把我的小红书账号做成了一个 Skill 之后我现在每天花在账号上的时间不到十五分钟——打开电脑看一眼自动生成的选题和初稿改掉几个不顺的句子点发布关电脑。而在两个多月前这个流程还是早上醒来先刷两个小时找选题上午写下午改晚上盯着数据焦虑第二天全部重来。区别不在于我变勤奋了而在于我把日更小红书这件事从一种凭感觉的创作变成了一条带模板、带脚本、带数据回流的自动化流水线。这篇就讲讲我是怎么把账号定位、选题、写作、排期、复盘全链路封装成一个 Skill 的踩过哪些坑以及哪些环节我坚持不做自动化。如果你也在运营内容账号或者正在研究 Claude、Codex 这类工具里的 Skill 机制这篇文章应该能给你一个还算完整的参考案例。它适合三种人想把小红书账号系统化运营的博主、研究 AI 自动化工作流的技术爱好者、以及所有被日更逼到崩溃的创作者。1. 为什么要把账号做成Skill先拆解“日更”背后的真实成本1.1 日更最消耗的不是写作而是决策博主真正累的不是打字是决策。每天醒来第一件事不是写作而是做六个选择今天写什么主题同类主题发过没有这个选题有没有搜索量用什么标题能戳中焦虑正文从哪个角度切入才不显得像营销号发完看哪些数据这些问题单个看都不难但日复一日地做就是巨大的认知消耗。我的经验是一个人最多连续输出三天高质量内容第四天开始就会下意识找捷径——抄同行、追热点、写些不痛不痒的东西。真正能稳定日更的账号背后不是灵感的持续供应而是一套把决策前置的机制选题在周末就定好模板在月初就搭好剩下每天只是填空。而且这些决策大部分有规律可循。我统计过自己过去60篇笔记阅读量高的那一批标题里带具体人群和具体场景的比例明显更高。这种规律一旦被提炼出来根本不需要每天重新想一遍直接把规则固化到流程里就行。Skill 解决的正是这部分决策成本。1.2 Skill到底是个什么东西先区分几个概念。普通提示词Prompt是一次性的——你在对话框里写“帮我写一篇小红书笔记”它给你一篇但你下次还要重新描述背景、语气、格式。Agent 是动态规划型——你给它一个目标它自己拆解步骤、调用工具、执行任务路线每次可能不同。而 Skill 是一种介于两者之间的东西它把一套固定流程和边界条件封装成一个文件夹里面有说明文件、参考资料、脚本和模板。模型每次被调用时先读说明文件再按里面的流程干活。就像你手里拿的不是一句“帮我做个饭”而是一本包含菜谱、备菜清单、火候说明的烹饪手册。我用的这类带 Skill 机制的 AI 编程工具核心价值在于流程是可复用的、经验是可沉淀的。维度普通 PromptSkillAgent复用性每次重新说文件封装直接复用动态规划每次不同稳定性风格漂移大稳定遵循固定规则灵活但不可控适用场景探索想法重复性、流程化任务跨工具复杂任务可维护性无沉淀文件可版本管理依赖框架和工具链同一份 Skill 文件夹今天跑和下周跑产出风格一致不会因为模型每次随机采样而漂移。这个特性对于日更账号来说太关键了。账号最怕的就是今天一个调性、明天一个调性读者关注你是因为知道你能提供什么风格不稳定等于人设崩塌。1.3 小红书运营为什么特别适合Skill化不是所有平台和内容形态都适合自动化。小红书笔记有比较固定的内容结构标题要承载流量关键词正文要有场景、有干货、有个人体验结尾要有互动引导。这种“结构稳定、规则明确、可模板化”的内容天然适合封装成 Skill。换句话说Skill 适合那些流程稳定、产出物形态确定、且有可重复判断标准的任务。像深夜 emo 文学、个人随笔这类完全依赖当下情绪的创作就不适合——它的价值恰恰在于不可预测模板化反而会杀死它。还有一个关键点小红书的用户对“真人感”极其敏感。但真人感并不是玄学它由固定特征构成——第一人称、具体细节、真实场景、有瑕疵的表达。这些特征全部可以模块化这就让自动化具备了可行性。把“真人感”拆解成可执行的规则再交给 Skill 去执行反而是很多账号做不到的。2. 从定位到日更的自动化链路设计2.1 完整闭环五个环节一个都不能少我把整个账号运营拆成五个环节定位分析、选题管理、内容生产、排期发布、数据回流。定位分析不是每天跑的它是整个 Skill 的底层配置选题管理是每天要跑的内容生产是核心排期发布保证稳定数据回流把结果反馈回前面的环节。五个环节必须闭成环。