clear
- Casual Xiaohongshu style
- Authentic feel"""
},
output_path='output.jpg',
size='auto',
reference_image_path='material.jpg'
)
```
**Prompt 模板**:见 `references/xiaohongshu-viral-methodology.md` 附录C
**失败处理**:
1. 重试 1 次
2. 降低图片分辨率(max 1024px)
3. 改用代码叠加文字(`scripts/text_on_image.py`)
### Step 5 — 分发:图文 or 视频
#### 5A. 图文帖:拆成 3-9 张卡片
- 结构:`cover`(第 1 张) + `content`(中间若干) + `ending`(最后 1 张)
- 每张 ≤80 字(`title` + `content` 合计,代码点计数)
- 一张卡只讲一个论点;数字 / 对比 / 金句优先上卡
- 全套卡片 emoji 风格与配色保持一致
每张卡选一种 **合成策略**(写入 `cards[i].synthesis_strategy`),五选一。详见 [`references/material-intake.md`](references/material-intake.md):
| strategy | 适用 | 工具 | 优先级 |
|---|---|---|---|
| `img2img` | 有真实素材(对比图/演示图) | gpt-image-2 图生图 | 🥇 最佳 |
| `text_on_photo` | 有 1 张合适照片 + 一句钩子 | `scripts/text_on_image.py` | 🥈 次选 |
| `collage` | 有 2-4 张互补照片 | `scripts/collage_3x4.py` | 🥉 可用 |
| `pure_text` | 无素材,纯文字卡 | AI 生图(素人感) | ✅ 常用 |
| `ai_generated` | 概念图 / 数据图 | 用户自备 t2i 服务 | ⚠️ 慎用 |
**策略选择原则**:
- ✅ 有真实素材 → 优先 `img2img`(保留真实感)
- ✅ 纯文字卡片 → 用 `pure_text`(素人感设计)
- ❌ 避免所有卡片都用 `ai_generated`(广告感强)
素材有水印 → 先跑 `scripts/crop_watermark.py` 或按 [`references/image-sourcing.md`](references/image-sourcing.md) 处理。
#### 5B. 视频帖:写分镜脚本
- 写 6-12 个分镜,每镜 2-8 秒,累计时长对齐用户预期
- 每镜含:`narration`(口播,≤30 字)、`on_screen_text`(屏幕字,≤15 字)、`visual`(画面描述)、`material_ref`(若引用 `materials.json` 里某条素材)
- 仍要出一张 `cover` 卡(3:4)作为封面;视频本体由用户侧工具合成,本 skill 只产脚本
字段结构见 [`references/meta-schema.md`](references/meta-schema.md) 的 `shots[]` 定义。
### Step 6 — caption + hashtags + 标题
**标题生成(5种公式)**:
1. **痛点+解决方案**:`{具体痛点}?{解决方案}`
- 适用:有明确痛点的工具/产品
2. **提问式**:`有没有那种{功能描述}的{产品类型}?`
- 适用:新工具推荐、功能发现
3. **发现式**:`我发现了个宝藏!{核心价值}`
- 适用:兴奋分享、好物推荐
4. **热点词**:`{热点词}爆火后,我用它做了{场景}`
- 适用:蹭热点、技术类产品
5. **身份共鸣**:`{身份标签}必备!{核心功能}`
- 适用:有明确目标人群的产品
**参考**:`references/xiaohongshu-viral-methodology.md` 附录F
**caption**:
- 100-300 字,hook 开头(数字/提问/惊叹) → 关键信息 → 行动号召(点赞/收藏/关注)
- 带 emoji,闺蜜语气
- **结构**:痛点共鸣 → 解决方案 → 具体功能 → 真实案例 → CTA
- **避免**:堆砌功能、正式文案、广告感
**hashtags**:
- 5-8 个,与主题强相关
- **核心标签**(4个):热点词 + 核心功能 + 差异化卖点 + 目标人群
- **辅助标签**(4个):场景词 + 品类词
- 避免 `#生活` 等过度泛化标签
只写进 `meta.json`,**不**粘进卡片或正文
### Step 7 — 落盘
目录与命名规则见 [`references/output-spec.md`](references/output-spec.md)。
```
output/小红书/{YYYY-MM-DD}/{短标题}_{YYYYMMDDHHmm}/
