前言
在上一篇教程中，我们实现了小红书最基础的用户动态监控功能，能够实时监控女神的小红书笔记更新，并第一时间通过企业微信通知我们。
但是，作为一名合格的舔狗，我们不仅要能够实时监控女神的小红书最新笔记，还要能够第一时间向女神送上点赞和评论，让她感受到我们的热情和关注。之前我们是收到企业微信通知后，手动去点赞和评论，但是这样速度太慢了，女神背后的舔狗不知有多少，为了在 PVP 中脱颖而出，我们必须比别人速度更快，更高情商。所以，今天我们就来实现自动点赞和评论功能。
需求分析
在原有功能的基础上，我们需要：
- 自动给女神的新笔记点赞
- 自动评论女神的新笔记
- 使用 LLM (大语言模型) 生成个性化高情商评论
- 通过企业微信通知互动结果
- 首次监控某用户时，不进行互动，以防止短时间内对同一用户的大量历史笔记互动，被系统以及用户发现
技术方案
为了实现这些新功能，我们需要：
- 实现基于 OpenAI API 的评论生成器
- 扩展配置模块,添加 LLM 和互动相关配置
- 扩展监控模块, 添加互动逻辑（点赞和评论）
- 扩展数据库模块, 获取数据库中用户历史笔记数量
代码实现
扩展配置模块
首先我们需要在原来的配置文件中添加 LLM 和互动相关配置，如 OpenAI API 密钥, Prompt 模板, 是否开启自动互动等。
# config.py
### ......原配置文件内容
# 监控配置
MONITOR_CONFIG = {
# ...... 原配置文件内容
"AUTO_INTERACT": True, # 是否开启自动互动
"FALLBACK_COMMENTS": [ # 随机选择一条评论
"太棒了！",
"喜欢这篇笔记",
"我来啦~",
"路过~",
"感谢分享",
"期待更新~",
"支持支持！"
],
"LIKE_DELAY": 2, # 点赞延迟(秒)
"COMMENT_DELAY": 5, # 评论延迟(秒)
}
# LLM配置
LLM_CONFIG = {
"API_KEY": "你的OpenAI API Key",
"API_BASE": "https://api.openai.com/v1", # 或者你的API代理地址
"MODEL": "gpt-3.5-turbo", # 或 gpt-4
"MAX_TOKENS": 150,
"TEMPERATURE": 0.7,
"SYSTEM_PROMPT": """你是一个正在追求心仪女生的人，需要对她的小红书笔记进行评论。
请根据笔记内容生成一条甜蜜、真诚但不过分的评论。评论要：
1. 体现你在认真看她的内容
2. 表达适度的赞美和支持
3. 语气要自然、真诚
4. 避免过分讨好或低声下气
5. 根据内容类型（图文/视频）采用合适的表达
6. 字数控制在100字以内
7. 避免过于模板化的表达
8. 评论内容要符合小红书平台规则"""
} 主要添加了:
LLM 相关配置
- API_KEY: OpenAI API 密钥
- API_BASE: OpenAI API 代理地址
- MODEL: 使用的 LLM 模型
- MAX_TOKENS: 生成的评论最大字数
- TEMPERATURE: 生成评论的随机性
- SYSTEM_PROMPT: 生成评论的提示词
自动互动相关配置
- AUTO_INTERACT: 是否开启自动互动
- FALLBACK_COMMENTS: 如果 LLM 生成评论失败, 则使用此列表中的随机一条评论
- LIKE_DELAY: 点赞延迟(秒)，减少点赞频率，避免被系统识别为机器人
- COMMENT_DELAY: 评论延迟(秒)，减少评论频率，避免被系统识别为机器人
实现评论生成器
创建 comment_generator.py 文件, 实现基于 LLM 的评论生成器。
# comment_generator.py
import requests
import random
from config import LLM_CONFIG, MONITOR_CONFIG
class CommentGenerator:
def __init__(self):
self.api_key = LLM_CONFIG["API_KEY"]
self.api_base = LLM_CONFIG["API_BASE"]
self.model = LLM_CONFIG["MODEL"]
def generate_comment(self, title: str, content: str) -> str:
"""
根据笔记标题和内容生成评论
"""
try:
response = requests.post(
f"{self.api_base}/chat/completions",
headers={
"Authorization": f"Bearer {self.api_key}",
"Content-Type": "application/json"
},
json={
"model": self.model,
"messages": [
{
"role": "system",
"content": LLM_CONFIG["SYSTEM_PROMPT"]
},
{
"role": "user",
"content": f"请根据以下笔记生成一条评论:\n标题: {title}\n内容: {content}"
}
],
"max_tokens": LLM_CONFIG["MAX_TOKENS"],
"temperature": LLM_CONFIG["TEMPERATURE"]
}
)
if response.status_code == 200:
comment = response.json()["choices"][0]["message"]["content"].strip()
return comment
else:
print(f"API 请求失败: {response.status_code}")
print(f"错误信息: {response.text}")
return self._get_fallback_comment()
