Loading video...

Video Failed to Load

Go Home

全网内容选题，不用自己找了。 MediaCrawler 是一个 GitHub 57k+ Star 的开源多平台内容采集工具，几乎把主流内容平台都打通了。 支持小红书、抖音、快手、B站、微博、知乎、贴吧等平台，可抓取公开内容、评论、用户信息等数据，适合做内容分析、竞品研究、舆情监测和 AI 数据集整理。 它最大的特点不是能爬，而是门槛低。 基于 Playwright 保留登录态，无需逆向复杂加密，也不用研究各种签名算法，普通开发者也能快速上手。 还提供 WebUI，可视化配置参数、实时查看运行日志、预览和导出数据，从采集到分析一套流程搞定。 如果你经常做： - 爆款内容分析 - AI 训练数据收集 - 社媒运营监测 - 竞品账号拆解 这个项目值得收藏。

IndieDevHailey's profile picture

开发者Hailey

22,481 subscribers

17,815 views • 1 month ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🚨 一个工具就能把小红书、抖音、快手、B站、微博、贴吧、知乎的内容全爬下来 目前 GitHub 上已经有 5.2 万+ star，非常火爆 做内容分析的人，这个开源项目基本绕不开的 它最大的优势是不用搞复杂的 JS 逆向，而是通过浏览器登录态直接获取签名，门槛比传统爬虫低非常多 之前这些让人头疼的数据，现在终于有统一答案了！MediaCrawler 核心亮点： > 支持小红书 / 抖音 / 快手 / B站 / 微博 / 贴吧 / 知乎 > 支持笔记、视频、帖子、问答、评论等公开信息抓取 > 支持关键词搜索和指定 ID 采集 > 基于 Playwright 模拟真实浏览器环境 > 支持登录态缓存、代理配置、数据落库 > 适合做内容选题、舆情分析、竞品研究、AI 数据采集 现在很多人博主也在用它爬数据，数据这件事，终于要变简单了！
0:45

🚨 一个工具就能把小红书、抖音、快手、B站、微博、贴吧、知乎的内容全爬下来 目前 GitHub 上已经有 5.2 万+ star，非常火爆 做内容分析的人，这个开源项目基本绕不开的 它最大的优势是不用搞复杂的 JS 逆向，而是通过浏览器登录态直接获取签名，门槛比传统爬虫低非常多 之前这些让人头疼的数据，现在终于有统一答案了！MediaCrawler 核心亮点： > 支持小红书 / 抖音 / 快手 / B站 / 微博 / 贴吧 / 知乎 > 支持笔记、视频、帖子、问答、评论等公开信息抓取 > 支持关键词搜索和指定 ID 采集 > 基于 Playwright 模拟真实浏览器环境 > 支持登录态缓存、代理配置、数据落库 > 适合做内容选题、舆情分析、竞品研究、AI 数据采集 现在很多人博主也在用它爬数据，数据这件事，终于要变简单了！

爱吃折耳根的Ace

11,193 views • 2 months ago

一个项目，同时抓取小红书、抖音、快手、B站、微博、贴吧和知乎的公开内容。 MediaCrawler 是一个功能强大的多平台自媒体数据采集工具，在 GitHub 已经拿到 5.89 万 Star。 有 3 种不同的使用方法： 1. 输入关键词，批量抓取相关帖子和评论。 2. 指定帖子 ID，直接获取这条内容和评论，评论还能继续抓到二级回复。 3. 指定创作者主页，采集这个账号发布的内容。 抓下来的数据可以保存为 CSV、JSON、JSONL、Excel，也可以直接写入 SQLite 或 MySQL。项目还带 WebUI，可以配置参数、查看运行状态、预览和导出数据。 100% 开源，完全免费。
0:41

