简介一套完整的小红书运营技能方案共一百三十九项技能插件面向内容创作者、品牌商家与个人运营者覆盖选题策划、笔记撰写、图片视频编辑、账号形象打造、评论私信互动、直播话题挑战、数据复盘与店铺推广销售等全链路操作并从新手到专业人士分层讲解。资源包共一百四十八个文件其中一百四十五个md技能说明为核心另含1个txt配置说明、1个json清单与1个gitignore文件整体体积仅1.08MB轻量便携可按需检索md文件便于直接阅读和二次编辑目录结构清晰。目前已有128人学习下载。系统不仅提供限流应对、审核不通过处理等常见运营难题的解决方案还给出数据分析工具的使用与解读方法帮助把握内容表现与用户偏好。通过OpenClaw、Codex等接口可启用自动发布、自动评论、自动检索等自动化功能显著减轻重复劳动配合实际案例和持续更新的插件设计适合作为长期陪伴的小红书运营工具箱。无论刚入门的新手还是希望进阶的运营者都可直接对照技能模块落地执行。1. 先认清这个标题它不是 139 个提示词模板而是一套可插拔的运营技能库把小红书运营经验打包成 Claude Code 技能插件系统这个思路的关键不只在于“有没有用”而在于它改变了你和大模型协作的方式。以前你每次写文案都要重新组织一大段提示词把人群、调性、字数、禁忌反复交代一遍而技能插件系统的做法是把这类高频动作固化成带说明文档和脚本的独立技能包Claude Code 在对话中识别到对应场景后会自动加载这套规则来回答。标题里“139 个完整技能”覆盖内容创作、账号运营、互动运营、数据分析、电商转化这几个模块基本上把小红书从业者每天要重复做的事都拆成了标准化单元。适合谁来用这套东西一类是已经用 Claude Code 做内容生产的运营想摆脱每次手写提示词的低效另一类是团队负责人想把个人经验沉淀成全员可复用的技能库。你不用理解每个技能的实现细节但要看得懂它的目录结构、知道怎么安装、能判断它什么时候生效、什么时候在瞎答。这套方案的价值在于“复制经验”而不是“复制答案”坑也恰好藏在这句话里。2. 从 zip 到技能的落地路径目录结构、存放位置与加载机制2.1 技能包在 Claude Code 里的存放位置全局与项目级怎么选Claude Code 的技能Skill机制并不神秘它本质上是在特定目录下放一组遵循约定格式的文件。系统运行时会扫描这些目录把技能名和能力描述注册到模型上下文中。安装一个别人打包好的 zip 技能包主要工作就是解压后放到 Claude Code 能扫到的位置。常见做法是放在两个位置全局目录~/.claude/skills/或项目目录.claude/skills/。我一般这样区分个人常用的通用技能放全局比如文案润色、关键词提取跟具体项目强绑定的技能放项目目录比如“某店铺的种草笔记模板”“某品牌的评论回复话术”这样换项目不会串味。# 查看当前用户目录下是否已有 skills 目录 ls -la ~/.claude/skills 2/dev/null || echo 全局 skills 目录不存在需要创建 # 创建全局技能目录 mkdir -p ~/.claude/skills # 如果你想把技能包装进某个项目在项目根目录执行 mkdir -p .claude/skills参数说明~是当前用户主目录.claude目录是 Claude Code 存放配置和数据的地方skills子目录专门用于技能注册。2/dev/null的作用是把“目录不存在”的报错信息丢到黑洞里只让命令安静地告诉你是否存在。项目目录名的.claude以点开头属于隐藏目录如果你在图形界面里看不到它用ls -a就能列出来。还有个容易被忽略的细节技能目录名必须是英文小写加连字符的命名风格比如xiaohongshu-copywriting不要用中文名也不要带空格。这不是玄学而是技能名要被模型和文件系统同时识别非 ASCII 字符在跨平台同步时很容易出问题后面避坑章节我会再展开。2.2 解压后先确认这四类文件SKILL.md、脚本、素材引用与命名规范拿到 zip 包后先别急着拖进 Claude Code 里跑先看一眼包内结构。技能插件系统虽然可以很复杂但最小可用结构一定包含四个部分入口描述文件SKILL.md、可执行脚本目录、素材引用目录以及目录命名本身。