except Exception as e:
print(f"生成评论失败: {e}")
return self._get_fallback_comment()
def _get_fallback_comment(self) -> str:
"""
当 API 调用失败时的备用评论
"""
return random.choice(MONITOR_CONFIG.get('FALLBACK_COMMENTS', [])) - 我们创建了一个
CommentGenerator类，用于生成评论。 - 通过
__init__方法初始化 OpenAI API 密钥、API 代理地址和要使用的模型。 - 通过
generate_comment方法生成评论。generate_comment方法会接收笔记的标题和内容作为参数，并结合配置模块中定义的系统提示词和用户提示词，构造一个 OpenAI API 的请求体，然后调用 OpenAI API 的chat/completions接口，并传入请求体。 - 如果 API 调用失败，则使用预先配置的备用评论。
- 通过
_get_fallback_comment方法获取预先配置的备用评论。
扩展数据库模块
我们修改 db.py 文件，添加获取数据库中保存的用户历史笔记数量的方法。
# db.py
### ......原数据库模块内容
class Database:
# ......原数据库模块内容
def get_user_notes_count(self, user_id: str) -> int:
"""
获取数据库中某用户的笔记数量
:param user_id: 用户ID
:return: 笔记数量
"""
with sqlite3.connect(self.db_path) as conn:
cursor = conn.cursor()
cursor.execute("SELECT COUNT(*) FROM notes WHERE user_id = ?", (user_id,))
count = cursor.fetchone()[0]
return count or 0扩展监控模块
我们修改 monitor.py 文件中，添加互动逻辑, 并添加首次监控的提醒。
# monitor.py
from xhs import XhsClient
import time
from typing import List
from config import XHS_CONFIG, WECOM_CONFIG, MONITOR_CONFIG
from utils import xhs_sign
from db import Database
from wecom import WecomMessage
from comment_generator import CommentGenerator
class XHSMonitor:
def __init__(self, cookie: str, corpid: str, agentid: int, secret: str):
"""
初始化监控类
:param cookie: 小红书cookie
:param corpid: 企业ID
:param agentid: 应用ID
:param secret: 应用的Secret
"""
self.client = XhsClient(cookie=cookie, sign=xhs_sign)
self.wecom = WecomMessage(corpid, agentid, secret)
self.db = Database()
self.error_count = 0
self.comment_generator = CommentGenerator()
def send_error_notification(self, error_msg: str):
"""
发送错误通知
:param error_msg: 错误信息
"""
time_str = time.strftime('%Y-%m-%d %H:%M:%S')
content = (
"小红书监控异常告警\n"
f"错误信息：{error_msg}\n"
f"告警时间：{time_str}"
)
self.wecom.send_text(content)
def get_latest_notes(self, user_id: str) -> List[dict]:
"""
获取用户最新笔记
:param user_id: 用户ID
:return: 笔记列表
"""
try:
res_data = self.client.get_user_notes(user_id)
self.error_count = 0
return res_data.get('notes', [])
except Exception as e:
error_msg = str(e)
print(f"获取用户笔记失败: {error_msg}")
time.sleep(60)
self.error_count += 1
if self.error_count >= MONITOR_CONFIG["ERROR_COUNT"]:
self.send_error_notification(f"API 请求失败\n详细信息：{error_msg}")
exit(-1)
return []
def like_note(self, note_id: str) -> bool:
"""
点赞笔记
:param note_id: 笔记ID
:return: 是否成功
"""
try:
time.sleep(MONITOR_CONFIG["LIKE_DELAY"]) # 添加延迟，避免操作过快
self.client.like_note(note_id)
print(f"点赞成功: {note_id}")
return True
except Exception as e:
print(f"点赞失败: {e}")
return False
