Openclaw For Magnes

OpenClaw for Magnes

你是"小红书创作助手"，整合 xiaohongshu-skills 和本地语义提取器，提供从搜索到海报生成的完整工作流。

🚀 快速开始

在 OpenClaw 中调起 Skill

方式 1: 直接命令

@openclaw-for-magnes 搜索上海三月市集

方式 2: 自然语言触发

帮我搜索小红书上海热门市集

方式 3: 通过技能选择器

1. 在 OpenClaw 输入 /skills 或点击技能按钮
2. 选择 "openclaw-for-magnes"
3. 输入搜索关键词

💬 在微信中使用

方法一: 微信 + OpenClaw Web 界面

1. 打开 OpenClaw Web 界面

   • 在浏览器访问 OpenClaw Web 端
   • 或使用 OpenClaw 桌面应用

2. 绑定微信

   • 在 OpenClaw 设置中绑定微信账号
   • 或扫描二维码关联

3. 在微信中发送指令

   @小爪 搜索小红书上海三月市集
   

   或

   @小爪 帮我生成市集海报
   

方法二: 微信机器人 (如果已配置)

如果 OpenClaw 已配置微信机器人集成:

1. 添加机器人为好友

   • 扫描 OpenClaw 提供的微信机器人二维码

2. 在聊天中直接调用

   搜索小红书上海热门市集
   

   提取3个市集活动
   

   生成海报
   

方法三: 转发到 OpenClaw

1. 在微信中看到小红书链接
2. 转发给 OpenClaw 助手
3. OpenClaw 自动识别并调用 skill

🔒 技能边界（强制）

所有操作通过以下方式完成：

1. 小红书操作：只使用 ./xiaohongshu-skills/scripts/cli.py，不得使用其他方式
2. 语义提取：优先使用本地 semantic_extractor.py，Magnes API 作为备选
3. 海报生成：调用 Magnes 后端 API (/api/v1/export/image)
4. 数据存储：所有中间数据保存为 JSON 文件
5. 禁止：不得修改 Magnes 后端代码

核心组件

活动提取器 (event_extractor.py)

按照 Magnes 后端设计，从所有笔记中提取活动并选择 Top 3：

核心能力：

1. 智能拆分：合集笔记拆分为子活动，非合集笔记作为独立活动
2. 字段提取：自动提取名称、时间、场地、票价、描述
3. 智能排序：市集类优先 + 信息完整度排序

提取规则：

• 合集笔记（包含多个日期或序号）→ 拆分为子活动
• 非合集笔记 → 作为独立活动
• 未标注价格 → 默认"免费"

排序规则（分数制）：

• 市集类活动：+10分
• 有时间信息：+3分
• 有场地信息：+3分
• 明确标注免费：+1分

使用方法：

from event_extractor import 提取所有活动, 选择Top3活动

# 从笔记列表提取所有活动
所有活动 = 提取所有活动(笔记列表)

# 选择 Top 3
top3 = 选择Top3活动(所有活动)

输出格式（Magnes 海报模板）：

{
  "name": "活动名称",
  "date": "3.1-3.3",
  "venue": "静安区延平路443号",
  "price": "免费",
  "description": "活动描述",
  "type": "market"
}

本地语义提取器 (semantic_extractor.py)

模拟 Magnes 后端的语义提取功能（底层支持）：

核心能力：

1. 活动提取：从长文本中识别并拆分出多个独立的活动项
2. 字段映射：自动识别标题、日期、地点、价格和简介等核心字段

提取字段：

• title: 活动标题
• date: 活动日期
• venue: 场地
• price: 票价
• description: 活动描述

工作流程

阶段 1: 搜索小红书

触发条件: 用户说"搜索小红书..."

执行步骤:

1. 检查登录状态
2. 搜索笔记（默认10条）
3. 获取每条笔记详情
4. 保存到 JSON: data/search_results_{时间戳}.json

命令行:

python3 scripts/search_and_save.py "关键词" 10

阶段 2: 活动提取与选择

触发条件: 用户说"提取活动"、"选择活动"或"总结 N 个市集"

执行步骤:

1. 读取阶段1保存的 JSON
2. 调用活动提取器 (event_extractor.py)
3. 从所有笔记中提取活动（合集拆分为子活动）
4. 按规则排序（市集优先 + 信息完整度）
5. 选择 Top 3 活动
6. 保存到 JSON: data/top3_events_{时间戳}.json

命令行:

python3 scripts/event_extractor.py data/search_results_xxx.json top3_events.json

提取流程:

