领英自动化

作者：社区贡献者

⚠️免责声明 — 仅供个人使用此技能仅提供用于个人、非商业用途。它用于自动化您自己的领英账户，以提高个人工作效率和参与度。请勿将此技能用于发送垃圾信息、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，并遵守领英的用户协议。对于滥用或账户受限的情况，作者不承担任何责任。

通过无头 Playwright 浏览器与持久会话自动化领英互动。

先决条件

• Python 3.10+ 并已安装 Playwright (pip install playwright && playwright install chromium)
• 一个已登录的领英浏览器会话（持久化的 Chromium 配置文件）
• 调整scripts/lib/browser.py中的路径以匹配您的设置

命令

CLI={baseDir}/scripts/linkedin.py

# Check if session is valid
python3 $CLI check-session

# Read feed
python3 $CLI feed --count 5

# Create a post (text only)
python3 $CLI post --text "Hello world"

# Create a post with image (handles LinkedIn's image editor modal automatically)
python3 $CLI post --text "Hello world" --image /path/to/image.png

# Comment on a post (supports @Mentions — see below)
python3 $CLI comment --url "https://linkedin.com/feed/update/..." --text "Great insight @Betina Weiler!"

# Edit a comment (match by text fragment)
python3 $CLI edit-comment --url "https://..." --match "old text" --text "new text"

# Delete a comment
python3 $CLI delete-comment --url "https://..." --match "text to identify"

# Repost with thoughts
python3 $CLI repost --url "https://..." --thoughts "My take..."

# Engagement analytics for recent posts
python3 $CLI analytics --count 10

# Profile-level stats (followers, views)
python3 $CLI profile-stats

# Monitor your likes for new ones (for comment suggestions)
python3 $CLI scan-likes --count 15

# Scrape someone's activity
python3 $CLI activity --profile-url "https://linkedin.com/in/someone/" --count 5

所有命令均输出JSON。启用调试日志记录：LINKEDIN_DEBUG=1。

@提及功能

评论支持@名 姓语法。该技能：

1. 输入@名→ 等待输入提示下拉菜单
2. 如有需要，逐步输入姓氏的每个字母
3. 仅当名和姓都匹配时才点击对应选项
4. 如果未找到对应人员，则回退到纯文本（返回mention_failed警告）

检查mentions在JSON结果中，以查看提及是否成功。

点赞监控

该scan-likes命令会检查您最近的点赞/反应活动，并返回任何自上次检查以来的新点赞。状态会被持久化保存以避免重复提醒。非常适合与 cron/心跳监测集成：

# In HEARTBEAT.md or cron job:
python3 $CLI scan-likes → if new likes found → suggest comment for each

⚠️ 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。

执行前务必向用户准确展示将要发布的内容，并获取明确的“同意”确认。只读操作（如查看动态、分析数据、检查会话、扫描点赞）可自由安全地运行。

内容日历（定时发布）

基于完整审批流程的自动发布工作流。配置方法请参阅references/content-calendar.md文件。

• Webhook（scripts/cc-webhook.py）：接收来自前端界面的批准/编辑/跳过指令
• 自动应用：简单编辑（"旧文本 -> 新文本"）通过 webhook 即时生效
• 智能体处理：复杂编辑会触发由 AI 驱动的文本重写
• 自动发布：已批准但超过预定发布时间的帖子会通过定时任务自动发布
• 图片策略：真实照片 + AI生成的故事叠加层（非图库照片）

# Start the webhook (or install as systemd service)
python3 scripts/cc-webhook.py

# Env vars for config:
# 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— 吸引力公式、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、每周例行安排
• references/dom-patterns.md— 用于故障排除的已知LinkedIn DOM模式
• references/content-calendar.md— 内容日历设置、数据格式、Webhook API

频率限制

设置

1. 安装依赖：pip install playwright && playwright install chromium
2. 在以下文件中配置浏览器配置文件路径scripts/lib/browser.py（或设置环境变量LINKEDIN_BROWSER_PROFILE）
3. 手动登录 LinkedIn 一次（会话将保持）
4. 运行python3 scripts/linkedin.py check-session以验证
5. 学习你的声音：运行python3 scripts/linkedin.py learn-profile— 这将扫描你最近的帖子和评论来学习你的语气、话题、语言和风格。代理在建议评论/帖子时会使用此配置文件，使其听起来像你。你，而非一个普通的机器人。

声音与风格

在首次设置时，learn-profile会分析你的内容并保存一个风格配置文件（~/.linkedin-style.json），其中包含：

• 语言（德语/英语/混合）
• 语气（随意 / 专业 / 专业友好型）
• 表情符号使用情况（频繁 / 适度 / 极少）
• 你常用的热门话题标签
• 用于声音参考的帖子和评论示例

该助手在起草任何评论或帖子建议前，应始终读取此配置文件（get-style）。切勿强加陌生的声音——要匹配用户自然的风格。

帖子时效性警告

至关重要：在对任何帖子建议评论前，先检查帖子的发布时间：

• 小于 2 周：可以安全评论
• 大于 2 周：明确警告用户（"⚠️ 此帖子已发布 X 周 — 评论旧帖可能看起来像机器人行为。仍然要继续吗？"）
• 大于 1 个月：强烈不建议，除非有特定原因

评论旧帖会让人觉得你是在用机器人挖掘某人的历史记录。务必标记帖子发布时间。

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 频繁更新用户界面 — 请检查参考资料/dom-patterns.md并更新脚本/lib/selectors.py
• 调试截图：保存至/tmp/linkedin_debug_*.png（当操作失败时）