这份快照是什么
「小红书技能」这个说法被用得很泛。不同人说的是不同东西：有的是通过 RedSkill 官方渠道发布的技能，有的是 OpenClaw 生态里的第三方自动化脚本，有的是把小红书操作暴露给 Agent 的 MCP 服务，还有的是 GitHub 上的浏览器自动化项目。它们共用同一个平台，但共用供应链是谈不上的。
这一页背后的数据集是我们自己的聚合结果：来自一份 ClawHub 小红书相关技能公开快照的 136 条记录，每条带分类、下载量、安装量、风险标签和使用者画像。最后更新于 2026-06-02，完整发布在 JSON 与 CSV 里。
数据长什么样
这些总数比实际情况好看。这份快照里中位数记录的安装量是 0，136 条里有 109 条安装量不超过 2。与此同时，最大的一条——xiaohongshu-mcp，18,265 次下载——自己就占了全部下载量的大约四分之一。
这是典型的长期尾部分布，实际后果是：任何以「小红书技能的平均水平如何」开头的句子，描述的那条记录根本不存在。别去看总数，去看分布、安装比例和风险标签。
八个分类
我们按「这条记录解决什么需求」来分组，不按技术栈分。这八个分类是我们自己的，因为平台从来没有发布过我们能找到的分类体系。
| 分类 | 记录 | 下载 | 低 | 中 | 高 |
|---|---|---|---|---|---|
| 内容创作 | 27 | 7,887 | 25 | 2 | 0 |
| 发布自动化 | 26 | 7,174 | 0 | 0 | 26 |
| 综合运营 | 23 | 35,824 | 0 | 0 | 23 |
| 登录、MCP、Mac 与 CLI | 19 | 6,128 | 0 | 0 | 19 |
| 数据与分析 | 18 | 10,089 | 0 | 10 | 8 |
| 图片与卡片生成 | 14 | 1,090 | 14 | 0 | 0 |
| 互动与评论 | 5 | 268 | 0 | 0 | 5 |
| 视频下载与分析 | 4 | 849 | 0 | 4 | 0 |
八个分类里有四个一条低风险记录都没有：发布自动化、综合运营、登录与 CLI 工具、互动。这四个分类加起来 73 条记录，拿走了整份快照 71% 的下载量。换句话说，这份数据里大约每十次下载，就有七次发生在「需要登录会话、替你发布、或者批量动作」的技能上。
而那两个完全不碰你账号的分类——内容创作 27 条里有 25 条是低风险，图片与卡片生成 14 条全是低风险——合计只占约 13% 的下载量。在这个生态里，关注度和安全性并不一致，这正是「风险」这一列比「热度」那一列更有用的原因。
风险才是那一列有用的数据
我们的读法刻意做得机械，这样你可以精确地反对它，而不是笼统地不信任：
- 低只读公开内容，或者在本地生成文件。它做的事不会以「账号动作」的形式被平台看到。
- 中会做一次公开的、可撤销的动作，或者读取量级大到平台可能视为采集。
- 高需要登录会话、替你发布，或者批量动作。这里出错的后果是别人看得见的，而且收拾起来很贵。
136 条里有 81 条是高风险，约占整份快照的 60%。这不是对作者的评判，而是在描述这个生态是干什么用的：大多数小红书技能存在的意义就是在平台上做事，而在平台上做事就需要会话。
三条记录解释整个分布
xiaohongshu-mcp—— 18,265 次下载，169 次安装，高风险。最大的一条，一个做全自动化的 Python MCP 客户端。它的安装／下载比是 0.93%，只比整体平均略高，说明很多人考虑过，真正留下来的人相对少。baoyu-xhs-images—— 386 次下载，26 次安装，低风险。体量小，但安装率 6.7%，是整份快照里效率最高的一条。它只生成图片、完全不碰平台，这大概同时解释了这两个数字。- 那 109 条安装量不超过 2 的记录。这才是数据集诚实的中心。大多数小红书技能就是实验，对其中任何一条来说，真正值得问的是「你能不能读到足够多的信息来判断它」，而不是「多少人下载过」。
看到一条来路不明的安装命令
安装命令经常以截图、笔记和聊天消息的形式流传，这恰好说明它是你不能闭眼粘贴的东西。执行之前：
- 先搞清楚它调的是哪个安装脚本官方 RedSkill 路径会从一个小红书 CDN 拉一段 shell 脚本管进
bash。不管来源是哪个，先把那个网址打开读一遍，而不是直接管道给 shell。 - 确认它要不要会话如果这个技能需要登录浏览器或存储的令牌，你交出去的是账号访问权。这个决定值得单独花一分钟，而不是挤在一条安装步骤里。
- 看有没有校验官方 CLI 的已报道行为是 zip 加 sha256 校验。跳过校验的实现，和因为校验缺失就拒绝安装的实现，是两个风险等级。
- 盯住第一次运行的范围拿测试账号或隔离会话跑，先看清楚它到底写了什么，再把方向指向你在意的东西。
自动化风险分级会把这些信号讲得更细，RedSkill 说明则完整覆盖有文档可查的安装链路。
GitHub 实现案例补了什么
除了 136 条记录，我们的数据集还跟踪了 12 个 GitHub 实现案例和 9 个带原始出处的 RedSkill 案例。这些有真正独立、可区分的出处，所以也是整份数据集里最可核实的一部分。里面包括幻灯片生成技能集合、基于商业图片模型的配图流水线，以及明确写着「驱动真实登录浏览器」的小红书自动化技能包。
最后那个细节最值得记住。一个仓库如果直白地告诉你它会用你的登录会话，那它是诚实的；而对会话使用的诚实，是一个技能 README 能提供的最有价值的信息。当一个项目对此含糊其辞时，就假设它会用。