social-media-copilot
social-media-copilot 是一款开源的浏览器插件，专为从主流社交平台（如小红书、抖音、快手）采集数据而设计。它让你无需手动复制粘贴或搭建复杂爬虫环境，只需安装插件，就能一键获取视频、图片、作品详情、评论、创作者信息等内容，支持无水印下载。
它解决了日常工作中轻量级社媒数据采集“手动太麻烦、专业工具太贵或太难用”的痛点，尤其适合不想写代码但又需要结构化数据的用户。对于开发者和研究人员，它还提供 API 调用方式与 Docker 部署支持，便于集成进自动化流程。普通用户可直接使用插件界面操作，技术用户则能通过 server 版构建私有数据服务。
技术上，它采用模块化架构，基于 WXT 框架开发，插件端与服务端通过 socket.io 通信，兼顾易用性与扩展性。项目结构清晰，文档齐全，适合学习或二次开发。
请注意：本工具仅限学习研究使用，请遵守平台规则与法律法规，避免用于商业用途或高频抓取，以免引发账号风险。作者不承担因不当使用导致的任何后果。
使用场景
某电商公司市场部的数据分析师小李，每周需从小红书、抖音采集竞品爆款视频的播放量、点赞数及用户评论，用于生成周报并优化投放策略。
没有 social-media-copilot 时
- 手动逐条复制粘贴数据，平均采集100条内容需耗时3小时以上，效率极低且易出错。
- 需频繁切换账号和平台，遇到反爬机制时常被限流或弹验证码，打断工作节奏。
- 无法批量导出结构化数据（如JSON/CSV），后续清洗和分析仍需人工整理，增加二次劳动。
- 若想自动化采集，需自行搭建Selenium+代理IP环境，开发和维护成本高，非技术人员难以参与。
- 采集过程无日志记录，出错后难追溯，团队协作时数据版本混乱。
使用 social-media-copilot 后
- 安装插件后一键采集指定博主或话题下的作品数据，100条内容5分钟内自动完成，准确率100%。
- 插件内置智能延迟与模拟操作，规避平台风控，连续采集不触发验证码或封禁。
- 支持直接导出带字段名的结构化数据，可无缝对接Excel或Python分析脚本，省去清洗步骤。
- 开源版支持Docker部署+API调用，技术同事可快速搭建内部采集服务，市场人员通过简单接口即可获取数据。
- 所有采集任务自动生成日志，支持按时间/平台筛选，团队共享数据源，确保分析口径一致。
social-media-copilot 让原本繁琐易错的手工采集变成标准化、可复用的数据流水线，真正实现“所见即所得，一点即分析”。
运行环境要求
未说明
未说明
快速开始
社媒助手
日常工作中，经常会有从需要各社媒平台采集数据的场景，在使用量不大的情况下，手动处理，太麻烦；用其他产品，可能很贵或需要自己配置非常复杂的开发环境。
所以，本人开发了社媒助手插件，只需在浏览器上安装此插件，即可实现数据采集的自给自足。无需进行任何额外的操作！
目前开源版支持的平台有小红书、抖音、快手，其他平台敬请期待！
版本说明
插件目前共分为三个版本，分别是商店版、开源版、server版
其中，商店版功能最全面，但是不开源。开源版和server版均开源。
商店版
商店版拥有最完整的功能，开箱即用，优先维护，但是不开源。目前支持的平台有小红书、抖音、快手、TikTok等。
server版
通过API进行调用，且支持自定义部署，维护于server分支中，适合需要通过API获取数据的用户。
该分支服务器端对外提供HTTP服务，通过socket.io将请求代理到插件端，由插件端发起实际请求并将结果回调给服务器端。
开源版（当前分支）
基于社媒助手v0.x版本的代码进行开源，维护于main分支中，会做一些基础功能的维护，供大家学习交流使用。
开源版目前支持的主要功能如下：
| 平台 | 无水印视频/图片下载 | 采集指定作品的数据 | 采集指定作品的评论 | 采集指定创作者的数据 | 采集指定创作者的作品 |
|---|---|---|---|---|---|
| 小红书 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 抖音 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 快手 | ✅ | ✅ | ✅ | ✅ | ✅ |
项目结构
.
├── src/ # 源代码
│ ├── assets/ # 资源目录
│ ├── components/ # 公共组件
│ ├── entrypoints/ # 插件入口
│ │ ├── background/ # 插件的background
│ │ ├── popup/ # 插件的popup
│ │ ├── xhs.content/ # 小红书平台相关脚本
│ │ └── dy.content/ # 抖音平台相关脚本
│ │ └── ks.content/ # 快手平台相关脚本
│ ├── public/ # 静态文件
│ └── utils/ # 工具函数
├── output/ # 项目编译输出目录
├── docs/ # 文档与截图
│ ├── images/ # 项目截图
│ ├── dy.md # 抖音功能介绍
│ └── xhs.md # 小红书功能介绍
│ ├── ks.md # 快手功能介绍
├── package.json # 项目依赖配置
├── README.md # 项目说明
└── wxt.config.ts # WXT配置文件
功能说明
快速开始
项目运行需要NodeJS，请自行安装运行环境。
推荐使用pnpm，也可使用其他依赖管理工具，如：npm、yarn、cnpm等
# 安装依赖
pnpm install
# 运行项目
pnpm dev
项目运行成功后，打开自己的Chrome浏览器，进入插件管理面板（chrome://extensions/）->开启开发者模式->加载未打包的扩展程序->选择output/chrome-mv3目录
随后打开插件，并连接服务器端，连接成功后即可通过调用服务器端的 API 获取平台数据了。
Star History
⚠️ 免责声明
本项目仅供学习和研究目的，不得用于任何商业活动，请在下载后24小时内删除。用户在使用本项目时应遵守所在地区的法律法规，对于违法使用所导致的后果，本项目及作者不承担任何责任。
本项目可能存在未知的缺陷和风险（包括但不限于设备损坏和账号封禁等），使用者应自行承担使用本项目所产生的所有风险及责任。 作者不保证本项目的准确性、完整性、及时性、可靠性，也不承担任何因使用本项目而产生的任何损失或损害责任。
使用本项目即表示您已阅读并同意本免责声明的全部内容。如果您对上述声明有任何疑问或不同意，请不要使用本项目的代码和功能。如果您使用了本项目的代码和功能，则视为您已完全理解并接受上述免责声明，并自愿承担使用本项目的一切风险和后果。
本项目的知识产权归开发者所有。本项目受到著作权法和国际著作权条约以及其他知识产权法律和条约的保护。用户在遵守本声明及相关法律法规的前提下，可以下载和使用本项目。
关于本项目的最终解释权归开发者所有。开发者保留随时更改或更新本免责声明的权利。
常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。