一个项目，同时抓取小红书、抖音、快手、B站、微博、贴吧和知乎的公开内容。 MediaCrawler 是一个功能强大的多平台自媒体数据采集工具，在 GitHub 已经拿到 5.89 万 Star。 有 3 种不同的使用方法： 1. 输入关键词，批量抓取相关帖子和评论。 2. 指定帖子 ID，直接获取这条内容和评论，评论还能继续抓到二级回复。 3. 指定创作者主页，采集这个账号发布的内容。 抓下来的数据可以保存为 CSV、JSON、JSONL、Excel，也可以直接写入 SQLite 或 MySQL。项目还带 WebUI，可以配置参数、查看运行状态、预览和导出数据。 100% 开源，完全免费。

柴郡🔔｜Crypto+AI Plus

46,133 views • 1 month ago

今天又搞了一个小红书爆款复刻的Agent，用时半小时，不说很完美，那也是完美。 1、先通过抓取爆款的内容（使用了云抓取Apify）里面的点赞，评论内容按不同内容分类，如需求，差评等，收藏，爆款量，图片及文字内容等数据； 2、拿到数据从内容，标题，图片设计，互动，时间等维护度全方向分析为什么会爆； 3、分析完成后，按这些结果数据，给我复刻出3-5个爆款内容，给给出他们的内容优势； 4、然后再给出对应的运营策略。
0:34

今天又搞了一个小红书爆款复刻的Agent，用时半小时，不说很完美，那也是完美。 1、先通过抓取爆款的内容（使用了云抓取Apify）里面的点赞，评论内容按不同内容分类，如需求，差评等，收藏，爆款量，图片及文字内容等数据； 2、拿到数据从内容，标题，图片设计，互动，时间等维护度全方向分析为什么会爆； 3、分析完成后，按这些结果数据，给我复刻出3-5个爆款内容，给给出他们的内容优势； 4、然后再给出对应的运营策略。

老杨啊 | AI产品商业化

120,297 views • 4 months ago

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了
0:25

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了

开发者Hailey

140,708 views • 6 months ago

收到了 Lazy 内容收集和笔记工具的测试资格 昨天试了一下已经离不开了 用 Raycast 的方式收藏和整理内容，选中内容一键拉起之后直接保存，效率非常高，把摩擦降到最低。 AI 介入了收集和查询的每个环节 - 收藏的时候 AI 智能打标签 - 支持对收藏内容进行总结整理等多个操作 - 也可以对 AI 提问，会根据收藏的内容回答 - 收藏内容格式支持很全，可以在软件里预览 - 自动支持来源和人物筛选，比如某个人的推特
0:28

收到了 Lazy 内容收集和笔记工具的测试资格 昨天试了一下已经离不开了 用 Raycast 的方式收藏和整理内容，选中内容一键拉起之后直接保存，效率非常高，把摩擦降到最低。 AI 介入了收集和查询的每个环节 - 收藏的时候 AI 智能打标签 - 支持对收藏内容进行总结整理等多个操作 - 也可以对 AI 提问，会根据收藏的内容回答 - 收藏内容格式支持很全，可以在软件里预览 - 自动支持来源和人物筛选，比如某个人的推特

歸藏(guizang.ai)

17,243 views • 2 years ago

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有 近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」 以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。 现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全 只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了 做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看
0:51

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有 近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」 以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。 现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全 只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了 做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

爱吃折耳根的Ace

18,508 views • 2 months ago

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。 无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。 通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub： 主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理 需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。
0:39

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。 无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。 通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub： 主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理 需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。

GitHubDaily

15,459 views • 1 year ago

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。 虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操 整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。 对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。
1:15

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。 虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操 整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。 对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。

爱吃折耳根的Ace

13,344 views • 1 month ago

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。 恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。 基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。 可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub： 同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。 只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。
3:14

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。 恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。 基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。 可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub： 同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。 只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