如果只做“自动写笔记”那半截你只是把打字自动化了决策和复盘还是自己扛效率并没有真正提升。很多人做自动化只做了内容生成这是个常见误解。真正让账号运转起来的不是写作本身而是选题的精准度、发布节奏的稳定性、和复盘之后下一次迭代的改善速度。我的链路是这样每天早上自动扫描行业热词和评论区高频问题生成3个选题候选然后按账号定位和风格指南生成初稿排期脚本把确认过的内容塞进未来7天的发布时段一周后数据脚本自动拉取各项指标并输出一份复盘建议把表现好和不好的模式回写进参考文档。2.2 每个环节的输入输出怎么定义把每个环节的输入输出定义清楚是整条流水线能跑起来的前提。我做了下面这张表直接贴在 Skill 的说明文件里环节输入输出定位分析历史30篇笔记数据、目标用户画像、20篇竞品爆文定位文档、内容边界、风格指南初稿选题管理定位文档、近7天热词、评论区高频问题3个候选选题 每个选题3个标题候选内容生产选中选题、风格指南、历史爆文样例正文初稿、首图描述、发布时段建议排期发布已确认内容、历史互动高峰时段未来7天发布计划数据回流曝光/点击/互动/收藏数据数据周报、标题策略建议、选题库更新这一步很关键。每个环节的产出格式要统一下游才能直接消费。很多人卡壳是因为选题环节产出的是一段聊天记录写作环节根本没法自动接住。格式统一流水线才跑得起来。2.3 Skill化和对话式提示词的根本差异对话式提示词适合探索不适合重复劳动。你每次打开对话框都要重新交代背景稍微复杂一点的需求就要写一大段提示词而且模型很可能记住你上次喜欢用感叹号但忘掉你讨厌用某个词。Skill 把账号运营里所有需要稳定的部分全部外部化风格、边界、禁忌、参考案例全部以文件形式固定下来。模型每次执行时把这些文件读一遍输出自然稳定。更重要的Skill 文件是可以持续修改、升级的资产——账号的人设在成长风格在迭代这些变化直接改文档就行而不是指望模型自己悟到。这个差异决定了长期维护成本。对话式的工作流所有经验都锁死在对话历史里换个上下文就全丢了。Skill 的工作流经验变成了项目资产可以 review、可以 diff、可以回滚跟管代码一样管账号这完全是另一套玩法。3. 落地实操把账号信息封装成Skill文件3.1 Skill目录结构一个文件夹装下整个账号Skill 本质上就是一个文件夹关键看你怎么组织里面的东西。我的目录结构长这样xiaohongshu-skill/ ├── SKILL.md # 给模型看的操作手册 ├── reference/ │ ├── positioning.md # 账号定位与人设 │ ├── style-guide.md # 写作风格和执行规则 │ ├── competitors.md # 对标账号与爆文拆解 │ └── hit-analysis.md # 历史爆文规律总结 ├── scripts/ │ ├── trending_scan.py # 热词抓取 │ ├── comment_miner.py # 评论区问题挖掘 │ ├── scheduler.py # 排期辅助 │ └── metrics_report.py # 数据复盘 ├── data/ │ ├── topic_pool.md # 选题库 │ └── publishing_calendar.md # 发布日历 └── templates/ ├── title-template.md # 标题模板 ├── post-template.md # 正文模板 └── weekly-report.md # 周报模板SKILL.md 是主控文件里面写清楚这个 Skill 负责什么、边界在哪、执行流程是什么。reference 里放的是参考资料不是给模型“学习”的而是让模型在执行时随时查阅的。scripts 是跑数据的把零散的评论、热词、阅读数据变成结构化输入。templates 是产出物的底稿保证生成的内容长得像一个系列而不是每篇一个新面孔。这里有个容易踩的坑有人会把 reference 塞得满满当当恨不得把全网干货都放进去。但模型每次执行都会读这些文件文件太长反而会稀释重点。我的经验是reference 只放必须的、高频用到的信息尽量控制在每份文件 100 行以内细节放到正文生成时按需取用。3.2 SKILL.md怎么写给模型一本“操作手册”SKILL.md 不用写得很玄目标是让一个对小红书完全没概念的新模型读了之后也能像老助理一样干活。