✨ feat(auto): 新增自动点赞和自动回复功能，完善项目文档

- 新增自动点赞功能【一键点赞】：支持关键词搜索笔记并随机批量点赞，提升账号活跃度 - 新增自动回复功能【一键回复】：自动扫描用户笔记的粉丝评论，使用AI生成并发送回复 - 扩展自动化调度器【定时调度】：支持点赞和回复任务的随机定时执行，模拟真人操作间隔 - 新增项目文档【文档】：添加README、CHANGELOG、CONTRIBUTING、LICENSE等核心文档文件 - 优化.gitignore文件【配置】：完善Python项目、IDE、敏感文件、日志等忽略规则 - 新增配置文件模板【配置】：提供config.example.json作为配置参考 - 优化MCP客户端【工具】：新增评论解析方法，支持从笔记详情中提取结构化评论数据
2026-02-08 22:40:16 +08:00 · 2026-02-08 22:40:16 +08:00 · d782bb6781
commit d782bb6781
parent d27ffe94f4
8 changed files with 914 additions and 14 deletions
--- a/.gitignore
+++ b/.gitignore
@ -1,3 +1,45 @@
-xhs_workspace
-__pycache__
-*.log
+# ========== 工作空间 ==========
+xhs_workspace/
+
+# ========== Python ==========
+__pycache__/
+*.py[cod]
+*$py.class
+*.egg-info/
+dist/
+build/
+.eggs/
+
+# ========== 虚拟环境 ==========
+.venv/
+venv/
+env/
+
+# ========== 敏感配置 ==========
+config.json
+cookies.json
+*.cookie
+
+# ========== 日志 ==========
+*.log
+logs/
+
+# ========== IDE ==========
+.vscode/
+.idea/
+*.swp
+*.swo
+*~
+
+# ========== 系统文件 ==========
+.DS_Store
+Thumbs.db
+desktop.ini
+
+# ========== 备份文件 ==========
+*_backup.py
+config copy.json
+
+# ========== 临时文件 ==========
+*.tmp
+*.bak
--- a/CHANGELOG.md
+++ b/CHANGELOG.md
@ -0,0 +1,51 @@
+# 更新日志
+
+本项目遵循 [Semantic Versioning](https://semver.org/) 语义化版本规范。
+
+## [2.0.0] - 2026-02-08
+
+### 🚀 新功能
+
+- **自动运营模块**
+  - 一键智能评论：自动搜索高赞笔记 → AI 分析内容 → 生成评论 → 发送
+  - 一键自动点赞：批量搜索笔记并随机点赞，提升账号活跃度
+  - 一键自动回复：扫描我的笔记评论 → AI 生成回复 → 逐条发送
+  - 一键智能发布：自动生成主题 + 文案 + SD 绘图 + 发布到小红书
+  - 随机定时调度：评论/点赞/回复/发布四项可任意组合，随机间隔模拟真人
+  - 实时运行日志面板
+
+- **评论管家**
+  - 主动评论引流：浏览笔记 → AI 智能生成评论 → 一键发送
+  - 回复粉丝评论：加载我的笔记评论 → AI 回复 → 发送
+
+- **热点探测**
+  - 关键词搜索小红书热门笔记
+  - AI 趋势分析（标题套路、内容结构、推荐选题）
+  - 基于热点参考生成原创文案
+
+- **数据看板**
+  - 账号核心指标可视化（粉丝、获赞、收藏）
+  - 笔记点赞排行图表
+
+- **多 LLM 提供商**
+  - 支持添加/切换/删除多个 LLM 提供商
+  - 兼容所有 OpenAI 接口（DeepSeek、GPT、通义千问等）
+
+- **账号管理**
+  - 小红书扫码登录
+  - 自动获取 xsec_token
+
+### 🎨 优化
+
+- SD 参数针对 JuggernautXL/SDXL 优化（CFG 5.0、DPM++ 2M SDE Karras、832×1216）
+- 负面提示词增强（SDXL 专用）
+- LLM 绘图 Prompt 模板优化（photorealistic、cinematic 风格引导）
+
+## [1.0.0] - 2026-01-xx
+
+### 🚀 初始版本
+
+- 基础内容创作流程：主题输入 → LLM 文案 → SD 绘图 → 一键发布
+- 支持图文发布到小红书
+- 本地文案导出
+- Gradio Web UI
--- a/CONTRIBUTING.md
+++ b/CONTRIBUTING.md
@ -0,0 +1,118 @@
+# 贡献指南
+
+感谢你对本项目的关注！我们欢迎任何形式的贡献，包括但不限于 Bug 报告、功能建议、代码提交和文档改进。
+
+## 开发环境搭建
+
+```bash
+# 1. Fork 并克隆项目
+git clone https://github.com/your-username/xhs-autobot.git
+cd xhs-autobot
+
+# 2. 创建虚拟环境
+python -m venv .venv
+# Windows
+.venv\Scripts\activate
+# macOS/Linux
+source .venv/bin/activate
+
+# 3. 安装依赖
+pip install -r requirements.txt
+
+# 4. 复制配置文件
+cp config.example.json config.json
+# 编辑 config.json 填写你的 API Key
+
+# 5. 启动开发
+python main.py
+```
+
+## 提交规范
+