GitHubDaily

22,052 views • 10 months ago

我把 DeepSeek Harness 改成了创作者工作台 我之前做内容最烦的就是：脚本写完不知道丢哪了，发完视频数据散落在四个平台，复盘全靠记忆。 所以我基于我之前做的运营工作台结合oil欧呦老师的项目，打通优化了下，把 DeepSeek Harness 改成了一站式创作者工作台。 灵感记录、脚本、录屏、字幕、封面、发布、数据回收、复盘，全在一个地方跑完，并且彼此能有机联动。 运营工作台打通创作：你做的每一条内容，复盘沉淀的经验，下一条写脚本时 AI 会直接参考，这是最核心的。 内容不锁数据库，都是本地普通文件。 项目开源我放评论区了，你跑一段时间觉得不顺手，让 Agent 基于代码继续改就行。
4:20

我把 DeepSeek Harness 改成了创作者工作台 我之前做内容最烦的就是：脚本写完不知道丢哪了，发完视频数据散落在四个平台，复盘全靠记忆。 所以我基于我之前做的运营工作台结合oil欧呦老师的项目，打通优化了下，把 DeepSeek Harness 改成了一站式创作者工作台。 灵感记录、脚本、录屏、字幕、封面、发布、数据回收、复盘，全在一个地方跑完，并且彼此能有机联动。 运营工作台打通创作：你做的每一条内容，复盘沉淀的经验，下一条写脚本时 AI 会直接参考，这是最核心的。 内容不锁数据库，都是本地普通文件。 项目开源我放评论区了，你跑一段时间觉得不顺手，让 Agent 基于代码继续改就行。

Jacky无限生长

17,959 views • 20 days ago

别急着买数据！这 6 个 Python 工具帮你搭建量化系统 很多人刚开始做量化，策略还没跑起来，就先把钱交给了数据商。 其实你缺的，可能不是付费数据，而是这几个实用的 Python 工具。 第一期先分享最常用的 6 个 1️⃣ yfinance 25k star 输入股票代码，就能从 Yahoo Finance 获取历史行情、分时数据、基本面、期权、外汇和加密资产。画 K 线、验证想法、快速回测，它通常是最省事的起点。 2️⃣ pandas-datareader 3.2k star 不只看股价，还能把宏观指标和 Fama-French 因子直接读进 Pandas。利率、通胀、市场因子，可以和资产价格放在一起研究。 3️⃣ Alpha Vantage 4.9k star 申请免费密钥后，就能调用股票、外汇、加密资产和常用技术指标。想快速获取 RSI、MACD 等数据，很方便。 4️⃣ Nasdaq Data Link 更像一个金融数据仓库，覆盖金融、经济和另类数据。平台既有免费资源，也有付费内容，研究时可以直接筛选免费部分。 5️⃣ Alpaca-py 1.5k star 官方 Python SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。 这 6 个工具，不只是简单收藏。 它们可以组合成一条完整的量化研究流程： 行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易 免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。
1:44

别急着买数据！这 6 个 Python 工具帮你搭建量化系统 很多人刚开始做量化，策略还没跑起来，就先把钱交给了数据商。 其实你缺的，可能不是付费数据，而是这几个实用的 Python 工具。 第一期先分享最常用的 6 个 1️⃣ yfinance 25k star 输入股票代码，就能从 Yahoo Finance 获取历史行情、分时数据、基本面、期权、外汇和加密资产。画 K 线、验证想法、快速回测，它通常是最省事的起点。 2️⃣ pandas-datareader 3.2k star 不只看股价，还能把宏观指标和 Fama-French 因子直接读进 Pandas。利率、通胀、市场因子，可以和资产价格放在一起研究。 3️⃣ Alpha Vantage 4.9k star 申请免费密钥后，就能调用股票、外汇、加密资产和常用技术指标。想快速获取 RSI、MACD 等数据，很方便。 4️⃣ Nasdaq Data Link 更像一个金融数据仓库，覆盖金融、经济和另类数据。平台既有免费资源，也有付费内容，研究时可以直接筛选免费部分。 5️⃣ Alpaca-py 1.5k star 官方 Python SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。 这 6 个工具，不只是简单收藏。 它们可以组合成一条完整的量化研究流程： 行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易 免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。

