name: social-account-doctor description: 小红书 / 抖音 / 快手 / 视频号 自媒体「(compose 素材打底 →) 找对标 → 拆爆款 → 套自己」四命令闭环。给我的账号 / 选题方向 / 原始素材（文档/图片/视频），吐出"可发的下一条笔记初稿"。当用户说"找对标"、"拆这条爆款"、"对着这条仿写"、"下一条该写什么"、"我这个号缺爆款选题"、"帮我写一条对标 XX 的笔记"、"我有素材帮我写一条能爆的"、"这份文档/这组图/这段视频能出一条爆款吗"时调用。诊断模式（"为什么不爆"）走 references/diagnostic-mode.md。

social-account-doctor — 找对标 / 拆爆款 / 套自己

不挖钩子建仓库，不写诊断报告。 直接对着具体爆款 → 输出我的下一条笔记初稿（标题 + 封面大字 + 首段 + CTA）。

0. 闭环图

[我的原始素材（文档 / 图片 / 视频 / 非平台链接）]   ← 新入口（compose）
       │
       ▼ ⓪ compose (多模态解析 → 核心事实/独家要素/金句清单 → 5 维本质 → 信息缺口)
       │
[我的账号 / 选题方向 / compose 画像]
       │
       ▼ ① find  (多模态识别本质 → 矩阵搜 → 相似度过滤)
[5-10 个真对标爆款]
       │
       ▼ 人工勾选 3-5 条 ✋
[选定对标]
       │
       ▼ ② crack
[每条 4 维钩子拆解（视觉/文字/口播/剧情）+ 综合权重 + 骨架 + 封面 + 标签]
       │
       ▼ ③ adapt  (有素材时：每个产出必须溯源到"对标公式 + 素材条目")
[3 标题 + 3 封面大字 + 1 段首段 + 1 个 CTA]  → 可发

副产品（可选，必须问）：crack 跑完后主动问用户「要把这些钩子积累到 ./assets/hooks-{platform}.md 吗？」 — 用户答 yes 才追加。不会自动写。库的质量由你把关，跑多了自然形成弹药库。

1. 输入路由

| 用户说什么 | 走哪个命令 | |---|---| | "找对标" / "我这个号有什么对标" / "扫一下同赛道" | find | | "拆这条爆款" / "这条为什么爆" / "提取这条的钩子" | crack（单条） | | "对着这条仿写" / "下一条该怎么写" / "套这条的钩子写一条" | crack + adapt | | "我想发 XX 主题，有什么参考" / "缺爆款选题" | find + crack + adapt（全闭环） | | "我有素材帮我写一条能爆的" / "这份文档/这组图/这段视频能出一条爆款吗" / "基于这些材料做一条" | compose + find + crack + adapt（素材打底全闭环） |

1A. compose 命令 SOP（素材 → 初稿的新入口）

触发：用户带着自己的原始素材（本地文档 / 图片 / 视频 / 非平台链接）+ 一句"帮我写一条能爆的"。 作用：跑在 find 之前，把一堆散素材炼成"5 维本质 + 独家要素清单 + 信息缺口"，让下游 find/crack/adapt 有的放矢、且不乱编素材。

输入

• 必选 1-N 份原始素材（任意组合）：
  • 本地文档 .md / .txt / .pdf → scripts/analyze_document.py <path>（md/txt 也可以直接 Read；pdf 走脚本）
  • 图片 .jpg / .png → scripts/analyze_image.py
  • 视频 .mp4 / .mov → scripts/analyze_video.py
  • 非平台链接（文章 / 博客 / 新闻 / 自己的官网/产品页）→ WebFetch 取正文
• 必选：我的账号定位（一句话）+ 目标平台
• 可选：我想强调的卖点 / 情绪 / 必须保留的关键词
• 不走本命令：小红书 / 抖音 / 快手 / 视频号 / B 站 / 公众号链接 — 那些是"别人的爆款"，直接走 crack

Step 1 逐份解析（多模态必跑，跟 find Step 1 对称）

每份素材都跑一次对应脚本，不要看一份就下结论。汇总成素材画像，5 个字段：

| 字段 | 说明 | 来源要标到具体素材 | |---|---|---| | 核心事实 | 3-5 条原子事实 | 每条标 [素材 X · 段落/时间戳] | | 独家要素 | 其他人没有的点：人物 / 数据 / 画面 / 场景 / 金句 | adapt 强制嵌入，必须标来源 | | 视觉素材候选 | 图片 / 视频帧 / 文档配图 | adapt 的封面直接从这里挑 | | 情绪基调 | 全部素材汇总出的情绪色 | 后续 Step 2 的 5 维输入 | | 信息缺口 | adapt 想成立但素材没覆盖的点 | 明文列，问用户不要编 |