+本项目使用 [Conventional Commits](https://www.conventionalcommits.org/) 规范：
+
+```
+<type>(<scope>): <description>
+
+[可选正文]
+
+[可选脚注]
+```
+
+### Type 类型
+
+| 类型 | 说明 |
+|------|------|
+| `feat` | 新功能 |
+| `fix` | Bug 修复 |
+| `docs` | 文档更新 |
+| `style` | 代码格式调整（不影响逻辑） |
+| `refactor` | 重构（非新功能、非修复） |
+| `perf` | 性能优化 |
+| `test` | 测试相关 |
+| `chore` | 构建/工具变更 |
+
+### 示例
+
+```
+feat(auto): 增加自动收藏功能
+fix(llm): 修复 JSON 模式下 400 错误
+docs: 更新 README 安装步骤
+refactor(mcp): 重构评论解析逻辑
+```
+
+## Pull Request 流程
+
+1. **Fork** 本仓库
+2. 从 `main` 创建特性分支：`git checkout -b feature/your-feature`
+3. 编写代码并测试
+4. 确保代码风格一致（建议使用 IDE 自动格式化）
+5. 提交更改，遵循上述提交规范
+6. 推送分支：`git push origin feature/your-feature`
+7. 在 GitHub 上发起 **Pull Request**，描述你的更改内容
+
+## Bug 报告
+
+提交 Issue 时请包含：
+
+- **环境信息**：Python 版本、操作系统、相关服务版本
+- **复现步骤**：尽可能详细的操作步骤
+- **期望行为**：你认为应该发生什么
+- **实际行为**：实际发生了什么
+- **日志/截图**：如有错误日志或截图请附上
+
+## 功能建议
+
+欢迎通过 Issue 提交功能建议，请描述：
+
+- **使用场景**：你在什么情况下需要这个功能
+- **期望功能**：你希望它如何工作
+- **参考实现**：是否有类似的项目/功能可参考
+
+## 项目架构
+
+```
+main.py              # 主程序：Gradio UI + 业务逻辑 + 自动化调度
+├─ config_manager.py # 配置管理：单例模式，多 LLM 提供商
+├─ llm_service.py    # LLM 封装：文案生成、热点分析、评论回复
+├─ sd_service.py     # SD 封装：txt2img、img2img（JuggernautXL 优化）
+└─ mcp_client.py     # MCP 客户端：小红书搜索、发布、评论、点赞
+```
+
+### 核心设计原则
+
+- **模块解耦** — 各服务独立封装，通过配置管理器共享状态
+- **MCP 协议** — 通过 JSON-RPC 与小红书 MCP 服务通信，不直接操作浏览器
+- **LLM 无关** — 支持所有 OpenAI 兼容 API，不绑定特定提供商
+- **UI 逻辑分离** — 业务函数与 Gradio UI 组件分开定义
+
+## 代码风格
+
+- Python 3.10+ 语法
+- 函数和类使用中文 docstring
+- 日志使用 `logging` 模块，不使用 `print`
+- 配置通过 `ConfigManager` 单例管理，不硬编码
+
+## 感谢
+
+感谢每一位贡献者！🙏
--- a/21
+++ b/21
@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 xhs-autobot contributors
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.
--- a/README.md
+++ b/README.md
@ -0,0 +1,263 @@
+<p align="center">
+  <h1 align="center">🍒 小红书 AI 爆文生产工坊</h1>
+  <p align="center">
+    <strong>全自动小红书内容创作 & 运营工具</strong><br>
+    灵感 → 文案 → 绘图 → 发布 → 运营，一站式全闭环
+  </p>
+  <p align="center">
+    <a href="#功能特性">功能特性</a> •
+    <a href="#快速开始">快速开始</a> •
+    <a href="#使用指南">使用指南</a> •
+    <a href="#配置说明">配置说明</a> •
+    <a href="#常见问题">FAQ</a> •
+    <a href="#贡献指南">贡献</a>
+  </p>
+</p>
+
+---
+
+## ✨ 功能特性
+
+### 📝 内容创作
+- **AI 文案生成** — 输入主题即可生成小红书爆款标题、正文、话题标签
+- **AI 绘图** — 集成 Stable Diffusion WebUI，自动生成配图（针对 JuggernautXL 优化）
+- **一键导出** — 文案 + 图片打包导出到本地文件夹
+
+### 🔥 热点探测
+- **关键词搜索** — 搜索小红书热门笔记，支持多维度排序
+- **AI 趋势分析** — 分析热门标题套路、内容结构，给出模仿建议
+- **一键借鉴创作** — 参考热门笔记风格生成原创内容
+
+### 💬 评论管家
+- **主动评论引流** — 浏览笔记 → AI 智能生成评论 → 一键发送
+- **自动回复粉丝** — 加载笔记评论 → AI 生成回复 → 发送
+
+### 🤖 自动运营（无人值守）
+- **一键评论** — 自动搜索高赞笔记 + AI 生成评论 + 发送
+- **一键点赞** — 批量随机点赞，提升账号活跃度
+- **一键回复** — 自动扫描我的笔记 + AI 回复粉丝评论
+- **一键发布** — 自动生成文案 + SD 生图 + 发布到小红书