# 解压技能包-d 指定解压到新目录避免把文件散落一地 unzip xiaohongshu-139-skills.zip -d xiaohongshu-skills # 查看解压后的顶层结构 find xiaohongshu-skills -maxdepth 2 -type f | head -50-d参数指定解压目标目录很重要。有些 zip 包内没有顶层目录直接解压会把几十个文件平铺在当前文件夹里后面整理起来很痛苦。find命令配合maxdepth 2只列两层深度用来快速确认包内是“一个职能一个目录”还是“所有脚本堆在根目录”。拿到结构后你要检查四类东西第一SKILL.md文件必须存在它是技能的灵魂。这个文件用 Markdown 写头部有一段 YAML 格式的 frontmatter里面至少要有name和description两个字段。name是这个技能的内部标识description里的内容会被模型读取用来判断这个技能什么时候该被触发。第二脚本文件。技能包里的自动化逻辑通常用 Python 或 JavaScript 实现比如批量生成标题、解析导出数据、生成报表。检查脚本是否有执行权限。第三素材引用。比如小红书标题库、敏感词表、行业术语表这些通常是.csv、.txt或.json文件。确认SKILL.md里引用的路径和实际文件路径对得上。第四目录命名规范。一级目录名对应技能名目录名不要出现奇怪字符统一小写加连字符。# 检查技能描述文件是否存在且非空 find xiaohongshu-skills -name SKILL.md -type f -exec ls -l {} \; # 检查脚本是否有执行权限没有就补上 find xiaohongshu-skills -name *.py -o -name *.sh | xargs ls -l chmod x xiaohongshu-skills/*/scripts/*.py 2/dev/null逻辑说明第一条命令遍历解压目录逐个输出SKILL.md的路径和大小一眼能看出包内到底藏了几个技能模块如果输出为空说明这个包只是个普通资料合集根本不是技能插件系统。第二条命令先列出所有脚本文件权限chmod x给 Python 脚本和 Shell 脚本补上可执行位。为什么要先检查权限Claude Code 执行技能时调用脚本的方式取决于具体实现但如果你在 Linux 或 macOS 上没有执行权限的 Shell 脚本会直接静默失败且不报明确错误排查起来非常费劲。2.3 最小验证清单让技能真正进入模型视野文件放到位了不等于技能就已经生效。Claude Code 扫描技能目录的时机和处理 CLI 配置不太一样它通常是在会话启动时加载技能清单的。所以装完技能包后的第一个动作是重启正在运行的 Claude Code 会话然后给一句非常简单的话来验证。# 在项目目录或任意位置启动 Claude Code claude # 进入交互界面后直接问一个问题来验证技能是否注册成功 # 输入你目前加载了哪些技能请列出技能名和各自用途。如果你的技能包被成功识别模型的回答里会提到这些技能的名字并简要说明它们是做什么的。如果它回答“我没有加载任何技能”或者“你说的技能我没有找到”那就说明技能包没有进入扫描路径。这里有一个判断技巧不要问“你会不会写小红书文案”而要问“你有哪些技能可用”。前者是让模型自由发挥后者是逼它交代上下文里注册过的技能清单。如果技能加载成功模型会按照SKILL.md里的description字段来组织回答如果加载失败它只会根据自身训练知识泛泛而谈。这两种回答的差别非常明显——加载成功的回答会引用技能包里定义的具体能力边界比如“我可以批量生成标题并自动规避违禁词”而没加载的回答只会说“我可以帮你写文案”。如果验证不通过优先检查三件事目录放没放对、目录名规范不规范、当前会话是不是在技能安装之前启动的。会话没重启是最容易踩的坑装了技能但当前会话里模型根本不知道有新文件进来这种情况占了排查工作的一半。3. 按运营场景试跑内容创作、数据分析、电商转化三个技能的真实调用方式3.1 内容创作技能从关键词到成稿的参数控制一套小红书运营技能包里内容创作模块通常数量最多也最需要理解它的工作方式。