小红书选品与商品趋势分析 · Product Trend Fit — 发笔记前先判热度 + 找爆款参考

发笔记前先看商品有没有热度，选对方向再宣传。传入商品图片（必填）+ 介绍文字，自动识别品类/风格/场景方向，用 36 个候选词搜索判断近 2 周热度趋势，组织 1 个明确宣传方向，深挖 24 篇真实爆款笔记（赞≥100）做分维度拆解（粉丝/标题/首图/内容/抓用户什么点），输出结论文本（data.md）+ 全量数据（res.json）。不需要任何第三方 API key 或付费额度，用你 Chrome 里已登录的账号跑。当用户要宣传商品到 xhs、想先判断商品有没有热度/有没有爆款参考/应该怎么宣传时唤起。

xhs-product-trend-fit

功能描述

用户在宣传一款商品到 xhs 之前，想知道：我的商品对应什么方向，在 xhs 上有没有热度？有没有爆款笔记可以参考？应该怎么宣传？

skill 输入商品信息（图片必填 + 介绍文字），自动完成：

1. 识别商品关联的品类/风格/场景方向（LLM 子会话，图片读不了自动退化用文字）
2. 用 3~6 个候选搜索词逐个搜索 xhs，判断该方向近 2 周的热度趋势
3. 重新组织为 1 个明确的「宣传方向」（不是搜索词），由 2~4 篇真实爆款笔记（赞≥100）支撑
4. 对支撑该方向的爆款笔记逐个深入拉取（封面图、标题、正文、互动数、评论区信号）做分析
5. 输出 结论文本（data.md）+ 全量数据（res.json）：商品方向 + 按方向的热度趋势判断 + 素材参考（爆款笔记详解 + 分维度爆款分析）；可交付的 HTML 报告由服务端渲染入口从 res.json 确定性生成（同输入同哈希，见 wc3-app 渲染服务）

前置条件

• wc3-chrome 扩展 + Relay 服务已启动（Extension Relay HTTP API 端口 3459），Chrome 已登录 xhs 更稳
• 本地 pipeline 服务运行中（子会话经 wc3-code.mjs 代跑，端口 3460）
• Node.js >= 22（使用原生 fetch / import.meta.dirname）

使用方式

bash

node skill.mjs [input.json 路径]
# 或：node skill.mjs  （自动读 CWD 下 input.json；无 input.json 时用默认值）

input.json 入参：

字段	必填	说明
product_image	是	商品图片本地路径（用于方向识别；子会话读不了图会自动退化用文字，不阻塞流程）
product_desc	是	商品介绍文字，建议含品类/材质/风格/适用场景/目标人群
output_dir	否	产出 res.json（全量数据，可直接交服务端渲染 HTML 报告）/ data.md（人读结论文本）的目录，默认 /tmp/xhs-product-trend-fit-output