+- **随机定时** — 评论/点赞/回复/发布全自动定时执行，随机间隔模拟真人
+
+### 📊 数据看板
+- **账号概览** — 粉丝数、获赞数等核心指标可视化
+- **笔记排行** — 点赞排行图表分析
+
+### 🔐 账号管理
+- **扫码登录** — 小红书二维码登录，自动获取 Token
+- **多 LLM 提供商** — 支持 DeepSeek、OpenAI、通义千问等所有兼容接口
+
+---
+
+## 📸 截图预览
+
+> 启动后在浏览器中打开 `http://127.0.0.1:7860`
+
+---
+
+## 🚀 快速开始
+
+### 环境要求
+
+| 依赖 | 要求 | 说明 |
+|------|------|------|
+| **Python** | >= 3.10 | 推荐 3.11+ |
+| **xiaohongshu-mcp** | 运行中 | 小红书 MCP 服务（默认端口 18060） |
+| **Stable Diffusion WebUI** | 可选 | 本地 AI 绘图（默认端口 7860） |
+| **LLM API** | 必须 | 任意 OpenAI 兼容接口 |
+
+### 安装步骤
+
+```bash
+# 1. 克隆项目
+git clone https://github.com/your-username/xhs-autobot.git
+cd xhs-autobot
+
+# 2. 创建虚拟环境（推荐）
+python -m venv .venv
+# Windows
+.venv\Scripts\activate
+# macOS/Linux
+source .venv/bin/activate
+
+# 3. 安装依赖
+pip install -r requirements.txt
+
+# 4. 复制配置文件并填写你的 API Key
+cp config.example.json config.json
+# 编辑 config.json，填写 api_key、base_url 等
+
+# 5. 启动！
+python main.py
+```
+
+启动后会自动打开浏览器，访问 `http://127.0.0.1:7860`。
+
+### 前置服务
+
+#### xiaohongshu-mcp（必须）
+
+本项目通过 [xiaohongshu-mcp](https://github.com/punkpeye/xiaohongshu-mcp) 与小红书交互（搜索、发布、评论等），请先启动 MCP 服务：
+
+```bash
+# 按照 xiaohongshu-mcp 文档启动，默认端口 18060
+npx xiaohongshu-mcp
+```
+
+#### Stable Diffusion WebUI（可选，用于 AI 绘图）
+
+推荐使用 [AUTOMATIC1111/stable-diffusion-webui](https://github.com/AUTOMATIC1111/stable-diffusion-webui)，启动时开启 API：
+
+```bash
+python launch.py --api
+```
+
+推荐模型：[JuggernautXL](https://civitai.com/models/133005)（参数已优化适配）。
+
+---
+
+## 📖 使用指南
+
+### 首次使用流程
+
+1. **配置 LLM** — 展开「⚙️ 全局设置」，添加 LLM 提供商（API Key + Base URL），点击「连接 LLM」
+2. **连接 SD**（可选）— 填写 SD WebUI URL，点击「连接 SD」
+3. **检查 MCP** — 点击「检查 MCP」确认小红书服务正常
+4. **登录小红书** — 切换到「🔐 账号登录」Tab，扫码登录
+5. **开始创作** — 切换到「✨ 内容创作」Tab，输入主题，一键生成
+
+### 自动化运营
+
+切换到「🤖 自动运营」Tab：
+
+- **一键操作** — 手动触发单次评论/点赞/回复/发布
+- **定时调度** — 勾选需要的功能，设置间隔时间，点击「▶️ 启动定时」
+- **查看日志** — 点击「🔄 刷新日志」查看实时执行记录
+
+---
+
+## ⚙️ 配置说明
+
+配置文件 `config.json` 会在运行时自动创建和保存。首次使用请从 `config.example.json` 复制：
+
+```json
+{
+    "api_key": "你的LLM API Key",
+    "base_url": "https://api.deepseek.com/v1",
+    "sd_url": "http://127.0.0.1:7860",
+    "mcp_url": "http://localhost:18060/mcp",
+    "model": "deepseek-chat",
+    "persona": "温柔知性的时尚博主",
+    "my_user_id": "你的小红书userId(24位)"
+}
+```
+
+| 字段 | 说明 | 必填 |
+|------|------|------|
+| `api_key` | LLM API 密钥 | ✅ |
+| `base_url` | LLM API 地址（OpenAI 兼容） | ✅ |
+| `sd_url` | Stable Diffusion WebUI 地址 | 绘图需要 |
+| `mcp_url` | xiaohongshu-mcp 服务地址 | ✅ |
+| `model` | 默认使用的 LLM 模型名 | ✅ |
+| `persona` | AI 评论回复的人设 | 可选 |
+| `my_user_id` | 你的小红书 userId（24 位十六进制） | 数据看板/自动回复需要 |
+| `llm_providers` | 多 LLM 提供商配置数组 | 通过 UI 管理 |
+
+### 获取 userId
+
+1. 浏览器打开你的小红书主页
+2. 网址格式为 `xiaohongshu.com/user/profile/xxxxxxxx`
