这次技术方案把中心放在 AI Agent：平台并不是“单次问答页面”，而是把意图理解、任务编排、模型调用、外部工具执行、结果落库串成闭环。
1. AI Agent 的职责边界
Agent 负责三件事：第一，理解用户目标并拆成可执行步骤；第二，根据任务选择模型或 skill；第三，把执行轨迹回传给前端并写入会话记录。这样对话不仅有答案，还有可复盘的执行过程。
2. 模型层：文本与图像双引擎
主文本模型使用 Minimax 2.7，承担策略规划、内容生成、结构化输出。文生图使用 Minimax image-01 与 image-01-live：前者用于高质量封面生成，后者用于更快的交互式预览与迭代。
3. Skill 层：把 Agent 接到真实世界
Skill 是 Agent 的“执行手脚”。在本项目中，重点 skill 是小红书 CLI（xiaohongshu-cli），用于登录态检查、内容读取、互动与发布相关动作。Agent 通过 skill 把“建议”变成“可执行操作”。
项目地址：jackwener/xiaohongshu-cli
4. Agent 与平台连接方式
平台层提供统一 API 与会话容器，Agent 运行时通过 WebSocket 建立流式通道。用户消息先进入平台会话，再由 Agent 编排并调用模型/skill，增量结果实时推送到消息区，最终答案与关键执行信息落库。
5. 关键数据流
输入：用户目标与上下文。编排：Agent 生成子任务。执行：Minimax 2.7 或 image-01/image-01-live + xiaohongshu-cli。回传：流式文本与工具状态。沉淀：AgentSession 与 AgentMessage。复盘：基于历史会话优化下一轮策略。
6. 为什么这个连接方式有效
它把“模型能力”和“平台能力”分层：模型负责理解与生成，skill 负责执行与对接，小红书能力通过 CLI 统一封装，平台负责权限、会话与可观测性。这样既保证可扩展，也能快速接入新工具链。
7. 当前方案的不足与改进方向
目前方案并不完美，尤其在工程化与安全边界上仍有明显短板。
- zeroclaw 的隔离性较差：当多个账号或多任务并发运行时，运行时上下文、缓存与工具状态容易互相影响，存在串号与误操作风险。
- 登录态安全压力大：小红书登录信息（如 a1、web_session）一旦明文存储或日志泄露，会直接带来账号被盗用风险。
- 可观测性仍偏弱：目前更偏“结果可见”，但对每次工具调用的耗时、失败原因、重试路径记录不足，问题定位成本高。
- 回滚与熔断策略不完整：当平台接口抖动或 CLI 行为异常时，缺少统一降级、暂停发布与人工接管机制。
下一步建议：按“单账号单执行沙箱”重构隔离模型；登录态做加密与最小化暴露；补齐调用链指标与告警；为发布链路增加熔断、审批和一键回滚。