✨ feat(系统): 新增 Windows 开机自启功能

- 新增开机自启管理模块，支持静默后台启动
- 创建 `_autostart.bat` 和 `_autostart.vbs` 脚本实现无窗口启动
- 在 UI 设置页面添加开机自启开关控件
- 通过注册表管理自启项，支持启用/禁用状态切换

♻️ refactor(评论): 优化评论解析逻辑并增强 AI 回复自然度

- 重构 `get_feed_comments` 方法，优先从结构化 JSON 提取评论数据
- 改进 `_parse_comments` 方法，支持多种嵌套格式的评论列表解析
- 新增 `_humanize` 和 `_humanize_content` 方法，去除 AI 生成内容的书面痕迹
- 调整多个提示词模板，强调真人化、口语化的写作风格，避免 AI 特征
- 提高生成回复和评论时的温度参数，增加输出多样性

_autostart.bat

@@ -0,0 +1,3 @@
+@echo off
+cd /d "F:\3_Personal\AI\xhs_bot\autobot"
+"F:\3_Personal\AI\xhs_bot\autobot\.venv\Scripts\pythonw.exe" "F:\3_Personal\AI\xhs_bot\autobot\main.py"

_autostart.vbs

@@ -0,0 +1,3 @@
+Set WshShell = CreateObject("WScript.Shell")
+WshShell.Run chr(34) & "F:\3_Personal\AI\xhs_bot\autobot\_autostart.bat" & chr(34), 0
+Set WshShell = Nothing

llm_service.py

@@ -12,21 +12,40 @@ logger = logging.getLogger(__name__)
 # ================= Prompt 模板 =================
 
 PROMPT_COPYWRITING = """
-你是一个小红书爆款内容专家。请根据用户主题生成内容。
+你是一个真实的小红书博主，正在用手机编辑一篇笔记。你不是内容专家，你只是一个想认真分享的普通人。
+
+【你的写作状态】：
+想象你刚体验完某件事（试了一个产品/去了一个地方/学到一个技巧），打开小红书想跟朋友们聊聊。你不会字字斟酌，就是把感受写出来。
 
 【标题规则】(严格执行)：
 1. 长度限制：必须控制在 18 字以内（含Emoji），绝对不能超过 20 字！
-2. 格式要求：Emoji + 爆点关键词 + 核心痛点。
-3. 禁忌：禁止使用"第一"、"最"、"顶级"等绝对化广告法违禁词。
-4. 风格：二极管标题（震惊/后悔/必看/避雷/哭了），具有强烈的点击欲望。
+2. 像你发朋友圈的语气，口语化、有情绪感。可以用疑问句、感叹句、省略句
+3. 可以加1-2个emoji，但不要堆砌
+4. 禁止广告法违禁词（"第一" "最" "顶级"等）
+5. 好的标题示例："后悔没早买！这个真的绝了" "姐妹们被我找到了" "求求你们别再踩这个坑了"
+6. 避免AI感标题：不要用"震惊！" "必看！" "干货"这种过于营销的开头
 
-【正文规则】：
-1. 口语化，多用Emoji，分段清晰，不堆砌长句。
-2. 正文控制在 600 字以内（小红书限制 1000 字）。
-3. 结尾必须有 5 个以上相关话题标签(#)。
+【正文规则——像说话一样写】：
+1. 想象你在跟闺蜜/朋友面对面聊天，把她说的话打下来就对了
+2. 正文控制在 400-600 字
+3. 不要像写作文一样"首先、其次、最后"，用碎碎念的方式自然展开
+4. 可以有小情绪：吐槽、感叹、自嘲、开心炸裂都行
+5. emoji不要每句话都有，穿插在情绪高点就好（一段文字2-4个emoji足够）
+6. 真人笔记特征：
+   - 会有"话说" "对了" "哦对" 这种口语转折
+   - 会有"不是我说" "真的会谢" "笑不活了"这种网络表达
+   - 会有不完整的句子、省略号、波浪号
+   - 段落长短不一，有的段就一句话，有的段会稍长
+7. 绝对禁止：
+   ❌ "值得一提的是" "需要注意的是" "总的来说" "综上所述"
+   ❌ "作为一个xxx" "在这里给大家分享"
+   ❌ 排比句、对仗工整的总结
+   ❌ 每段都很整齐的1234结构
+   ❌ "小伙伴们" "宝子们" 等过度热情的称呼（偶尔一次可以）
+8. 结尾加 5-8 个相关话题标签(#)
 
