别再问 AI：现在网上的人都怎么看这个东西？ 大多数时候，它给你的只是一个“听起来很合理”的答案。 更狠的玩法是： 先把几千条真实帖子和评论抓回来，再让 AI 分析。 它可以采集小红书、抖音、B站、微博、知乎、贴吧、快手等平台的公开内容。 帖子、视频、评论、博主主页，都可以按关键词去找。 我第一反应不是拿它“爬数据”。 而是：这东西完全可以拿来给 AI 建一个真实世界的研究素材库。 比如我最近想研究： 大家到底有没有在用 AI Agent？ 以前怎么做？ 小红书搜一下。 抖音翻一下。 B站看看评论。 微博再搜一遍。 知乎找几篇回答。 然后复制、粘贴、截图…… 搞半天，脑子里最后只剩几个零散印象。 现在可以换个玩法。 直接让 MediaCrawler 去搜： AI Agent Claude Code Cursor OpenClaw DeepSeek 把相关帖子和评论整理出来。 然后全部交给 AI。 再问它： 最近大家反复讨论什么？ 吐槽最多的问题是什么？ 哪些需求出现频率最高？ 哪些产品开始被频繁提到？ 普通用户真正愿意为什么付钱？ 哪些观点只是在互相复制？ 哪些叙事正在明显升温？ 这时候 AI 的回答就完全不一样了。 因为它不是坐在那里“猜网友怎么想”。 它是在读真实网友说过什么。 这个区别很大。 我做美股、Crypto，其实也会想到很多玩法。 比如突然有一个项目开始火。 我不一定只看价格。 还可以看看： 微博有没有明显升温？ B站相关视频是不是突然变多？ 知乎开始有人写长文了吗？ 评论区是在 FOMO，还是已经开始质疑？ 过去 7 天，哪些词的出现频率明显增加？ 甚至可以把不同时间段的数据放在一起，让 AI 比： 叙事到底是在扩散，还是已经开始退潮。 这就开始有点“自己的市场情绪数据库”的意思了。 做内容的人也一样。 假如你准备做一个： 普通人为什么不用 AI Agent？ 别先让 ChatGPT 给你列 10 个痛点。 先抓 1000 条真实评论。 然后让它帮你归类： 不会安装 太贵 不知道有什么用 隐私担忧 操作太复杂 效果不稳定 …… 再从真实用户的问题里面找选题。 这种内容通常比： 帮我想 20 个爆款选题 靠谱得多。 上手其实也不算复杂。 先拉项目： git clone 进入目录： cd MediaCrawler 同步环境： uv sync 然后就可以开始跑。 比如搜小红书： uv run --platform xhs --lt qrcode --type search 第一次按提示登录。 后面设置关键词，就可以开始采集。 如果你不喜欢折腾命令行，它也有 WebUI。 平台、登录方式、采集方式、参数这些都可以直接选。 数据最后可以存成： CSV JSON JSONL Excel SQLite MySQL 如果只是自己研究，我建议别搞复杂。 CSV / SQLite 先跑起来就够了。 我觉得这个项目真正有意思的地方，不是“又多了一个爬虫”。 而是它刚好能补 AI 现在一个很大的短板：AI 很会分析。 但前提是，你得先给它值得分析的数据。 以后我的研究流程可能越来越像这样： 公开内容 ↓ MediaCrawler 把数据搬回来 ↓ AI 清洗 / 分类 / 总结 ↓ 找情绪、痛点、趋势、异常信号 ↓ 人自己做判断 说白了： 爬虫负责搬。 AI 负责读。 人负责判断。 三件事分开以后，比直接打开 ChatGPT 问一句： “最近市场都在关注什么？” 靠谱太多。 仓库： 做 AI、Crypto、内容、产品研究的，可以收一下。 当然，这类工具只建议用于合规的公开信息研究，控制采集频率，遵守平台规则，也别碰隐私数据。 最后送一句我最近越来越认同的话： 别只想着让 AI 上网找答案。 真正值钱的，是开始给 AI 建自己的数据源。