+3. `profile/` 后面的就是 userId
+
+---
+
+## 📁 项目结构
+
+```
+xhs-autobot/
+├── main.py              # 主程序入口 (Gradio UI + 业务逻辑)
+├── config_manager.py    # 配置管理模块 (单例、自动保存)
+├── llm_service.py       # LLM 服务封装 (文案生成、热点分析、评论回复)
+├── sd_service.py        # Stable Diffusion 服务封装 (txt2img、img2img)
+├── mcp_client.py        # 小红书 MCP 客户端 (搜索、发布、评论、点赞)
+├── config.json          # 运行时配置 (gitignore)
+├── config.example.json  # 配置模板
+├── requirements.txt     # Python 依赖
+├── xhs_workspace/       # 导出的文案和图片 (gitignore)
+└── autobot.log          # 运行日志 (gitignore)
+```
+
+---
+
+## ❓ 常见问题
+
+<details>
+<summary><b>Q: LLM API 报错 400 json_object</b></summary>
+
+某些 API 在使用 `response_format: json_object` 时要求消息中包含 "json" 一词。本项目已自动处理，如仍遇到请升级到最新版本。
+</details>
+
+<details>
+<summary><b>Q: 评论发送成功但 App 上看不到</b></summary>
+
+小红书有内容审核机制，评论可能需要 1-5 分钟显示。部分评论可能被风控（仅自己可见）。查看自动化日志中的 MCP 响应可排查。
+</details>
+
+<details>
+<summary><b>Q: SD WebUI 连接失败</b></summary>
+
+确保启动 SD WebUI 时加了 `--api` 参数，且端口匹配。本项目默认连接 `http://127.0.0.1:7860`。
+</details>
+
+<details>
+<summary><b>Q: xiaohongshu-mcp 是什么？怎么启动？</b></summary>
+
+这是一个开源的小红书 MCP 服务端，提供搜索、发布、评论等 API。详见 [xiaohongshu-mcp 项目](https://github.com/punkpeye/xiaohongshu-mcp)。
+</details>
+
+<details>
+<summary><b>Q: 支持哪些 LLM？</b></summary>
+
+支持所有 OpenAI 兼容接口，包括但不限于：DeepSeek、GPT-4o、通义千问、Gemini（通过中转）、Claude（通过中转）等。
+</details>
+
+---
+
+## 🤝 贡献指南
+
+欢迎贡献代码！请查看 [CONTRIBUTING.md](CONTRIBUTING.md) 了解详情。
+
+简要流程：
+1. Fork 本项目
+2. 创建特性分支 (`git checkout -b feature/amazing-feature`)
+3. 提交更改 (`git commit -m 'feat: add amazing feature'`)
+4. 推送到分支 (`git push origin feature/amazing-feature`)
+5. 发起 Pull Request
+
+---
+
+## 📋 更新日志
+
+详见 [CHANGELOG.md](CHANGELOG.md)。
+
+---
+
+## ⚠️ 免责声明
+
+- 本项目仅供学习和研究目的，请遵守小红书平台的使用规范和服务条款
+- 过度使用自动化功能可能导致账号被限制，请合理设置操作间隔
+- 用户需为自己发布的内容和使用行为承担全部责任
+- 本项目不保存、不传输任何用户的账号密码信息
+
+---
+
+## 📄 许可证
+
+本项目使用 [MIT License](LICENSE) 开源。
+
+---
+
+## 🌟 Star History
+
+如果这个项目对你有帮助，请点亮 ⭐ Star！
+
--- a/config.example.json
+++ b/config.example.json
@ -0,0 +1,20 @@
+{
+    "api_key": "sk-your-api-key-here",
+    "base_url": "https://api.deepseek.com/v1",
+    "sd_url": "http://127.0.0.1:7860",
+    "mcp_url": "http://localhost:18060/mcp",
+    "model": "deepseek-chat",
+    "persona": "温柔知性的时尚博主",
+    "auto_reply_enabled": false,
+    "schedule_enabled": false,
+    "my_user_id": "",
+    "active_llm": "默认",
+    "llm_providers": [
+        {
+            "name": "默认",
+            "api_key": "sk-your-api-key-here",
+            "base_url": "https://api.deepseek.com/v1"
+        }
+    ],
+    "xsec_token": ""
+}
--- a/main.py
+++ b/main.py
@ -1007,12 +1007,233 @@ def auto_comment_once(keywords_str, mcp_url, model, persona_text):
        return f"❌ 评论失败: {e}"


