名称： linkedin-automation
描述： LinkedIn 自动化工具 — 支持发布（含图片上传）、评论（含@提及）、编辑/删除评论、转发、阅读动态、分析数据、点赞监控、互动追踪，以及带审批流程的内容日历。使用 Playwright 并保持浏览器会话持久化。适用于内容策略、定时发布、互动分析和受众增长等任何 LinkedIn 任务。

LinkedIn 自动化工具

作者： 社区贡献者

⚠️ 免责声明 — 仅限个人使用
此技能仅限个人、非商业用途。它用于自动化您自己的 LinkedIn 账户，以提升个人生产力和互动。请勿将此技能用于垃圾信息、大规模推广、抓取其他用户数据或任何商业自动化服务。请负责任地使用，并遵守 LinkedIn 用户协议。作者对滥用或账户限制概不负责。

通过无头 Playwright 浏览器与持久化会话，自动化 LinkedIn 互动。

先决条件

• Python 3.10+ 并安装 Playwright (pip install playwright && playwright install chromium)
• 已登录 LinkedIn 的浏览器会话（持久化的 Chromium 配置文件）
• 根据您的设置调整 scripts/lib/browser.py 中的路径

命令

CLI={baseDir}/scripts/linkedin.py

# 检查会话是否有效
python3 $CLI check-session

# 阅读动态
python3 $CLI feed --count 5

# 创建纯文本帖子
python3 $CLI post --text "Hello world"

# 创建带图片的帖子（自动处理 LinkedIn 的图片编辑器弹窗）
python3 $CLI post --text "Hello world" --image /path/to/image.png

# 评论帖子（支持 @提及 — 见下文）
python3 $CLI comment --url "https://linkedin.com/feed/update/..." --text "Great insight @Betina Weiler!"

# 编辑评论（通过文本片段匹配）
python3 $CLI edit-comment --url "https://..." --match "old text" --text "new text"

# 删除评论
python3 $CLI delete-comment --url "https://..." --match "text to identify"

# 转发并添加想法
python3 $CLI repost --url "https://..." --thoughts "My take..."

# 近期帖子的互动分析
python3 $CLI analytics --count 10

# 个人资料级别统计（关注者、浏览量）
python3 $CLI profile-stats

# 监控您收到的点赞（用于评论建议）
python3 $CLI scan-likes --count 15

# 抓取某人的活动
python3 $CLI activity --profile-url "https://linkedin.com/in/someone/" --count 5

所有命令输出 JSON。启用调试日志：LINKEDIN_DEBUG=1。

@提及功能

评论支持 @FirstName LastName 语法。该技能会：
1. 输入 @FirstName → 等待输入提示下拉列表出现
2. 如有需要，逐个字母输入姓氏
3. 仅当名和姓都匹配时才点击对应项
4. 如果未找到该人，则回退到纯文本（返回 mention_failed 警告）

检查 JSON 结果中的 mentions 字段，以查看提及是否成功。

点赞监控

scan-likes 命令检查您近期的点赞/反应活动，并返回自上次检查以来的任何新点赞。状态会被持久化以避免重复提醒。非常适合与 cron/心跳任务集成：

# 在 HEARTBEAT.md 或 cron 任务中：
python3 $CLI scan-likes → 如果发现新点赞 → 为每个点赞建议评论

⚠️ 黄金法则

未经用户明确批准，切勿发布、评论、转发、编辑或删除任何内容。

在执行前，始终向用户展示将要发布的确切内容，并获得明确的“是”的确认。只读操作（阅读动态、分析数据、检查会话、扫描点赞）可以安全地自由运行。

内容日历（定时发布）

完整的基于审批的发布工作流，支持自动发布。设置详情参见 references/content-calendar.md。

• Webhook (scripts/cc-webhook.py)：从前端 UI 接收批准/编辑/跳过指令
• 自动应用：Webhook 即时应用简单编辑（"旧文本 -> 新文本"）
• 代理处理：复杂编辑会被标记，由 AI 驱动的文本重写处理
• 自动发布：已批准且超过预定时间的帖子通过 cron 自动发布
• 图片策略：真实照片 + AI 生成的故事叠加层（非库存图片）

# 启动 webhook（或安装为 systemd 服务）
python3 scripts/cc-webhook.py

# 用于配置的环境变量：
# CC_DATA_FILE=/path/to/cc-data.json
# CC_ACTIONS_FILE=/path/to/actions.json
# CC_WEBHOOK_PORT=8401

内容策略与互动

• references/content-strategy.md — 钩子公式、帖子结构、发布时间、话题标签策略、4-1-1 规则
• references/engagement.md — 算法信号、评论质量公式、频率限制、每周例行工作
• references/dom-patterns.md — 已知的 LinkedIn DOM 模式，用于故障排除
• references/content-calendar.md — 内容日历设置、数据格式、webhook API

频率限制

设置步骤

1. 安装依赖：pip install playwright && playwright install chromium
2. 在 scripts/lib/browser.py 中配置浏览器配置文件路径（或设置 LINKEDIN_BROWSER_PROFILE 环境变量）
3. 手动登录 LinkedIn 一次（会话将持久化）
4. 运行 python3 scripts/linkedin.py check-session 进行验证
5. 学习您的风格： 运行 python3 scripts/linkedin.py learn-profile — 此命令会扫描您最近的帖子和评论，以学习您的语气、话题、语言和风格。代理在建议评论/帖子时会使用此个人资料，使其听起来像您，而不是一个通用的机器人。

声音与风格

在首次设置时，learn-profile 会分析您的内容并保存一个风格个人资料 (~/.linkedin-style.json)，包含：
- 语言（德语/英语/混合）
- 语气（随意 / 专业 / 专业且友好）
- 表情符号使用情况（频繁 / 适中 / 极少）
- 您使用的热门话题标签
- 用于声音参考的帖子和评论样本

代理在起草任何评论或帖子建议之前，应始终读取此个人资料 (get-style)。切勿强加陌生的声音 — 要匹配用户的自然风格。

帖子时效性警告

关键： 在建议对任何帖子进行评论之前，请检查帖子的发布时间：
- < 2 周： 可以安全评论
- > 2 周： 明确警告用户（"⚠️ 此帖子已发布 X 周 — 评论旧帖子可能看起来像机器人行为。仍然要评论吗？"）
- > 1 个月： 强烈不建议，除非有特定理由

评论旧帖子会让人觉得您在用机器人挖掘某人的历史记录。务必标记帖子的时效性。

故障排除

• 会话过期：通过浏览器配置文件重新登录
• 选择器失效：LinkedIn 频繁更新 UI — 检查 references/dom-patterns.md 并更新 scripts/lib/selectors.py
• 调试截图：失败时保存到 /tmp/linkedin_debug_*.png