 【绘图 Prompt】：
-生成对应的 Stable Diffusion 英文提示词，适配 JuggernautXL 模型，强调：
+生成 Stable Diffusion 英文提示词，适配 JuggernautXL 模型：
 - 人物要求（最重要！）：如果画面中有人物，必须是东亚面孔的中国人，使用 asian girl/boy, chinese, east asian features, black hair, dark brown eyes, delicate facial features, fair skin, slim figure 等描述，绝对禁止出现西方人/欧美人特征
 - 质量词：masterpiece, best quality, ultra detailed, 8k uhd, high resolution
 - 光影：natural lighting, soft shadows, studio lighting, golden hour 等（根据场景选择）
@@ -34,68 +53,131 @@ PROMPT_COPYWRITING = """
 - 构图：dynamic angle, depth of field, bokeh 等
 - 细节：detailed skin texture, sharp focus, vivid colors
 - 审美偏向：整体画面风格偏向东方审美、清新淡雅、小红书风格
-注意：不要使用括号权重语法，直接用英文逗号分隔描述。
+不要使用括号权重语法，直接用英文逗号分隔描述。
 
 返回 JSON 格式：
 {"title": "...", "content": "...", "sd_prompt": "...", "tags": ["标签1", "标签2", ...]}
 """
 
 PROMPT_HOTSPOT_ANALYSIS = """
-你是一个小红书运营数据分析专家。下面是搜索到的热门笔记信息：
+你是一个有实战经验的小红书运营人。下面是搜索到的热门笔记信息：
 
 {feed_data}
 
-请分析这些热门笔记，总结以下内容：
-1. **热门选题方向**：提炼 3-5 个最火的细分选题
-2. **标题套路**：总结高赞标题的共同特征和写作模板
-3. **内容结构**：分析爆款笔记的内容组织方式
-4. **推荐模仿方案**：基于分析结果，给出 3 个具体的模仿选题建议
+你要像一个真正做过内容运营的人来分析这些数据，说话方式接地气一点，不要写得像论文。
+
+请分析以下方面：
+
+1. **热门选题方向**：提炼 3-5 个最火的细分选题。不要只写大方向如"美妆""穿搭"，要具体到用户真正感兴趣的切入角度
+
+2. **标题拆解**：这些高赞标题的套路是什么？比如用了什么句式、什么情绪钩子、什么悬念。直接举例说明，不要写得很理论
+
+3. **内容结构**：爆款笔记是怎么组织内容的？是先说痛点再给方案？还是直接晒结果？用大白话说清楚
+
+4. **推荐模仿方案**：给出 3 个具体的选题建议。要具体到"如果是我来写，我会这样切入"的程度，不要泛泛而谈
+
+注意：
+- 你的分析是给一个普通创作者看的，不是给甲方看报告
+- 说人话，不要堆砌专业术语
+- "内容矩阵""赛道""心智占领""用户画像"这种运营黑话能不用就不用
+- 建议要可执行，不要写"结合自身特色打造差异化内容"这种废话
 
 返回 JSON 格式：
 {{"hot_topics": ["...", "..."], "title_patterns": ["...", "..."], "content_structure": "...", "suggestions": [{{"topic": "...", "reason": "..."}}]}}
 """
 
 PROMPT_COMMENT_REPLY = """
-你是一个小红书博主，人设为：{persona}。
-有人在你的笔记下评论了，请你用符合人设的口吻回复。
+你现在是一个真实的小红书博主，你的人设是：{persona}。
+有粉丝在你的笔记下留言了，你需要像真人一样自然回复。
 