+def _auto_like_with_log(keywords_str, like_count, mcp_url):
+    """一键点赞 + 同步刷新日志"""
+    msg = auto_like_once(keywords_str, like_count, mcp_url)
+    return msg, get_auto_log()
+
+
+def auto_like_once(keywords_str, like_count, mcp_url):
+    """一键点赞：搜索/推荐笔记 → 随机选择 → 批量点赞"""
+    try:
+        keywords = [k.strip() for k in keywords_str.split(",") if k.strip()] if keywords_str else DEFAULT_COMMENT_KEYWORDS
+        keyword = random.choice(keywords)
+        like_count = int(like_count) if like_count else 5
+        _auto_log_append(f"👍 点赞关键词: {keyword} | 目标: {like_count} 个")
+
+        client = get_mcp_client(mcp_url)
+
+        # 搜索笔记
+        entries = client.search_feeds_parsed(keyword, sort_by="综合")
+        if not entries:
+            _auto_log_append("⚠️ 搜索无结果，尝试推荐列表")
+            entries = client.list_feeds_parsed()
+        if not entries:
+            return "❌ 未找到任何笔记"
+
+        # 过滤自己的笔记
+        my_uid = cfg.get("my_user_id", "")
+        if my_uid:
+            filtered = [e for e in entries if e.get("user_id") != my_uid]
+            if filtered:
+                entries = filtered
+
+        # 随机打乱，取前 N 个
+        random.shuffle(entries)
+        targets = entries[:min(like_count, len(entries))]
+
+        liked = 0
+        for target in targets:
+            feed_id = target.get("feed_id", "")
+            xsec_token = target.get("xsec_token", "")
+            title = target.get("title", "未知")[:25]
+
+            if not feed_id or not xsec_token:
+                continue
+
+            # 模拟浏览延迟
+            time.sleep(random.uniform(2, 6))
+
+            result = client.like_feed(feed_id, xsec_token)
+            if "error" in result:
+                _auto_log_append(f"  ❌ 点赞失败「{title}」: {result['error']}")
+            else:
+                liked += 1
+                _auto_log_append(f"  ❤️ 已点赞「{title}」@{target.get('author', '未知')}")
+
+        _auto_log_append(f"👍 点赞完成: 成功 {liked}/{len(targets)}")
+        return f"✅ 点赞完成！成功 {liked}/{len(targets)} 个"
+
+    except Exception as e:
+        _auto_log_append(f"❌ 一键点赞异常: {e}")
+        return f"❌ 点赞失败: {e}"
+
+
 def _auto_publish_with_log(topics_str, mcp_url, sd_url_val, sd_model_name, model):
    """一键发布 + 同步刷新日志"""
    msg = auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model)
    return msg, get_auto_log()


