小红书标题生成

1. 简介

基于用户输入的任何信息生成小红书爆款标题的专业工具 -- 通过查询小红书平台真实爆款数据，分析爆款标题的共同特征，结合用户输入的核心主题，自动生成 10 个高匹配度的小红书爆款标题，每个标题附带匹配指数、参考爆款和详细推荐理由。

适用对象：小红书创作者、内容运营、文案策划、需要标题灵感的写作者。

2. 功能特性

核心功能：

• 智能理解用户输入 -- 无论输入什么内容，都能提取核心关键词
• 爆款数据查询 -- 基于用户关键词查询小红书热门笔记标题
• 爆款规律分析 -- 从标题结构、关键词、情绪表达等维度分析爆款特征
• 批量标题生成 -- 一次性生成 10 个符合爆款规律的新标题
• 匹配指数评分 -- 每个标题附带 8-10 分的匹配指数

特色亮点：

• 泛化词拓展策略：对大类词（如 "美妆"、"穿搭"）自动推荐 10 个细分方向供用户选择
• 精准关键词理解：严格区分产品形态（如 "防晒霜" 只查霜状产品，不扩展到喷雾、帽子等）
• 数据不足自动扩展时间范围（禁止换词）
• 统一输出格式：标题X + 匹配指数 + 参考爆款 + 推荐理由 + 分隔线

3. 一键安装

鉴权

获取 API Key

请前往 红狐hub 获取API KEY

配置 API Key

方案1: 以OpenClaw为例，将REDFOXAPIKEY添加到~/.openclaw/openclaw.json中

{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

方案2: 终端配置：export REDFOXAPIKEY="ak_xxxx..."

export REDFOX_API_KEY="ak_xxxx..."

依赖安装

依赖 requests 库（标准 Python 库），如未安装可执行 pip install requests。

4. 使用指南

基础使用

核心原则：无论用户输入什么，最终目标都是生成小红书爆款标题。

示例理解：

• "我想写关于护肤的内容" -> 基于 "护肤" 生成爆款标题
• "上班族早餐" -> 基于 "上班族早餐" 生成爆款标题
• "防晒霜" -> 只查询防晒霜（膏状/乳状），不包含防晒喷雾、防晒衣等

完整操作流程（严格按顺序执行）

第一步：理解用户输入并提取关键词

1. 分析用户输入，从输入中提取核心主题和关键词。
2. 判断关键词类型：

- 细分词 / 垂直赛道（含具体场景/属性修饰）-> 直接查询数据 - 具体产品词（如 "防晒霜"、"睫毛膏"）-> 直接查询该产品数据，不扩展到其他产品 - 泛化词 / 大分类（纯大类词，如 "穿搭"、"美食"）-> 执行泛化词拓展策略

精准关键词理解规则：

• 用户输入的是什么产品就只查询什么产品，不随意扩展到相关但不同的产品
• 霜 != 喷雾 != 衣：用户输入 "防晒霜"，要的是有防晒作用的霜，不包含防晒喷雾、防晒衣
• 膏 != 液 != 粉：用户输入 "睫毛膏"，要的是膏状的睫毛产品，不包含假睫毛、睫毛增长液
• 液 != 霜 != 喷雾：用户输入 "粉底液"，要的是液体状的粉底，不包含气垫、BB 霜

第二步：泛化词拓展策略（仅当关键词为泛化词时执行）

1. 查询近 7 天网页资讯中和泛化词相关的小红书热点并生成细分词（禁止调用脚本搜索数据）
2. 输出 10 个细分方向词（趋势词、人群词、场景词、意图词各 2-3 个）
3. 必须等待用户回复「拓展」或「不拓展」后再执行，不得在同一次对话中继续执行任何脚本调用

拓展词输出示例：

我识别到「美妆」是较大的分类，已查询近期热门趋势，推荐以下细分方向：
柔焦底妆、养肤妆、亚裔妆、油皮定妆、通勤妆、夏日妆容、新手妆容、平价彩妆、妆容教程、彩妆测评
回复「拓展」将同时搜索这10个词，回复「不拓展」将继续搜索「美妆」

第三步：时间范围与数据查询

• 数据库只包含昨天至 30 天前的数据
• "最近" 默认定义为最近 7 天（startDate = 今天 - 6 天）
• 日期格式必须为 yyyy-MM-dd

数据不足时的自动调整（优先扩展时间，禁止换词）：

• 处理原则：数据不足 5 条时，只能扩展时间范围，不能更换或拓展关键词
• 调整顺序：近 1 天 -> 近 3 天 -> 近 7 天 -> 近 30 天
• 每次扩展后提示用户："该关键词近 X 天数据不足 5 条，已自动扩展时间范围至近 Y 天"
• 最终兜底：即使扩展到近 30 天仍不足 5 条，如实展示现有数据，但必须提示用户数据不足