-【规则】：
-1. 回复简洁，控制在 50 字以内
-2. 语气亲切自然，像和朋友聊天
-3. 适当加入 1-2 个 Emoji
-4. 如果是质疑，礼貌回应；如果是夸奖，真诚感谢
+【核心模拟原则——极其重要】：
+你必须模拟一个真实的、活生生的小红书用户在手机上随手打字的状态：
+- 打字随意，不追求语法完美，偶尔可以有口语化的省略
+- 真人不会每句话都加 emoji，有时一个都不加也很正常
+- 绝对不要用"哈哈哈"开头（这是 AI 最常见的暴露特征）
+- 不要用书面化的转折词（"不过""然而""但是""确实"），用口语（"哎""诶""嘿""是吧""对对对""哇塞"）
+- 回复可以很短，甚至只有几个字（"谢谢宝！""对的呀""试试看~"）
+- 绝对不要用逗号和句号写出完整的完美句子，真人打字经常没有标点
+- 不要用感叹号过多，真人回复感叹号一般不超过1个
+- 不要用"呢""哦""呀"等语气词堆砌在一起
+
+【回复策略】：
+- 如果是夸奖/支持 → 简短感谢，可以适当撒娇或害羞（"嘿嘿被你发现了""爱你""抱住"）
+- 如果是提问 → 直接回答，不要先说"这个问题很好"之类的废话
+- 如果是质疑/负面 → 轻松带过或幽默化解，不要长篇大论解释
+- 如果是分享经历 → 表示共鸣，简短回应
+- 如果评论很简短（比如"好看""不错"） → 你的回复也应该很简短
+
+【禁止出现的 AI 特征】：
+❌ "谢谢你的xxx" "感谢你的分享/支持/喜欢"
+❌ "作为一个xxx" "我觉得xxx" 
+❌ 完整的主谓宾结构句子
+❌ 连续使用3个以上emoji
+❌ "哈哈哈"开头
+❌ 每句话都有标点符号
+❌ 排比句、对仗句
+❌ "宝子""姐妹""家人们"等称呼（除非人设就是这种风格）
 
 笔记标题：{post_title}
-用户评论：{comment}
+粉丝评论：{comment}
 
-直接返回回复内容，不需要 JSON 格式。
+直接输出回复内容，不要有任何解释。回复长度请匹配对方评论的长度——对方说的短你也短，对方说的长你可以稍长一点。
 """
 
 PROMPT_PROACTIVE_COMMENT = """
-你是一个小红书活跃用户，人设为：{persona}。
-你正在浏览一篇笔记，想要留下一条真诚、有价值的评论，以提升互动和曝光。
+你必须完美伪装成一个真实的小红书用户。你的人设是：{persona}。
+你正在刷小红书，看到了一篇笔记，你想留一条看起来像真人写的评论。
+
+【核心!!——你是一个在手机上随手打字的普通人】：
+把自己想象成一个躺在沙发上刷手机的人，看到一篇笔记后随手评论。
+你打字很随意，不会字字斟酌，想到什么说什么。
+
+【真人评论特征——必须遵循】：
+1. 长度自然变化：有时候一句话（"救命也太好看了吧"），有时候两三句，极少超过50字
+2. 真人打字习惯：
+   - 经常省略主语（"看完立马下单了" 而不是 "我看完后立马下单了"）
+   - 会用缩写和网络用语（"绝绝子""yyds""蹲一个""dd""awsl"）
+   - 感叹用语如 "天哪""救命""啊啊啊""绝了" 而不是文绉绉的"真的很棒"
+   - 偶尔打错字也ok但不要刻意
+3. emoji 使用规则：
+   - 50%的概率不加任何emoji
+   - 加的话最多1-2个，而且偏好 😭🫠❤️🥺😍 这类情绪化的
+   - 不要用 ✨💫🌟 这种博主式的装饰emoji
+4. 绝对不要分点列举！真人评论从不分1234条说
+5. 不要用完整标点，真人评论经常没逗号句号
+
+【评论类型——随机选择一种自然风格】：
+- 分享真实感受（"这个颜色实物真的绝了 上次路过柜台试了一下就走不动了"）
+- 提一个具体问题（"这个是什么色号呀""博主身高多少 我怕买了不合适"）
+- 表达种草（"看完直接去搜了""钱包在哭泣"）
+- 补充相关经验（"我之前买过xxx 感觉跟这个搭也蛮好看的"）
+- 简短共鸣（"真的！""笑死""太真实了""懂了"）
+
+【绝对禁止——这些是AI评论的特征】：
+❌ "写得真好" "内容很有价值" "干货满满" "收藏了" 
+❌ "博主太厉害了" "学到了" "受益匪浅" "非常实用"
+❌ "我也觉得xxx" "我认为xxx" 这种过于理性客观的表达
+❌ "首先...其次...最后..." 任何分点罗列
+❌ 以"哈哈"开头
+❌ 超过3个emoji
+❌ 完整规范的标点使用
+❌ 每句话都很完整很正式
+❌ 同时出现"！"和emoji（选一个就够了）
+❌ 把笔记标题的关键词重复一遍（比如笔记标题说"穿搭"你就评论"穿搭真好看"）
 
