企业官网建设流程全解析

1. 为什么我决定把整个小红书账号“做成一个 Skill”

先说下背景。我是典型的“一个人运营一个小红书账号”的状态：白天有本职工作，晚上想认真更新内容，但一直困在“想选题、憋文案、做图、发布、回评论、看数据”这个循环里。坚持日更两个月后，我发现自己不是在创作，是在消耗。选题靠刷热点，文案靠硬写，数据不好也不知道该调哪里，每天单是打开小红书的时间就占掉至少两小时。

后来我开始接触 Agent Skill 这个东西。Cursor、Claude Code 这些工具里都支持自定义 Skill，简单说就是给 AI 助手一份结构化的操作手册，告诉它“在什么情况下，按什么步骤，调用什么资源，最终输出什么结果”。一开始我只是用它处理代码库任务，有一天忽然冒出一个念头：既然 Skill 能把复杂工作流固化下来，那我的账号定位、选题方法、文案风格、发布流程、复盘逻辑，能不能也全部固化成一个 Skill？

答案是能，而且跑通之后效果远超我预期。这篇文章把所有实现细节拆给你，包括我踩过的坑和调试过程中的取舍。你不需要完全复制我的做法，但里面的模块划分、流程设计和避坑思路，基本可以迁移到你自己的内容账号上。

先说清楚一个概念，免得后面混淆：Skill 不是一段 Prompt。普通 Prompt 是“你帮我写一篇关于 XX 的小红书笔记”，说完就完了，下次还要重复。Skill 是一整套能力包，里面包含触发条件、执行步骤、人格设定、素材库、工具脚本、输出模板，甚至可以挂载代码帮你完成排版和发布动作。它解决的是“每次输出都完美继承我的方法和风格”的问题，而不是“某一次输出还不错”的问题。

还有一个需要区分的东西：Skill 和 Agent 的关系。Agent 是干活的人，Skill 是这个人掌握的专业技能手册。Agent 负责理解任务、拆解目标、调度工具，Skill 负责告诉它“小红书这件事具体该怎么干”。做小红书 Skill 的本质，就是把你脑子里的方法论外化成一份机器可执行的标准作业程序。

我用的运行环境是 Claude Code，它的 Skill 机制比较成熟，支持 Markdown 格式的 SKILL.md 作为入口。你如果用的是其他支持自定义指令的 Agent 工具（比如 Cursor Rules、Codex 的指令包），原理也完全一样，后面我给的目录结构可以做对应迁移。

2. Skill 核心架构：我把账号运营拆成了五个可独立升级的模块

真正动手设计这个 Skill 的时候，我第一件事不是写代码，而是先把“我一个人运营小红书”这件事拆解成最小组成单元。拆完之后发现，看起来复杂的运营工作，其实只有五件事：定方向、找话题、写内容、发出去、看反馈再调整。

对应这五件事，我把 Skill 分成了五个模块，每个模块都是独立目录，可以单独改、单独升级，互不干扰。这也是做 Skill 和写普通提示词的本质差异之一：普通提示词是流水账，Skill 是模块化系统。

2.1 账号定位模块：不靠拍脑袋，靠人物档案和内容矩阵

定位这件事，是最容易被忽视但容错率最低的环节。很多人做账号失败，不是内容质量不行，而是定位模糊，今天发职场感悟，明天发美食探店，后天又发读书笔记，算法没办法给你贴标签，用户也没办法形成预期。

我在 Skill 里放了一份persona.md，也就是账号人设档案。里面写清楚几件事：

• 身份设定：我是谁（例如：深夜还在加班的互联网运营人/二胎妈妈/程序员转行产品经理）；
• 价值主张：我持续分享的核心价值是什么；
• 内容边界：什么内容绝对不碰，防止账号定位漂移；
• 语言人格：用词习惯、称呼方式、情绪基调。

但这个档案不是写了一劳永逸的。更重要的是 Skill 里埋了一个内容矩阵表格，把内容分成三条线：给新用户看的“立人设内容”、给中需求用户看的“提供价值内容”、给老粉看的“建立深度连接内容”，每条线的比例参考 5:3:2。每次 Agent 生成内容之前，会先校验这条笔记落在矩阵的哪一格，如果内容跟矩阵不匹配，它会自动退回重新构思。这一步很关键，它让定位真正落地成了规则，而不是一句“垂直领域”的空话。

