本周我进行了适配项目具体功能的skills的初步开发用于为小红书创作内容、撰写文章、生成封面图片和自动化发布。涵盖从内容创作到自动化发布的完整工作流程包括使用 Pillow 生成封面图片。一、顶层架构设计我的核心设计思考在写第一行代码前我花了大量时间设计架构 ——一开始我想把所有功能写在一个文件里但很快意识到小红书页面会迭代、封面样式会更新、发布流程会变化耦合代码完全无法维护。最终我确定了四层解耦架构这是整个 Skill 能稳定运行的核心地基数据规范层统一内容结构让代码能稳定解析内容图形渲染层自动化生成封面独立于业务逻辑浏览器自动化层执行发布操作只负责浏览器交互流程调度层串联所有模块管理状态、异常、版本设计原则单一职责、无强依赖、支持降级、跨平台兼容我的思考每一层都可以单独替换、升级比如未来换用 AI 生成封面只需要修改图形层不影响其他模块。二、技术选型我没有盲目选择热门技术而是针对小红书平台特性、需求痛点逐一测试最终确定技术栈每一个选型都有明确的理由。1.开发语言Python 3.102.封面生成Pillow尝试使用OpenCV但是太重、部署成本高试了在线 API但是有网络依赖而Pillow 纯本地、无依赖、速度快3.自动化发布Chrome CDP 协议试过 Selenium但是被小红书反爬直接拦截原生 CDP 最合规、最稳定4.数据 / 配置JSON Markdown三、四大核心模块模块 1数据规范层content-guide.md开发痛点自由创作的小红书文案格式混乱代码无法自动解析、填充、发布这是自动化的最大前提障碍。我的技术思考必须把非结构化文本 → 强约束结构化数据让代码能像读取配置文件一样读取内容从源头保证格式合规。技术原理基于JSON Schema数据结构化 设计固定字段、固定格式、固定约束机器可直接解析。{ title: ✨ 20字内 Emoji关键词, intro: 开头引入, sections: [{subtitle: 分段标题, content: 分段内容}], summary: 互动结尾, tags: [#标签1,#标签2] }特点强约束标题字数、标签数量、段落格式全部固定符合小红书流量规则无解析成本Python 一行 json.loads()即可读取无需复杂文本处理解耦内容和代码完全分离支持批量导入内容。一开始我用纯文本分隔符解析经常因为用户多打一个空格导致解析失败最终改用强 Schema 结构化彻底解决解析稳定性问题。模块 2图形渲染层gen_cover.py—— 技术核心这是我开发中耗时最长的模块解决渐变背景、跨平台中文乱码、文字排版溢出三大难题。核心技术 1线性渐变背景生成小红书封面必须用渐变背景手动设计效率极低需要纯代码实现平滑渐变。def create_gradient_bg(color_key: str) - Image.Image: # 创建小红书标准尺寸画布(1080×1440) img Image.new(RGB, (COVER_WIDTH, COVER_HEIGHT)) draw ImageDraw.Draw(img) start_rgb, end_rgb COLORS[color_key] # 逐行计算颜色插值实现平滑渐变 for y in range(COVER_HEIGHT): ratio y / COVER_HEIGHT r int(start_rgb[0] * (1 - ratio) end_rgb[0] * ratio) g int(start_rgb[1] * (1 - ratio) end_rgb[1] * ratio) b int(start_rgb[2] * (1 - ratio) end_rgb[2] * ratio) draw.line([(0, y), (COVER_WIDTH, y)], fill(r, g, b)) return img我一开始用PIL-gradient库结果部署时发现依赖冲突最终自己实现插值算法零依赖、兼容性拉满RGB 插值算法根据像素行的位置比例计算起始色到结束色的过渡值逐行渲染垂直方向逐行绘制保证渐变无断层、无锯齿固定尺寸严格匹配小红书官方要求发布无裁剪、无变形。核心技术 2跨平台中文字体自动探测解决乱码Linux/macOS 无统一中文字体路径Pillow 默认渲染中文会变成方框乱码这是 Python 图像处理的经典坑。所以我不能写死字体路径必须实现跨平台自动探测 兜底机制做到零配置运行。def get_cjk_font(size: int) - ImageFont.FreeTypeFont: # 枚举macOS/Linux 标准CJK字体路径优先级排序 SYSTEM_FONT_PATHS [ /Library/Fonts/Noto Sans CJK SC Bold.otf, /usr/share/fonts/opentype/noto/NotoSansCJK-Bold.ttc ] # 自动检测系统可用字体 for font_path in SYSTEM_FONT_PATHS: if os.path.exists(font_path): return ImageFont.truetype(font_path, size) # 终极兜底加载系统默认字体 return ImageFont.load_default(sizesize)我先后尝试了打包字体进项目、写死路径、让用户手动配置三种方案最终自动探测方案完美解决所有问题路径优先级探测按系统常用字体路径依次检查找到可用字体立即加载跨平台兼容同时支持 macOS/Linux无需用户手动配置兜底保护极端环境下也能正常运行不崩溃。