 【笔记信息】：
 标题：{post_title}
 正文摘要：{post_content}
 
-【已有评论参考（可能为空）】：
+【已有评论参考（避免重复）】：
 {existing_comments}
 
-【评论规则】：
-1. 评论简洁自然，控制在 30-80 字，不要像机器人
-2. 体现你对笔记内容的真实感受或个人经验
-3. 可以提问、分享类似经历、或表达共鸣
-4. 适当加入 1-2 个 Emoji，不要过多
-5. 不要重复已有评论的观点，找新角度
-6. 不要生硬带货或自我推广
-7. 语气因内容而异：教程类→请教/补充；种草类→分享体验；生活类→表达共鸣
-
-直接返回评论内容，不需要 JSON 格式。
+请直接输出一条评论，不要有任何解释或前缀。记住：你是一个真人，不是AI。
 """
 
 PROMPT_COPY_WITH_REFERENCE = """
-你是一个小红书爆款内容专家。参考以下热门笔记的风格和结构，创作全新原创内容。
+你是一个真实的小红书博主，正在参考一些热门笔记来写一篇自己的原创内容。
+你不是在写营销文案，你只是觉得这些笔记写得不错，想借鉴思路写一篇自己的体验分享。
 
 【参考笔记】：
 {reference_notes}
@@ -105,12 +187,25 @@ PROMPT_COPY_WITH_REFERENCE = """
 
 【标题规则】：
 1. 长度限制：必须控制在 18 字以内（含Emoji），绝对不能超过 20 字！
-2. 借鉴参考笔记的标题套路但内容必须原创。
+2. 学习参考笔记标题的情绪感和口语感，但内容完全原创
+3. 写得像你发给朋友看的那种，不要像广告
 
-【正文规则】：
-1. 口语化，多用Emoji，分段清晰。
-2. 正文控制在 600 字以内。
-3. 结尾有 5 个以上话题标签(#)。
+【正文规则——写得像真人】：
+1. 想象你是刚体验完然后打开小红书写笔记，把你的真实感受和过程写出来
+2. 正文控制在 400-600 字
+3. 真人写法：
+   - 开头可以直接说事，不需要"嗨大家好"之类的开场白
+   - 中间夹杂一些个人感受和小吐槽（"一开始还在犹豫 结果用了之后真香"）
+   - 不要面面俱到什么优点都说一遍，挑2-3个最有感触的重点说
+   - 可以适当说一两个小缺点，让内容更真实（"唯一的缺点就是xxx 但瑕不掩瑜"）
+   - 段落自然分割，有的段一两句，有的段稍长
+4. emoji 穿插在情绪高点，不要每句都有，整篇 6-10 个足够
+5. 绝对禁止：
+   ❌ 排比句、对仗句（"不仅...而且..." "既...又..."）
+   ❌ "值得一提" "需要注意" "总结一下" 等总结性书面用语
+   ❌ 每个段落都很工整的1234结构
+   ❌ 面面俱到地罗列所有优点
+6. 结尾加 5-8 个话题标签(#)
 
 【绘图 Prompt】：
 生成 Stable Diffusion 英文提示词，适配 JuggernautXL 模型：
@@ -198,7 +293,8 @@ class LLMService:
         """生成小红书文案"""
         content = self._chat(
             PROMPT_COPYWRITING,
-            f"主题：{topic}\n风格：{style}"
+            f"主题：{topic}\n风格：{style}",
+            temperature=0.92,
         )
         data = self._parse_json(content)
 
@@ -208,6 +304,10 @@ class LLMService:
             title = title[:20]
             data["title"] = title
 