以“爆款标题生成”这类技能为例它的内部逻辑不是让模型凭空想标题而是先读取一个标题数据库或关键词表再按你指定的场景参数做组合和改写。这样做的价值在于标题风格和平台调性是对齐的而不是每次都随机发挥。# 调用一个典型的内容创作技能假定的技能名为 headline-generator # 方式一在 Claude Code 对话中直接描述任务 # 输入用 headline-generator 给一款低卡烘焙产品生成 10 个笔记标题 # 目标人群是 25-35 岁女性关键词包括“低卡”“懒人”“早餐” # 方式二如果技能包提供了 CLI 入口脚本也可以直接跑 python3 ~/.claude/skills/headline-generator/scripts/generate.py \ --keywords 低卡,懒人,早餐 \ --count 10 \ --tone 亲切口语 \ --avoid 减肥,代餐,瘦身参数说明--keywords是内容素材关键词多个词用逗号分隔是标题生成的核心输入--count控制生成的标题数量平台运营场景下建议 5 到 10 个太少没有筛选空间太多会浪费 token 也增加挑选成本--tone定义文案语气这个参数会直接影响模型对词语的选择比如“亲切口语”和“专业测评”生成的完全是两类标题--avoid是负面约束用来告诉模型哪些词绝对不能出现比如“减肥”这类在平台上有违规风险的词。使用这套技能时最容易翻车的动作是期望它“一步生成完美终稿”。技能生成的标题本质上是候选池不是终稿。我一般会先生成 10 个然后人工挑 3 个微调再拿去发布。原因很简单模型并没有真实使用过你的产品它对“懒人早餐”的理解是基于训练数据的抽象而你对产品的感知才是真实的。技能负责扩宽思路人工负责拍板。3.2 数据分析技能导出 CSV 进技能脚本前的清洗动作数据分析类技能和内容创作类完全不同它严重依赖输入数据的质量。小红书后台能导出的互动数据通常是 CSV 或 Excel 格式但直接拿原始导出文件喂给技能脚本经常会翻车。原因有三个表头是中文、数据列里混着空值、日期格式不统一。这些在 Excel 里看不出问题但一进 Python 脚本就原形毕露。# 一个典型的数据清洗脚本处理小红书后台导出的笔记数据 import pandas as pd # encoding 参数指定读取编码避免中文乱码 df pd.read_csv(笔记数据.csv, encodingutf-8-sig) # 删除全空列和全空行后台导出经常带大量空列 df df.dropna(axis1, howall).dropna(axis0, howall) # 统一列名为英文小写技能包内的分析脚本通常依赖这些列名 df.columns [title, views, likes, comments, shares, collects, date] # 日期列统一格式方便后续按周聚合 df[date] pd.to_datetime(df[date], format%Y-%m-%d) # 输出清洗后的文件供技能脚本继续处理 df.to_csv(笔记数据_clean.csv, indexFalse, encodingutf-8-sig)代码逻辑说明encodingutf-8-sig是处理中文 CSV 的关键带 BOM 的编码让 Excel 能正常识别中文表头同时能被 Python 正常读取dropna两行分别消掉全空列和全空行因为小红书后台导出的表格经常带大量模板空列直接喂给分析脚本会导致字段错位pd.to_datetime统一日期格式是聚合统计的大前提混着2025/1/1和2025-01-01两种格式时按周聚合的结果会完全错乱。为什么说这一步是技能调用的前置条件因为技能包里的分析脚本不会替你做这些清洗它假设你喂进来的数据已经是规矩的格式。如果数据没清洗脚本不是报错就是算出离谱指标。比如“互动率超过 100%”这种结果十有八九是因为分母列读错了——原始表格里可能混有多个数值列而脚本按固定列下标取值一旦列错位所有指标全错。3.3 电商转化技能话术生成的自由度与合规边界电商转化模块是这套技能包里最考验“边界感”的部分。它包含的通常是商品卖点提取、用户评价整理、私信回复话术、促单文案这类技能。