【扣子Coze教程】1分钟提取500+小红书笔记评论,自动同步飞书(附源码)

今天分享一个运营小红书的扣子工作流,1分钟提取500+小红书笔记评论,同时自动同步到飞书。

为什么要提取热门笔记下的评论呢?

简单点说,评论区有时会藏着一些高价值内容,如痛点、真实需求、产品问题等,而提取评论,也更方便我们去做深度分析。


工作流完整截图:

效果展示:


01 搭建工作流

(1)登录扣子,创建一个工作流;

地址:https://www.coze.cn/home

(2)设置开始节点;

提示💡:测试该工作流时会详细介绍各个参数。

(3)添加一个批处理节点->设置参数;

提示💡:参数务必按照截图给出的来,如果输出选不到,往后做,回过头就可以选了。

(4)在批处理体中添加一个xhs_comment节点->设置参数;

从添加插件中搜索找到对应图标的插件,展开选择xhs_comment.

设置xhs_comment节点参数。

提示💡:这里的totalNumber可以控制提取的评论条数,但不能超过500条。

(5)添加一个代码节点->重命名为记录格式化->设置参数;

Python代码:

python 复制代码
import time
import random
async def main(args: Args) -> Output:
    delay = random.uniform(5, 10)
    time.sleep(delay)

    params = args.params

    url_list = params['url_list']
    comments = params['comments']
    
    records = []
    for ele in comments:
        comment_content = ele.get('comment_content', '')
        comment_like_count = ele.get('comment_like_count', '0')
        comment_create_time = ele.get('comment_create_time', '')[:-3]
        node_id = ele.get("note_id", '')
        likedCount = 0
        if '万' in comment_like_count:
            num_part = comment_like_count.replace('万', '')
            likedCount = float(num_part) * 10000

        record = {
            "fields": {
                "笔记ID":node_id,
                "链接":url_list,
                "评论": comment_content,
                "点赞": int(likedCount),
                "评论日期": comment_create_time
            }
        }
        records.append(record)

    ret: Output = {
        "records": records
    }
    return ret

(6)添加一个add_records节点->重命名为添加到飞书->设置参数;

(7)设置结束节点;


02 测试工作流

(1)在飞书创建一个多维表格,添加5个字段,按照下图给出的填写;

(2)设置下表格权限,复制表格链接;

(3)登录下网页版小红书,刷新下,找到cookie并复制;

(4)切换到扣子工作流页面,输入参数,点击试运行;

cookie:从第(3)步获取;

fs_token:从第(2)步获取;

url_list:可以输入多条笔记链接,用逗号分隔开;

(5)运行成功后,看下输出结果都是success,那么去飞书多维表格就可以看到提取到的评论了;

相关推荐
iReachers32 分钟前
HTML打包APK自定义User Agent设置方法
教程·app开发·user agent·html打包apk
ylj_dev1 小时前
从 0 构建 AI Workload Platform(九):真实场景、最小控制台与开源发布
go·react·开源项目·工作流·ai agent
小七-七牛开发者1 天前
Agent 小知识 | Skill 的设计与生命周期:从工具接口到能力模块
ai·大模型·agent·token·工作流·claudecode·ai coding
广州智造1 天前
HyperMesh 产品功能清单|有限元前处理软件|HyperMesh 中国代理
人工智能·教程·设计·cad·建模·cae
SomeB1oody2 天前
【RustyML入门】6.3. 并行归约
开发语言·后端·机器学习·rust·教程
小七-七牛开发者2 天前
拆解 DeepSeek Harness:Profile 与 Bundle 如何装配运行时
ai·大模型·agent·token·工作流·claudecode·ai coding
ZGi.ai2 天前
ZGI 运行日志:还原任务与节点状态
可观测性·工作流·企业ai·zgi·运行日志
小七-七牛开发者3 天前
61 亿次请求背后:LLM Serving 的 Cache 与调度难题
ai·大模型·agent·token·工作流·claudecode·ai coding
ylj_dev3 天前
从 0 构建 AI Workload Platform(五):Agent Runtime、工具权限与自然语言工作流
golang·工作流·ai agent·大模型应用开发·agent runtime
技术小甜甜3 天前
Dify 工作流场景目录(2026):客服、回访、采购、知识库、系统集成怎么找入口
workflow·知识库·客服·工作流·dify·场景