xhs-needs-mining

Public-lite workflow for turning Xiaohongshu/XHS posts and comments into structured opportunity clusters.

中文为主。This is a public-lite release: it shares the method, schemas, safe heuristics, and report/review scripts, but does not include platform adapters, login details, runtime orchestration, or full production prompts.

这是什么

xhs-needs-mining 想解决的是：

• 不是泛泛“刷小红书找灵感”
• 而是把 真实用户需求、评论证据、现有替代方案、价格/付费信号、立项判断 结构化
• 最后输出成可以继续验证的 机会簇报告

它更像一套：

• 方法框架
• 数据结构
• 证据归并与补齐逻辑
• 报告 / 复盘脚本

而不是一个“一键爬全站”的项目。

公开版边界

这个仓库公开的是：

• 需求挖掘方法
• 结构化字段设计
• 证据 / 归簇 / 报告 / 复盘脚本
• 脱敏样例输入与输出
• 一个可复现的 public-lite 工作流

这个仓库不公开：

• 平台登录方式、cookie、token
• 高风险自动化细节
• OpenClaw runtime / heartbeat / task resume 逻辑
• 全量生产 prompt
• 完整内部业务阈值与排序细节

仓库结构

xhs-needs-mining/
├── docs/
├── examples/
├── prompts/
├── rules/
├── schema/
├── scripts/
└── output/

适用场景

更适合这些任务：

• 从小红书帖子和评论里找 可产品化 或 可服务化 的需求
• 给机会簇补 谁付钱 / 价格带 / 市场类型 / 供给状态 / 立项建议
• 对历史结果做 review，而不是每轮都从零重搜

不适合这些任务：

• 当作“平台批量采集器”
• 代替人工判断所有商业机会
• 把热度直接等价成需求

Quick start

1. 渲染样例报告

python3 scripts/render_report.py \
  --input examples/sample-no-supply.json \
  --output-dir output/reports

2. 基于报告结果做复盘

python3 scripts/review_resume.py \
  --input output/reports/leads-*.json \
  --output-dir output/reviews

3. 看结果

会生成：

• output/reports/report-*.md
• output/reports/leads-*.json
• output/reviews/review-*.md
• output/reviews/review-seed-*.json

核心思路

这套方法默认分 4 步：

1. 搜索与取证：不要只刷热帖，要补 求助 / 替代 / 吐槽 / 交易 四条路由
2. 互动解释：先分帖型，再解释点赞 / 评论 / 收藏，不把热度乱揉成一个分
3. 评估与归簇：不是只看“像不像需求”，还要看供给状态、价格带、谁付钱、立项边界
4. 报告与复盘：先给出可读结论，再生成下一轮续跑关键词和验证项

方法上的几个硬原则

• 求教程 不自动等于产品需求
• 高收藏 不自动等于高付费意愿
• 已有解决方案 不等于没有机会，要先区分是不是 供给低效
• 有市场但没供应 和 有解法但供给低效 都是有效机会类型
• 排序前先过 柔性闸门，别用一个总分糊过去

你能从仓库里直接拿走什么

• scripts/evidence_signals.py：证据量、路由覆盖、回填逻辑
• scripts/interaction_intent.py：帖型 / 评论意图 / 互动偏向判断
• scripts/cluster_enrichment.py：保守补齐高层判断字段
• scripts/render_report.py：把结构化 JSON 渲染成 Markdown 报告
• scripts/review_resume.py：把历史结果复盘成下一轮续跑 seed

安全与使用边界

如果你要接真实平台，请自己遵守：

• 只读、低频、最小必要调用
• 先登录检查，再取证
• 不点赞、不评论、不收藏、不发布
• 单条失败不要拖垮整批
• 评论只抽样，不无限下钻

推荐阅读顺序

1. docs/method.md
2. docs/data-collection-principles.md
3. docs/engagement-interpretation.md
4. docs/scoring-and-clustering.md
5. docs/review-workflow.md
6. prompts/prompt-lite.md
7. rules/public-rules.md

License

MIT