xhs-replicate

xhs-replicate — 单一参考驱动的内容生产与复盘

源 Skill 元数据

• when_to_use:用户说「出一篇 / 复刻这条爆款 / 做 X 主题的图文 / 找个爆款套一下 / 蹭这个热点出个内容」时。可独立触发,自带前置补全。
• arguments:"topic_or_viral_note role"
• argument-hint:"[主题或爆款note_id] [official|personal]"

这条流程的目标(项目核心目标,重定义)

• 高效 = 从「调研找 idea」到「发布就绪」的最短链路：锚一条用户确认的高质量参考，迁移可复用的信息层级，填入当前产品的真实内容并出图。产品事实必须来自用户当前 workspace 或明确提供的资料。
• 优质 = 两个指标驱动,重心全在内容:
  • 曝光(阅读数)= 钩子:首页钩子照爆款实际编排,从用户痛点 / 热点出发,让人「看到标题封面就想点」。
  • 赞藏(赞阅比 / 藏阅比)= 用户价值:内容有价值、不空、有序清晰、解决用户真实问题——让人「点进来觉得值,愿意赞/收藏」。

⚠️ 诚实边界:这条流程优化的是「单帖内容质量」。曝光量本身受账号权重 × 赛道体量限制(结构性天花板,靠养号/选赛道,内容架构够不到)。复刻让产出更快更稳,不等于保证爆。

5 步闭环

若执行时发现依赖缺失,触发统一的 onboard-growth-lab,由它在一次对话里审计全部能力并让用户选择配置或绕过;本 Skill 不自行维护 onboarding 流程。

产品认知贯穿整个闭环，不在开始时一次性补齐。首次执行或当前任务缺少产品事实时，调用 research-product，只把已确认的产品形态与能力增量写入 SOUL.md；用户、问题和价值继续作为待验证项。详细连接方式见 产品能力与内容机会映射。

① 找 idea  →  ② 选择参考并迁移结构  →  ③ 填内容  →  ④ 生图 + 检查  →  ⑤ 结果回收与复盘

① 找 idea(调研驱动)

• 调研竞品 / 爆款 / 热点话题 / 热点事件,产出「有曝光潜力的 idea」。
• 来源：xiaohongshu-mcp 的 browser-first 只读采集 + memory/xhs-replicate/libraries/xhs/ 中本 loop 运行时派生的通用候选样本 + 当下热点。仓库不附带私有对标库。
• 首次搜索默认采集 25 条。开始前必须告诉用户数量可调整，但建议 25 条；每批限定 20–30 条并在返回后立即落盘，不能等待无界的页面稳定判断。
• 产出 = 一句话 idea:挂哪个热点 / 戳哪个痛点 + 锚哪条爆款(note_id)。
• 先看可借鉴性，不用同类性做准入门槛：商业产品、课程、无源码项目、不同角色或不同宣传目的的内容都可以进入候选。找爆款不是寻找与当前产品、目标用户、产品类型、宣传目的和叙事角色完全相同的内容；只要它在钩子、叙事、信息组织、视觉编排或转化方式上有益，就可以参考。不得因为“不是开源项目”“没有源码”“是课程/商业产品”而直接剔除。
• 对 shortlist 中每条候选都做一份差异—迁移判断，至少记录：它卖什么、对谁说、希望读者做什么、由谁叙述；分别与当前任务有什么差异；这些差异会怎样改变可信度来源、利益承诺强度、销售感、技术细节密度和整体内容调性；最后明确哪些结构可以迁移、哪些表达不能照搬。格式见 产品能力与内容机会映射。
• 🔑 选品判断不可省：下载首批全部封面并检查联系表，只为 3–8 条视觉及内容均通过的候选补详情。直接向用户展示候选代表图、标题、评分和风险；无法确认图片内联展示时，在同一回复提供干净公开链接。若用户认为所有候选都一般，记录原因并换查询，不得强迫从弱批次中选择“最好的一条”。

② 选择参考并迁移结构

• 由用户确认恰好 1 条主要视觉学习样本，写入 visual-reference-selection.json 并通过 Collector 验证器。其他候选只能作为被拒绝的研究证据，不能混入视觉规则或生图 reference。
• 只迁移抽象层级、证明区比例、阅读节奏、信息密度等通用规则。不得复制来源的品牌、文案、产品 UI、专有截图、独特装饰、精确构图或完整卡片顺序。
• 产出：draft.md、image-plan.md、单一参考选择和不可复制边界；每张卡说明自身职责、真实素材和制作模式，不以参考图卡数决定成品卡数。
• 实操由 xhs-render-cards 总 SOP 负责，具体路线见其 references/rendering.md。

