能力标签
xhs_ai_publisher Agent工作流
⚙️
Agent工作流

xhs_ai_publisher Agent工作流

基于 Python · 无代码搭建完整 AI 自动化流程
英文名:xhs_ai_publisher
⭐ 2.0k Stars 🍴 288 Forks 💻 Python 📄 Apache-2.0 🏷 AI 7.8分
7.8AI 综合评分
小红书自动化AI生成内容运营桌面应用开源工具
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用:xhs_ai_publisher Agent工作流 是一款优质的Agent工作流。已获得 2.0k 颗 GitHub Star,AI 综合评分 7.8 分,在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案,这是一个值得深入了解的选择。

📚 深度解析

xhs_ai_publisher Agent工作流 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升,基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化(模拟鼠标键盘操作),AI Agent 工作流通过理解任务意图、动态规划执行路径,能够处理更复杂的非结构化任务。

xhs_ai_publisher Agent工作流 工作流的设计遵循"最小配置,最大复用"原则:核心逻辑已经封装好,用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制,在网络波动或 API 限速等情况下仍能稳定运行,适合作为生产环境的自动化基础设施。

在实际部署时,建议先在测试环境中运行 3-5 次,验证各个环节的输出结果符合预期,再部署到生产环境。AI Skill Hub 评分 7.8 分,是同类 Agent 工作流中的精选推荐。

📋 工具概览

xhs_ai_publisher Agent工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 2.0k
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
正常维护,社区驱动
开源协议
Apache-2.0
AI 综合评分
7.8 分
工具类型
Agent工作流
Forks
288

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

xhs_ai_publisher Agent工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排,无需编写复杂代码
  • 支持多步骤自动化任务链,实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制,保障稳定运行
  • 提供可复用的自动化模板,快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:pip 安装(推荐)
pip install xhs_ai_publisher

# 方式二:虚拟环境安装(推荐生产环境)
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install xhs_ai_publisher

# 方式三:从源码安装(获取最新功能)
git clone https://github.com/BetaStreetOmnis/xhs_ai_publisher
cd xhs_ai_publisher
pip install -e .

# 验证安装
python -c "import xhs_ai_publisher; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
xhs_ai_publisher --help

# 基本用法
xhs_ai_publisher input_file -o output_file

# Python 代码中调用
import xhs_ai_publisher

# 示例
result = xhs_ai_publisher.process("input")
print(result)
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
# xhs_ai_publisher 配置文件示例(config.yml)
app:
  name: "xhs_ai_publisher"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
xhs_ai_publisher --config config.yml

# 或通过环境变量配置
export XHS_AI_PUBLISHER_API_KEY="your-key"
export XHS_AI_PUBLISHER_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 70/100 含工作流图 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

简介

🌟 小红书AI发布助手

Python Version License Platform Version

<br/>

Status Stars Contributors

<br/><br/>

📖 项目简介

小红书AI发布助手 是一个功能强大的自动化内容创作与发布工具,专为小红书平台的内容创作者设计。

🎯 核心价值 - 🧠 智能创作: 基于先进AI技术自动生成高质量内容 - ⚡ 效率提升: 一键操作节省90%发布时间 - 🎨 专业品质: 精美界面设计,用户体验极佳 - 🔧 功能完整: 从内容生成到发布全流程自动化

---

✨ 核心功能

📋 系统要求

组件版本要求说明
🐍 **Python**3.8+推荐使用最新版本
🌐 **Chrome**最新版用于浏览器自动化
💾 **内存**4GB+推荐8GB以上
💿 **磁盘**2GB+用于存储依赖和数据

</div>

Windows 建议使用 Python 3.11/3.12(64 位);Python 3.13 或 32 位 Python 常见会导致 PyQt5 安装失败

3️⃣ 安装依赖

pip install -r requirements.txt

🛠️ 快速开始

🚀 安装方式

🎯 一键安装(推荐)