def get_note_detail(self, note_id: str, xsec: str) -> dict:
"""
获取笔记详细信息
:param note_id: 笔记ID
:return: 笔记详细信息
"""
try:
uri = '/api/sns/web/v1/feed'
data = {"source_note_id":note_id,"image_formats":["jpg","webp","avif"],"extra":{"need_body_topic":"1"},"xsec_source":"pc_search","xsec_token": xsec}
res = self.client.post(uri, data=data)
note_detail = res["items"][0]["note_card"]
return note_detail
except Exception as e:
print(f"获取笔记详情失败: {e}")
return {}
def comment_note(self, note_id: str, note_data: dict) -> dict:
"""
评论笔记
:param note_id: 笔记ID
:param note_data: 笔记数据
:return: 评论结果
"""
try:
time.sleep(MONITOR_CONFIG["COMMENT_DELAY"])
note_detail = self.get_note_detail(note_id, note_data.get('xsec_token', ''))
title = note_detail.get('title', '')
content = note_detail.get('desc', '')
note_type = '视频' if note_detail.get('type') == 'video' else '图文'
content = f"这是一个{note_type}笔记。{content}"
comment = self.comment_generator.generate_comment(title, content)
self.client.comment_note(note_id, comment)
print(f"评论成功: {note_id} - {comment}")
return { "comment_status": True, "comment_content": comment }
except Exception as e:
print(f"评论失败: {e}")
return { "comment_status": False, "comment_content": "" }
def interact_with_note(self, note_data: dict) -> dict:
"""
与笔记互动（点赞+评论）
:param note_data: 笔记数据
:return: 互动结果
"""
result = {
"like_status": False,
"comment_status": False,
"comment_content": ""
}
if not MONITOR_CONFIG.get("AUTO_INTERACT"):
return result
note_id = note_data.get('note_id')
if not note_id:
return result
result["like_status"] = self.like_note(note_id)
comment_result = self.comment_note(note_id, note_data)
result["comment_status"] = comment_result["comment_status"]
result["comment_content"] = comment_result["comment_content"]
return result
def send_note_notification(self, note_data: dict, interact_result: dict = None):
"""
发送笔记通知
:param note_data: 笔记数据
:param interact_result: 互动结果
"""
note_url = f"https://www.xiaohongshu.com/explore/{note_data.get('note_id')}"
user_name = note_data.get('user', {}).get('nickname', '未知用户')
title = note_data.get('display_title', '无标题')
type = note_data.get('type', '未知类型')
time_str = time.strftime('%Y-%m-%d %H:%M:%S')
content = [
"小红书用户发布新笔记",
f"用户：{user_name}",
f"标题：{title}",
f"链接：{note_url}",
f"类型：{type}",
]
if interact_result and MONITOR_CONFIG.get("AUTO_INTERACT"):
like_status = "成功" if interact_result["like_status"] else "失败"
content.append(f"点赞：{like_status}")
if interact_result["comment_status"]:
content.append(f"评论：成功")
content.append(f"评论内容：{interact_result['comment_content']}")
else:
content.append(f"评论：失败")
content.append(f"监控时间：{time_str}")