Step 2 炼 5 维本质（复用 find Step 1 框架）

基于素材画像，按 find 的 5 维（载体形态 / 情绪锚点 / 审美风格 / 内容结构 / 反差点）推断这条内容应该长成什么样。输出形容词三元组 + 一句话定位。

这 5 维直接喂给 find → find 可以跳过自己的 Step 1（已经有 5 维了），从 Step 2 矩阵搜索开始。

Step 3 交棒 find → crack → adapt（素材模式）

后面三步的差异：

• find：跳过 Step 1，直接用 compose 的 5 维跑 Step 2-5
• crack：完全复用 SOP
• adapt（素材模式，强制项）：
  1. 标题 / 首段 / CTA 各至少嵌入 1 条素材独家要素
  2. 封面大字优先从素材画像的"候选金句"里选
  3. 每个产出除了现有的"抄了对标什么 + 改了什么"，加一行 用了素材：[素材 X · 具体要素]
  4. 素材覆盖不到、只能走通用话术的位置，必须 ⚪ 推断 标记 — 用户看到就知道这块是脑补
  5. 缺口明显影响成稿时（例：素材里没有具体数字但对标都有）→ 停下来问用户补，不要编一个假数字

compose 的输出

落盘到 ./reports/{YYYYMMDD-HHMM}-compose-{素材短码}.md，含：

• 素材清单（文件名 + 字/帧/时长）
• 5 维本质 + 形容词三元组
• 独家要素清单（编号）
• 候选金句 / 视觉素材清单
• 信息缺口清单 → 给用户的补充素材请求（如有）

完整闭环跑完后，adapt 报告里必须含"素材溯源列" — 没有这一列视同半成品，不写盘。

compose 的铁律

1. 素材全吃完再下结论：N 份素材全跑完解析再炼 5 维，不要跑到第 2 份就开写
2. 不编独家要素（对齐全局 feedback 账号资料修改要斟酌 的铁律 — 素材没给的不要凭空加）：adapt 想写但素材没给 → 问用户或标 ⚪ 推断
3. 素材优先于通用话术：adapt 的每一行能从素材抠出来的，就不要用通用公式兜底
4. 每一行要能双向溯源：对标公式（抄了什么）+ 素材条目（用了什么）两头都挂得上钩

2. find 命令 SOP（5 步铁律）

输入

我的账号链接 / 我的某条笔记链接 / 一个选题方向（"我想发 XX"）

输出

5-10 个对标爆款链接 — 不是关键词搜出来的，是按内容本质过滤过的。

5 步（每一步都不能省）

Step 1 内容本质识别（必跑多模态）

输入是我的账号 / 笔记 → 调 analyze_image.py（封面）+ analyze_video.py（视频）→ 提取 5 个本质维度：

| 维度 | 例子（橘猫做大酱那条） | |---|---| | 载体形态 | AI 拟人化小动物（不是真人 / 真宠物） | | 情绪锚点 | 怀旧 / 家乡味道 / 童年记忆 | | 审美风格 | 暖阳 + 慢镜头 + 烟火气 | | 内容结构 | 教程类（原料 → 成品全流程） | | 反差点 | 可爱角色 × 硬核农活（核心爆点） |

输出：5 个维度的描述（每个 1 句话）+ 形容词三元组（如：AI 萌宠 / 怀旧 / 反差教程）。

Step 2 生成搜索词矩阵

5 个本质维度交叉组合 → 4-6 个搜索词：

维度1：「AI萌宠」  / 「拟人猫」  / 「萌宠成精」
维度2：「乡村美食」/ 「老家味道」/ 「童年回忆」
维度3：「治愈」    / 「烟火气」
维度4：「教程」    / 「手作」
维度5：「反差萌」  / 「猫师傅」

⚠️ 铁律：搜索词 = 单一 2-4 字本质维度词。

• 不要用宽泛选题词（"东北大酱"会搜出真人假对标）
• 不要带空格组合（"猫师傅 美食" 在 V1/V2 接口会 HTTPStatusError，要拆成 4-6 个单词分次搜）

Step 3 矩阵词并行搜索

每个矩阵词调一次 search → 按互动量倒序取 top 10 → 汇总到候选池（20-50 条，去重）。

工具：

• 小红书 xiaohongshu_app_search_notes（只用这个，V2/Web V2 全挂 — 见 §9.1）
• 抖音 douyin_app_v3_fetch_video_search_result_v2
• 快手 kuaishou_app_search_video_v2
• 视频号 wechat_channels_fetch_search_ordinary（综合）+ wechat_channels_fetch_search_latest（最新）双源对比 — 见 §9.2