操作系统安装脚本启动脚本
macOS / Linux./install.sh./启动程序.sh
Windowsinstall.bat启动程序.bat

```bash

4️⃣ (可选)安装 Playwright Chromium

PLAYWRIGHT_BROWSERS_PATH="$HOME/.xhs_system/ms-playwright" python -m playwright install chromium

5️⃣ 启动程序(首次启动会自动初始化数据库)

./启动程序.sh ```

./启动程序.sh 会自动检测可用 Python;如果本地 venv/bin/python 已损坏,也会回退到系统 Python 启动,并提示你后续可用 ./install.sh 修复环境。

提示: - 运行数据默认存放于 ~/.xhs_system/(数据库、日志、浏览器缓存等) - 也可通过 XHS_DATA_DIR=/your/path 改为自定义目录(Docker/服务模式推荐)

常见问题: - Windows 安装失败(多为 PyQt5):请用 Python 3.11/3.12(64 位),避免 Python 3.13 或 32 位 Python - Linux 浏览器启动失败:可能缺少系统依赖,执行 sudo python -m playwright install-deps chromium(或对应发行版命令) - qt.qpa.fonts ... Microsoft YaHei:Qt 的字体告警,可忽略;当前版本已改为自动选择系统可用字体 - 内容页个别符号显示“方框/叉号”:通常是系统字体不支持该字符(emoji/圈数字/信息符号等);建议减少特殊符号,或更换/安装字体(程序也会做一部分字符清理/替换)

---

📱 使用指南

🎯 基础使用流程

flowchart LR A[🚀 启动程序] --> B[📱 登录账户] B --> C[✍️ 输入主题] C --> D[🤖 AI生成内容] D --> E[👀 预览效果] E --> F[📤 一键发布] style A fill:#e1f5fe style B fill:#f3e5f5 style C fill:#e8f5e8 style D fill:#fff3e0 style E fill:#fce4ec style F fill:#e0f2f1

</div>

可选:强制使用环境变量(即使 UI 已配置)

XHS_LLM_OVERRIDE=true

⚙️ 通过 `.env` 配置模型(可选,推荐 OpenAI-compatible)

.env 已在 .gitignore,不会推送到 GitHub;请勿把真实 key 写进 .env.example
cp .env.example .env

说明: - 默认优先使用 UI「AI模型配置」里的设置;仅当 UI 未配置时才会使用 .env 作为兜底 - 如需强制使用 .env,将 XHS_LLM_OVERRIDE=true - XHS_LLM_BASE_URL 可填 base_url(如 .../v1.../api/paas/v4)或完整的 .../chat/completions(程序会自动补全)

以智谱 GLM-5 为例(OpenAI-compatible):

```bash XHS_LLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4 XHS_LLM_MODEL=glm-5 XHS_LLM_API_KEY=你的key

🔧 高级配置

📁 数据与配置位置

  • ~/.xhs_system/settings.json:应用配置(手机号/标题/模型/模板等)
  • ~/.xhs_system/keys.enc:模型 API Key 加密存储
  • ~/.xhs_system/xhs_data.db:本地数据库(用户/浏览器环境等)
  • ~/.xhs_system/generated_imgs/:生成图片缓存
  • ~/.xhs_system/ms-playwright/:Playwright 浏览器缓存目录
  • ~/.xhs_system/logs/:运行日志
  • ~/.xhs_system/hotspots_cache.json:热点缓存
  • ~/.xhs_system/schedule_tasks.json:定时发布任务

---

🤖 自定义模型与模板

  • 入口:侧边栏「⚙️ 后台配置」→「AI模型配置」
  • API Key:保存时默认加密写入 ~/.xhs_system/keys.encsettings.json 不再明文保存)
  • 文案模板:在「文案模板」下拉框选择;模板文件位于 templates/prompts/
  • 系统图片模板:侧边栏「⚙️ 后台配置」→「模板库」可选择/导入(将外部模板导入到 ~/.xhs_system/system_templates,便于跨平台使用)
  • 封面模板:侧边栏「🖼️ 封面中心」选择并应用到首页;生成图片默认缓存于 ~/.xhs_system/generated_imgs/,可在首页「📥 下载图片」导出
🎯 aiskill88 AI 点评 A 级 2026-05-21

融合PyQt5和FastAPI的完整工作流解决方案,具有实用的可视化界面。代码结构清晰,社区活跃度好,但需警惕平台风控政策。

📚 实用指南(长尾问题)
适合谁
  • 需要 xhs_ai_publisher 解决具体问题的开发者与运营人员
最佳实践
  • 先在测试环境跑通最小用例,再接入生产数据
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

  • 可视化 Agent 工作流编排,无需编写复杂代码
  • 支持多步骤自动化任务链,实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制,保障稳定运行
  • 提供可复用的自动化模板,快速在同类场景部署
👥 适合谁
  • 需要 xhs_ai_publisher 解决具体问题的开发者与运营人员
⭐ 最佳实践
  • 先在测试环境跑通最小用例,再接入生产数据
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +Apache-2.0 协议,可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程,清晰直观
  • +可扩展性强,支持复杂场景
⚠️ 不足
  • 初始配置和调试需投入一定时间
  • 强依赖外部服务的稳定性
  • 复杂场景需具备一定技术基础
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议,可商用,需保留版权声明和 NOTICE 文件,含专利授权条款。

❓ 常见问题 FAQ

需要配置账号信息以支持自动登录和发布,确保使用官方推荐的安全方式存储凭证。
💡 AI Skill Hub 点评

总体来看,xhs_ai_publisher Agent工作流 是一款质量良好的Agent工作流,在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态,建议收藏备用,结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 xhs_ai_publisher Agent工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 xhs_ai_publisher
原始描述 开源AI工作流:AI-powered Xiaohongshu/Rednote content creation and publishing tool with PyQt de。⭐2.0k · Python
Topics 小红书自动化AI生成内容运营桌面应用开源工具
GitHub https://github.com/BetaStreetOmnis/xhs_ai_publisher
License Apache-2.0
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/BetaStreetOmnis/xhs_ai_publisher 🌐 官方网站  https://xhsaipublisher.com/

收录时间:2026-05-14 · 更新时间:2026-05-16 · License:Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。