2.2 选题引擎：把“今天写啥”变成可批量生产的流水线

做内容账号的人最深的一个痛点就是选题。我见过太多人倒在日更这一步，不是写不动，是“不知道写什么”。

选题模块的核心设计思路是：不要等灵感，要建一个持续补给的选题池。我让 Skill 每周自动运行一次选题生成任务，结合三个输入源：

• 我之前笔记里数据表现好的角度；
• 同领域头部账号最近的高互动话题；
• 用户评论区反复出现的高频问题。

这三个输入源汇总之后，它会按照“痛点程度、相关性、可写性、生命周期”四个维度打分，筛选出 10 个候选选题，存入选题库文件。每天日更时，Agent 从选题库里取“今日推荐”，而不是临时生成。这样避免了每天开写时大脑空白，也保证了内容之间有关联性和连续性，不是东一榔头西一棒子。

2.3 写作模块：核心是“风格锁”和“钩子库”

写作模块是我迭代次数最多的部分。因为 AI 生成的内容有一个很明显的问题：单看没什么毛病，放一起全是同一个味道，套话多、情绪假、没有记忆点。

我做了两个东西来解决这个问题。第一个是风格锁（Style Lock），它不是一段“请用小红书风格写”这种模糊指令，而是一个结构化约束文件，里面包括：

• 句式节奏要求（短句为主，单段不超过 4 行）；
• 表情和 emoji 的使用频率、位置上限（控制在小红书用户能接受的范围，不能像刷屏一样）；
• 人称和语气的一致性；
• 用词黑名单（禁用“众所周知”“总而言之”这类书面腔表达）。

第二个是钩子库（Hooks Library）。我把我见过的高打开率开头做了拆解，总结出 6 种开头钩子模型，比如“反常识结论式”“问题代入式”“过程悬念式”“身份共鸣式”“结果先行式”“踩坑警告式”。每次写作时，Agent 需要至少尝试 3 种不同的钩子方向，再从中选最优。整个过程不是随机的，而是要跟选题定位匹配。

2.4 发布动作模块：用 Playwright 把“手动发笔记”变成“半自动发布”

发布是小红书运营里最机械、最耗时的环节。每篇文章要填标题、写正文、加话题标签、传封面图，有时候还要选合集、定时发布。全是重复点击，非常适合用自动化工具处理。

我的 Skill 里挂了一个 Playwright 脚本，用来完成浏览器的自动登录、新建笔记、填充内容和发布动作。你可能会担心平台风控，所以这里我必须强调：我没有把发布做成完全无人值守的“黑灯运行”。脚本执行到发布前最后一个确认步骤时，会停住等我人工检查一遍排版、内容、封面，确认没有问题，我再手动点发布按钮。这是自动化流程里故意保留的“人工确认节点”，后面我会详细讲为什么。

2.5 数据复盘模块：把流量反馈喂回给 Skill，形成迭代闭环

复盘模块是让这个 Skill“活”起来的关键。我会定期从创作者后台导出笔记数据（曝光、点击、收藏、评论、涨粉），生成一个 CSV 文件放进 Skill 的数据目录。Agent 读取之后，会做几件事：

• 对比近 7 天数据和之前的数据，找出涨跌异常；
• 把表现最好的 3 篇笔记做特征拆解（标题结构、话题选择、正文长度、封面风格）；
• 更新选题池的权重：哪些话题方向应该加大投入；
• 输出一份复盘报告和下一周期调整建议，我确认后，它会把建议落回 persona.md 和内容矩阵文件里。

这一环的价值在于，账号的进化不再依赖我的主观复盘。以前我最多看一眼数据，感觉“这篇不错”，但说不清到底哪里不错。现在系统会把“不错的原因”找出来，沉淀成下一次可复用的规则。

3. 核心实现：从定位到日更的每一个环节具体怎么落地

讲了模块设计，下面讲实现。我会给出实际落地时的目录结构、关键文件内容片段和主要流程逻辑，尽量还原到我当时在终端里敲出来的样子。

3.1 Skill 目录结构：一个账号就是一个目录树

我先把 Skill 建成了一个独立目录，放在 Claude Code 的 skills 目录下，名字就叫xiaohongshu-ops，结构如下：

xiaohongshu-ops/ ├── SKILL.md ├── profile/ │ ├── persona.md │ ├── audience.md │ └── content_matrix.md ├── ideas/ │ ├── generator.md │ └── idea_bank.json ├── editor/ │ ├── style_guide.md │ ├── hooks_library.md │ ├── headline_templates.md │ └── forbidden_words.txt ├── release/ │ ├── checklist.md │ ├── publish_config.json │ └── playwright/ │ └── publish_note.js └── review/ ├── analyze.py ├── metrics_schema.md └── retro_logs/