+def _auto_reply_with_log(max_replies, mcp_url, model, persona_text):
+    """一键回复 + 同步刷新日志"""
+    msg = auto_reply_once(max_replies, mcp_url, model, persona_text)
+    return msg, get_auto_log()
+
+
+def auto_reply_once(max_replies, mcp_url, model, persona_text):
+    """一键回复：获取我的笔记 → 加载评论 → AI 生成回复 → 发送"""
+    try:
+        my_uid = cfg.get("my_user_id", "")
+        xsec = cfg.get("xsec_token", "")
+        if not my_uid:
+            return "❌ 未配置用户 ID，请到「账号登录」页填写"
+        if not xsec:
+            return "❌ 未获取 xsec_token，请先登录"
+
+        api_key, base_url, _ = _get_llm_config()
+        if not api_key:
+            return "❌ LLM 未配置"
+
+        max_replies = int(max_replies) if max_replies else 3
+        client = get_mcp_client(mcp_url)
+        _auto_log_append("💌 开始自动回复评论...")
+
+        # Step 1: 获取我的笔记列表
+        result = client.get_user_profile(my_uid, xsec)
+        if "error" in result:
+            _auto_log_append(f"❌ 获取我的笔记失败: {result['error']}")
+            return f"❌ 获取我的笔记失败: {result['error']}"
+
+        # 解析笔记列表
+        raw = result.get("raw", {})
+        text = result.get("text", "")
+        data = None
+        if raw and isinstance(raw, dict):
+            for item in raw.get("content", []):
+                if item.get("type") == "text":
+                    try:
+                        data = json.loads(item["text"])
+                    except (json.JSONDecodeError, KeyError):
+                        pass
+        if not data:
+            try:
+                data = json.loads(text)
+            except (json.JSONDecodeError, TypeError):
+                pass
+
+        feeds = (data or {}).get("feeds") or []
+        if not feeds:
+            _auto_log_append("⚠️ 未找到任何笔记")
+            return "⚠️ 未找到你的笔记"
+
+        # 构建笔记条目
+        my_entries = []
+        for f in feeds:
+            nc = f.get("noteCard") or {}
+            my_entries.append({
+                "feed_id": f.get("id", ""),
+                "xsec_token": f.get("xsecToken", ""),
+                "title": nc.get("displayTitle", "未知标题"),
+            })
+
+        _auto_log_append(f"📝 找到 {len(my_entries)} 篇笔记，开始扫描评论...")
+
+        # Step 2: 遍历笔记，找到未回复的评论
+        total_replied = 0
+        svc = LLMService(api_key, base_url, model)
+
+        for entry in my_entries:
+            if total_replied >= max_replies:
+                break
+
+            feed_id = entry["feed_id"]
+            xsec_token = entry["xsec_token"]
+            title = entry["title"]
+
+            if not feed_id or not xsec_token:
+                continue
+
+            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)
+            if not comments:
+                continue
+
+            # 过滤掉自己的评论，只回复他人
+            other_comments = [
+                c for c in comments
+                if c.get("user_id") and c["user_id"] != my_uid and c.get("content")
+            ]
+
+            if not other_comments:
+                continue
+
+            _auto_log_append(f"📖「{title[:20]}」有 {len(other_comments)} 条他人评论")
+
+            for comment in other_comments:
+                if total_replied >= max_replies:
+                    break
+
+                comment_id = comment.get("comment_id", "")
+                comment_uid = comment.get("user_id", "")
+                comment_text = comment.get("content", "")
+                nickname = comment.get("nickname", "网友")
+
+                if not comment_text.strip():
+                    continue
+
+                _auto_log_append(f"  💬 @{nickname}: {comment_text[:40]}...")
+
+                # AI 生成回复
+                try:
+                    reply = svc.generate_reply(persona_text, title, comment_text)
+                except Exception as e:
+                    _auto_log_append(f"  ❌ AI 回复生成失败: {e}")
+                    continue
+
+                _auto_log_append(f"  🤖 回复: {reply[:50]}...")
+
+                # 发送回复
+                time.sleep(random.uniform(2, 6))
+
+                if comment_id and comment_uid:
+                    # 使用 reply_comment 精确回复
+                    resp = client.reply_comment(
+                        feed_id, xsec_token, comment_id, comment_uid, reply
+                    )
+                else:
+                    # 没有 comment_id 就用 post_comment 发到笔记下
+                    resp = client.post_comment(feed_id, xsec_token, f"@{nickname} {reply}")
+
+                resp_text = resp.get("text", "")
+                if "error" in resp:
+                    _auto_log_append(f"  ❌ 回复发送失败: {resp['error']}")
+                else:
+                    _auto_log_append(f"  ✅ 已回复 @{nickname}")
+                    total_replied += 1
+
+        if total_replied == 0:
+            _auto_log_append("ℹ️ 没有找到需要回复的新评论")
+            return "ℹ️ 没有找到需要回复的新评论\n\n💡 可能所有评论都已回复过"
+        else:
+            _auto_log_append(f"✅ 自动回复完成，共回复 {total_replied} 条评论")
+            return f"✅ 自动回复完成！共回复 {total_replied} 条评论\n\n💡 小红书审核可能有延迟，请稍后查看"
+
+    except Exception as e:
+        _auto_log_append(f"❌ 自动回复异常: {e}")
+        return f"❌ 自动回复失败: {e}"
+
+
 def auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model):
    """一键发布：自动生成文案 → 生成图片 → 发布到小红书"""
    try:
@ -1078,8 +1299,10 @@ def auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model):
        return f"❌ 发布失败: {e}"


