social-auto-tool-builder-1.1.0 — 社媒自动化工具构建器

范士轶

social-auto-tool-builder-1.1.0 — 社媒自动化工具构建器

v1.1.0

快速构建本地AI自动化工具，支持多平台（小红书、抖音、快手）选择器映射，基于Playwright和本地Ollama，实现自动化回复。

1· 581·1 当前·1 累计

by @cruciata (范士轶)·MIT-0

自动化开发工具浏览器自动化 AI模型访问代码生成

下载技能包

License

MIT-0

最后更新

2026/3/18

安全扫描

VirusTotal

无害

查看报告

OpenClaw

安全

high confidence

该技能的文件和运行指令与其声明的目的（构建本地Playwright+Ollama社媒自动回复工具）一致，不要求任何无关的凭据或安装。

评估建议

该技能看似与其目标（生产本地Playwright + Ollama自动回复工具）一致。使用前，请注意：1) 自动化工具将作为已登录的浏览器用户运行，建议在非生产环境中测试。2) 确保本地Ollama服务器和Playwright浏览器二进制文件的合法性和更新性。3) 尽管技能本身不要求秘密，但构建的工具可能需要存储在浏览器配置文件中的登录cookie或凭据，请保持本地和安全。4) 打包EXE时，请自行验证构建脚本和任何捆绑文件，以避免意外包含敏感数据。若需更高的安全审查，请提供实际自动化代码（auto_responder_production.py, build_exe.ps1, requirements.txt）以检查不安全的行为（远程端点、凭据捕获、模糊操作）。...

详细分析 ▾

✓ 用途与能力

名称/描述、SKILL.md和skill.yaml都描述了构建一个本地AI + Playwright自动回复工具，指令仅引用Playwright、局部Ollama、打包到EXE、选择器模板和dry-run与发送流——这些对于该目的是一致和预期的。

✓ 指令范围

SKILL.md明确指示读取DOM/片段/截图以校准选择器，运行dry-run，然后执行发送；它不指示代理读取无关的系统文件或窃取秘密。它引用了检查本地Ollama HTTP端点（127.0.0.1）和使用persistent_context用于浏览器登录状态，这对于声明的功能是合适的。

✓ 安装机制

这是一个仅有指令的技能，没有安装规范和代码文件。SKILL.md建议使用常见的包安装（pip、playwright install）和EXE打包工具；技能本身不从任意URL拉取内容。

✓ 凭证需求

该技能声明没有必需的环境变量、凭据或配置路径。唯一的运行时网络引用是localhost:11434（本地Ollama），这与声明使用本地模型相符。没有请求无关的令牌或秘密。

✓ 持久化与权限

技能标志默认（不总是：true）。它不请求持久的平台范围权限或指示修改其他技能或代理范围配置。它建议存储浏览器登录状态（persistent_context），这对于必须作为已登录用户运行的自动化工具是预期的。

安全有层次，运行前请审查代码。

License

MIT-0

可自由使用、修改和再分发，无需署名。

查看条款 ↗

运行时依赖

无特殊依赖

版本

latestv1.1.02026/3/18

social-auto-tool-builder v1.1.0 引入多平台选择器映射，支持更广泛的自动化：- 添加小红书、抖音、快手的多平台选择器映射模板。- CLI和工作流现在需要指定目标平台（--platform）。- 主工作流和EXE支持通过选择器表实现平台无关操作。- 更新标准输入/检查清单以确保平台参数适配和交付。- 文档、提示和Windows命令模板修订以反映多平台设计。

● 无害

安装命令点击复制

官方npx clawhub@latest install social-auto-tool-builder

镜像加速npx clawhub@latest install social-auto-tool-builder --registry https://cn.clawhub-mirror.com

技能文档

目标

把“新自动化工具”的制作过程标准化，并在 v1.0.0 基础上新增多平台适配能力：

Python + Playwright（persistent_context）
本地 Ollama（意图识别 + 回复生成）
规则过滤 + AI 生成混合策略
先 dry-run 再真实发送
参数化运行 + Windows EXE 打包
小红书 / 抖音 / 快手选择器映射模板

... （中间内容保持原文，仅示例）

可复用 Prompt（新项目直接用）

按 social-auto-tool-builder v1.1.0 的流程，帮我做一个【平台名】自动化工具。要求：...

