最新DeepSeek与Coze工作流实战：高效下载小红书对标账号图文视频分析

只需一条极简工作流，就能高效拆解对标账号的核心数据？

坦白说，这套方案确实轻量高效。很多运营者在打理小红书账号时，耗时最长的环节就是对标分析——手动翻阅博主主页，逐条记录点赞、评论、收藏数据，再逐一拆解选题、封面、文案结构，不仅效率低下，还容易遗漏关键信号。今天要分享的方法，或许能让这个“日常苦活”变成“一次触发，自动完成”。

具体操作是：只需粘贴一个博主的主页链接，Coze工作流就会自动抓取该博主的所有视频内容，并基于抓取到的素材，从内容调性、粉丝增长曲线、互动表现、优势短板等维度生成分析报告与优化建议。从输入到输出，全程几分钟即可完成。

从实测效果看，该流程的覆盖维度相当完整。它不仅能拉取视频列表，还能深入评估粉丝增长路径、内容互动质量，甚至提炼出账号的视觉风格与叙事模式。对运营者而言，这些数据正是制定策略、调整方向的关键依据。可以说，有了这套工具，对标的“黑箱”基本被拆解为透明结构。

那么，具体如何搭建？整个过程只有两个步骤。

第一步：配置工作流

先登录Coze首页，在工作空间的资源库中创建一个新工作流。工作流的名称和描述可根据自身需求自定义。

开始节点设置：

变量名设为input，变量类型选择String。

新增小红书笔记获取节点：

该插件可在插件市场直接搜索，名称就是“小红书”。节点参数配置如下：

• 参数名cookieStr：这里需要填入小红书的cookie。有经验的朋友应该熟悉获取方式，新手可参考对应教程，此处不再赘述。
• 参数名userProfileUrl：填入用户首页的URL。参数值选择开始节点的input。

添加循环节点：

这一步的目的是遍历博主主页下的所有内容。具体设置时，循环类型可选择“按数组输出”，这样更灵活；如果仅为快速测试，也可直接指定循环次数，例如先设为5次。参数名设为var_note_url，参数值选择xhs_auther_notes节点的note_url。

循环体内部——视频解析：

新增一个parseLink插件，主要功能是解析视频链接。在插件商店搜索“视频无水印下载”即可找到。节点参数配置如下：参数名link，参数值选循环节点的var_note_url。

循环体内部——视频转文本：

新增一个voice_to_text节点，作用是将视频和音频转换成文字。插件名称为“视频转文本”。节点配置：参数名api_key，获取地址为https://dashscope.console.aliyun.com/apiKey；参数名file_url，选择parseLink节点的video；参数名model，直接填写paraformer-v1。

循环体内部——文本拼接：

新增一个文本处理节点，目的是将视频地址、文案、博主信息拼接成一条完整记录。参与拼接的参数包括：

• String1：xhs_auther_notes节点的nick_name
• String2：xhs_auther_notes节点的desc
• String3：parseLink节点的video
• String4：voice to text节点的text_result
• String5：xhs_auther_notes节点的fans

拼接后的字符串格式大致如下：用户昵称：{{String1}}；用户简介：{{String2}}；粉丝数量：{{String5}}；视频地址：{{String3}}；视频文案：{{String4}}。

大模型分析节点：

在循环节点后面新增一个大模型节点，用于根据拼接好的信息进行分析。节点配置：输入参数input，选择循环节点的output；系统提示词可根据分析需求自定义，例如要求模型评估内容调性、优势短板、粉丝互动特征等；用户提示词直接写“用户输入：{{input}}”；输出变量output，变量类型选择String。

结束节点：

输出参数名content，参数值选择大模型节点的output。测试无误后，点击右上角发布即可。

第二步：创建智能体

回到Coze首页，进入工作空间的“项目开发”，创建一个新的智能体。然后将刚才发布的工作流添加进来。完成后可测试效果。从实际运行来看，分析质量足够可用，唯一开销是循环次数增加时，运行时间会相应拉长。

来源：互联网