每个目录对应第 2 节说的一个模块。这样做的好处是，任何一个子模块有问题，我只需要修改对应的那个文件，不用动其他部分。比如发现风格锁太死板，我就只打开 editor/style_guide.md 调整，不会影响选题模块的运行。

3.2 SKILL.md 入口文件：Agent 每轮执行的“总指挥”

SKILL.md 是整个 Skill 的入口，Agent 会在相关任务触发时自动加载它。这个文件的写法决定了整个 Skill 的顺畅度。我当时是这么组织它的结构：

--- name: xiaohongshu-ops description: 小红书账号定位、选题、内容生产、发布复盘的全流程运营技能。 当用户需要更新小红书、生成笔记、复盘数据时使用。 --- # 小红书日更运营 Skill ## 核心原则 1. 先定位，后内容。任何笔记生成前必须校验内容矩阵匹配度。 2. 风格锁必须生效，禁止出现 forbidden_words.txt 中列出的词。 3. 发布前必须输出 checklist 供用户人工确认，不擅自操作。 ## 标准工作流 - 每日更新：读取 idea_bank.json → 按权重选取今日选题 → 按 style_guide 撰写初稿 → 生成 3 个标题选项 → 输出排版后的正文和话题建议 → 进入待发布检查。 - 每周复盘：读取 review/retro_logs 最新数据 → 生成复盘报告 → 将结论写入 profile 和 ideas 模块。

这个文件的核心作用是设定“运行边界”。我特别写清楚了“不擅自操作”和“先定位后内容”这两条，因为 Agent 如果不加约束，很可能会绕过定位校验直接给你写出一篇新内容。多跑几次你就会发现，边界约束比能力要求更重要。

3.3 人设档案示例：定位不是一句话，是一结构的约束

下面是一段我从 persona.md 里精简出来的示例，你可以直观感受一下“结构化人设档案”长什么样：

## 账号身份 - 身份标签：30岁互联网从业者，业余自媒体人 - 在写账号这件事上的优势：一线实操经验，非理论搬运 ## 价值主张 - 只分享我自己验证过的东西 - 不写“月入十万”“一夜爆红”这类浮夸内容 - 每篇笔记要回答一个问题：读完这条，读者能带走什么？ ## 内容边界（红线） - 不讨论任何敏感领域 - 不虚构数据，不夸大效果 - 不用“震惊”“必看”等夸大标题词 - 不接无关联的广告 ## 语言人设 - 语气：近乎聊天，偶尔自嘲，不端架子 - 句子：短句，多用标点断句 - 结尾习惯：用一句“实操建议”或“个人经验”收尾

3.4 选题池机制：从“每天憋选题”到“每周补货”

选题池我用了非常轻量的 JSON 文件，没有引入数据库。每条记录大概长这样：

{ "id": 1024, "title": "一个人运营小红书，我劝你不要只发一种内容", "source": "评论区高频问题", "topic_score": 8.5, "fit_level": "high", "status": "ready", "created_at": "2025-06-10" }

每次 Agent 生成新内容前，会优先挑选status为ready且topic_score最高的那一条，生成完成后把状态改成used。每周复盘时再根据当周表现给选题池补新货。这样保证每天启动时，永远有一个已经成型的选题等着你，而不是临时冥思苦想。

真实跑下来，这个机制最明显的体感是：我每天打开电脑，知道今天该干什么，不用做决策只是执行，创作焦虑一下就降下来了。

3.5 写作流程中的“三次校验”：标题、钩子、风格锁

具体到每一篇笔记的生产，我的 Skill 内嵌了一条三段式校验规则。Agent 写完初稿后不是直接交付，而是依次执行：

1. 标题校验：从 headline_templates.md 中选择匹配的标题模板，生成 3 个候选标题，并检查是否触及平台标题红线（比如“第一”“最”这类极限词）。
2. 钩子校验：检查正文前三行是否命中了 hooks_library.md 中至少一种钩子模型。如果前 3 行没有一个明确钩子，直接重写开头。
3. 风格锁校验：逐条检查 permission 和禁止项，用 forbidden_words.txt 做关键词过滤，同时评估句式长度和段落密度。