这些技能能有效减少运营的重复劳动但它也有明显的能力边界尤其是涉及平台规则的部分。# 一个商品笔记卖点提炼技能的使用示例假定的技能名为 product-angle # 输入用 product-angle 分析以下用户评价提炼 5 个可用的卖点角度。 # 评价列表... # 额外要求不要编造评价里没有提到的功能不要使用绝对化用语为什么要在调用时显式声明“不要使用绝对化用语”因为电商文案里“最好”“第一”“100% 有效”这类表达在平台审核下风险极高。技能包里的模板可能只约束了语气没约束表达边界你需要在调用时手动收紧。这不是技术问题而是运营经验问题——技能能帮你提效但审核责任始终在你。电商转化技能还有一类常见用途是私信回复和评论回复。这类技能通常包含话术模板和情感分析逻辑能根据用户评论的情感倾向推荐回复方向。但要注意话术生成技能生成的只是“回复草稿”是否要引导用户下单、要不要索要联系方式这些策略层面的决策属于账号运营者的主观判断技能服务的是表达而不是决策。4. 造一个自己的技能从 SKILL.md 模板到注册生效的完整流程4.1 最小文件组织与资源引用规则看完别人打包的 139 个技能你可以照着格式做出自己的技能。一套合格的 Claude Code 技能包文件组织有约定俗成的结构不一定有严格规范但遵循惯例能少踩很多坑。下面是一个我常用的最小技能模板my-skill/ ├── SKILL.md # 技能入口描述文件必填 ├── scripts/ │ └── run.py # 具体执行的脚本可选但常见 └── assets/ └── reference.txt # 参考资料、词库等只读资源SKILL.md放在技能根目录下命名必须全大写scripts目录存可执行脚本这样模型在技能描述里看到路径提示时能直接索引assets目录放只读资源比如标题库、违禁词表、竞品话术这些资源在技能运行时被读取但不会被修改。这里有一条硬性规则SKILL.md里的所有路径引用都必须是相对路径。如果你写成/Users/yourname/.claude/skills/my-skill/assets/reference.txt这个技能换一台电脑就彻底废掉如果写成assets/reference.txt它在任何环境下都能被正确解析。这个细节决定了技能包能不能分发给团队其他人也是很多人拿别人的技能包跑不通的第一原因。4.2 SKILL.md 的 frontmatter 与正文写法SKILL.md的写法直接决定技能什么时候被触发、什么时候被忽略。它由两部分组成顶部的 YAML frontmatter 和正文的描述。--- name: xiaohongshu-title-generator description: 用于生成小红书笔记标题。当用户需要为产品、内容或活动生成平台标题或需要优化已有标题时使用。输入关键词、目标人群和语气输出 5-10 个候选标题。 --- # 小红书标题生成技能 ## 适用场景 - 用户给出了产品或内容主题要求生成小红书风格的标题 - 用户对已有标题不满意要求换一个更有吸引力的写法 ## 工作流程 1. 读取 assets/keywords.txt 中的行业关键词库 2. 根据用户输入的主题和人群过滤关键词 3. 按 tone 参数选择标题句式模板 4. 输出 5-10 个标题并附上简短推荐理由 ## 明确不做 - 不生成与小红书无关的广告语 - 不承诺阅读量或转化效果 ## 资源路径 - 关键词库assets/keywords.txt要理解description字段是技能是否被调用的关键它好比是橱窗模型通过它来看到你的技能。大多数技能不生效的根因不是代码坏了而是描述写得含糊让模型在该用的时候没认出来。这里有个教训不要把“是否触发”的判断交给模型自由发挥你必须在描述里定义清晰的触发条件——什么时候该用、输入是什么、输出什么。触发条件越具体误用率越低。正文部分是对工作流程的说明模型是在调用时顺着正文理解执行步骤的。4.3 注册生效与验证三步权限修正、会话重启与触发测试写好技能之后不能直接假设它已经能用了。注册生效有三步验证要跑给脚本权限、重启会话、触发测试。# 第一步修正权限。