# 社媒自动化工具构建 Skill v1.1.0

目标

把“新自动化工具”的制作过程标准化，并在 v1.0.0 基础上新增多平台适配能力：

Python + Playwright（persistent_context）
本地 Ollama（意图识别 + 回复生成）
规则过滤 + AI 生成混合策略
先 dry-run 再真实发送
参数化运行 + Windows EXE 打包
小红书 / 抖音 / 快手选择器映射模板

先决输入（必须确认）

目标平台（xiaohongshu / douyin / kuaishou）
入口 URL（通知页/消息页）
已回复判定规则（例如“作者”）
发送成功信号（toast 或状态文本）
时间窗口与轮询间隔
单轮最多处理条数

默认值（信息不全时）：

interval-minutes=5
recent-hours=1
max-replies=0
先 --once dry-run

多平台选择器映射模板（核心）

在主程序中维护一个映射表（先填模板，后按真实 DOM 覆盖）： ``

python
SELECTOR_MAP = {
    "xiaohongshu": {
        "url": "https://www.xiaohongshu.com/notification",
        "comment_item": ".interaction-item, .comment-item",
        "comment_text": ".interaction-content, .comment-text, .content",
        "reply_trigger": "button:has(svg.reply-icon), svg.reply-icon, .reply-btn",
        "input": "p#content-textarea.content-input, [contenteditable='true'].content-input, textarea.comment-input",
        "submit": "button.submit, button:has-text('发送')",
        "success": "text=评论成功",
        "replied_marker": "作者"
    },
    "douyin": {
        "url": "",
        "comment_item": "",
        "comment_text": "",
        "reply_trigger": "",
        "input": "",
        "submit": "",
        "success": "",
        "replied_marker": ""
    },
    "kuaishou": {
        "url": "",
        "comment_item": "",
        "comment_text": "",
        "reply_trigger": "",
        "input": "",
        "submit": "",
        "success": "",
        "replied_marker": ""
    }
}

`



适配规则：
先读平台映射，再执行统一流程。
每个关键 selector 至少保留 1 个 fallback。
任何平台都先跑 dry-run 列候选，再启用真实发送。



标准流程（6 Phase）

Phase 1：骨架搭建
主程序拆分：AI 客户端、自动化模块、参数解析。
支持参数：
  
-

--platform

--interval-minutes

--recent-hours

--max-replies

--once

--interactive



Phase 2：平台映射接入

将平台 selector 映射注入 Automation。


URL、评论列表、输入框、发送按钮、成功信号全部来自映射。

`Phase 3：真实 DOM 校准`


让用户提供截图/DOM 片段，增量修正映射。
每次只改一个动作链路（打开弹窗、输入、发送）。

Phase 4：安全与准确

已回复过滤（marker）
时间窗口过滤（recent-hours）

去重（(text, age)）


2-5 秒随机延迟

`Phase 5：验证`


dry-run：列出候选不发送
用户确认后真实发送
必须等待成功信号

Phase 6：交付
EXE 打包（含 Playwright 浏览器路径兼容）
QUICK_START + FAQ
Git 提交与推送



质量闸门（必须通过）

python -m py_compile auto_responder_production.py

--once 模式可运行


dry-run 候选与人工预期一致
至少 1 条真实发送成功信号
EXE 参数模式可运行
EXE 交互模式可运行



Windows 命令模板

`

powershell
# 安装依赖
pip install -r requirements.txt
python -m playwright install chromium

# 本地模型检查
python -c "import requests;print(requests.get('http://127.0.0.1:11434/api/tags',timeout=5).status_code)"

# 单轮 dry-run
python auto_responder_production.py --platform xiaohongshu --once --recent-hours 1 --max-replies 3

# 构建 EXE
powershell -ExecutionPolicy Bypass -File .\build_exe.ps1

# EXE 参数模式
.\dist\auto_responder.exe --platform xiaohongshu --interval-minutes 5 --recent-hours 2 --max-replies 3

# EXE 交互模式
.\dist\auto_responder.exe --interactive

`





可复用 Prompt（新项目直接用）

`

text
按 social-auto-tool-builder v1.1.0 的流程，帮我做一个【平台名】自动化工具。
要求：
1) Python + Playwright + 本地 Ollama
2) 用 persistent_context 保存登录状态
3) 先 dry-run 列候选，再真实发送
4) 支持 --platform --interval-minutes --recent-hours --max-replies --once --interactive
5) 用多平台选择器映射模板实现，允许按我提供的DOM增量修正
6) 最后打包EXE并给 QUICK_START

`





输出物检查清单

[ ] skill.yaml 与 SKILL.md` 完整
[ ] 选择器映射模板已建立
[ ] 平台参数化设计明确
[ ] 验证与交付步骤可执行

数据来源：ClawHub ↗ · 中文优化：龙虾技能库

OpenClaw 技能定制 / 插件定制 / 私有工作流定制

免费技能或插件可能存在安全风险，如需更匹配、更安全的方案，建议联系付费定制

了解定制服务

License

运行时依赖

版本

安装命令 点击复制

技能文档

目标

可复用 Prompt（新项目直接用）

目标

先决输入（必须确认）

多平台选择器映射模板（核心）

标准流程（6 Phase）

Phase 1：骨架搭建

Phase 2：平台映射接入

Phase 3：真实 DOM 校准

Phase 4：安全与准确

Phase 5：验证

Phase 6：交付

质量闸门（必须通过）

Windows 命令模板

可复用 Prompt（新项目直接用）

输出物检查清单

安装命令点击复制

`Phase 3：真实 DOM 校准`

`Phase 5：验证`