这套校验跑完之后输出的稿件，基本达到“像一个人写的”标准。但注意，一开始这套流程非常容易让内容变得生硬，因为 AI 一旦被太多规则约束，就会过度谨慎，写出来的文字缺一点人味儿。后来我在 style_guide.md 里加了一条非常奇怪的规则：“允许偶尔啰嗦，但必须诚实。”这个改动释放了 Agent 的表达自由度，内容反而自然了。这也是我觉得做自动化内容最有意思的地方：约束不是越多越好，关键是找到让 AI 既有框架又有人味的那条线。

3.6 发布自动化：Playwright 脚本怎么嵌入 Skill

发布模块我使用的是 Playwright 脚本，配合一个固定的账号环境。整体流程如下：

• 环境准备：用一个单独的浏览器上下文保持登录态。
• 内容读取：脚本从编辑模块生成好的待发布文件中读取标题、正文、标签。
• 执行步骤：打开创作中心 → 点击“发布笔记” → 上传封面图 → 填充标题正文 → 添加话题标签 → 选择合集分类 → 停在“发布按钮”前。
• 人工确认：脚本输出一个明确的提示，等我按下“发布”。

这里有一个安全和技术上的重要细节：小红书这类内容平台的页面 DOM 结构随时可能变，脚本的稳定性和失效概率你都难控制。所以我从来不维护复杂的自动上传、自动选择图片这类逻辑，只让脚本完成“填写文本类内容”的动作，图片上传这类操作尽量保留人工操作。自动化不是追求 100% 全自动，而是把最枯燥的部分省掉，剩余少量点击留给人，这样最省心也最抗风险。

3.7 复盘分析脚本：把数据文件变成文档

复盘模块，我用 Python 写了一个 analyze.py，逻辑非常简单：读取 CSV → 关键指标排序 → 对比上周均值 → 输出结果文件。核心代码逻辑就几十行，无非是数据清洗和 groupby 操作。真正有用的是它输出报告时触发的下一步动作：

• 如果某篇笔记的收藏率明显高于平均值，它会把这篇笔记的“内容角度”回写进 persona 的价值主张；
• 如果某类标题点击率很低，它会把这类模板标记为“低效”，以后不再优先选择。

这样就实现了“数据反馈驱动定位调整”的闭环。很多做号的人复盘做得非常粗略，看一眼数据就完了。我的 Skill 把我观察数据、提取规律的过程固化成了代码逻辑，哪怕我以后账号交给别人维护，这套方法论也能稳定输出。

4. 运行机制与踩坑实录：日更自动化不是一个 Skill 文件就完事

有了结构，只完成了 50%。真正让它稳定跑下去，还取决于运行机制和反复排错。这一节我把最容易出问题的几个点全部说清楚，都是实打实踩出来的坑。

4.1 触发方式与运行节奏：不是让 AI 没事就自动跑

Skill 本身不具备“自主行动”的能力，它需要有任务请求来触发。我的实际运行节奏是这样的：

• 每天早上：运行一次日更任务，Agent 读取选题池，生成今日内容和发布清单；
• 每周日晚：运行一次复盘任务，Agent 读取数据，更新选题池和定位档案；
• 每月初：我手动跑一次“定位校准任务”，重新检查人设和内容矩阵，确保没有跑偏。

这三条触发节奏我都写进了 SKILL.md 的标准工作流里。这样 Agent 日常不会乱动，只在指定场景按流程执行。这一点非常重要：如果你让 Agent 一直自动运行，很快它会给你生成大量同质化内容，甚至误触发非目标动作。好的自动化不是时刻在跑，而是在合适的时刻精准地跑。

4.2 踩坑：AI 内容的“保质期”问题

内容生成多了以后，我发现一个严重问题：即使每篇单独看都合格，连续 7 天下来整个账号的说教味还是变重了。原因在于选题池的来源太集中在“价值输出型”内容，缺少“日常碎碎念型”和“记录过程型”的内容，账号显得太“板正”。

解决方法是给选题池加“内容情绪维度”。每条选题打三个标签：信息量等级、情感温度、生活浓度。每天的输出按比例随机：大约 40% 硬知识型、35% 经验记录型、25% 生活互动型。调整之后，账号的互动率明显变好，评论区开始出现“感觉你好真实”这类反馈。这一条对于做自动化的博主来说最关键：内容算法的目标不是完美，而是立体。