爱吃折耳根的Ace

22,067 views • 1 month ago

卧槽，这套 GTM 能力太牛逼了，这是真正能帮你赚钱的东西啊，做产品和出海的兄弟们，必须狠狠收藏！！！ 它把一整套 GTM 数据能力直接接进了 Codex、Claude： 1、Similarweb：网站流量、访问渠道、受众、排名、关键词，数据直接来自官方，不是爬虫或镜像站。 2、Ahrefs、Semrush、DataForSEO：SEO、外链、SERP、付费搜索和内容缺口。 3、X、Reddit、Instagram、YouTube、Pinterest：用户讨论、反对意见、内容趋势和创作者表现。 4、Apollo、WaveInflu：找公司、岗位联系人、达人和公开联系方式。 5、Oxylabs：查品牌在 ChatGPT、Gemini、Perplexity、Google AI Overview 里的可见度和引用来源。 以前做一次正经的市场研究，要开一堆数据平台，自己一点点分析。现在你只需要给 Agent 一个业务目标。 我最近想做一个 AI UGC 生成产品，于是拿它深度测了一把，效果真的惊呆了，它直接从 AIsa 调 Similarweb、Ahrefs、Semrush、DataForSEO……等十几个产品、40 个关键词，还有流量渠道、定价、招聘和用户评论。 你不需要研究每个平台怎么用。Agent 会根据任务自己找数据，最后直接给你竞品、需求、用户痛点、SEO 和 GEO 机会，还有具体的获客方向。 以前一个团队花大几万都很难集齐的专业能力，现在一个 Key 就能按需调用，丢给 Agent 几分钟全自动跑完，而且全是有据可查的真数据。 我把完整过程和最终报告都录进视频了，做产品、出海、SEO 或 GEO 的兄弟们，真的值得看看。 🔗：
5:49

卧槽，这套 GTM 能力太牛逼了，这是真正能帮你赚钱的东西啊，做产品和出海的兄弟们，必须狠狠收藏！！！ 它把一整套 GTM 数据能力直接接进了 Codex、Claude： 1、Similarweb：网站流量、访问渠道、受众、排名、关键词，数据直接来自官方，不是爬虫或镜像站。 2、Ahrefs、Semrush、DataForSEO：SEO、外链、SERP、付费搜索和内容缺口。 3、X、Reddit、Instagram、YouTube、Pinterest：用户讨论、反对意见、内容趋势和创作者表现。 4、Apollo、WaveInflu：找公司、岗位联系人、达人和公开联系方式。 5、Oxylabs：查品牌在 ChatGPT、Gemini、Perplexity、Google AI Overview 里的可见度和引用来源。 以前做一次正经的市场研究，要开一堆数据平台，自己一点点分析。现在你只需要给 Agent 一个业务目标。 我最近想做一个 AI UGC 生成产品，于是拿它深度测了一把，效果真的惊呆了，它直接从 AIsa 调 Similarweb、Ahrefs、Semrush、DataForSEO……等十几个产品、40 个关键词，还有流量渠道、定价、招聘和用户评论。 你不需要研究每个平台怎么用。Agent 会根据任务自己找数据，最后直接给你竞品、需求、用户痛点、SEO 和 GEO 机会，还有具体的获客方向。 以前一个团队花大几万都很难集齐的专业能力，现在一个 Key 就能按需调用，丢给 Agent 几分钟全自动跑完，而且全是有据可查的真数据。 我把完整过程和最终报告都录进视频了，做产品、出海、SEO 或 GEO 的兄弟们，真的值得看看。 🔗：