接口失败兜底：连续 3 次 retry 失败 → 不再硬刚，让用户手甩 3-5 个对标链接 → 直接 fetch_feed_notes_v2（小红书）/ fetch_video_detail（视频号）→ 跳到 crack。

视频号特殊铁律：视频号客户端不输出可复制的链接 / 视频 ID（分享出去是卡片）。唯一入口是账号名/关键词搜索 → 锁定本号视频 → 拿 id。不要让用户提供"视频号链接"，他给不出。

Step 4 多模态相似度过滤（必跑多模态）

候选池每条抽首图 → analyze_image.py → 按 5 维打分（0-1）→ ≥ 3 维相似才留。

⚠️ 代价警告：这一步 20-50 次 multimodal 调用，token 不便宜，但不能省 — 否则 find 出来的全是表面假对标，后面 crack/adapt 全白做。

Step 5 体量 + 活跃度过滤

| 条件 | 标准 | |---|---| | 粉丝量 | 我 ×1 ~ ×10（伙伴/榜样档，删大佬级和小白级） | | 近 30 天发文 | ≥ 8 条（不活跃删） | | 单条互动 | ≥ 该号近 30 天均值 × 3（爆款不是日常） | | 排除 | 官方蓝 V / 单条 100w+ 异常爆（不可复制） |

→ 输出 5-10 个真对标 + 每个贴一句"为什么是真对标"（5 维相似度命中哪几维）。

find 的人工卡点

最后一步必须给用户看清单 → 用户勾选 3-5 条 → 没勾的不进 crack。

3. crack 命令 SOP

输入

1 个或 N 个对标爆款链接（一般是 find 勾选出来的）。

输出

对每条吐 4 维钩子拆解 + 3 行结构元素（不写诊断报告，不打分，只罗列可抄元素）：

对标：@xxx 的「东北橘猫做大酱」(50w 赞 / 1.2k 评 / 30s)

钩子（4 维拆解）：
├ 视觉钩：拟人猫脸大特写 + 田间背景，0.5s 内出"猫看着你"的目光
├ 文字钩：封面中部一行字（OCR bbox 366,604,546x71）+ 标题「人！」感叹号
├ 口播钩：「人！其实快乐很简单，跟me下乡吧！」— 拟人猫"对人喊话"的反差
├ 剧情钩：第一秒就破壁（猫张嘴说"人！"）— 把"猫"和"观众"的层级倒过来
└ 综合：视觉 ×0.4 + 口播 ×0.6 = 治愈系反差钩  ← 主驱动力

骨架：原料展示 → 工艺过程 → 成品 → 情绪升华（4 段，命中骨架 A 场景+冲突+解决）
封面公式：D 实物展示 + 暖色高对比 + 主体居中（无大字）  [🟢 跑了 multimodal / ⚪ 推断]
标签组合：#AI萌宠 #东北美食 #怀旧 #反差萌（4-5 个）
复用提示：[一句话 — 这条最值得抄的一个具体动作]

为什么 4 维：钩子不是"那一句标题"，而是视觉+文字+口播+剧情的整体开场设计。综合权重决定仿写时的精力分配方向（哪一维占比 ≥ 0.5 = 死磕那一维）。

钩子积累（可选，必须问 — 不要自动存）

crack 跑完所有对标后，把完整 4 维钩子单元（不是单句）汇总打给用户看，主动问：

本次 crack 提取了 N 条 4 维钩子单元：
  1. @xxx「跟me下乡」(9k 赞, 治愈系反差钩, 主驱动力=口播 0.6)
  2. @yyy「比熊求职」(13k 赞, 共鸣型反差钩, 主驱动力=文字 0.7)
  ...

要积累到 ./assets/hooks-{platform}.md 吗？
  - yes：4 维拆解格式全存
  - "1,3"：只存指定条
  - no：本次不存（默认）

只有用户明确说要存，才 mkdir -p ./assets + 追加（按情绪锚点分类，再按主驱动力二级索引；追加不覆盖；首次创建时建好"索引 + 速查"骨架）。 不要默认存 — 自动堆出来的钩子库都是垃圾，库的价值在于人工把关。

crack 用到的术语

封面 ABCDE / 标题 1-10 / 骨架 ABC / 钩子 1-7 → 全部对齐 references/scoring-vocab.md。

4. adapt 命令 SOP

输入

• 我的账号定位（一句话，必须）
• crack 输出（1-N 个对标的元素清单，必须）
• 我想发的方向（可选，没有就基于 crack 推荐）

输出

直接给可发的：

标题候选（3 个，每个标注命中哪个公式）：
  1. 「[文案]」 — 公式 4 怕错避坑 + 改了 XX
  2. 「[文案]」 — 公式 2 反认知 + 改了 XX
  3. 「[文案]」 — 公式 6 身份共鸣 + 改了 XX

封面大字（3 个，4 字以内）：
  1. 「[大字]」 — 套对标的 D 模板，加大字升级到 A+D 混合
  2. ...
  3. ...