4.3 踩坑：风格锁过分收紧导致“AI 味崩溃”

这个坑很有意思。我最初为了保证“不像 AI”，把风格锁写到很细，包括每句话要有短句结尾、禁止用任何连接词、禁止书面语。结果生成的文字离 AI 味远了，但离“人话”也远了，读起来像初中生写作文，没有任何信息密度。

后来我发现，所谓 AI 味，本质上不是句式问题，而是信息密度低 + 逻辑套话。真正的 AI 味表现是“说了很多但什么都没说”。所以我改成了抓大放小：只检查两条硬规则——不要空洞铺垫，每个观点要有具体细节支撑；不要万能金句，要有自己的实际经历。其他句式上的东西，全部放掉。跑了两周之后，内容质量明显回升，更接近真人真实表达。

4.4 踩坑：平台风控与内容安全检查

做小红书自动化，绕不开平台的风控机制。我在最初测试自动发布脚本时，就遇到过一次异常登录检测，导致账号被暂时限制。排查之后，原因很可能是登录环境与常用设备差异过大。

我的处理方案是：

• 降低自动化登录频率：登录态长期保持，不每次跑都重新登录；
• 固定运行环境：自动化脚本只在本机同一浏览器上下文中运行；
• 发布节奏自然：每天固定时间发布，一小时内只发一次，不与平台产生异常交互；
• 保留手动确认节点：某些环节始终人工兜底。

另外在内容安全上，所有生成内容都要过白名单审查：不带医疗、金融、夸大承诺类敏感词，不触犯平台内容规范。这块我用了一个独立的content_safety_check函数，把禁止词表和敏感领域写进去，生成之后自动校验。

4.5 踩坑：复盘模块的数据偏差

复盘模块看起来简单，但有一个隐患：数据文件本身可能缺样本。比如你刚开始更新三篇，就有一篇数据特别异样，它会把一个极端值当成规律写回人设档案，导致这周定位方向走偏。

我给复盘模块加了一个“样本置信度检查”：只有同类内容的数据样本量达到 5 条以上时，才允许它总结规律并写回定位档案。如果样本不足，只输出观察性描述，不执行写入动作。别小看这个规则，它避免了系统拿偶然当必然。做自动化的每一步，其实都是在跟“少数样本误判”作斗争。

5. 效果如何，以及自动化内容创作的边界在哪里

跑了一个月之后，我的账号在日更负担显著下降的情况下，数据没有下滑，反而在单篇收藏率和粉丝增长速度上有了小幅提升。更重要的是，我彻底摆脱了“每天坐下来面对空白选题”的恐惧。现在我每天打开电脑只需要花 20 分钟——检查稿子、微调语气、确认发布，剩下的思考和产出环节基本交给了这套系统。

但我也必须泼一盆冷水：自动化 Skill 不是把内容事业变成印钞机。它解决的是运营执行效率和一致性问题，不解决“你到底有没有真知灼见”这个更上游的问题。如果一个人本身没有方法论、没有实践的素材积累，那 Skill 生成的只是漂亮的空壳，甚至会通过高频更新掩盖内容空心的窘境，短期的数据假象之后会伤害账号长期信任。

所以我想帮你在考虑做一个“账号自动化 Skill”之前，先诚实回答三个问题：

1. 你有没有足够的原创经验和观点输出，值得被固化下来？
2. 你是否愿意保留“人工确认”这一环，而不是把账号完全交给机器？
3. 你是否能接受初期至少两周的调试期，每天像调教新人一样跟 Agent 磨合？

如果这三个问题的答案都是肯定的，那我非常推荐你动手。我自己的体会是：把账号方法固化成一个 Skill 的过程中，最有价值的未必是自动更新本身，而是你会被迫把自己那些模糊的“感觉”变成清晰规则。这个过程会让你的运营思路变得前所未有的清楚。

最后分享一个小技巧：不要一开始就追求做“全网最复杂”的 Skill。先只做最小闭环——定位 + 日更生成 + 手动发布 + 周末手动复盘，跑顺之后再逐步加入自动发布、数据复盘、自动调优。一个能持续跑两个月的小系统，远胜过一个功能完整但跑两天就崩了的大系统。