-def _scheduler_loop(comment_enabled, publish_enabled,
+def _scheduler_loop(comment_enabled, publish_enabled, reply_enabled, like_enabled,
                    comment_min, comment_max, publish_min, publish_max,
+                    reply_min, reply_max, max_replies_per_run,
+                    like_min, like_max, like_count_per_run,
                    keywords, topics, mcp_url, sd_url_val, sd_model_name,
                    model, persona_text):
    """后台定时调度循环"""
@ -1088,6 +1311,8 @@ def _scheduler_loop(comment_enabled, publish_enabled,
    # 首次执行的随机延迟
    next_comment = time.time() + random.randint(10, 60)
    next_publish = time.time() + random.randint(30, 120)
+    next_reply = time.time() + random.randint(15, 90)
+    next_like = time.time() + random.randint(5, 40)

    while _auto_running.is_set():
        now = time.time()
@ -1104,6 +1329,18 @@ def _scheduler_loop(comment_enabled, publish_enabled,
            next_comment = time.time() + interval
            _auto_log_append(f"⏰ 下次评论: {interval // 60} 分钟后")

+        # 自动点赞
+        if like_enabled and now >= next_like:
+            try:
+                _auto_log_append("--- 🔄 执行自动点赞 ---")
+                msg = auto_like_once(keywords, like_count_per_run, mcp_url)
+                _auto_log_append(msg)
+            except Exception as e:
+                _auto_log_append(f"❌ 自动点赞异常: {e}")
+            interval = random.randint(int(like_min) * 60, int(like_max) * 60)
+            next_like = time.time() + interval
+            _auto_log_append(f"⏰ 下次点赞: {interval // 60} 分钟后")
+
        # 自动发布
        if publish_enabled and now >= next_publish:
            try:
@ -1116,6 +1353,18 @@ def _scheduler_loop(comment_enabled, publish_enabled,
            next_publish = time.time() + interval
            _auto_log_append(f"⏰ 下次发布: {interval // 60} 分钟后")

+        # 自动回复评论
+        if reply_enabled and now >= next_reply:
+            try:
+                _auto_log_append("--- 🔄 执行自动回复评论 ---")
+                msg = auto_reply_once(max_replies_per_run, mcp_url, model, persona_text)
+                _auto_log_append(msg)
+            except Exception as e:
+                _auto_log_append(f"❌ 自动回复异常: {e}")
+            interval = random.randint(int(reply_min) * 60, int(reply_max) * 60)
+            next_reply = time.time() + interval
+            _auto_log_append(f"⏰ 下次回复: {interval // 60} 分钟后")
+
        # 每5秒检查一次停止信号
        for _ in range(5):
            if not _auto_running.is_set():
@ -1125,7 +1374,10 @@ def _scheduler_loop(comment_enabled, publish_enabled,
    _auto_log_append("🛑 自动化调度器已停止")


-def start_scheduler(comment_on, publish_on, c_min, c_max, p_min, p_max,
+def start_scheduler(comment_on, publish_on, reply_on, like_on,
+                    c_min, c_max, p_min, p_max, r_min, r_max,
+                    max_replies_per_run,
+                    l_min, l_max, like_count_per_run,
                    keywords, topics, mcp_url, sd_url_val, sd_model_name,
                    model, persona_text):
    """启动定时自动化"""
@ -1133,18 +1385,22 @@ def start_scheduler(comment_on, publish_on, c_min, c_max, p_min, p_max,
    if _auto_running.is_set():
        return "⚠️ 调度器已在运行中，请先停止"

-    if not comment_on and not publish_on:
-        return "❌ 请至少启用一项自动化功能（评论或发布）"
+    if not comment_on and not publish_on and not reply_on and not like_on:
+        return "❌ 请至少启用一项自动化功能"

-    api_key, _, _ = _get_llm_config()
-    if not api_key:
-        return "❌ LLM 未配置，请先在全局设置中配置提供商"
+    # 评论/回复需要 LLM，点赞不需要
+    if (comment_on or reply_on):
+        api_key, _, _ = _get_llm_config()
+        if not api_key:
+            return "❌ LLM 未配置，请先在全局设置中配置提供商"

    _auto_running.set()
    _auto_thread = threading.Thread(
        target=_scheduler_loop,
-        args=(comment_on, publish_on,
-              c_min, c_max, p_min, p_max,
+        args=(comment_on, publish_on, reply_on, like_on,
+              c_min, c_max, p_min, p_max, r_min, r_max,
+              max_replies_per_run,
+              l_min, l_max, like_count_per_run,
              keywords, topics, mcp_url, sd_url_val, sd_model_name,
              model, persona_text),
        daemon=True,
@ -1154,8 +1410,12 @@ def start_scheduler(comment_on, publish_on, c_min, c_max, p_min, p_max,
    parts = []
    if comment_on:
        parts.append(f"评论 (每 {int(c_min)}-{int(c_max)} 分钟)")
+    if like_on:
+        parts.append(f"点赞 (每 {int(l_min)}-{int(l_max)} 分钟, {int(like_count_per_run)}个/轮)")
    if publish_on:
        parts.append(f"发布 (每 {int(p_min)}-{int(p_max)} 分钟)")
+    if reply_on:
+        parts.append(f"回复 (每 {int(r_min)}-{int(r_max)} 分钟, 每轮≤{int(max_replies_per_run)}条)")

    _auto_log_append(f"调度器已启动: {' + '.join(parts)}")
    return f"✅ 自动化已启动 🟢\n任务: {' | '.join(parts)}\n\n💡 点击「刷新日志」查看实时进度"
@ -1601,7 +1861,7 @@ with gr.Blocks(
        with gr.Tab("🤖 自动运营"):
            gr.Markdown(
                "### 🤖 无人值守自动化运营\n"
-                "> 一键评论引流 + 一键内容发布 + 随机定时全自动\n\n"
+                "> 一键评论引流 + 一键回复粉丝 + 一键内容发布 + 随机定时全自动\n\n"
                "⚠️ **注意**: 请确保已连接 LLM、SD WebUI 和 MCP 服务"
            )

@ -1623,6 +1883,34 @@ with gr.Blocks(
                    )
                    auto_comment_result = gr.Markdown("")

