你有三个小红书标题候选，一个很吸引眼球，一个信息很多，一个读起来最自然。与其让 AI 随口给八十分，不如先写清楚好标题在这篇笔记里到底意味着什么。

检查项由这篇正文决定

先确定读者、正文能解决的问题和实际材料。设定几项可解释的检查：是否明确对象、是否说清内容、是否与证据一致。它们是自己的编辑标准，不是平台官方算法。没有必要为了显得专业设计几十个权重，尤其不要把评分当作曝光预测。

找参考时同时看标题与内容

通过搜索和相应详情读取同主题笔记，观察哪些标题让你误解正文，哪些准确提示了适用条件。记录具体原因，不把参考笔记的互动数直接映射成标题分。相同标题在不同图片、账号和发布时间下可能表现不同，单独归因没有依据。

每个扣分点都对应修改动作

表格可列候选标题、读者预期、正文支持位置、问题和建议改法。比如所有人都适用应改成正文真正覆盖的人群；省一半需要真实对照证据，没有就去掉。若使用数字评分，也必须附说明，未知项保留未知，不能靠模型自信补满。

复核最终候选而不是追最高分

把标题与首图、开头一起读，确认信息不冲突、重要限制没有藏在末尾。可以请另一个人复述预期，检查是否与正文相符。AI 只辅助按标准检查和改写，接口负责提供参考材料，并不存在自动权威标题评分。最后选出的应是最准确表达这篇内容的候选，保留检查记录方便以后修改；发布后的真实表现要另行观察，不能把编辑分写成已经验证的点击提升。

这篇用到的接口

完整地址与参数

GET https://api.trmesh.com/openapi/api/v1/xiaohongshu/app_v2/search_notes

参数 类型 必填 含义
keyword string 是 搜索关键词
page integer 否 页码，从1开始
sort_type string 否 排序方式
note_type string 否 笔记类型
time_filter string 否 发布时间筛选
search_id string 否 搜索ID，翻页时传入首次搜索返回的值
search_session_id string 否 搜索会话ID，翻页时传入首次搜索返回的值
source string 否 来源
ai_mode integer 否 AI模式：0=关闭, 1=开启

可以复制的 Python 请求

安装 requests 并在环境变量中设置 TRMESH_API_TOKEN。把示例用户名或作品 ID 换成你要查询的对象。

import os
import requests

# 使用自己的 TRMesh 开发者密钥；不要将密钥写入网页。
url = "https://api.trmesh.com/openapi/api/v1/xiaohongshu/app_v2/search_notes"
params = {
    "keyword": "美食推荐",
    "page": "1",
    "sort_type": "general",
    "note_type": "不限",
    "time_filter": "不限",
    "source": "explore_feed",
    "ai_mode": "0"
}
response = requests.get(
    url, params=params, timeout=30,
    headers={"Authorization": f"Bearer {os.environ['TRMESH_API_TOKEN']}"},
)
response.raise_for_status()
payload = response.json()
print(payload)  # 先核对真实响应，再提取业务字段

对应接口文档 · 返回免费查询工具

调用接口会使用你的 TRMesh 账号额度，运行前请确认接口价格。