首段文案（≤ 50 字，命中钩子模板 N 号）：
  「[文案]」 — 抄了对标的 XX，我做了 YY 改动

CTA（命中互动钩子模板）：
  「[文案]」 — 套对标的"评论扣 X 送 Y"结构

adapt 的铁律

• 标题 / 封面 / 首段 / CTA 必须命中 references/scoring-vocab.md 里的至少 1 个公式
• 每个产出必须标注「抄了对标什么 + 我做了什么改动」 — 防止抄到不可复制的部分
• 不要 4 个候选，就 3 个（多了用户选不动）

5. 输出位置铁律

完整闭环（find → crack → adapt）跑完，必须落盘到当前工作目录：

./reports/
  {YYYYMMDD-HHMM}-compose-{素材短码}.md        # compose 模式才有：素材画像 + 5 维 + 缺口清单
  {YYYYMMDD-HHMM}-find-{我的账号末8位}.md      # 5-10 对标 + 为什么是真对标
  {YYYYMMDD-HHMM}-crack-{对标末8位}.md         # 每条 4 行清单
  {YYYYMMDD-HHMM}-adapt-{选题短码}.md          # 标题 + 封面 + 首段 + CTA（compose 模式必须含"素材溯源列"）

./assets/                                     # 副产品，跨任务累积
  hooks-xhs.md / hooks-douyin.md / hooks-kuaishou.md

写盘前 mkdir -p ./reports ./assets。只跑了 1 个命令、半成品、接口失败 → 不写盘，只在对话里说。

5.1 PDF 输出（按需，不默认）

铁律：默认只输出 .md，不要主动生成 PDF。只有用户明确说「整理成 PDF / 出 PDF / 出一份 pdf 版」等才跑：

python3 ~/.claude/skills/social-account-doctor/scripts/render_report_pdf.py \
  ./reports/{report}.md
# 输出 ./reports/{report}.pdf （同名同位）

脚本特性：

• A4 + 思源黑体 (CJK 必装 Source Han Sans SC) + 粉色诊断主题
• md 中本地图片 ![](path) 自动 base64 内嵌（PDF 自包含，可单文件传播）
• 富排版（卡片式 top N 对标 / TL;DR 红框 / 三图横排）需在 md 里直接写 inline HTML，CSS 已经准备好对应 class：
  • <div class="tldr"><div class="verdict">...</div>...</div> — TL;DR 高亮框
  • <div class="card"><div class="card-img"><img/></div><div class="card-body">...</div></div> — 对标卡片
  • <div class="user-img"><img/><div class="caption">...</div></div> — 三图横排
• 想保留中间 HTML 自己改样式：加 --keep-html

何时主动询问 PDF：用户说「分享给客户」「打印」「存档」「发出去」等需要可携带版本的语义时，可以主动问一句「要不要顺便出一份 PDF？」 — 不要不问就出。

6. L2 诊断模式（按需，不主推）

只在用户明确说这些话时触发 → 调 references/diagnostic-mode.md：

• "这条为什么不爆"
• "完整诊断"
• "我这个号该往哪调"
• "卡在哪一层"

→ 走 6 维评分 + 三层诊断 + 平台阈值表（完整流程，被降级为兜底）。

否则不要主动跑诊断。 生产闭环是 find→crack→adapt，诊断是数据回收后的事后反思工具。

7. 工具速查

tikhub CLI（按平台 × 任务）

调用走 tikhub <platform> <tool> --args（CLI 自包含在仓库 tikhub/ 目录，纯 Python stdlib + HTTP JSON-RPC + session 缓存）。不知道工具名时 tikhub list <platform> <关键词> 模糊查；看完整 schema 用 tikhub describe <platform> <tool>。