我写的版本包括四块任务说明、账号画像、执行流程、红线规则。下面是我这份 Skill 的简化版可以直接参考# 小红书账号日常运营助理 ## 任务 负责“配方师阿青”的小红书账号日更内容生产与数据复盘。 ## 账号画像 - 人设八年配方师懂成分但不端着偶尔自嘲 - 目标读者25-35岁想看懂成分表但没时间研究的上班族 - 内容边界只聊护肤品成分、配方逻辑与真实使用感受 - 不涉及医美引导、医疗建议与绝对化功效承诺 - 差异化表达用“翻成分表”的口吻替代“科普腔” ## 执行流程每次运行照此顺序 1. 从 data/topic_pool.md 选一个未被用过的选题 2. 调用 scripts/trending_scan.py 拉取近7天热词组合5个标题候选 3. 按照 style-guide.md 写正文初稿套用 post-template.md 的结构 4. 给出发布时间段建议与首图描述 5. 输出内容等待人工确认未确认前不得进入发布队列 ## 红线 - 禁止出现“祛痘”“美白”等绝对效果承诺词 - 禁止每段超过4行的长篇解释 - 禁止连续两篇笔记使用相同开头句式 - 不评价竞品品牌不引战 - 不提及任何未经官方验证的功效数据SKILL.md 的粒度很重要。写得太粗模型执行起来自由度太大风格不稳定写得太细每条都要列模型反而像在背制度文件输出死板。我的标准是能枚举的就枚举不能枚举的给原则和例子。比如“不说教”这种抽象要求直接翻译成“每个解释性段落后面必须跟一句个人使用感受”——可执行才能稳定。你要求它“写得亲切一点”它做不到但你让它“每段不超过三行、用一次反问句”它能精确执行。3.3 人设和风格怎么“喂”进Skill风格不是靠一句“写得接地气一点”实现的。我的做法是把过去 60 篇笔记按表现排序挑出 Top 20% 和 Bottom 20%逐篇找出结构差异。Top 篇的共同点写进 style-guide 的“要做”清单Bottom 篇的共性写进“不要做”清单。举个例子我发现自己的高赞笔记都满足三件事开头第一段就交代身份和场景中间至少有一个具体数字结尾没有求赞而是抛一个问题给读者。而数据差的笔记清一色的毛病是开头铺垫太长、全是正确的废话。这些规律直接变成风格指南里硬性的“做/不做”清单。这是风格指南的一个节选你可以感受下粒度## 要做 - 开头第一段出现明确身份“我在配方行业待了八年” / “上周测了XX” - 每篇至少包含一个具体数字时间、浓度、价格、使用次数 - 结尾用开放式问题禁止“求赞收藏” - 解释成分前先写一句这个成分和生活场景的关联 ## 不要做 - 不用“科普时间到”“干货满满”这类口号式过渡句 - 每段不超过4行一段解释后必须跟一句个人体验 - 禁止使用“效果非常出色”“有效改善”等空泛评价 - 不在正文里提“姐妹们”“宝子们”这种套近乎称呼这套风格指南我一直当代码维护每次数据复盘发现某一种表达长期表现不佳就删掉或修改一条规则。Skill 最爽的地方就在这儿账号的表达风格变成了一个可以版本管理的文件。二月份版本和四月份版本 diff 一下能直观看出来账号这一路调整了什么。3.4 日更流水线脚本示例流水线的核心是极早地把“决策”变成“选择”模型帮你把所有决定做掉大半你只在关键节点拍板。我的日常操作是早上的自动脚本跑完后我打开终端只花三分钟——扫一眼今日3个候选选题、每个选题下面的3个标题挑一个点确认剩下的就是模型的活了。这是每天的自动化流程# 每天早上 09:00 自动执行 python scripts/trending_scan.py --output data/trending_today.md python scripts/comment_miner.py --since 7d --output data/questions.md # 模型按 SKILL.md 读取上述文件 topic_pool.md生成今日选题候选 # 人工确认选题后模型按 style-guide.md 写初稿 # 人工修稿后写入 data/publishing_calendar.md发布时间我没有完全写死。脚本会根据过去 4 周每条笔记的互动高峰时段动态调整未来 7 天的发布时间窗口。