+        # 去 AI 化后处理
+        if "content" in data:
+            data["content"] = self._humanize_content(data["content"])
+
         return data
 
     def generate_copy_with_reference(self, topic: str, style: str,
@@ -216,12 +316,18 @@ class LLMService:
         prompt = PROMPT_COPY_WITH_REFERENCE.format(
             reference_notes=reference_notes, topic=topic, style=style
         )
-        content = self._chat(prompt, f"请创作关于「{topic}」的小红书笔记")
+        content = self._chat(prompt, f"请创作关于「{topic}」的小红书笔记",
+                             temperature=0.92)
         data = self._parse_json(content)
 
         title = data.get("title", "")
         if len(title) > 20:
             data["title"] = title[:20]
+
+        # 去 AI 化后处理
+        if "content" in data:
+            data["content"] = self._humanize_content(data["content"])
+
         return data
 
     def analyze_hotspots(self, feed_data: str) -> dict:
@@ -230,12 +336,70 @@ class LLMService:
         content = self._chat(prompt, "请分析以上热门笔记数据")
         return self._parse_json(content)
 
+    @staticmethod
+    def _humanize_content(text: str) -> str:
+        """后处理: 去除长文案中的 AI 书面痕迹"""
+        t = text
+        # 替换过于书面化的表达
+        ai_phrases = {
+            "值得一提的是": "对了",
+            "需要注意的是": "不过要注意",
+            "总的来说": "反正",
+            "综上所述": "总之",
+            "总而言之": "总之",
+            "不仅如此": "而且",
+            "与此同时": "然后",
+            "除此之外": "还有",
+            "众所周知": "",
+            "毋庸置疑": "",
+            "不言而喻": "",
+            "在这里给大家分享": "来分享",
+            "在此分享给大家": "分享一下",
+            "接下来让我们": "",
+            "话不多说": "",
+            "废话不多说": "",
+            "小伙伴们": "姐妹们",
+        }
+        for old, new in ai_phrases.items():
+            t = t.replace(old, new)
+        # 去掉 "首先" "其次" "最后" 的分点罗列感
+        t = re.sub(r'(?m)^首先[，,：:\s]*', '', t)
+        t = re.sub(r'(?m)^其次[，,：:\s]*', '', t)
+        t = re.sub(r'(?m)^最后[，,：:\s]*', '', t)
+        t = re.sub(r'(?m)^再者[，,：:\s]*', '', t)
+        # 去掉AI常见的空洞开头
+        for prefix in ["嗨大家好！", "嗨，大家好！", "大家好，", "大家好！", "哈喽大家好！"]:
+            if t.startswith(prefix):
+                t = t[len(prefix):].strip()
+        # 清理多余空行
+        t = re.sub(r'\n{3,}', '\n\n', t)
+        return t.strip()
+
+    @staticmethod
+    def _humanize(text: str) -> str:
+        """后处理: 去除 AI 输出中常见的非人类痕迹"""
+        t = text.strip()
+        # 去掉前后引号包裹
+        if (t.startswith('"') and t.endswith('"')) or (t.startswith("'") and t.endswith("'")):
+            t = t[1:-1].strip()
+        # 去掉 AI 常见的前缀
+        for prefix in ["回复：", "回复:", "评论：", "评论:", "以下是", "好的，"]:
+            if t.startswith(prefix):
+                t = t[len(prefix):].strip()
+        # 去掉末尾多余的句号（真人评论很少用句号结尾）
+        if t.endswith("。"):
+            t = t[:-1]
+        # 限制连续 emoji（最多2个）
+        t = re.sub(r'([\U0001F600-\U0001F9FF\u2600-\u27BF])\1{2,}', r'\1\1', t)
+        return t
+
     def generate_reply(self, persona: str, post_title: str, comment: str) -> str:
         """AI 生成评论回复"""
         prompt = PROMPT_COMMENT_REPLY.format(
             persona=persona, post_title=post_title, comment=comment
         )
-        return self._chat(prompt, "请生成回复", json_mode=False, temperature=0.9).strip()
+        raw = self._chat(prompt, "请生成回复", json_mode=False, temperature=0.95)
+        return self._humanize(raw)
 
     def generate_proactive_comment(self, persona: str, post_title: str,
                                    post_content: str, existing_comments: str = "") -> str:
@@ -245,4 +409,5 @@ class LLMService:
             post_content=post_content,
             existing_comments=existing_comments or "暂无评论",
         )
-        return self._chat(prompt, "请生成评论", json_mode=False, temperature=0.9).strip()
+        raw = self._chat(prompt, "请生成评论", json_mode=False, temperature=0.95)
+        return self._humanize(raw)

main.py

@@ -1462,16 +1462,8 @@ def auto_reply_once(max_replies, mcp_url, model, persona_text):
 
             time.sleep(random.uniform(1, 3))
 
