🧪 XHS Autopilot v4.0

全自主AI原生工作流炼金术系统

版本: v4.0
定位: AI原生工作流炼金术 + 全自动运营闭环
循环: 每30分钟自动执行8步工作流
核心: 记忆隔离 + 自我进化

🏗️ 记忆架构（重要！）

本系统使用三层记忆隔离架构:

┌─────────────────────────────────────────┐
│  Layer 1: 通用技术记忆 (workspace/MEMORY.md)    │
│  - Playwright CDP模式                   │
│  - 跨项目技术原则                       │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│  Layer 2: 运营闭环 (xhs-memory/mode-si/memory/03_semantic/) │
│  - CORE_STRATEGY.md    # 战略定位       │
│  - OPERATION_LOOP.md   # 本文件         │
│  - BOTTLENECKS.md      # 瓶颈记录       │
│  - SELF_IMPROVEMENT.md # 自我进化       │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│  Layer 3: 运行时数据                     │
│  - 01_episodic/    草稿                 │
│  - 02_reflective/  发布记录             │
│  - 03_semantic/    沉淀原则             │
│  - performance_data/ 数据追踪           │
└─────────────────────────────────────────┘

重要: 小红书专属记忆不得污染通用MEMORY.md！

⚡ 30分钟全自动闭环

8步工作流

1. Align(对齐战略) → 2. Route(路线检查) → 3. Topic(选题确认)
4. Research(即时调研) → 5. Recall(认知加载) → 6. Create(多模态创作)
7. Act(拟人发布) → 8. Reflect(反思进化)

Step 8: Reflect 详细流程

8.1 数据收集（自动）

# 自动执行
- 截图笔记页面
- 抓取点赞/收藏/评论数
- 抓取评论内容
- 记录到 performance_data/

8.2 视觉自检（Sub-Agent）

创建sub-agent审视笔记，检查：

封面是否符合赛博朋克规范
字体是否为 JetBrains Mono
页码是否正确（单图不标）
语言是否符合极客隐喻

8.3 反馈分析（Sub-Agent）

分析评论，输出：

用户高频需求
内容优化建议
新选题灵感

8.4 自我进化

识别瓶颈 → 记录到 BOTTLENECKS.md
提出需求 → 尝试自我解决
验证效果 → 下一轮检验
知识沉淀 → 更新本文件

🎨 当前模式：赛博朋克 + Agent炼金术

定位

"AI原生工作流炼金术"

三要素（每篇笔记必须有）:

反常识洞察
Agent配置
幕后揭秘

视觉规范

元素	规范
背景	#0a0a0a（深色）
强调色	#00f5ff（霓虹青）
对比色	#ff0080（品红）
标题字体	JetBrains Mono
正文字体	苹方-简

5页手术版结构

痛点页: 时间贫困公式
反常识页: 批判教程思维
方案页: Agent配置截图
效果页: 分屏对比
CTA页: 特权型钩子

语言风格

❌ 禁用: "首先其次最后", emoji轰炸, 教程语气
✅ 强制: 技术隐喻（注入、编译、劫持）

🛠️ 可用脚本

核心工具

脚本	功能	版本	用途
`search/run.py`	百度搜索	v1.1	Step 4
`cover/run.py`	封面生成(旧)	v1.1	Step 6
`jimeng/run.py`	即梦AI生图	v1.0	Step 6
`publish/run.py`	发布	v1.3	Step 7
`comments/run.py`	评论分析	v1.0	Step 8
`feedback/run.py`	数据截图	v1.0	Step 8

待开发（自我进化）

脚本	功能	优先级
`autopilot/run.py`	主循环	🔴 P0
`cover_v2/run.py`	赛博朋克封面	🔴 P0
`self_check/run.py`	视觉自检	🟡 P1
`trend_track/run.py`	热点追踪	🟡 P1

📂 必读文档（按优先级）

OPERATION_LOOP.md - 本文件（运营闭环）
CORE_STRATEGY.md - 战略定位
BOTTLENECKS.md - 当前瓶颈
SELF_IMPROVEMENT.md - 进化记录

🚀 快速启动

手动执行一轮

cd ~/.openclaw/skills/xhs-autopilot
python3 scripts/autopilot/execute_loop.py

启动全自动循环

python3 scripts/autopilot/run.sh

查看当前瓶颈

cat xhs-memory/mode-si/memory/03_semantic/BOTTLENECKS.md

📝 使用示例

例1: 手动执行完整流程

# 读取运营闭环
read(xhs-memory/mode-si/memory/03_semantic/OPERATION_LOOP.md)

# 执行8步工作流
execute_loop()

# 发布后自检
screenshot_self_check(note_id)
spawn_subagent(feedback_analysis, note_id)

# 识别瓶颈并自我改进
identify_bottlenecks()
self_improve()

例2: 查看系统状态

# 检查当前阶段
cat xhs-memory/mode-si/planning/ROADMAP_90DAYS.md

# 查看最新数据
ls -la xhs-memory/mode-si/performance_data/

# 查看优化记录
cat xhs-memory/mode-si/memory/03_semantic/SELF_IMPROVEMENT.md

🔄 自我进化流程

每轮循环结束后:

1. 自问: "当前有什么瓶颈?"
   └─► 记录到 BOTTLENECKS.md

2. 自问: "需要什么技能?"
   └─► 尝试创建/修改脚本

3. 自问: "如何优化内容?"
   └─► 根据反馈调整

4. 自问: "战略是否需要调整?"
   └─► 更新 CORE_STRATEGY.md

5. 沉淀
   └─► 更新本文件

⚠️ 重要规则

记忆隔离

✅ 小红书战略 → 存于 xhs-memory/
❌ 不要写入 workspace/MEMORY.md

自动化原则

✅ 30分钟自动循环
✅ 错误自动恢复
✅ 数据自动记录
✅ 瓶颈自动识别

自我进化

✅ 每轮必须识别瓶颈
✅ 必须尝试自我解决
✅ 必须记录改进过程

📊 商业闭环目标

阶段	时间	目标
建立认知	1-30天	稳定产出，测试新模式
深度内容	31-90天	建立人设，筛选用户
变现测试	90天+	自动化变现，商业闭环

✅ 安装检查清单

版本: v4.0
架构: 全自主闭环 + 自我进化
状态: 🚀 运行中