比如某天我早上 8 点发的互动率明显高脚本就会把本周那种类型笔记的发布点漂移到 8 点前后。但注意这个漂移是有边界的。我不会为了所谓黄金时段把发布时间精确到分钟那样反而像一个没有人类社交感的营销号。我会在一个半小时的时间窗口内随机偏移同时保证每天发布时间不完全重复降低同质化特征。4. 数据回流让Skill自己学会迭代4.1 每天五分钟的复盘脚本每天的复盘不做复杂分析只记录五件事曝光、点击、互动、收藏、评论主题词。但判断一篇文章行不行我不看绝对数值看比值。同样是 500 个赞一个曝光 5 万的笔记和一个曝光 1 万的笔记前者反而危险——说明内容撑不起流量池的推荐。我看重“互动率/曝光”这个比值它能拆穿“虚假繁荣”。下面是每周五跑出来的复盘汇总脚本把过去 7 天所有已发布笔记的原始数据生成成这张表指标本周期上周期变化平均曝光8532720118.5%互动率/曝光4.6%3.1%1.5%收藏率1.8%1.4%0.4%评论含“怎么/适合”等问题的占比23%17%6%不用写得很复杂关键是坚持跑两个月后你就能看出趋势。很多博主靠感觉判断“这篇好像还行”其实对数据毫无概念。Skill 化之后每周趋势是自动汇总的我用一张表就能看出来账号是在涨还是在掉是选题出问题还是标题出问题。4.2 从评论区挖出新选题评论区才是选题金矿。用户愿意打字问出来的问题就是真实需求。脚本每周一把所有笔记的评论拉下来用简单规则找“为什么、怎么、能不能、适合吗”这类问题词再按关键词聚类自动生成一批新的候选选题写进 topic_pool.md。我跑了一个月后账号里约三分之一的长尾选题都来自评论区。这类选题搜索量不一定高但精准转化到关注的概率反而更好。脚本的核心逻辑其实很简单import re from collections import Counter def mine_topics_from_comments(comments, top_n10): questions [] for c in comments: if re.search(r(怎么|为什么|能不能|适合|推荐|区别), c): questions.append(c) counter Counter() for q in questions: # 简单按词频聚合工程上会配合分词做主题聚类 for word in re.findall(r[\u4e00-\u9fa5]{2,}, q): counter[word] 1 return [w for w, _ in counter.most_common(top_n)]这个脚本只能算雏形但“评论里出现频率急剧上升的疑问词”就是很好的选题信号。我会让模型把这些高频词组合成具体场景生成候选选题。比如“敏感肌”“洗面奶”“怎么选”就能变成一个很实际的选题而不是空泛的“敏感肌护肤指南”。4.3 标题策略的自动进化任何自动化系统的长期价值都在于闭环。标题策略如果永远是静态的跑三个月就会失效因为同类标题用户会审美疲劳。我的做法是每篇笔记生成时模型都记录下它推荐的 5 个标题候选以及最终被选中的那个。一周后数据回流脚本把每个标题候选对应的笔记点击率归档挑出点击率稳定高于平均的标题模式。然后每周日我手动把这类模式更新到模板库。注意这一环我保留人工因为让模型自己改自己容易自嗨把个性化偏好当成平台规律。人工判断这一步一天也用不了十分钟但能救命。比如我后来发现“人群痛点真实结果”这个标题公式表现稳定就把它固化进模板库。同时删掉了一批“盘点”“合集”开头的候选模板因为它们点击率连续三周都低于平均值。这一进一出就是标题策略的进化。Skill 的价值在于它建立了机制让这个进化持续发生而不是靠灵感偶然碰到一次。5. 踩坑实录自动化应该停在哪一层5.1 自动生成的内容为什么会“一眼AI”第一批自动生成的笔记第一个月数据平平。我后来仔细复盘发现三个规律性毛病开头全是“在生活中我们总会遇到……”这类正确的废话段落之间无比工整每段都是三行结尾必然出现“总之”“希望对大家有帮助”。这些特征一眼就能被认出是 AI 写的。解决的办法不是禁止 AI 写而是给模型注入真实素材。我会给每个选题配一份日常观察笔记里面记录我真实用过产品的感受、真实的翻车经历。然后风格指南里加一条硬规则每篇笔记至少包含一个非套路化的具体细节。