参数类型铁律（防"看着对其实数据被破坏"）：

• CLI 默认所有 --key=value 按 string 透传，只 true/false/null/none 字面量被 coerce
• ID 字段（user_id / photo_id / note_id / sec_user_id / aweme_id）几乎都是 string schema — 直接 --user_id 4253294011，不要包 :int
• 真要 int 用显式 tag：--page:int=1 / --count:int=20；复杂结构用 --json '{...}'
• 看到 validation error ... input_type=int → 检查是不是手贱加了 :int

| 任务 | 小红书 | 抖音 | 快手 | B 站 | |---|---|---|---|---| | find Step 3 关键词搜 | xiaohongshu_app_search_notes（唯一可用，见 §9.1） | douyin_app_v3_fetch_video_search_result_v2 | kuaishou_app_search_video_v2 | bilibili_web_fetch_general_search | | find Step 5 账号信息 | xiaohongshu_web_v2_fetch_user_info | douyin_web_handler_user_profile | kuaishou_app_fetch_one_user_v2 | bilibili_web_fetch_user_profile + _user_up_stat + _user_relation_stat | | crack 笔记/视频详情（最稳兜底） | xiaohongshu_web_v2_fetch_feed_notes_v2 | douyin_app_v3_fetch_one_video | kuaishou_app_fetch_one_video | bilibili_web_fetch_one_video | | crack 拿封面/视频 | xiaohongshu_web_v2_fetch_note_image | douyin_app_v3_fetch_video_high_quality_play_url | kuaishou_app_fetch_one_video（含 play_url） | bilibili_web_fetch_video_subtitle（字幕拆口播） | | crack 拿评论 | xiaohongshu_web_v2_fetch_note_comments | douyin_app_v3_fetch_video_comments | kuaishou_app_fetch_one_video_comment | bilibili_web_fetch_video_comments + _comment_reply | | B 站独家：弹幕 | — | — | — | bilibili_web_fetch_video_danmaku（4 类信号见 platforms/bilibili.md §3） | | 解析分享链接 | xiaohongshu_web_get_note_id_and_xsec_token | douyin_app_v3_fetch_one_video_by_share_url | kuaishou_web_fetch_one_video_by_url | bilibili_web_bv_to_aid（bv ↔ aid 转换） |

视频号（独立路径 — 没分享链接）

视频号客户端不输出可复制的链接 / 视频 ID（分享出去是卡片，不是 URL）。所以任何视频号任务的入口都是账号名/关键词搜索，跟其他三平台流程不一样：

| 任务 | 工具 | 注意 | |---|---|---| | find Step 3 关键词搜（综合） | wechat_channels_fetch_search_ordinary | 算法综合排序，含权重 + 关系链 | | find Step 3 关键词搜（最新） | wechat_channels_fetch_search_latest | 时间序，与综合求差集找蓝海窗口 | | find Step 5 账号搜索 | wechat_channels_fetch_user_search | ⚠️ 实测易 503 — fallback：用 _search_ordinary 精确匹配 nickname | | crack 视频详情 | wechat_channels_fetch_video_detail（id 优先于 exportId） | 含完整互动数据 + feed_count（账号总作品数） | | crack 拿评论 | wechat_channels_fetch_comments | — | | 账号主页 / 直播回放 | wechat_channels_fetch_home_page / wechat_channels_fetch_live_history | — | | 热榜 / 抢窗口 | wechat_channels_fetch_hot_words | 视频号专属：朋友圈关系链 + 热榜双驱动 |

视频号 find 的 5 步要做两个调整：

1. Step 3 关键词搜要双源跑（ordinary + latest），交集 = 已被算法验证的爆款，差集 = 新发未推 / 老爆款长尾
2. Step 5 账号信息时，user_search 503 是常态 — fallback 是从 search_ordinary 结果里按 nickname 精确匹配 + 头像 url 校验

B 站（横版 + 三连 + 弹幕，跟其他四平台都不同）

B 站是 16:9 横屏 + 长视频文化，算法核心信号是三连率（点赞 + 投币 + 收藏 / 播放），不是完播率，也不是收藏比。弹幕是其他平台都没有的实时情绪流，每条对标必跑：

| 任务 | 工具 | 注意 | |---|---|---| | 关键词搜（综合 / 时间窗口） | bilibili_web_fetch_general_search | order 用 totalrank/click/pubdate/stow(收藏) 等；蓝海词监控用 pubtime_begin_s | | 视频详情 | bilibili_web_fetch_one_video | 含 cid（拉弹幕用）+ stat 全字段（投币 / 收藏 / 弹幕） | | 弹幕（独家信号） | bilibili_web_fetch_video_danmaku --cid <cid> | 4 类信号：梗 / 问题 / 打卡 / 吐槽 — 详见 platforms/bilibili.md §3 | | 字幕（拆口播结构） | bilibili_web_fetch_video_subtitle --aid --cid | AI 字幕（如有） | | UP 主（双统计） | bilibili_web_fetch_user_profile + _user_up_stat + _user_relation_stat | 三个分别拿基本信息 / 总播放点赞 / 粉丝关注 | | UP 主投稿 + 动态 | bilibili_web_fetch_user_post_videos + _user_dynamic | 动态看是否在 B 站外引流 / 预告 | | bv ↔ aid 转换 | bilibili_web_bv_to_aid | URL 输入支持用 bilibili_web_fetch_one_video_v3 |

