1. 项目概述
最近在运营自媒体账号时，我发现小红书平台的爆款视频数据对内容创作有重要参考价值。但手动收集整理这些数据耗时耗力，于是尝试用Coze平台搭建了一个自动化工作流，实现小红书热门视频抓取并自动写入飞书多维表。这个方案运行一个月来，每天能稳定采集200+条优质视频数据，极大提升了我的选题效率。
Coze作为新一代AI应用平台，其工作流功能特别适合这类需要结合多个API服务的自动化任务。相比传统爬虫开发，用Coze搭建这类工具的技术门槛更低，且维护成本几乎为零。下面我就详细拆解这个工作流的实现过程，包括核心设计思路、具体配置步骤以及实际使用中的避坑经验。
2. Coze平台核心能力解析
2.1 为什么选择Coze
在对比多个AI平台后，我最终选择Coze主要基于三个考量：
- 可视化工作流：通过拖拽节点就能完成复杂逻辑编排，不需要编写完整代码
- 丰富插件生态：内置小红书、飞书等常用平台的官方插件，省去API对接工作
- 免费额度充足：个人开发者每月有足够免费的调用次数，完全满足日常需求
2.2 工作流的核心设计
这个自动化采集系统需要解决三个关键问题：
- 数据获取：从小红书获取指定话题下的热门视频列表
- 数据处理：提取视频标题、点赞数、作者等关键信息
- 数据存储：将结构化数据写入飞书多维表格方便分析
对应的工作流设计如下：
code复制开始 → 获取小红书列表 → 解析笔记ID → 批量获取详情 → 提取关键字段 → 写入飞书表格
3. 详细配置步骤
3.1 前期准备工作
3.1.1 飞书多维表配置
- 在飞书文档新建一个多维表格
- 设计字段结构（建议包含以下列）：
- 视频标题（文本）
- 作者名称（文本）
- 点赞数（数字）
- 收藏数（数字）
- 视频链接（URL）
- 发布时间（日期）
3.1.2 获取必要凭证
- 小红书Cookie：登录网页版小红书后，通过浏览器开发者工具获取（具体步骤见注意事项）
- 飞书权限：在飞书开发者后台创建应用，获取App ID和App Secret
重要提示：小红书Cookie有效期约7天，需要定期更新。建议设置日历提醒。
3.2 工作流节点配置
3.2.1 初始参数设置
在开始节点添加以下输入参数：
- 搜索关键词（如"美妆教程"）
- 最大采集数量（建议50-100条）
- 排序方式（最新/最热）
3.2.2 小红书插件配置
- 添加"小红书搜索"插件节点
- 配置参数：
- 关键词：绑定开始节点的输入参数
- 排序方式：选择"综合排序"
- Cookie：填入获取的cookie值
3.2.3 数据解析节点
使用JavaScript代码节点处理原始数据：
javascript复制// 示例：提取笔记基础信息
function extractNoteData(notes) {
return notes.map(note => ({
id: note.id,
title: note.title,
author: note.user.nickname
}));
}
3.2.4 批量处理详情
- 添加"批处理"节点提高效率
- 设置并发数为5（过高可能触发反爬）
- 对每个笔记ID调用"小红书笔记详情"插件
3.2.5 飞书写入配置
- 添加"飞书多维表格"节点
- 配置字段映射关系：
- 表格ID：飞书表格的URL中获取
- 字段映射：将JS对象属性对应到表格列
4. 实战经验与优化建议
4.1 性能优化技巧
- 请求间隔：在批处理节点间添加200-500ms延迟
- 错误重试：对失败请求设置自动重试（最多3次）
- 数据去重：在写入前检查飞表是否已存在相同ID记录
4.2 常见问题解决
-
Cookie失效：
- 现象：突然返回空数据
- 解决：重新获取并更新工作流中的Cookie值
-
频率限制：
- 现象：返回403错误
- 解决：降低并发数，增加请求间隔
-
字段缺失：
- 现象：某些视频缺少预期字段
- 解决：在JS代码中添加默认值处理逻辑
4.3 进阶扩展思路
- 定时触发：设置每天凌晨自动执行
- 数据增强：对接情感分析API标注内容倾向
- 自动预警：当发现爆款模版时发送飞书通知
这个方案我已经稳定运行3个月，累计采集了1.2w+条视频数据。实际使用中发现，配合飞书多维表格的筛选和统计功能，能快速发现近期热门的内容形式和话题走向。对于自媒体运营者来说，这种自动化工具能节省至少60%的选题时间。