你感受下这个差异。AI 腔版本“这款面霜的保湿效果非常出色长期使用能有效改善干燥问题。”人味版本“我上个月鼻子起皮用它的第三天起来照镜子鼻翼还是有点红但至少不疼了。”区别就在于具体细节和个人体验。这些素材模型自己编不出来必须由人提供然后 Skill 负责把它们组织成有结构的笔记。5.2 数据回流里的隐形坑小红书没有开放官方数据接口我现在的数据回流是半自动的脚本负责从后台导出的表格里做统计但要手动下载文件并放在指定目录。这个半自动有好处也有坏处好处是不会因为平台接口变更而频繁挂掉坏处是容易忘记下载断一天数据周报就不完整。我的经验是把下载动作也固定成每天上午十点和选题确认合并成一个习惯。另一个坑是小眼睛曝光和点击率的数值有延迟今天看到的不是完整数据至少要等 48 小时再进复盘否则会被假反馈带偏。还有一个容易被忽视的问题后台导出表格的字段顺序会变。如果脚本按硬编码列名读取某天就突然报错了。后来我改成按列名匹配而不是按位置匹配这个坑才算填上。做自动化的人应该都懂凡是依赖外部格式的功能都要做好格式变更的容错。5.3 哪些环节必须保留人工我现在保留的人工环节有三处选题最终确认、成稿修改、风格规则更新。凡涉及效果承诺、价格引导、具体产品推荐的笔记我一定会逐字看。自动化的目的是把重复劳动降到最低而不是把判断力外包出去。如果你在某个领域没有基本审美和风险意识那自动化只会让你快速做出一堆垃圾——低成本、高质量的垃圾。另外发布频率再高也要保持合理性脚本不能一天发 5 篇。我把每日上限锁死在 1 篇每周最多 5 篇保持一个真人博主的正常节奏。限制虽然是脚本写的但制定限制的是人。最重要的一点千万不要把“发布”这个动作也全自动。哪怕脚本已经生成好、排期也定了最后的发布动作也应该由你亲手完成。这不只是风险控制是让你每天保持和账号的连接感。完全无人值守的账号很快会变成一个没有灵魂的出稿机器读者是能感受到的。6. 常见问题与自查清单6.1 常见问题速查表把这两个月踩过的坑整理成一张表遇到同类问题可以直接对着排查问题现象可能原因建议内容风格漂移同一账号的笔记像两个人写的风格指南太抽象规则不可执行把“要/不要”改成能枚举的清单生成内容一眼AI排比句、空洞总结多参考文件里缺少真实素材建立个人体验素材库选题太泛生成“职场必看”这类大词选题库缺少约束条件限定“人群场景痛点”组合数据回流断档周报缺数据手动下载环节忘了固定每天同一时间下载被平台限流曝光骤降发布频次和格式过于规律随机化时间窗口和内容模板模型执行不稳定同一任务输出差异大SKILL.md 描述太粗把流程拆得更细、更明确评论区选题无效聚类出来的主题不成形脚本只看词频、没看语义配合模型先对问题做意图归类这些坑我都踩过。尤其是“选题太泛”这个问题第一周生成的选题全是“如何护肤”“职场沟通技巧”这种大词没法用。后来我在选题 prompt 里加了硬约束要求必须包含具体人群、具体场景和具体痛点质量才上来。6.2 给想入坑的人几个可复用建议如果你也打算把自己经营的账号做成 Skill我给三个阶段的建议。第一阶段先用一周人工记录自己的生产流程把每一步在干嘛拆出来不要直接套模板。这是最重要的一步如果你自己都没搞清楚流程封装出来的 Skill 只会放大混乱。第二阶段只把最容易标准化的环节做成 Skill比如选题和标题生成跑通两周再往外扩展。别一上来就想全自动我第一次做就是把内容生产、发布、复盘全自动了结果翻车翻得很惨——生成的内容发出去数据差得我看都不敢看。第三阶段等数据回流跑起来后再开始让风格指南持续迭代。这时候你已经有真实反馈数据了每一次修改规则都有依据而不是凭感觉。你需要的不是一上来就全自动而是一条看得见、能随时接手的流水线。两个多月跑下来我最大的感受是Skill 化真正的价值不是替代你而是把账号运营里那些重复的、耗神的、明明有规律却每天重做的决策变成一套可以版本管理的资产。我现在每天处理账号的时间只剩十五分钟但这十五分钟是一天里最专注的部分——我会认真看完每一篇初稿改掉那些“正确但无聊”的句子确认它真的像一个活人在和读者说话。自动化的边界就在这流程、生成、统计可以交给机器但审美、分寸、对自己读者的感知我选择留在自己手上。如果你也在运营账号又对每天重复的选题和排版感到累不妨先从选题自动化开始试试。那一步的回报立竿见影而且轻易不会出大问题。