余温

35,993 views • 10 days ago

简直太强悍了！ 飞书＋豆包，绝对是自媒体内容生产的王炸组合！！ 多模态豆包+飞书多维表，可塑性真的超级强！ 在飞书里获得Codex一般的体验！！ 我原本以为，飞书里的豆包只是一个聊天助手。 结果它直接在飞书里，帮我搭出了一套能持续“自我进化”的内容生产系统。 自动寻找爆款、拆解内容、沉淀方法、追踪热点、生成图文和视频、管理排期、复盘数据…… 一整套流程，它可以自己跑起来。 🔍 自动检索小红书、抖音等平台的热门内容 📊 自动提取标题、作者、互动数据并写入表格 🧠 拆解文案、节奏与内容结构，沉淀为爆款方法库 🔥 结合实时热点，自动筛选值得跟进的选题 ✍️ 调用已有方法论，批量生成图文或视频内容 🎨 通过 Seedream、Seedance 完成图片和视频生成 📅 统一管理内容修改、审核、排期与发布 📈 定期复盘发布数据，把优质内容重新写入知识库 最关键的是：我几乎没有手动搭建！ 我只是把确定好的流程告诉“书包”，它就直接帮我创建了选题库、爆款案例库、方法论库、内容生产库和数据复盘库。 整个工作台的使用方式也很简单。 只需要告诉它：“帮我做几条关于某个方向的内容。” 最后交付给我的，已经不是一份“创作建议”，而是可以直接发布的成品。 比如小红书，它会一次性给出标题、正文、配图（或视频）、话题标签、发布建议。 我需要做的，只是确认内容，然后发布。 如果接入不同的 Skill，还可以进一步控制文案风格、内容质量、视觉偏好和审核标准。 内容发布以后，这套系统还会定期回收数据，分析点击、互动和转化表现。表现好的内容会被重新拆解，再次沉淀进案例库和方法库，继续影响下一轮创作。 这样一来，整个工作台就形成了一个真正的内容闭环： 发现爆款 → 拆解规律 → 沉淀方法 → 追踪热点 → 生成内容 → 发布管理 → 数据复盘 → 更新知识库 用得越久，对你的账号、用户和内容偏好就越了解。 豆包负责理解、生成和执行， 飞书负责存储、管理、协作与复盘。 这才是我理解的 AI 工作流： 不需要每天从零开始写提示词，也不需要在好几个工具之间反复复制粘贴。 你只需要给出目标。 剩下的事情，它会按照流程一步一步做完。 下面是我搭建这个工作台的思路！
0:47

简直太强悍了！ 飞书＋豆包，绝对是自媒体内容生产的王炸组合！！ 多模态豆包+飞书多维表，可塑性真的超级强！ 在飞书里获得Codex一般的体验！！ 我原本以为，飞书里的豆包只是一个聊天助手。 结果它直接在飞书里，帮我搭出了一套能持续“自我进化”的内容生产系统。 自动寻找爆款、拆解内容、沉淀方法、追踪热点、生成图文和视频、管理排期、复盘数据…… 一整套流程，它可以自己跑起来。 🔍 自动检索小红书、抖音等平台的热门内容 📊 自动提取标题、作者、互动数据并写入表格 🧠 拆解文案、节奏与内容结构，沉淀为爆款方法库 🔥 结合实时热点，自动筛选值得跟进的选题 ✍️ 调用已有方法论，批量生成图文或视频内容 🎨 通过 Seedream、Seedance 完成图片和视频生成 📅 统一管理内容修改、审核、排期与发布 📈 定期复盘发布数据，把优质内容重新写入知识库 最关键的是：我几乎没有手动搭建！ 我只是把确定好的流程告诉“书包”，它就直接帮我创建了选题库、爆款案例库、方法论库、内容生产库和数据复盘库。 整个工作台的使用方式也很简单。 只需要告诉它：“帮我做几条关于某个方向的内容。” 最后交付给我的，已经不是一份“创作建议”，而是可以直接发布的成品。 比如小红书，它会一次性给出标题、正文、配图（或视频）、话题标签、发布建议。 我需要做的，只是确认内容，然后发布。 如果接入不同的 Skill，还可以进一步控制文案风格、内容质量、视觉偏好和审核标准。 内容发布以后，这套系统还会定期回收数据，分析点击、互动和转化表现。表现好的内容会被重新拆解，再次沉淀进案例库和方法库，继续影响下一轮创作。 这样一来，整个工作台就形成了一个真正的内容闭环： 发现爆款 → 拆解规律 → 沉淀方法 → 追踪热点 → 生成内容 → 发布管理 → 数据复盘 → 更新知识库 用得越久，对你的账号、用户和内容偏好就越了解。 豆包负责理解、生成和执行， 飞书负责存储、管理、协作与复盘。 这才是我理解的 AI 工作流： 不需要每天从零开始写提示词，也不需要在好几个工具之间反复复制粘贴。 你只需要给出目标。 剩下的事情，它会按照流程一步一步做完。 下面是我搭建这个工作台的思路！