skills 目录内的脚本必须有可执行权限 chmod x ~/.claude/skills/my-skill/scripts/*.py # 第二步验证 frontmatter 解析 # 直接启动 claude 后会加载技能如果 frontmatter 语法错误 # 模型会在对话中提示技能描述不可读 claude # 第三步用一句典型的触发语句测试 # 输入请为某品牌燕麦奶生成 5 个小红书标题关键词是“早餐、植物奶”权限修正是 Linux 和 macOS 用户的必做步骤Windows 用户同样需要确认脚本能被执行。会话必须重启的原因前面已经说过技能清单在会话启动时加载。最后一步触发测试的目的是确认模型在“真实任务”中能主动匹配你的技能而不是在你明确要求“使用某技能”时才响应。5. 避坑与排查技能不生效、加载失败、输出偏题的五个真实根因5.1 技能没被加载目录命名、大小写和会话缓存问题现象把技能包解压放进~/.claude/skills/启动会话后询问可用技能模型一个都列不出来。原因通常有三层。第一层是目录命名不合规技能名用了中文或大写字母比如xiaohongshu-SkillsClaude Code 扫描时直接跳过。第二层是SKILL.md里 frontmatter 的name与字段值格式不对比如用了下划线而不是连字符。第三层最常见也最隐形会话是在技能安装前启动的技能清单已经缓存进了当前上下文新文件根本没被扫描到。解决先检查技能目录名统一改成小写连字符风格再打开SKILL.md确认name字段与目录名一致最后强制退出当前会话重新启动。启动后不要立刻问“你有哪些技能”先正常聊天一两句让上下文初始化完成再询问技能清单。5.2 脚本调用失败可执行权限、解释器路径与路径穿越现象模型成功识别了技能回答也引用了技能包内容但涉及执行脚本时提示“找不到文件”或“没有权限”。原因有三一是脚本没有可执行权限这在把技能包从 zip 解压后特别常见zip 包内的 Unix 权限位在解压时经常丢失二是 Python 脚本开头没有#!/usr/bin/env python3系统不知道怎么解释这个文件三是脚本内部用了绝对路径技能包移动过目录后就失效。解决手动补执行权限chmod x检查脚本第一行有没有 shebang没有就补上把脚本内所有绝对路径改成本脚本所在的相对路径稳妥的做法是在脚本开头读取自身位置import os, sys # 获取脚本所在目录后续所有资源引用都基于此路径 BASE_DIR os.path.dirname(os.path.abspath(__file__))这段代码的意义在于无论技能包被安装到全局目录还是项目目录脚本都能在运行时自己找到资源文件位置不需要用户配置任何环境变量。5.3 模型不调用技能而是自由发挥description 写得太泛现象技能装了、会话重启了但当你提出一个明确任务时模型没有调用技能而是直接根据自身知识回答。原因在SKILL.md的description字段写得太宽泛比如写成“用于生成小红书内容”。模型认为它的通用能力已经能覆盖这个需求没有识别出存在一个更专业的工具。触发动作的本质不是“任务属于某个领域”而是“任务匹配了某个具体入口”。解决把description写得足够具体包含触发场景、输入要素和输出形式例如“当用户需要为产品生成小红书平台风格的笔记标题输入包含产品名和关键词时使用此技能输出 5-10 个候选标题并附选择理由”。描述里有关键的边界词“平台风格”“候选标题”“附选择理由”这些细节让模型意识到通用回答与技能输出之间存在差别。另一个技巧在正文里添加“明确不做”清单帮助模型排除不匹配的场景。5.4 zip 包解压异常伪加密、破坏结构与中文文件名乱码现象从网上下载的技能包 zip 文件双击解压时提示需要密码输入作者给的密码后报错或者解压完成后文件夹内全是乱码文件名脚本和资源文件根本无法定位。原因部分 zip 包做了“伪加密”处理——它的目录区标记了加密位但文件本体并没有真正加密文件数据仍然是明文的。这种技法通常用来防止网盘和下载工具的自动预览。另一个常见原因是 Windows 上压缩的 zip 包在 macOS 或 Linux 上解压中文文件名因为编码不一致GBK 与 UTF-8变成乱码。