薯脑Rmind
多模态数据收集+LLM 结构化解码+Prompt Engineering 迭代
访谈了 8 位刚起号的小红书博主，她们说——
「找了个博主陪跑，一次 3000，跑了两次感觉也没学到什么。我就是个想副业的打工人，哪来这个钱」
— 美妆博主，起号 2 个月「身边有个朋友找了陪跑老师，每周一次，一年花了快两万。我看着她的内容也没比我好多少。这钱花的太冤了」
— 穿搭博主，在职备考「千瓜我买了三个月，看了一堆折线图，就是不知道这跟我自己有什么关系。数据挺好看的，但我不会用」
— 美食博主，宝妈「我会刷爆款，会截图，记了 200 条标题。但轮到自己写的时候，完全空白。我缺的不是素材，是判断力」
— 生活博主，起号 45 天「ChatGPT 帮我生成的文案，一眼就看出来是 AI 写的。我的粉丝又不傻，我自己都尴尬，根本不敢发」
— 家居博主，想副业「我想学的是某个博主说话的感觉，不是让 AI 凑字数。我需要的不是模板，是那个人的思路」
— 珠宝博主，职场新人产品想解决的三个核心问题
传统对标工具只给你数据和排行榜。薯脑Rmind 让博主本身成为你随时可以提问的导师，而不是一张静态的分析报告。
爆款公式千篇一律，你的困境独一无二。薯脑Rmind 基于你的真实情况给出专属建议，而不是套话式「要做好人设」。
过去只有付得起几千块陪跑的博主才能得到专属指导。现在每个新人都能拥有自己的博主导师，随问随答。
小红书博主工具现状分析
目标用户
刚起号 0~3 个月的小红书新手博主。她们有内容生产意愿，但缺乏判断力和个性化指导，付不起高价陪跑，也看不懂复杂的数据分析平台。
核心价值
把原本复杂的博主数据，通过对话式 Agent 重新呈现——随时提问、随时获得专属回答，像身边有个懂小红书的朋友。降低理解门槛，不再需要懂数据分析，只需要说出你的困惑。
市场上缺少一款把「博主 Know-how」与「对话式 AI」结合的工具。薯脑Rmind 填补的，是「像你最喜欢的博主一样思考，用你最熟悉的方式被指导」这个空白。
从博主笔记到Agent个性化对话
STEP 01 · 数据解码管线
基于开源项目 blogger-distiller 构建数据采集与解码管线。对每位博主：
扫码登录小红书，抓取最近 50 篇公开笔记，提取标题、正文、评论、点赞、收藏、发布时间等 23 个维度数据。通过 K-Means 聚类识别博主的内容主题分布，利用 LLM 结构化提取从笔记原文中抽取博主的价值观、口头禅、选题偏好、标题公式等，产出包含 10 个章节的 SKILL.md 档案。
「脚本保下限，AI 冲上限」的架构——用规则保证数据可靠，用 LLM 挖掘深度洞察。
STEP 02 · Prompt Engineering 迭代
让 AI 像某位博主一样说话，不是把 SKILL.md 塞进 Prompt 就完事。经历了 5 轮 wrapper 迭代，核心问题是：
v1 直接硬编码人格 → 每个博主都要手写，不可扩展；v2 加三层穿透结构 → 回答变成报告，失去对话感；v3 引入任务映射表 → 解决了信息过载；v4 语气来源约束 → 解决了「所有博主都说家人们」的 AI 感；v5 泛用化 wrapper → 适配任意 SKILL.md 档案，当前版本。
| 版本 | 核心改进 | 遗留问题 |
|---|---|---|
| v1 | 硬编码博主特征 | 不可扩展 |
| v2 | 三层穿透结构 | 丧失对话感 |
| v3 | 任务映射表 | 语气仍不准 |
| v4 | 语气来源约束 | 仅适用单一档案 |
| v5 | 泛用化 wrapper | 当前版本 |
STEP 03 · Agent 运行时架构
用户输入问题 → 前端发送至 /api/chat → 服务端加载对应 SKILL.md → 与 wrapper 拼接生成 System Prompt → 注入 <skill_document> 标签包裹的档案内容 → 调用 Claude API 流式响应 → 逐字符返回前端。
首字符延迟控制在 800ms 以内，流式响应确保用户不会感受到等待。