-            # 加载笔记详情（含评论）
-            detail = client.get_feed_detail(feed_id, xsec_token, load_all_comments=True)
-            if "error" in detail:
-                _auto_log_append(f"⚠️ 加载「{title[:15]}」评论失败，跳过")
-                continue
-
-            full_text = detail.get("text", "")
-
-            # 解析评论
-            comments = client._parse_comments(full_text)
+            # 加载笔记评论（使用结构化接口）
+            comments = client.get_feed_comments(feed_id, xsec_token, load_all=True)
             if not comments:
                 continue
 
@@ -1871,6 +1863,121 @@ def get_scheduler_status():
     return "⚪ **调度器未运行**"
 
 
+# ==================================================
+#           Windows 开机自启管理
+# ==================================================
+
+_APP_NAME = "XHS_AI_AutoBot"
+_STARTUP_REG_KEY = r"Software\Microsoft\Windows\CurrentVersion\Run"
+
+
+def _get_startup_script_path() -> str:
+    """获取启动脚本路径（.vbs 静默启动，不弹黑窗）"""
+    return os.path.join(os.path.dirname(os.path.abspath(__file__)), "_autostart.vbs")
+
+
+def _get_startup_bat_path() -> str:
+    """获取启动 bat 路径"""
+    return os.path.join(os.path.dirname(os.path.abspath(__file__)), "_autostart.bat")
+
+
+def _create_startup_scripts():
+    """创建静默启动脚本（bat + vbs）"""
+    app_dir = os.path.dirname(os.path.abspath(__file__))
+    venv_python = os.path.join(app_dir, ".venv", "Scripts", "pythonw.exe")
+    # 如果没有 pythonw，退回 python.exe
+    if not os.path.exists(venv_python):
+        venv_python = os.path.join(app_dir, ".venv", "Scripts", "python.exe")
+    main_script = os.path.join(app_dir, "main.py")
+
+    # 创建 bat
+    bat_path = _get_startup_bat_path()
+    bat_content = f"""@echo off
+cd /d "{app_dir}"
+"{venv_python}" "{main_script}"
+"""
+    with open(bat_path, "w", encoding="utf-8") as f:
+        f.write(bat_content)
+
+    # 创建 vbs（静默运行 bat，不弹出命令行窗口）
+    vbs_path = _get_startup_script_path()
+    vbs_content = f"""Set WshShell = CreateObject("WScript.Shell")
+WshShell.Run chr(34) & "{bat_path}" & chr(34), 0
+Set WshShell = Nothing
+"""
+    with open(vbs_path, "w", encoding="utf-8") as f:
+        f.write(vbs_content)
+
+    return vbs_path
+
+
+def is_autostart_enabled() -> bool:
+    """检查是否已设置开机自启"""
+    if platform.system() != "Windows":
+        return False
+    try:
+        import winreg
+        key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_READ)
+        try:
+            val, _ = winreg.QueryValueEx(key, _APP_NAME)
+            winreg.CloseKey(key)
+            return bool(val)
+        except FileNotFoundError:
+            winreg.CloseKey(key)
+            return False
+    except Exception:
+        return False
+
+
+def enable_autostart() -> str:
+    """启用 Windows 开机自启"""
+    if platform.system() != "Windows":
+        return "❌ 此功能仅支持 Windows 系统"
+    try:
+        import winreg
+        vbs_path = _create_startup_scripts()
+        key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_SET_VALUE)
+        # 用 wscript 运行 vbs 以实现静默启动
+        winreg.SetValueEx(key, _APP_NAME, 0, winreg.REG_SZ, f'wscript.exe "{vbs_path}"')
+        winreg.CloseKey(key)
+        logger.info(f"开机自启已启用: {vbs_path}")
+        return "✅ 开机自启已启用\n下次开机时将自动后台运行本程序"
+    except Exception as e:
+        logger.error(f"设置开机自启失败: {e}")
+        return f"❌ 设置失败: {e}"
+
+
+def disable_autostart() -> str:
+    """禁用 Windows 开机自启"""
+    if platform.system() != "Windows":
+        return "❌ 此功能仅支持 Windows 系统"
+    try:
+        import winreg
+        key = winreg.OpenKey(winreg.HKEY_CURRENT_USER, _STARTUP_REG_KEY, 0, winreg.KEY_SET_VALUE)
+        try:
+            winreg.DeleteValue(key, _APP_NAME)
+        except FileNotFoundError:
+            pass
+        winreg.CloseKey(key)
+        # 清理启动脚本
+        for f in [_get_startup_script_path(), _get_startup_bat_path()]:
+            if os.path.exists(f):
+                os.remove(f)
+        logger.info("开机自启已禁用")
+        return "✅ 开机自启已禁用"
+    except Exception as e:
+        logger.error(f"禁用开机自启失败: {e}")
+        return f"❌ 禁用失败: {e}"
+
+
+def toggle_autostart(enabled: bool) -> str:
+    """切换开机自启状态（供 UI 调用）"""
+    if enabled:
+        return enable_autostart()
+    else:
+        return disable_autostart()
+
+
 # ==================================================
 #              UI 构建
 # ==================================================
@@ -1959,6 +2066,18 @@ with gr.Blocks(
             )
         status_bar = gr.Markdown("🔄 等待连接...")
 
