一、背景概述本周我们分别从三个关键方向同步推进后端任务编排与前端可观测性——让每一次营销生成任务都有完整的调用链、日志和资产沉淀自我学习与长期记忆层——实现 HOT/WARM/COLD 三层记忆机制让系统“越用越懂用户”小红书自动化发布与评论区自动回复——突破微前端沙盒限制完成从内容发布到互动管理的闭环。三线并行且相互支撑任务编排为记忆层提供结构化数据记忆层为文案生成提供偏好和历史经验自动化发布则把生成的内容真正推向平台并回收用户反馈。本篇团队博客汇总这三方面的工作展示当前 MarketClaw 的整体进展。二、工作总览方向核心产出当前状态任务编排与前端展示简化版FastAPI Vue3最小闭环任务 Skill 调用链 Token 记录✅ 已完成可演示自我学习与长期记忆三层记忆架构HOT/WARM/COLD钩子自动采集日志分类与技能抽取✅ 核心机制完成自动化发布与评论回复盲点坐标发布突破 QianKun评论区六分类 持久化去重✅ 实测通过三、模块一任务编排与全链路可观测3.1 设计目标让每一次商品营销请求变成一条可追踪、可审计、可复用的任务记录而不仅仅是返回一段文案。具体要求记录用户输入、系统回复、任务状态、耗时、Token 消耗记录每个 Skill 的输入输出、耗时、成功/失败状态将生成的文案作为“内容资产”沉淀前端可视化展示任务详情和 Skill 调用链。3.2 数据库设计设计了以下核心表结构User / Session用户与会话支持多轮对话上下文Message保存用户输入和系统回复AgentTask记录一次完整营销任务的状态、输入输出、总耗时、总 TokenSkillCallLog记录每个 Skill 的输入、输出、耗时、Token、状态TokenUsage统计大模型调用成本ContentAsset沉淀生成的小红书标题、正文、标签UserPreference / MemoryItem为长期记忆预留。3.3 服务层设计核心函数run_marketing_task承担了三个职责创建任务上下文会话、用户消息、任务记录按顺序调用 Skill1商品分析→ Skill2热点匹配→ Skill3文案生成后一个 Skill 的输入包含前一个的输出持久化每次 Skill 调用日志、Token 消耗、最终内容资产并更新任务状态。当前 Skill 为 Mock 实现但输入输出结构已对齐真实大模型接口后续替换只需修改 Skill Runner 内部逻辑。3.4 前端展示使用 Vue 3 Element Plus Pinia 实现了以下页面首页看板总用户数、任务数、Token 消耗、内容资产数量、Skill 成功率聊天生成页输入商品需求触发后端流程并展示结果任务记录页历史任务列表任务详情页展示任务输入、最终输出、Skill 调用链和内容资产Skill 管理页各 Skill 调用次数、成功率、平均耗时、Token。3.5 价值总结这一步让系统从“黑盒生成”变成“白盒可追踪”。答辩时可以清晰展示用户输入了什么 → 系统调用了哪些 Skill → 每个 Skill 输出了什么 → 消耗了多少 Token → 最终文案是什么。也为后续的爆款分析和策略迭代提供了数据基础。四、模块二自我学习与长期记忆层4.1 设计目标实现任务书中的创新点1让营销助手具备长期记忆能力能够记录用户的纠正、偏好、成功经验和失败教训并按照 HOT/WARM/COLD 三层逻辑动态调度记忆实现“越用越智能”。4.2 架构设计分为五层事件监听层钩子捕获会话开始、任务完成、错误发生等事件规则判断层安全过滤不记录密钥/隐私 触发条件判断日志持久化层分类写入LEARNINGS.md经验、ERRORS.md错误、FEATURE_REQUESTS.md需求分层记忆管理层HOT/WARM/COLD 动态流转技能提炼输出层从日志中抽取可复用 Skill 模板。4.3 三层记忆策略层级定义存储与加载行为HOT7天内被调用≥5次的高频经验/错误会话启动时优先加载到内存WARM常规经验记录按需加载COLD45天无触发或已过时的问题归档不主动加载每日凌晨自动执行记忆分层整理脚本无需人工干预。4.4 关键机制自动捕获通过activator.sh在任务结束后自动判断是否存在可学习内容通过error-detector.sh正则匹配异常关键词自动写入错误日志。安全过滤写入前检查内容是否包含password、token、secret等关键词自动跳过。