B 站 find 关键差异：

1. 按三连率排序而不是播放量：拉到结果后算 (coin + favorite + like) / view，按这个排
2. 每条对标必拉弹幕：弹幕里的"打卡时间戳"直接告诉你哪一段是高潮（剪短视频投抖音/小红书复用素材）
3. 看 UP 主 = 看分区垂直度：分区跨度 ≥ 3 个的 UP 主算法不推

详见 references/platforms/bilibili.md。

平台细节（阈值、6 维评分细则）在 references/platforms/{平台}.md，find/crack/adapt 主流程不用看，L2 诊断时才读。

多模态脚本（scripts/）

• analyze_image.py <封面>：拿 5 变量 + 5 模板归类 + 钩子识别
• analyze_video.py <视频> [--mode auto/talking/visual/keyframe]：三模式自动路由
• analyze_document.py <文档> [--json]：compose 用，吃 .md / .txt / .pdf → 全文 + 章节 + 候选金句 + 字数；PDF 依赖 pdfplumber / pypdf / fitz / pdftotext 任一（四选一，都没有时会提示装）
• ocr_screenshot.py <截图>：用户给后台数据截图时用
• dispatch_account.py <账号URL>：链接 → platform + user_id
• render_report_pdf.py <md> [-o out.pdf] [--keep-html]：md 报告 → PDF（按需，不默认，详见 §5.1）

9. 接口稳定性表（按平台分小节）

9.1 小红书（复测 2026-04-22 — V2 仍全挂，只用 V1；app_search_notes_v2 官方已弃用）

⚠️ 每次跑 search 前先看这张表,不要再去试 V2。tikhub 的 V2 接口（不论 app 还是 web）实测仍然全挂（RetryError[HTTPStatusError]），只有 V1 接口能用。

官方说法 vs 实测：tikhub 官方支持 2026-04 说 xiaohongshu_app_v2_search_notes 应该可用，但实测 2026-04-22 仍 RetryError — 以实测为准。如果哪天 V2 真的恢复了，更新这张表 + 取消 V1 锁定。

官方明确弃用：xiaohongshu_app_search_notes_v2（注意命名差异：app_search_notes_v2 ≠ app_v2_search_notes）— 已停用，永远不要用。

| 任务 | ✅ 用这个 | ❌ 不要用（实测挂 / 官方弃用） | |---|---|---| | 关键词搜笔记 | xiaohongshu_app_search_notes（App V1）<br>或 xiaohongshu_web_search_notes（Web V1） | xiaohongshu_app_v2_search_notes（实测挂）<br>xiaohongshu_web_v2_fetch_search_notes（实测挂）<br>xiaohongshu_app_search_notes_v2（官方已弃用） | | 关键词搜用户 | xiaohongshu_web_search_users（Web V1，唯一可用） | xiaohongshu_app_search_users（V1 也挂）<br>xiaohongshu_app_v2_search_users<br>xiaohongshu_web_v2_fetch_search_users | | 笔记详情（最稳） | xiaohongshu_web_v2_fetch_feed_notes_v2 | — | | 用户笔记列表 | xiaohongshu_web_v2_fetch_home_notes | xiaohongshu_app_v2_get_user_posted_notes（实测挂） | | 账号信息 | — 当前 V2 全挂,没有可用接口,需要时让用户截图主页 | xiaohongshu_app_v2_get_user_info<br>xiaohongshu_web_v2_fetch_user_info |

铁律：

• ❌ 同一接口连续 3 次 HTTPStatusError → 不要并发到 V2 试运气，按上表换 V1
• ❌ 不要相信旧文档里"V2 失败切 V2/Web V2"的建议（已过时）
• ❌ 小红书不支持按话题标签（hashtag）搜笔记，只支持关键词（tikhub 官方确认 2026-04）— 用户问"搜 #XX 标签下的爆款"时，告诉他"只能搜关键词，标签搜索小红书没开放"
• ✅ 没列在"用这个"列里的功能（如账号粉丝/关注列表、合集），当前小红书 tikhub 接口可能全挂,优先让用户截图代替
• 📅 这张表的实测日期写在标题里,3 个月后必须重测一次