+        gr.Markdown("---")
+        gr.Markdown("#### 🖥️ 系统设置")
+        with gr.Row():
+            autostart_toggle = gr.Checkbox(
+                label="🚀 Windows 开机自启（静默后台运行）",
+                value=is_autostart_enabled(),
+                interactive=(platform.system() == "Windows"),
+            )
+            autostart_status = gr.Markdown(
+                value="✅ 已启用" if is_autostart_enabled() else "⚪ 未启用",
+            )
+
     # ============ Tab 页面 ============
     with gr.Tabs():
         # -------- Tab 1: 内容创作 --------
@@ -2738,6 +2857,13 @@ with gr.Blocks(
         outputs=[sched_status, auto_stats_display],
     )
 
+    # ---- 开机自启 ----
+    autostart_toggle.change(
+        fn=toggle_autostart,
+        inputs=[autostart_toggle],
+        outputs=[autostart_status],
+    )
+
     # ---- 启动时自动刷新 SD ----
     app.load(fn=connect_sd, inputs=[sd_url], outputs=[sd_model, status_bar])
 

mcp_client.py

@@ -273,55 +273,82 @@ class MCPClient:
         return self._parse_feed_entries(result.get("text", ""))
 
     @staticmethod
-    def _parse_comments(text: str) -> list[dict]:
+    def _extract_comment_obj(c: dict) -> dict:
+        """从单个评论 JSON 对象提取结构化数据"""
+        user_info = c.get("userInfo") or c.get("user") or {}
+        return {
+            "comment_id": str(c.get("id", c.get("commentId", ""))),
+            "user_id": user_info.get("userId", user_info.get("user_id", "")),
+            "nickname": user_info.get("nickname", user_info.get("nickName", "未知")),
+            "content": c.get("content", ""),
+            "sub_comment_count": c.get("subCommentCount", 0),
+        }
+
+    @staticmethod
+    def _find_comment_list(data: dict) -> list:
+        """在多种嵌套结构中定位评论列表"""
+        if not isinstance(data, dict):
+            return []
+        # 格式1: {"data": {"comments": {"list": [...]}}}  —— 实际 MCP 返回
+        d = data.get("data", {})
+        if isinstance(d, dict):
+            cm = d.get("comments", {})
+            if isinstance(cm, dict) and "list" in cm:
+                return cm["list"]
+            if isinstance(cm, list):
+                return cm
+        # 格式2: {"comments": {"list": [...]}}
+        cm = data.get("comments", {})
+        if isinstance(cm, dict) and "list" in cm:
+            return cm["list"]
+        if isinstance(cm, list):
+            return cm
+        # 格式3: {"data": [{...}, ...]}  (直接列表)
+        if isinstance(d, list):
+            return d
+        return []
+
+    @classmethod
+    def _parse_comments(cls, text: str) -> list[dict]:
         """从笔记详情文本中解析评论列表为结构化数据
         
         返回: [{comment_id, user_id, nickname, content, sub_comment_count}, ...]
         """
         comments = []
 