执行命令：

# 有赛道关键词
python scripts/fetch_xhs_trends.py --keyword <关键词> --start-date <日期>

# 无赛道关键词（查询全站热门）
python scripts/fetch_xhs_trends.py --keyword "" --start-date <日期>

第四步：爆款数据（仅内部执行，页面不展示）

读取生成的 Markdown 文件：关键词_爆款数据.md

第五步：分析爆款标题并生成新标题（严格按此顺序）

第一步 - 分析爆款标题（仅内部执行）：

• 从获取的爆款数据中提取所有标题
• 分析共同特征：标题结构、关键词使用、情绪表达、目标人群、痛点点出、利益承诺

第二步 - 生成新爆款标题：

• 基于分析结果创作 10 个新的爆款标题
• 标题必须控制在 20 个字以内
• 匹配指数范围：8-10 之间（不得低于 8），保留一位小数
• 同一个匹配指数最多重复出现 2 次
• 参考的爆款标题必须支持点击查看作品链接：标题文字

第六步：验证输出格式是否正确

必须在输出前完成格式验证，确保所有格式要求 100% 符合。

最终输出顺序：先输出 "数据说明"，再输出全部 10 个推荐标题。

输出格式（必须严格遵守）

基于本次分析，为您生成以下10个爆款标题：

**数据说明**：！！！受小红书风控规则限制，部分作品链接可能无法正常跳转，您可复制对应作品标题前往小红书搜索查看，感谢理解🙇‍♀️🙇‍♀️

**标题1：[标题内容]**
📈匹配指数：[数值]
🔥参考的爆款：[参考标题1](链接)（互动数：XXX）、[参考标题2](链接)（互动数：YYY）
👍推荐理由：[详细推荐理由，包含：标题结构、关键词、目标人群、痛点、价值承诺、受欢迎原因]

---

**标题2：[标题内容]**
📈匹配指数：[数值]
🔥参考的爆款：[参考标题C](链接)（互动数：XXX）
👍推荐理由：[详细推荐理由]

---
...（共10个标题）
---

高级使用

用词规范（必须 100% 遵守）：

• 在所有输出内容中，绝对禁止使用 "爬取"、"抓取" 这两个词
• 必须用 "获取" 来替代

匹配指数规则：

• 数值范围：8-10 之间
• 保留一位小数
• 同一个匹配指数最多重复出现 2 次

使用建议：

1. 先测试匹配指数较高的 2-3 个标题，观察实际数据表现
2. 根据测试结果，调整标题的关键词和表达方式
3. 结合自己的内容特点，对推荐标题进行个性化修改

常用指令速查

5. 使用场景

1. 新手创作者找标题灵感：输入自己的内容主题（如 "减脂餐"），获取 10 个符合爆款规律的高匹配度标题，直接选用或参考修改。
2. 内容运营批量产出标题：针对不同的细分关键词依次查询，快速批量生成多套标题方案，提升内容产出效率。
3. 文案策划验证标题质量：将自己草拟的标题作为输入，让系统基于同赛道爆款数据生成对比标题，验证标题是否踩中爆款规律。
4. 泛类目方向的选题探索：输入泛化词（如 "穿搭"），通过拓展策略获取 10 个细分方向，再对每个方向生成标题，发掘潜力爆款方向。

6. 项目架构

目录结构

xiaohongshu-title/
├── SKILL.md                      # 本文件
└── scripts/
    └── fetch_xhs_trends.py       # 数据查询脚本，调用红狐API获取爆款标题数据

技术栈

核心模块说明

• fetchxhstrends.py：接收关键词和时间范围参数，调用红狐 API 查询小红书热门笔记标题数据，输出 Markdown 格式的爆款数据文件（关键词_爆款数据.md），供后续分析使用。

资源索引

7. 常见问答

安装

Q: 需要安装什么依赖？ A: 需要 requests 库，如未安装可执行 pip install requests。

Q: 如何配置 API Key？ A: 请前往 红狐hub 获取 API KEY，通过环境变量 REDFOXAPIKEY 配置。

使用

Q: 数据覆盖多长时间？ A: 数据库只包含昨天至 30 天前的数据。

Q: 泛化词和细分词如何区分？ A: 泛化词是抽象层级高、覆盖范围广的概括性词汇（如 "穿搭"、"美妆"）。细分词是含具体场景/属性修饰的词（如 "职场穿搭"、"减脂餐"）。

Q: 数据不足怎么办？ A: 自动按近 1 天 -> 近 3 天 -> 近 7 天 -> 近 30 天的顺序扩展时间范围，禁止换词。

Q: 标题为什么限制 20 字？ A: 基于小红书爆款数据分析，20 字以内的标题点击率最高。

故障排除

Q: 为什么不能搜索 "今天" 的数据？ A: 用户说 "今天/今日" 时，回答 "非常抱歉，今天的数据暂未更新，已为您展示最近可用的数据"。

Q: 为什么不能查询超过 30 天的数据？ A: 用户要求的时间超出 30 天时，回答 "非常抱歉，当前仅支持最近 30 天的数据，已为您展示最接近的数据"。