输入: 10条笔记
  ↓
检测合集笔记（多个日期/序号）
  ↓
合集笔记 → 拆分为子活动
非合集笔记 → 作为独立活动
  ↓
提取字段（名称、时间、场地、票价、描述）
  ↓
评分排序
  - 市集类: +10分
  - 有时间: +3分
  - 有场地: +3分
  - 免费: +1分
  ↓
返回 Top 3

输出格式:

{
  "extraction_method": "magnes_backend_style",
  "selection_criteria": "market_priority_info_completeness",
  "total_events": 14,
  "market_count": 7,
  "top3_events": [
    {
      "rank": 1,
      "name": "Gula Market",
      "date": "3.1-3.3",
      "venue": "静安区延平路443号",
      "price": "免费",
      "description": "闲置衣物市集",
      "type": "market"
    }
  ]
}

阶段 3: 生成海报

触发条件: 用户说"生成海报"或选择模版后

执行步骤:

1. 读取阶段2保存的 Top 3 活动 JSON
2. 调用本地海报生成器 generate_poster_precise.py
3. 视觉审查: 检查生成的海报，确认文字位置
4. 位置调整: 如文字不在粉色块内，调整坐标
5. 重新生成海报
6. 保存最终海报

命令行:

python3 scripts/generate_poster_precise.py

输出:

• 文件: data/poster_precise_blocks.png
• 尺寸: 896x1200 (模板原始尺寸)
• 格式: PNG

视觉审查流程:

1. 生成初版海报

   python3 scripts/generate_poster_precise.py
   

2. 检查文字位置

   • 打开生成的海报图片
   • 检查每个活动的文字是否在对应的粉色块内
   • 检查左边距是否合适
   • 检查垂直分布是否均匀

3. 调整坐标（如需要） 编辑 scripts/generate_poster_precise.py 中的 BLOCK_POSITIONS:

   BLOCK_POSITIONS = [
       # 活动1
       {
           "title": {"x": 200, "y": 165},    # 调整 x, y 坐标
           "date": {"x": 200, "y": 215},
           "venue": {"x": 200, "y": 255},
           "price": {"x": 200, "y": 295},
           "description": {"x": 200, "y": 335}
       },
       # ... 其他活动
   ]
   

4. 重新生成

   python3 scripts/generate_poster_precise.py
   

5. 重复审查直到满意

最终坐标（经过视觉审查调整）:

# 活动1: title(200,165), date(200,215), venue(200,255), price(200,295), desc(200,335)
# 活动2: title(200,520), date(200,570), venue(200,610), price(200,650), desc(200,690)
# 活动3: title(200,860), date(200,910), venue(200,950), price(200,990), desc(200,1030)

标题清理:

• 移除日期: 3.1-3.3, 3.16-3.17&3.23-3.24
• 移除时间: 11:00-18:00, 12:00
• 示例: Gula Market 3.1-3.3 11:00-18:00 → Gula Market

特点:

• 使用精确的粉色块位置，确保文字在色块内
• 视觉审查流程确保最佳效果
• 自动清理标题中的日期和时间
• 应用模板背景图片
• 支持中文字体 (STHeiti)

完整示例

示例: 搜索 → 提取活动 → 生成海报

用户: "帮我搜索小红书上海三月热门市集"

OpenClaw:

python3 scripts/search_and_save.py "上海三月热门市集" 10

🔍 找到 10 条笔记
✅ 已保存到: data/search_results_20250324_120000.json
💡 说「帮我提取活动」进入下一步

用户: "帮我提取3个热门市集"

OpenClaw:

python3 scripts/event_extractor.py data/search_results_20250324_120000.json top3_events.json

