【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
SomeB1oody1 小时前
【RustyML入门】1.0. 快速上手
开发语言·后端·机器学习·rust·教程
极客猴子8 小时前
AI会议记录工具横评:科会通、通义听悟、飞书妙记的自动整理效果有什么区别?
人工智能·飞书
数聚天成DeepSData1 天前
内网多人在线填表自动汇总系统搭建:飞书钉钉与开源Baserow、NocoDB方案
开源·钉钉·飞书
qq_349447951 天前
OpenClaw连接飞书
飞书
thesky1234562 天前
智能体面试准备(九):工作流编排——DAG 与状态机两种范式的取舍与手写实现
面试·agent·状态机·工作流·智能体
喜欢的名字被抢了2 天前
langgraph教程系列-01-为什么需要图-从链到图
教程·langgraph
喜欢的名字被抢了2 天前
langgraph教程系列-02-让流程分叉-条件边与路由
教程·langgraph
梦想的颜色3 天前
飞书 CLI + Skill 完全硬核指南|让 AI Agent 全自动操控飞书(消息 / 文档 / 日历 / 多维表)
人工智能·飞书·办公自动化·飞书 skill·飞书全自动工作流·agent 工具集成
有点小帅得平哥哥3 天前
基于飞书生态的 AI 智能体
人工智能·飞书
大龄码农有梦想4 天前
传统的 BPMN 工作流审批和 AI 工作流有什么区别?
人工智能·流程引擎·工作流·ai agent·ai工作流·审批流·智能体平台