沐阳

121,295 views • 1 month ago

这个 Skill 让 Claude 真会看视频！补齐 AI 最大短板！ Claude Video 是一个开源 Skill，让 Claude 不再只读标题和字幕，而是真正理解视频内容。 输入 YouTube、本地 MP4，甚至 TikTok 链接，一个 /watch 就能： 自动提取关键画面 + 时间轴字幕 结合画面、音频一起分析，不再只依赖 Transcript 一键总结视频、拆解爆款、分析广告创意、定位 Bug 支持 YouTube、X、TikTok、Loom 等数百个平台，本地视频也能直接分析 零配置安装，MIT 开源，免费使用 以后研究爆款视频、竞品内容、课程教程，不用自己从头看到尾了，直接交给 Claude。
0:29

这个 Skill 让 Claude 真会看视频！补齐 AI 最大短板！ Claude Video 是一个开源 Skill，让 Claude 不再只读标题和字幕，而是真正理解视频内容。 输入 YouTube、本地 MP4，甚至 TikTok 链接，一个 /watch 就能： 自动提取关键画面 + 时间轴字幕 结合画面、音频一起分析，不再只依赖 Transcript 一键总结视频、拆解爆款、分析广告创意、定位 Bug 支持 YouTube、X、TikTok、Loom 等数百个平台，本地视频也能直接分析 零配置安装，MIT 开源，免费使用 以后研究爆款视频、竞品内容、课程教程，不用自己从头看到尾了，直接交给 Claude。

开发者Hailey

12,067 views • 1 month ago

X准备更加奖励原创者，表面看是平台要丰富内容多样性，更重要的是去为X收集更多的不一样的新数据。重复的老数据对于X AI的开发价值是0。 🚨马斯克整个生态系统，等到轨道卫星把世界平均算力成本打下来之后，最大的护城河就是数据。特斯拉车机器人的现实数据，SpaceX的太空工程数据，x的文本数据等等
1:27

X准备更加奖励原创者，表面看是平台要丰富内容多样性，更重要的是去为X收集更多的不一样的新数据。重复的老数据对于X AI的开发价值是0。 🚨马斯克整个生态系统，等到轨道卫星把世界平均算力成本打下来之后，最大的护城河就是数据。特斯拉车机器人的现实数据，SpaceX的太空工程数据，x的文本数据等等

谢嘉琪 Jiaqi

13,995 views • 1 month ago

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味 这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。 比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。 这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。 写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？ 里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。 据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。 适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容 这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。 它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。 尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件 数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。 你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。 适合做：项目拆解、公司分析、产品研究、长文选题预研。 里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。 这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图 这个不是信息图，也不是那种商业插画模板。 它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。 这种怪诞手绘风反而有辨识度。
1:06

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味 这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。 比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。 这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。 写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？ 里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。 据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。 适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容 这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。 它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。 尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件 数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。 你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。 适合做：项目拆解、公司分析、产品研究、长文选题预研。 里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。 这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图 这个不是信息图，也不是那种商业插画模板。 它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。 这种怪诞手绘风反而有辨识度。

撸毛吃猪脚饭|Gate美股0费率

31,665 views • 2 months ago

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。 我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。 数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。 看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络： 网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。 实际使用案例： Crypto Queries： 项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo： 项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy： 项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。 同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。 未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：
13:50

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。 我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。 数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。 看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络： 网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。 实际使用案例： Crypto Queries： 项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo： 项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy： 项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。 同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。 未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：

Rocky

64,848 views • 2 years ago