🔍 活动提取器 - 按照 Magnes 后端设计

📥 读取 10 条笔记
📊 提取 14 个活动
   - 市集类: 7个
   - 展览类: 4个

✅ 已保存到: top3_events.json

🏆 TOP 3 活动（Magnes 海报格式）

**活动 1: Gula Market 闲置市集**
   类型: 市集
   🗓️ 时间: 3.1-3.3
   📍 场地: 静安区延平路443号二层
   💰 票价: 免费
   📝 描述: Gula的第四场闲置衣物市集，可捡漏

**活动 2: Savvy Market**
   类型: 市集
   🗓️ 时间: 3.2-3.3
   📍 场地: 黄浦区枫泾路28号
   💰 票价: 免费
   📝 描述: 开年第一场Savvy市集，全新场地

**活动 3: 外滩漫步面包节**
   类型: 市集
   🗓️ 时间: 3.16-3.17
   📍 场地: 外滩
   💰 票价: 免费
   📝 描述: BFC外滩枫泾，面包脑袋集结！

🎨 是否需要生成海报？

文件结构

openclaw-for-magnes/
├── SKILL.md                    # 技能文档
├── skill.json                  # 技能配置
├── README.md                   # 使用说明
├── EXAMPLES.md                 # 示例文档
├── data/                       # 数据存储目录
│   ├── search_results_*.json   # 搜索结果
│   ├── top3_events_*.json      # Top 3 活动结果
│   └── poster_local_correct.png # 生成的海报
├── scripts/
│   ├── search_and_save.py      # 搜索并保存
│   ├── event_extractor.py      # ⭐ 活动提取器（核心）
│   ├── generate_poster_local.py # ⭐ 本地海报生成器（核心）
│   ├── semantic_extractor.py   # 本地语义提取器（底层支持）
│   └── generate_poster.py      # Magnes API 海报生成（备选）
└── xiaohongshu-skills/         # 依赖的 skill（只读）

使用场景

场景 1: 在 OpenClaw 主界面使用

步骤:

1. 打开 OpenClaw 应用
2. 在输入框输入:

   搜索小红书上海三月热门市集
   

3. OpenClaw 自动识别意图并调用 skill
4. 等待搜索完成
5. 输入:

   提取3个热门市集
   

6. 输入:

   生成海报
   

7. 下载生成的海报

场景 2: 在微信中使用 (通过 OpenClaw)

前提: OpenClaw 已配置微信集成

步骤:

1. 在微信中找到 OpenClaw 助手
2. 发送消息:

   @小爪 帮我搜索小红书市集
   

3. 根据提示输入关键词:

   上海三月市集
   

4. 等待 OpenClaw 返回结果
5. 继续对话完成提取和生成海报

场景 3: 在 Magnes 前端集成

步骤:

1. 在 Magnes 前端点击 "搜索小红书"
2. 输入搜索关键词
3. Magnes 调用 OpenClaw Skill API
4. 返回结果并在 Magnes 中展示
5. 选择活动生成海报

场景 4: 命令行直接使用

# 进入 skill 目录
cd /Users/Hamilton/Desktop/rednote/magnes/.agent/skills/openclaw-for-magnes

# 搜索
python3 scripts/search_and_save.py "上海三月市集" 10

# 提取活动
python3 scripts/event_extractor.py \
    /Users/Hamilton/.openclaw/workspace/data/xiaohongshu/shanghai_march_markets_top10_details.json

# 生成海报
python3 scripts/generate_poster_precise.py

跨平台调用

在其他应用中调用

HTTP API 方式 (如果 OpenClaw 提供):

curl -X POST http://localhost:8000/api/skills/openclaw-for-magnes \
  -H "Content-Type: application/json" \
  -d '{
    "action": "search",
    "keyword": "上海三月市集"
  }'

Webhook 方式:

1. 配置 OpenClaw Webhook
2. 在其他应用中发送 HTTP 请求到 webhook URL
3. OpenClaw 接收请求并调用 skill

快捷指令 (macOS/iOS):

1. 创建快捷指令
2. 添加 "Run Shell Script" 动作
3. 调用 skill 脚本
4. 通过 Siri 或快捷指令应用触发

{
  "xiaohongshu_skills_path": "./xiaohongshu-skills",
  "magnes_api_url": "http://localhost:8088",
  "data_dir": "./data"
}

依赖

• Python 3.11+
• xiaohongshu-skills (同目录下)
• Magnes 后端 (http://localhost:8088) - 仅用于海报生成
• Chrome 浏览器（用于 xiaohongshu-skills）

更新日志

v1.3.0 (2025-03-24)

• ⭐ 添加活动提取器 event_extractor.py
• 按照 Magnes 后端设计：合集拆分 + 独立活动
• 智能排序：市集优先 + 信息完整度
• 票价默认规则：未标注 = 免费
• 输出格式：Magnes 海报模板格式

v1.2.0 (2025-03-24)

• 添加本地语义提取器 semantic_extractor.py
• 完全模拟 Magnes 后端的语义提取功能
• 支持活动拆分、字段映射、批量处理
• 不再依赖 Magnes API 进行语义提取

v1.1.0 (2025-03-24)

• 添加 Magnes 后端批量模式识别功能
• 使用 /api/v1/mcp/semantic/extract

v1.0.0 (2025-03-24)

• 初始版本
• 支持搜索→总结→生成海报基础流程