并发与限流（实测 2026-04-21）：

• 当前 tikhub RPS 上限 = 10/s（用户提供）—— 单次诊断的搜索批量调用要节制,建议并发不超过 3,串行更稳
• 触发限流时返回 RetryError[HTTPStatusError]（与"接口本身不稳"的报错一样,容易误判）
• App V1 (xiaohongshu_app_search_notes) 限流后冷却时间长；Web V1 (xiaohongshu_web_search_notes) 抗限流更强,App V1 被限时优先切 Web V1（同样是 V1，不是 V2）

9.2 视频号（实测 2026-04-21）

| 任务 | ✅ 用这个 | ⚠️ 注意 | |---|---|---| | 关键词综合搜索 | wechat_channels_fetch_search_ordinary | 稳。结果里的 source.title 可能是带 <em class="highlight"> 的高亮 HTML，处理时要剥标签 | | 关键词最新搜索 | wechat_channels_fetch_search_latest | 偶发 503，retry 1 次即可 | | 账号搜索 | wechat_channels_fetch_user_search | 实测高频 503。fallback：用 _search_ordinary(账号名) 取首条 + 校验 nickname/头像 url | | 视频详情 | wechat_channels_fetch_video_detail | 稳。优先传 id 而非 exportId；返回的 contact.feed_count 是账号总作品数（冷启诊断关键字段） | | 评论列表 | wechat_channels_fetch_comments | 稳 | | 用户主页 | wechat_channels_fetch_home_page | 依赖 user_search 提供 user 上下文，user_search 挂时连带挂 | | 热门话题 | wechat_channels_fetch_hot_words | 稳 |

视频号铁律：

• ❌ 不要让用户提供视频号链接 / 视频 ID — 视频号客户端只支持卡片分享，根本不输出 URL/ID
• ❌ user_search 503 时不要 retry 超过 1 次 — 直接 fallback 到 _search_ordinary + nickname 精确匹配
• ✅ 综合搜索结果里真号常常只有 1 条（同名/同主题号会被高亮但来自其他号），按 source.title 剥 <em> 后 完全等于 目标账号名才算真号
• ✅ video_detail.contact.feed_count == 1 + like/comment/forward 全 0 = 冷启失败号，可直接出诊断结论
• 📅 实测日期写在标题里，3 个月后重测

9.3 抖音（待实测，2026-04-21 未做接口稳定性实证）

🟡 状态：当前 SKILL.md §7 列的抖音工具按经验沉淀，未在本轮（2026-04）做接口稳定性实证。视频号实测发现"同 tikhub 平台 V2 接口存在批量崩溃模式"（小红书 V2 全挂），抖音 / 快手是否同样受影响未知。

实测命令（用 tikhub CLI）：

tikhub --health                                                    # 通连
tikhub list douyin search                                          # 看可用搜索工具
tikhub douyin douyin_app_v3_fetch_video_search_result_v2 \
  --keyword Cursor --offset 0 --count 10                           # 真实调用

实测后回填这张表：

| 任务 | 实测结果 | 备注 | |---|---|---| | douyin_app_v3_fetch_video_search_result_v2 | 待测 | — | | douyin_web_handler_user_profile | 待测 | — | | douyin_app_v3_fetch_one_video | 待测 | — | | douyin_app_v3_fetch_video_comments | 待测 | — | | douyin_app_v3_fetch_one_video_by_share_url | 待测 | — |

铁律（参照视频号/小红书外推，未实证）：

• 同接口连续 3 次 RetryError → 不要硬 retry，按 xhs/wechat-channels 的 fallback 模式找替代版本号（v3 → v2 → web）
• 抖音 share_url 解析比小红书 xsec_token 体系稳，分享链接路径优先

9.4 快手（待实测，同 9.3）

🟡 状态：同 §9.3，未在本轮做接口稳定性实证。

实测命令：

tikhub --health
tikhub list kuaishou search
tikhub kuaishou kuaishou_app_search_video_v2 --keyword Cursor --page 1

实测后回填：

| 任务 | 实测结果 | 备注 | |---|---|---| | kuaishou_app_search_video_v2 | 待测 | — | | kuaishou_app_fetch_one_user_v2 | 待测 | — | | kuaishou_app_fetch_one_video | 待测 | — | | kuaishou_app_fetch_one_video_comment | 待测 | — | | kuaishou_web_fetch_one_video_by_url | 待测 | — |