-        # 方式1: 尝试 JSON 解析
+        # 方式1: 尝试 JSON 解析（支持多种嵌套格式）
         try:
             data = json.loads(text)
             raw_comments = []
-            if isinstance(data, dict):
-                raw_comments = data.get("comments", [])
-            elif isinstance(data, list):
+            if isinstance(data, list):
                 raw_comments = data
+            elif isinstance(data, dict):
+                raw_comments = cls._find_comment_list(data)
 
             for c in raw_comments:
-                user_info = c.get("userInfo") or c.get("user") or {}
-                comments.append({
-                    "comment_id": c.get("id", c.get("commentId", "")),
-                    "user_id": user_info.get("userId", user_info.get("user_id", "")),
-                    "nickname": user_info.get("nickname", user_info.get("nickName", "未知")),
-                    "content": c.get("content", ""),
-                    "sub_comment_count": c.get("subCommentCount", 0),
-                })
+                if isinstance(c, dict) and c.get("content"):
+                    comments.append(cls._extract_comment_obj(c))
             if comments:
                 return comments
         except (json.JSONDecodeError, TypeError, AttributeError):
             pass
 
-        # 方式2: 正则提取  —— 适配多种 MCP 文本格式
-        # 格式举例: "评论ID: xxx | 用户: xxx (userId) | 内容: xxx"
-        # 或者: 用户名(@nickname): 评论内容
-        comment_ids = re.findall(
-            r'(?:comment_?[Ii]d|评论ID|评论id|"id")["\s:：]+([0-9a-f]{24})', text, re.I)
-        user_ids = re.findall(
-            r'(?:user_?[Ii]d|userId|用户ID)["\s:：]+([0-9a-f]{24})', text, re.I)
-        nicknames = re.findall(
-            r'(?:nickname|昵称|用户名|用户)["\s:：]+([^\n|,]{1,30})', text, re.I)
-        contents = re.findall(
-            r'(?:content|内容|评论内容)["\s:：]+([^\n]{1,500})', text, re.I)
-
-        count = max(len(comment_ids), len(contents))
-        for i in range(count):
+        # 方式2: 正则提取 —— 仅当 JSON 完全失败时使用
+        # 逐个评论块提取，避免跨评论字段错位
+        # 匹配 JSON 对象中相邻的 id + content + userInfo 组合
+        comment_blocks = re.finditer(
+            r'"id"\s*:\s*"([0-9a-fA-F]{20,26})"[^}]*?'
+            r'"content"\s*:\s*"([^"]{1,500})"[^}]*?'
+            r'"userInfo"\s*:\s*\{[^}]*?"userId"\s*:\s*"([0-9a-fA-F]{20,26})"'
+            r'[^}]*?"nickname"\s*:\s*"([^"]{1,30})"',
+            text, re.DOTALL
+        )
+        for m in comment_blocks:
             comments.append({
-                "comment_id": comment_ids[i] if i < len(comment_ids) else "",
-                "user_id": user_ids[i] if i < len(user_ids) else "",
-                "nickname": (nicknames[i].strip() if i < len(nicknames) else ""),
-                "content": (contents[i].strip() if i < len(contents) else ""),
+                "comment_id": m.group(1),
+                "user_id": m.group(3),
+                "nickname": m.group(4),
+                "content": m.group(2),
                 "sub_comment_count": 0,
             })
 
@@ -339,6 +366,35 @@ class MCPClient:
         }
         return self._call_tool("get_feed_detail", args)
 
+    def get_feed_comments(self, feed_id: str, xsec_token: str,
+                          load_all: bool = True) -> list[dict]:
+        """获取笔记评论列表（结构化）
+        
+        直接返回解析好的评论列表，优先从 raw JSON 解析
+        """
+        result = self.get_feed_detail(feed_id, xsec_token, load_all_comments=load_all)
+        if "error" in result:
+            return []
+
+        # 优先从 raw 结构中直接提取
+        raw = result.get("raw", {})
+        if raw and isinstance(raw, dict):
+            for item in raw.get("content", []):
+                if item.get("type") == "text":
+                    try:
+                        data = json.loads(item["text"])
+                        comment_list = self._find_comment_list(data)
+                        if comment_list:
+                            return [self._extract_comment_obj(c)
+                                    for c in comment_list
+                                    if isinstance(c, dict) and c.get("content")]
+                    except (json.JSONDecodeError, KeyError, TypeError):
+                        pass
+
+        # 回退到 text 解析
+        text = result.get("text", "")
+        return self._parse_comments(text) if text else []
+
     # ---------- 发布 ----------
 
     def publish_content(self, title: str, content: str, images: list[str],