解决遇到提示要密码的 zip先不要急着找密码用unzip -l命令查看包内文件列表如果能正常列出文件名说明文件数据可能未加密尝试用不支持密码校验的工具强行解压遇到中文文件名乱码在 Linux 下用unzip -O gbk指定编码在 macOS 下用ditto -x -k或者先用 Python 的zipfile库手工解压并转码。实际操作中我一般会优先检查伪加密因为这类包占了“技能包解压异常”的大头。# 列出 zip 包内容不实际解压判断是否伪加密 unzip -l xiaohongshu-skills.zip # 如果文件能正常列表但解压提示要密码尝试跳过密码校验解压 python3 -c import zipfile z zipfile.ZipFile(xiaohongshu-skills.zip) # 逐文件读取并写入伪加密包在此步骤会解开 for name in z.namelist(): with open(name, wb) as f: f.write(z.read(name)) 这段 Python 的特点是用zipfile库绕过常见的解压器校验逻辑对伪加密包有效。但对真正加密的包z.read(name)会抛出RuntimeError: File is encrypted此时再去向作者确认密码信息也不迟。注意不要用这种方式处理来源不明的可疑文件它只适合你确认过内容的技术包。5.5 技能生效但输出不落地上下文限制与数据格式问题现象技能被正确触发脚本也正常运行但生成的小红书文案明显不符合平台风格或者分析结果和常识严重不符。原因需要分两类看。一类是模型上下文被其他内容挤占技能包里的规则没能被完整注入尤其是技能资源文件很大时模型可能只看到技能的一部分就开始回答。另一类是数据格式问题比如脚本期望输入是 UTF-8 编码的 CSV你给的是 GBK 编码或者脚本期望字段是整数你给的字段里混着字符串。解决针对上下文挤占在对话中主动把任务拆小单次只让技能处理一个具体问题。比如不要一次让技能“分析所有笔记数据并生成优化建议”而是先“分析笔记互动率最高的 5 篇的共同特征”再“给出标题优化方向”。针对数据格式回头做一遍第二章的清洗步骤把编码统一到 UTF-8-sig把空值处理掉把字段类型对齐。技能执行出错时先检查数据再怀疑技能本身。6. 进阶让技能包成为团队可持续复用的运营资产6.1 用 Git 管理技能包多人协作的目录约定个人使用技能包和团队共享技能包是两个完全不同量级的工程。个人使用时技能坏了只需改本地文件团队共享时一个技能更新意味着所有人的行为都会跟着变。我建议将全局技能目录初始化为 Git 仓库按模块拆分提交信息。cd ~/.claude/skills git init git add . git commit -m 初始化技能库139个小红书运营技能这里要有一个团队约定技能包内的脚本和SKILL.md属于可入库文件但运营数据、导出的 CSV、临时生成的结果文件一律不要入库。技能包管理的是逻辑和流程不是数据。团队成员拉取后各自保留自己的数据文件技能代码保持一致。这样既统一了运营动作又避免了数据同步的隐私问题和冲突问题。6.2 把技能串进流水线批量生成与人工抽检的配合方式技能的价值在单次调用时体现得有限真正的高效是把它们串成流水线。以内容创作为例完整链路是用关键词分析技能提取选题方向用标题生成技能产出候选标题用文案撰写技能生成正文初稿再用合规检查技能过滤违规表达。四个技能连续调用人工只需要在每个环节做短暂确认。我把最后一步人工确认看得很重这是底线。模型批量生成 30 条文案耗时可能只有几分钟但这也意味着它会以同样的模式犯错 30 次。所以我的习惯是每 10 条生成结果中至少人工抽查 3 条重点看是否存在常识性错误、是否涉及品牌敏感表达、是否符合当前平台的运营方向。技能包是放大器它放大的是经验也会放大疏漏。这需要心里有数。从决定把手头的小红书运营流程技能化到现在我最深的感受是技能让团队的产出下限提高了但上限还是靠人的判断力。每次引入新技能包先小范围试跑一周记录它在哪些场景稳定、哪些场景乱来再决定要不要全量铺开这套打法和验证一个工具链很相似。139 个技能不是终点技能库的维护迭代才是长期活。希望这份梳理帮你在落地技能插件系统时少走几步弯路。本文还有配套的精品资源点击获取