技能抽取执行extract-skill.sh可将一条验证为通用的学习记录自动生成为标准 Skill 目录和SKILL.md模板并更新原日志状态。4.5 测试用例用例操作预期结果用户纠正用户对生成文案提出修改意见自动写入 LEARNINGS.md分类为 correction热记忆升级同一经验7天内使用≥5次升级为 HOT会话启动时自动加载冷记忆归档临时错误记录静置45天下沉至 COLD 归档区不再主动加载所有测试均已通过。4.6 价值总结这一模块让 MarketClaw 从“一次性生成工具”进化为“持续进化的营销智能体”。用户的每一次纠正、每一个成功案例都会沉淀为系统的长期记忆后续生成文案时会自动参考历史偏好和最佳实践。五、模块三小红书自动化发布与评论区自动回复5.1 设计目标完成任务书中的Skill3小红书自动化执行突破小红书创作者平台的微前端改造限制实现稳定发布实现评论区自动回复包括情感分析、分类回复、去重和风控。5.2 发布环节QianKun 沙盒突围问题发现小红书创作者平台在 2026 年初完成了 QianKun 微前端改造发布按钮不再以 DOM 元素形式存在传统的click-publish脚本完全失效。解决方案放弃 DOM 选择器转向 CDPChrome DevTools Protocol原生Input.dispatchMouseEvent通过盲点坐标点击。经过多轮截图比对确定发布按钮在 1920×1080 窗口下的固定坐标为(850, 780)。核心代码pythondef debugger_click(self, x: float, y: float) - None: params [ {type: mousePressed, x: x, y: y, button: left, clickCount: 1}, {type: mouseReleased, x: x, y: y, button: left, clickCount: 1}, ] for p in params: self._send_cdp(Input.dispatchMouseEvent, p)实测结果3 次实际发布全部成功间隔 5 分钟以上未触发风控。5.3 评论区自动回复架构OpenClaw Skill 形式分为意图识别层Python CLI、执行层CDP 操作、持久化层JSON 去重、AI 层调用文案生成 skill。评论六分类系统类型关键词示例回复策略质疑类“真能行吗”、“靠谱”个人经验 鼓励尝试询问方法“怎么做”、“步骤”具体步骤 私信引导价格咨询“多少钱”、“价格”价格区间 定制说明赞扬类“666”、“厉害”感谢 持续互动求带类“求带”、“带带我”入门引导 教程推荐一般评论其他互动引导持久化去重评论 ID 保存在~/.xhs/replied_comments.json脚本重启后自动跳过已回复评论。防风控优化传统流程需要 5 次导航优化后从主页盲点直接进入详情页单篇回复仅需 3 次导航在阈值内。5.4 实测验证对已发布的 3 篇帖子执行自动回复检测到 3 条新评论1 质疑类 2 询问方法类AI 自动生成对应回复并发送成功 ✅评论 ID 已持久化 ✅操作间隔 3–5 秒未触发风控 ✅。六、当前整体进度对照任务书任务书要求完成情况Skill1商品分析与文案生成✅ 完成 Mock 版接口结构已对齐Skill2热点信息采集 框架已完成下周接入真实爬虫Skill3小红书自动化执行✅ 发布 评论回复均实测通过Skill4账号预热与人群锚定 人设生成已完成预热行为规划待完善Skill5爆款分析与策略迭代 数据采集接口已预留下周开发创新点1长期记忆层✅ HOT/WARM/COLD 三层实现创新点2轻量级对话服务✅ 飞书/QQ 接口框架已搭建创新点3多场景内容生成 PPT 生成待接入七、总结本周团队三线并进各自攻克了不同方向的核心难点任务编排让系统变得可追踪、可审计长期记忆让系统变得可持续进化自动化发布与评论回复让系统真正落地到真实平台。这三个方向虽然技术栈不同后端/前端/记忆架构/CDP 自动化/分类算法但它们共同服务于同一个目标打造一个真正能帮用户完成商品营销全流程的私人助理。当前版本已经具备了可演示的最小闭环接下来的工作将聚焦于真实数据接入和功能完善。项目博客地址Cu-sir-CSDN博客项目 Gitee 地址https://gitee.com/cusir666/MarketClaw