用途：将小红书笔记抓取为结构化 Markdown 入库，再拆解爆款逻辑并衍生选题，衔接「采集→拆解→选题库」创作流程。
主要能力：自动区分图文与视频。图文笔记下载图片到本地 <标题>.assets/ 并以图片语法嵌入，正文常在图里、本地化后可直接在 Obsidian 查看；视频笔记提取视频直链、ffmpeg 抽音频、SenseVoice 转文字稿写入「## 视频文字稿」。采集产物含标题、正文、标签、作者与互动数据（赞/藏/评），统一 frontmatter 标注 platform: xiaohongshu 与 note_type: image|video。analyze_hook.py 输出目标人群、场景、痛点、情绪价值、标题钩子、正文结构、可复用模板与 5 条带勾选框的衍生选题。
用法：图文采集零依赖（仅 Python 标准库）；视频转录需 pip install funasr modelscope torch torchaudio，macOS 用 brew install ffmpeg，Ubuntu 用 sudo apt install ffmpeg。采集示例：python scripts/fetch_note.py "链接" -o ./out；可加 --no-images 只留图片链接、--no-video 只留视频链接、--fallback-text 手动正文.txt 兜底。拆解：python scripts/analyze_hook.py ./out/某笔记.md -o ./out。建议设置环境变量 XHS_COOKIE 规避风控，拆解需 DEEPSEEK_API_KEY。
限制：小红书风控严格，未登录脚本常被拦；采集优先解析页面内嵌 INITIAL_STATE，失败回退 og: 元标签，仍失败需手动复制正文。页面结构调整时需更新 fetch_note.py 选择器。仅供个人学习研究，需遵守平台协议与 robots，控制频率，不得批量抓取或商用。其他细节暂未提供。