③ 填内容(优质核心 = 重心所在)

• 把当前产品的已验证真实功能填进已批准结构；事实来源不明确就停下询问，禁止补写。
• 按以下钩子与价值约束填写:
  • 钩子(曝光):首页/标题用爆款验证过的 hook 类型,结合自家功能本地化改写(模仿表达风格,不生搬原句)。
  • 用户价值(赞藏):每处填「用户能得到什么」,过价值三问(① 用户操作还是用户产物?② 功能名还是解决问题?③ 产品做了什么还是用户得到什么?)——能填进「我能 ___」才对。
• ⛔ 功能 ↔ 卡位适配(防生搬硬套,唯一硬抓手):原图卡位无对应真实能力 → 砍卡 / 换功能,不凑卡数硬编。参考图有 7 卡而真实内容只支持 6 卡，就据实做 6 卡。
• 每段必须通过 xhs-render-cards 的 DAI SOP，DAI 不再是可选的独立 Skill。
• 内容必须坚持一个鲜明立场并单向推进。遇到有风险、无证据或无法坚定成立的 claim，整句删除；不得用“不承诺、只实现、作为 demo、局限是、并不意味着”等防御性表达保留弱化版本。
• 真截图走 screenshot-assets(AI 不伪造产品 UI)。

④ 生图 + 自动检查

• 官号:按 xhs-render-cards 完成 DAI、image plan、素材、渲染和质量检查。个人号:仍必须完成 DAI；无图时可跳过渲染阶段。
• 出图 / 发布前运行两项自动检查（make lint-post，未通过时以 exit 1 阻断）：
  • executors/xhs-render-cards/scripts/check-compliance.py — 通用平台合规(绝对化宣称 / 站外导流 / 虚假保证 / 敏感信息)
  • executors/xhs-render-cards/scripts/check-banned-phrases.py — 降 AI 味(「不是A而是B」/ AI 套话)

⑤ 结果回收与复盘

用户说“这批发完看数据”“月度复盘”“根据结果更新方法”时，继续执行本 loop 的 结果回收与复盘流程，不要转交独立的 result-intake Skill。

• 发布当下以及 24h、48h、7d 的真实数据写入 memory/xhs-replicate/publish-log/。
• 回收截图、单帖复盘和分析也留在 memory/xhs-replicate/，与产生它们的帖子建立可追溯链接。
• 新规律必须至少有 3 条共现证据；先给用户 diff 草案，确认后才更新本 Model 或相关 Collector/Executor 的方法。
• 不自动触发回收、不自动发布、不自动 commit 方法变更。

保留的人工反馈点(只 2 个)

• role(官号 / 个人号)缺 → 问用户(决定 deai 规则 + 是否出图)。
• 选哪条作为主要视觉学习样本 → 必须展示图片或干净公开链接后由用户拍板或确认。

红线（自动合规检查 + 人工最终确认）

• 绝对化宣称、站外导流、虚假结果保证、敏感信息索取都可能在内容替换时被带入。check-compliance 只拦字面；语义层仍需人工审阅。
• 具体行业的监管、声明和禁用表达由调用本 loop 的领域方法负责，不能写死在通用小红书流程里。

不做什么

• 不归纳 form / 不凑 ≥5 参考 / 不走 8 步铁律 —— 那是已删的原创路线脚手架。
• 不复制来源的精确版式、视觉身份、文案或产品界面；只迁移已记录的抽象结构规则。
• 不把“必须同为开源项目 / 必须有源码 / 必须同目标用户与角色”当作爆款候选的硬筛选条件。
• 不为凑原图卡数硬编无对应能力的功能(= 生搬硬套,红线)。
• 不发布 / 不跳过合规检查 / 不让 AI 伪造产品 UI。

Growth Lab Memory 接入

• 本轮调研证据、选品判断、锚定的 note_id / URL、执行产物路径、人工发布信息与下一步写入 memory/xhs-replicate/。
• memory/xhs-replicate/outputs/ 继续承载本 Skill 原有的发布物目录；Memory 用可追溯链接引用这些产物,不重复保存方法论。
• 发布数据统一写入 memory/xhs-replicate/publish-log/；不得另建 memory/result-intake/。