核心技术 3智能文字自动换行防溢出长标题会超出封面画布固定字数换行因为字体宽度不同依然会溢出。因此必须实时计算文本宽度字符级自适应分割而不是按字数分割。def auto_wrap_text(draw, text: str, font, max_width: int) - list: lines [] current_line # 逐字符测试超出宽度则换行 for char in text: test_line current_line char if draw.textlength(test_line, font) max_width: current_line test_line else: lines.append(current_line) current_line char lines.append(current_line) return lines一开始用每15个字换行结果英文、粗体字依然溢出改用字符级实时计算后彻底解决排版问题文本宽度实时计算调用 Pillow 原生 API 计算实际渲染宽度而非估算字符级分割精准控制每一行文字完美适配任意字体、字号无溢出、无重叠100% 适配小红书封面尺寸。模块 3自动化层browser-publish这是 Skill 的动作执行单元最大挑战是规避小红书反爬机制、稳定定位页面元素、持久化登录。核心技术 1持久化登录态免扫码、合规、防封号模拟登录会被小红书检测每次都扫码登录完全违背自动化初衷。我的想法是复用本地浏览器的登录数据不模拟登录、不抓包、不破解完全合规。# 启动持久化浏览器上下文保存Cookie/登录态 browser pw.chromium.launch_persistent_context( user_data_dir./browser_profile, # 本地存储登录数据 headlessFalse )我用 Selenium 模拟登录直接被小红书拦截用 Pyppeteer 登录态几分钟就失效最终采用原生持久化上下文这是实现自动化的标准合规方案用户数据持久化将浏览器的 Cookie、登录状态保存到本地文件夹原生浏览器行为和人工手动登录完全一致平台无法识别为自动化一次登录永久生效。核心技术 2语义化元素定位抗 UI 迭代小红书创作者中心经常改版CSS/XPath 选择器会直接失效自动化脚本完全跑不通。因此我选择放弃依赖页面结构的定位方式改用WAI-ARIA 语义化定位靠控件功能定位。# 语义化定位靠标题输入框、发布按钮功能定位而非页面结构 page.get_by_role(textbox, name标题).fill(title) page.get_by_role(button, name发布).click()我先后用了 CSS 选择器、XPath、正则匹配全部因为页面改版失效语义化定位是唯一能长期稳定运行的方案语义化定位基于控件的角色、文本功能定位和页面布局无关抗迭代小红书改版 UI只要功能不变脚本无需修改稳定性大幅提升。核心技术 3异常降级兜底自动化不可能 100% 稳定网络波动、页面异常都会导致失败不能让流程崩溃。因此要实现异常捕获 手动降级自动化失败立即切换为手动发布模式保证发布不中断。try: page.get_by_role(button, name发布).click() except TimeoutError: # 自动化失败触发兜底生成可复制内容手动发布 print(❌ 自动化失效切换手动兜底方案)能够实现的优点有全链路异常捕获捕获超时、元素缺失、网络错误所有异常无损降级不丢失数据不中断流程。模块 4流程调度层SKILL.md _meta.json四个模块分散独立无法一键执行没有版本管理、状态管理。因此要设计统一入口、串行执行、状态可控的调度器同时用 JSON 管理 Skill 元数据。def run_skill(note_data: dict): # 1. 解析结构化内容 content build_content(note_data) # 2. 生成标准化封面 generate_cover(**note_data) # 3. 执行浏览器自动化发布 publisher XiaohongshuPublisher() publisher.publish(titlenote_data[title], contentcontent)技术解析模块化调用无耦合单独调试任意模块串行执行一步失败立即停止避免无效操作元数据管理_meta.json记录版本、ID、时间支持迭代升级。四、技术总结开发的核心收获经过完整的技术攻坚我最终实现的这套Skill本质是技术的基本场景化落地用结构化数据解决内容解析难题从源头保证合规性用RGB 插值 字体探测 自适应排版解决封面自动化难题用原生 CDP 协议 语义化定位 持久化登录解决平台反爬与稳定性难题用四层解耦架构保证可维护、可扩展、可降级。五、后续技术演进规划视觉智能识别接入 CV 技术彻底无视页面 UI 变更批量 / 定时发布加入任务队列、定时调度支持规模化运营AI 内容增强自动优化标题、标签、正文提升流量状态持久化记录发布历史、失败原因支持断点续跑。六、总结本周初步实现了我们制定的小红书图文生成、自动发布功能并不代表最终成果后续还需与组员交流沟通一下看看有什么需要改进的地方。