1. find 必须 5 步走：本质识别 → 矩阵搜 → 多模态过滤 → 体量过滤 → 人工勾选。任何一步都不能省。
2. 不要单一宽泛词搜对标（如"东北大酱"）。永远是 4-6 个本质维度词矩阵。
3. search 关键词必须是单一中文词，2-4 字最稳，禁止空格组合（带空格的组合词在 V1/V2 接口都易 HTTPStatusError — 拆成多个单词分次搜更稳）。
4. crack 输出 4 维钩子拆解（视觉/文字/口播/剧情 + 综合权重），不是单句钩子。综合权重决定仿写时的精力分配。
5. adapt 必须命中 scoring-vocab.md 公式，且必须标注"抄了什么 + 改了什么"。
6. 诊断不主推。除非用户明确说"为什么不爆"，否则不要走 L2。
7. multimodal 不省：find Step 1 看我的、find Step 4 看候选 — 都要调。token 贵但不能省。
   • 退化兜底：当 fetch_note_image 不可用时，可以用 feed_notes_v2 返回里的 video_info_v2.media.video.bbox.ocr_v2/v3 字段（含封面文字位置）+ desc + 标签推断封面公式，必须明文标 ⚪ 推断 / 🟢 高可信。
8. 完整闭环跑完才落盘，半成品只在对话里说。
9. 钩子库要问过用户才追加。crack 完成后主动问"要存吗"，用户答 yes 才写 assets/hooks-{platform}.md，按 4 维拆解格式存（不是单句）。禁止自动追加。
10. 环境自检 + 缺失透明（最重要的一条 — 防"伪装完成"）：

开干前必做：列出本次任务依赖的工具，逐个 ping。

• find 依赖：tikhub CLI（tikhub --health）+ analyze_image.py + analyze_video.py
• crack 依赖：tikhub CLI（笔记/视频/评论详情）+ multimodal 脚本
• adapt 依赖：纯 LLM（无外部依赖）
• L2 完整诊断依赖：tikhub CLI（搜对标 + 账号信息）+ multimodal

缺哪个明说哪个（在第一句话就说，不要默默缩范围）：

⚠️ 本次需要 tikhub CLI（小红书）调数据，环境检查发现：
   - tikhub --health 不通 / TIKHUB_API_KEY 没配 / 连续 retry 失败

两个选择：
① 修复 ~/.claude/.env 的 TIKHUB_API_KEY 或 PATH（详见仓库 `tikhub/README.md`），再来一次
② 你直接给我 N 个对标链接 / 截图 — 我跳过搜索阶段，从 crack 开始

禁止偷工：

• 跑了 1/3 不能说"诊断完成"
• 跑完后必须明文标注：「本次只完成 Layer X，因为 Y 工具不可用 / Y 数据缺失」
• 半成品不写盘（不污染 reports/ 目录）
• 接口连续 3 次 retry 失败 → 视同工具不可用 → 进入上面的话术

11. tikhub 调用走 CLI，不走 claude mcp add：所有 tikhub 数据抓取通过 tikhub <platform> <tool> --args CLI 命令调用。CLI 自包含在仓库 tikhub/ 目录（不依赖外部 skill）。不要再 claude mcp add tikhub-*：

    • HTTP 端点是 https://mcp.tikhub.io/{xiaohongshu|douyin|kuaishou|wechat|bilibili}/mcp，所有平台共用一个 CLI、一个 API key
    • 不需要重启 claude，不污染全局工具列表
    • session id 自动缓存（5 min TTL），不用关心连接管理

    环境自检：

    tikhub --health                              # {"status":"healthy",...} → OK
    tikhub list xiaohongshu search               # 工具目录可读
    ls ~/.claude/.env                            # API key 存这里（chmod 600）
    

    新机器初始化（git clone 之后一次性）：

    cd ~/.claude/skills/social-account-doctor
    ln -sf "$(pwd)/tikhub/bin/tikhub" ~/.local/bin/tikhub   # 让 tikhub 命令在 PATH
    echo "TIKHUB_API_KEY=YOUR_KEY" >> ~/.claude/.env
    chmod 600 ~/.claude/.env
    

    详见 tikhub/README.md。

9. 数据时效性说明

references/platforms/*.md 里所有平台阈值（完播率 / CTR / CES 等）均为行业经验值（蝉妈妈 / 千瓜 / 新红 / COO 公开发言等多源），非平台官方公告。

📅 采集日期：2026-04｜建议复核：每 6 个月

诊断时用作"方向判断"，不是"绝对死线"。生产闭环（find/crack/adapt）不依赖这些数字。