下面是为你定制的小红书无人值守 AI 运营系统技术方案书，采用标准 Markdown 格式编写，已整合 Mac Mini M4 Pro (48G) 本地算力架构与 Telegram 机器人警报接管机制。

小红书无人值守 AI 运营系统技术方案书

1. 系统概述与总体架构

本方案旨在利用 Mac Mini M4 Pro (48GB 统一内存) 的本地高算力资源，搭建一套低延迟、零 API 成本、高隐蔽性的端到端小红书全自动运营系统。系统覆盖“爆款选题 $\rightarrow$ AI 文本与图文渲染 $\rightarrow$ 矩阵定时发布 $\rightarrow$ 拟人互动养号 $\rightarrow$ 评论智能回复 $\rightarrow$ 风控 Telegram 接管”的全闭环流程。

1.1 系统数据流架构

[ 调度中心 (n8n) ]
       │
       ├──> 1. 本地 LLM 生成 (Ollama / Qwen2.5) ──> 结构化 JSON 资产
       │
       ├──> 2. 视觉卡片渲染 (Playwright / ComfyUI) ──> 高清图文文件
       │
       ├──> 3. 拟人发布与互动 (Playwright Stealth) ──> 小红书平台
       │                                              │
       └──> 4. 异常接管与监控 (Telegram Bot) <───────┘ (触发验证码/Cookie失效)

2. 核心技术栈选型

3. 关键功能模块实现细节

3.1 AI 内容与图文生成模块

1. 文案提取： Ollama 加载 Qwen2.5-32B，配合 Prompt 约束输出为标准 JSON（包含：title, content, tags, card_texts）。
2. 图文渲染： 通过 Python 将 card_texts 注入本地 HTML 模板，调用 Playwright 静默渲染并生成 3:4 比例的高清排版图。

3.2 拟人养号与互动模块

1. 轨迹模拟： 使用贝塞尔曲线模拟鼠标真实滑动，随机滚动推荐页并停留 8–20 秒。
2. 概率触发： 采用加权随机算法（如 15% 概率点赞，5% 概率AI评论），避免高频死板互动。
3. 评论生成： 提取当前笔记标题与正文，传输给 Ollama 生成口语化、带 Emoji 的简短评论（15 字以内）。

3.3 自动化评论回复模块

1. 轮询抓取： 定时访问小红书创作者服务平台，拉取“未回复”评论列表。
2. 情感过滤： 使用 LLM 进行三分类判断（正向互动 / 提问咨询 / 恶意攻击）。负向评价跳过，提问与正向互动自动匹配 Prompt 并调用打字模拟接口完成回复。

4. 风控控制与 Telegram 机器人警报机制

由于小红书平台风控严格，系统引入 Telegram 机器人二次验证机制，确保在不打扰正常运行的前提下进行人工实时兜底。

[ Playwright 运行 ] ──> 检测到滑块/验证码 ──> 截屏保存本地 ──> 发送 Telegram 警报
                                                                    │
[ 运行挂起等待 ] <─── Telegram 点击“已完成验证” <─── 用户手机手动解锁 ┘

4.1 Telegram 监控报警代码逻辑架构 (Python 示例)

import async_timeout
from telegram import Bot, InlineKeyboardButton, InlineKeyboardMarkup

TELEGRAM_BOT_TOKEN = "YOUR_BOT_TOKEN"
CHAT_ID = "YOUR_CHAT_ID"

async def trigger_telegram_captcha_alert(page, screenshot_path):
    """当触发验证码时保存截图并发送 Telegram 报警"""
    await page.screenshot(path=screenshot_path)
    bot = Bot(token=TELEGRAM_BOT_TOKEN)

    # 构建交互按钮
    keyboard = [
        [InlineKeyboardButton("✅ 已手动完成验证", callback_data="captcha_resolved")],
        [InlineKeyboardButton("⛔ 终止当前任务", callback_data="stop_task")]
    ]
    reply_markup = InlineKeyboardMarkup(keyboard)

    # 发送照片与提示消息
    with open(screenshot_path, 'rb') as photo:
        await bot.send_photo(
            chat_id=CHAT_ID, 
            photo=photo, 
            caption="⚠️ **小红书风控预警**\n系统检测到极验/滑动验证码，请在 Mac 桌面或远程控制完成验证。",
            reply_markup=reply_markup
        )

4.2 防封禁安全策略

• Session 保鲜： 手动登录导入 storage_state.json，复用 Cookie，避免频繁重新登录。
• 频率阀门： 单账号每日主动点赞 $<30$ 次，主动评论 $<15$ 次，发布笔记 $<2$ 条。
• 延迟抖动： 所有点击与打字操作增加随机延时 time.sleep(random.uniform(1.5, 4.2))。

5. 项目部署与实施计划

阶段一：基础设施构建

• 配置 Mac Mini M4 Pro 的 Homebrew、Docker、Ollama 与 Python 3.11 环境。
• 部署 Ollama 并下载 Qwen2.5-32B 模型，完成本地 Metal 加速推理测试。

阶段二：自动化脚本与 TG Bot 调通

• 编写 Playwright + playwright-stealth 的登录与养号脚本。
• 接入 Telegram Bot API，测试截图推送与按钮回调监听功能。

阶段三：工作流闭环与定时上线

• 配置 n8n 工作流，打通“生成 $\rightarrow$ 渲染 $\rightarrow$ 发布 $\rightarrow$ 评论回复”全流程。
• 设置 cron 定时任务，实现多模块在不同时间段的交叉独立运行。