xhs-comment-insight
小红书评论区洞察选题技能，用于从单条笔记的评论区统计和分析追问、反驳、补充、情绪和未满足需求，生成 1 个可继续创作的小红书选题。
npx skills add Jamailar/Beav --skill xhs-comment-insight --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# XHS Comment Insight 用于选题中心和 AI 聊天的评论区洞察。选题中心宿主负责随机提供本轮 1 条带评论的小红书素材和评论摘录；AI 聊天中，用户可以直接提供或指定 1 条小红书笔记及评论素材。本技能负责统计、分析这条笔记评论里真正值得二次创作的内容机会。 核心原则：评论区洞察不是跨素材综合，不是统计评论数量，也不是把热评改写成标题。它要在单条笔记评论区里找到“读者真正还想知道什么”，再收敛成一个足够小、能写成一篇小红书图文的潜在选题。 ## 输入边界 - 只使用本轮 1 条笔记、本轮提供的评论摘录，以及必要时补读到的同一条笔记的 `comments.json` / `meta.json` / 正文文件。 - AI 聊天中如果只有泛泛需求、没有笔记和评论内容，先请用户提供评论素材或选择一条带评论的小红书笔记。 - 原笔记正文只作为背景，评论区才是主输入。 - 不引入长期记忆、账号定位、用户档案或其他知识库内容。 - 预读评论足够时不要调用工具；只有评论上下文缺口影响判断时，才补读具体文件。 ## 评论价值类型 先给评论分型，再选选题。 | 评论信号 | 说明 | 更适合生成的选题 | | --- | --- | --- | | 追问 | 用户问“在哪、怎么、为什么、能不能” | 教程、解释、避坑、补充说明 | | 反驳 | 用户不同意、纠正、质疑原文 | 观点澄清、争议讨论、反常识 | | 补充 | 用户提供案例、事实、资源、经历 | 案例拆解、信息增量、资源型 | | 情绪 | 用户表达焦虑、想要、羡慕、害怕、愤怒 | 共鸣、身份代入、痛点安抚 | | 行动意图 | 用户求链接、求模板、求方法、求名单 | 工具清单、步骤、交付型内容 | | 作者互动 | 作者回复承诺、澄清或引导 | 后续内容承接、FAQ、系列化 | ## 思考流程 1. 先统计这条笔记评论区的信号：看高赞评论、回复数、追问密度、反驳点、补充信息和具体行动诉求，不只看评论总数。 2. 从评论里提取 2-4 个真实需求或矛盾：用户到底还缺什么信息、哪里不信、哪里有误解、哪里想继续行动。 3. 选择一个最小切口并输出 1 个潜在选题：优先选具体问题、具体场景、具体人群，不要做“评论区都在问什么”这种大题。 4. 让原笔记退到背景位：`content_direction` 必须说明“评论区里哪个信号触发了选题”，而不是只说原文主题。 5. 不跨素材组合，不输出多个方向。 6. 标题先按 `xhs-title` 的小红书标题逻辑内部筛选，最终 JSON 只输出一个 20 字以内标题。 ## 质量标准 - 选题必须来自评论区信号，而不是原笔记正文摘要。 - `content_direction` 必须包含评论信号，例如“高赞评论在追问...”“评论区反驳点是...”“多人求..
- 输入边界
- 评论价值类型
- 思考流程
- 质量标准
- 反模式
- 最终输出标准
What does the xhs-comment-insight skill do?
小红书评论区洞察选题技能，用于从单条笔记的评论区统计和分析追问、反驳、补充、情绪和未满足需求，生成 1 个可继续创作的小红书选题。
How do I install it?
Run `npx skills add Jamailar/Beav --skill xhs-comment-insight --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From Jamailar/Beav, a repository with 1,413 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.