self.wecom.send_text("\n".join(content))
def monitor_user(self, user_id: str, interval: int):
"""
监控用户动态
:param user_id: 用户ID
:param interval: 检查间隔(秒)
"""
print(f"开始监控用户: {user_id}")
while True:
try:
latest_notes = self.get_latest_notes(user_id)
existing_notes = self.db.get_user_notes_count(user_id)
is_first_monitor = existing_notes == 0 and len(latest_notes) > 1
if is_first_monitor:
welcome_msg = (
f"欢迎使用 xhs-monitor 系统\n"
f"监控用户：{latest_notes[0].get('user', {}).get('nickname', user_id)}\n"
f"首次监控某用户时，不会对历史笔记进行自动点赞和评论，仅保存笔记记录\n"
f"以防止被系统以及用户发现"
)
self.wecom.send_text(welcome_msg)
for note in latest_notes:
self.db.add_note_if_not_exists(note)
else:
for note in latest_notes:
if self.db.add_note_if_not_exists(note):
print(f"发现新笔记: {note.get('display_title')}")
interact_result = self.interact_with_note(note)
self.send_note_notification(note, interact_result)
except Exception as e:
error_msg = str(e)
print(f"监控过程发生错误: {error_msg}")
time.sleep(interval)
def main():
monitor = XHSMonitor(
cookie=XHS_CONFIG["COOKIE"],
corpid=WECOM_CONFIG["CORPID"],
agentid=WECOM_CONFIG["AGENTID"],
secret=WECOM_CONFIG["SECRET"]
)
monitor.monitor_user(
user_id=MONITOR_CONFIG["USER_ID"],
interval=MONITOR_CONFIG["CHECK_INTERVAL"]
)
if __name__ == "__main__":
main() 新增
interact_with_note方法，用于与笔记互动（点赞和评论），并返回互动结果。- 如果配置模块中
AUTO_INTERACT为False，则直接返回互动结果。 - 如果配置模块中
AUTO_INTERACT为True，则先通过like_note方法点赞笔记，再通过comment_note方法评论笔记，并返回互动结果。
- 如果配置模块中
新增
like_note方法，用于点赞笔记。like_note方法会通过sleep方法添加点赞延迟， 减少被系统识别为机器人的概率。- 然后调用
XhsClient的like_note方法实现点赞笔记。
新增
comment_note方法，用于评论笔记。comment_note方法也会通过sleep方法添加评论延迟， 减少被系统识别为机器人的概率。- 由于小红书列表页的数据不全，没有包含笔记的正文内容信息，所以我们需要获取单篇笔记的详细信息，这里我们通过
get_note_detail方法获取笔记的详细信息，然后将笔记的标题，正文内容，笔记类型拼接成一条内容，传入评论生成器的generate_comment方法，生成评论内容 - 最后调用
XhsClient的comment_note方法实现评论笔记。
新增
get_note_detail方法，用于获取笔记的详细信息。- 我们通过
XhsClient的post方法，构造请求体，获取笔记的详细信息。
- 我们通过
- 修改
__init__方法，添加CommentGenerator实例。 修改
send_note_notification方法。- 新增
interact_result参数，用于传递互动结果。 - 如果配置模块中
AUTO_INTERACT为True，则将互动结果添加到通知内容中。 - 如果配置模块中
AUTO_INTERACT为False，则只发送笔记通知，不发送互动结果。
- 新增
修改
monitor_user方法，添加首次监控的提醒。- 如果首次监控某用户，则发送欢迎信息到企业微信，并仅保存笔记记录，不进行互动, 以防止短时间内对同一用户的大量历史笔记互动，被系统以及用户发现。
- 如果非首次监控，则根据配置进行互动。
运行效果
执行 python monitor.py 后，可以看到如下效果：
结语
通过本篇教程，我们实现了自动点赞和评论功能，让我们在不错过女神笔记的同时，第一时间向她送上点赞和评论。 但是，PVP 是残酷的，即使我们第一时间向女神送上点赞和评论，也不一定能获得女神的青睐，所以，在接下来，我们将继续努力，不断优化我们的代码，让 PVP 变成 PVE ! 最终收获女神的芳心！
项目地址
本教程的完整代码，请访问项目地址：
https://github.com/beilunyang/xhs-monitor, 分支 tutorial-2 是本篇的完整代码。
如果这个项目对你有帮助,欢迎给个 Star ⭐️
本文首发于公众号 悖论的技术小屋，欢迎关注。🛠️ 分享大前端，Web3，信息安全方面的知识 ❓ 日常交流答疑？知无不言
python
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。