+                    gr.Markdown("---")
+                    gr.Markdown("#### <20> 一键自动点赞")
+                    gr.Markdown(
+                        "> 搜索笔记 → 随机选择多篇 → 依次点赞\n"
+                        "提升账号活跃度，无需 LLM"
+                    )
+                    auto_like_count = gr.Number(
+                        label="单次点赞数量", value=5, minimum=1, maximum=20,
+                    )
+                    btn_auto_like = gr.Button(
+                        "👍 一键点赞 (单次)", variant="primary", size="lg",
+                    )
+                    auto_like_result = gr.Markdown("")
+
+                    gr.Markdown("---")
+                    gr.Markdown("#### <20>💌 一键自动回复")
+                    gr.Markdown(
+                        "> 扫描我的所有笔记 → 找到粉丝评论 → AI 生成回复 → 逐条发送\n"
+                        "自动跳过自己的评论，模拟真人间隔回复"
+                    )
+                    auto_reply_max = gr.Number(
+                        label="单次最多回复条数", value=5, minimum=1, maximum=20,
+                    )
+                    btn_auto_reply = gr.Button(
+                        "💌 一键回复 (单次)", variant="primary", size="lg",
+                    )
+                    auto_reply_result = gr.Markdown("")
+
                    gr.Markdown("---")
                    gr.Markdown("#### 🚀 一键智能发布")
                    gr.Markdown(
@ -1659,6 +1947,36 @@ with gr.Blocks(
                                label="评论最大间隔(分钟)", value=45, minimum=10,
                            )

+                    with gr.Group():
+                        sched_like_on = gr.Checkbox(
+                            label="✅ 启用自动点赞", value=True,
+                        )
+                        with gr.Row():
+                            sched_l_min = gr.Number(
+                                label="点赞最小间隔(分钟)", value=10, minimum=3,
+                            )
+                            sched_l_max = gr.Number(
+                                label="点赞最大间隔(分钟)", value=30, minimum=5,
+                            )
+                        sched_like_count = gr.Number(
+                            label="每轮点赞数量", value=5, minimum=1, maximum=15,
+                        )
+
+                    with gr.Group():
+                        sched_reply_on = gr.Checkbox(
+                            label="✅ 启用自动回复评论", value=True,
+                        )
+                        with gr.Row():
+                            sched_r_min = gr.Number(
+                                label="回复最小间隔(分钟)", value=20, minimum=5,
+                            )
+                            sched_r_max = gr.Number(
+                                label="回复最大间隔(分钟)", value=60, minimum=10,
+                            )
+                        sched_reply_max = gr.Number(
+                            label="每轮最多回复条数", value=3, minimum=1, maximum=10,
+                        )
+
                    with gr.Group():
                        sched_publish_on = gr.Checkbox(
                            label="✅ 启用自动发布", value=True,
@ -1886,6 +2204,16 @@ with gr.Blocks(
        inputs=[auto_comment_keywords, mcp_url, llm_model, persona],
        outputs=[auto_comment_result, auto_log_display],
    )
+    btn_auto_like.click(
+        fn=_auto_like_with_log,
+        inputs=[auto_comment_keywords, auto_like_count, mcp_url],
+        outputs=[auto_like_result, auto_log_display],
+    )
+    btn_auto_reply.click(
+        fn=_auto_reply_with_log,
+        inputs=[auto_reply_max, mcp_url, llm_model, persona],
+        outputs=[auto_reply_result, auto_log_display],
+    )
    btn_auto_publish.click(
        fn=_auto_publish_with_log,
        inputs=[auto_publish_topics, mcp_url, sd_url, sd_model, llm_model],
@ -1893,8 +2221,10 @@ with gr.Blocks(
    )
    btn_start_sched.click(
        fn=start_scheduler,
-        inputs=[sched_comment_on, sched_publish_on,
+        inputs=[sched_comment_on, sched_publish_on, sched_reply_on, sched_like_on,
                sched_c_min, sched_c_max, sched_p_min, sched_p_max,
+                sched_r_min, sched_r_max, sched_reply_max,
+                sched_l_min, sched_l_max, sched_like_count,
                auto_comment_keywords, auto_publish_topics,
                mcp_url, sd_url, sd_model, llm_model, persona],
        outputs=[sched_result],
--- a/mcp_client.py
+++ b/mcp_client.py
@ -272,6 +272,61 @@ class MCPClient:
            return []
        return self._parse_feed_entries(result.get("text", ""))

+    @staticmethod
+    def _parse_comments(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
+        try:
+            data = json.loads(text)
+            raw_comments = []
+            if isinstance(data, dict):
+                raw_comments = data.get("comments", [])
+            elif isinstance(data, list):
+                raw_comments = 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 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):
+            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 ""),
+                "sub_comment_count": 0,
+            })
+
+        return comments
+
    # ---------- 帖子详情 ----------

    def get_feed_detail(self, feed_id: str, xsec_token: str,