├── {完整标题}.md # 长文原稿
├── meta.json # 元数据(卡片 / 分镜 / caption / hashtags / materials)
├── images/ # (图文)最终卡图 / (视频)封面
└── reference/ # materials.json / 搜索结果 / summary / 思考过程
```
目录短标题与时间戳**必须**走脚本标准化,别手写:
```bash
python3 scripts/normalize_slug.py "原始长标题" --with-ts
```
`meta.json` 完整字段定义见 [`references/meta-schema.md`](references/meta-schema.md)。
### Step 8 — 校验(强制)
写完 `meta.json` 后必须跑:
```bash
python3 scripts/validate_meta.py <work-dir>/meta.json
```
非 0 退出 → 读报错修 `meta.json` 再跑,直到 clean。不要把未校验的产物交给用户。
## 不要做的事
- 不写 H1;标题只放 `meta.json.title`
- 不在正文末尾写"参考来源 / References";只落到 `reference/`
- 不在 `.md` 里留 `【插入图片:...】` 占位符;图片同步下载 + 引用相对路径
- 不跳过 Step 4(去 AI 化)和 Step 8(validate)
- 不自己手算目录名 / 时间戳,一律走 `normalize_slug.py`
---
## 工具依赖
### 必需工具
- Python 3.8+
- PIL (Pillow)
### 可选工具
- OpenAI API key(用于图生图,推荐)
- 配置:在 `~/.claude/skills/xhs-writer-skill/.env` 填入 `OPENAI_API_KEY`
- 没有 API key 也能用,会生成纯文字卡片
### 图生图使用
```python
# 添加路径
import sys
sys.path.insert(0, '~/.claude/skills/xhs-writer-skill/scripts')
from image_generator import GptImage2Generator
# 初始化
generator = GptImage2Generator(aspect_ratio="9:16")
# 生成
generator.generate_scene_image(
scene_data={'index': 1, 'image_prompt': '...'},
output_path='output.jpg',
size='auto',
reference_image_path='material.jpg' # 图生图模式
)
```
---
## 参考资料
### 核心方法论
- **`references/xiaohongshu-viral-methodology.md`**:完整爆款方法论
- 卖点优先级判断公式
- 素材使用策略(优先级排序)
- 爆款卡片结构(标准6-7张)
- 文案公式库(5种标题公式)
- 视觉风格指南(素人感 vs 精美设计)
- 图生图 Prompt 模板(3种场景)
- 常见错误清单(5大错误 + 解决方案)
- 工具使用指南
### 其他参考
- `references/humanizer-zh.md`:去 AI 化原则
- `references/material-intake.md`:素材处理流程
- `references/image-sourcing.md`:图片来源处理
- `references/meta-schema.md`:元数据字段定义
- `references/output-spec.md`:输出目录规范
---
## 快速开始
### 场景1:推广产品/项目
```bash
# 用户说:"帮我推广这个项目 /path/to/project"
# Step 0.5: 卖点分析
# → 列出功能,让用户打分(稀缺性×实用性×可感知)
# → 选出核心卖点
# Step 1: 素材盘点
# → 扫描项目截图、对比图、演示图
# → 分类:对比图(最有价值)> 功能演示 > 其他
# Step 4.5: 图生图
# → 对比图用图生图(保留真实感 + 小红书风格)
# → 纯文字卡片用 AI 生图(素人感)
# Step 6: 生成标题(5个选项)
# → 痛点式、提问式、发现式、热点词、身份共鸣
# 输出:6-7张卡片 + caption + hashtags
```
### 场景2:好物分享/经验总结
```bashFragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.
Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.
Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.