Claude Skill

kuaishou-comment

快手评论分析工具。输入作品链接即可获取一级评论数据,支持分页浏览、评论情感分析(积极/负面/需求/竞品),生成精美 HTML 报告。当用户需要查看快手作品评论、分析评论舆情、了解用户反馈时使用。触发词:快手评论、作品评论、评论查询、评论分析、评论舆情、看评论。

LLM Mart · 0 points · 4 views 0 listing impressions 0 install-command copies
Download redfox-data-redfox-community-skills_kuaishou-comment-5e7b435.zip · 22 KB

Install

skills CLI npx skills add https://github.com/redfox-data/redfox-community/tree/main/skills/kuaishou-comment
Claude Code claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install redfox-data-redfox-community@llmmart
Git git clone https://github.com/redfox-data/redfox-community.git

The skills CLI installs just this skill, for any of its supported agents. Claude Code installs the whole redfox-data/redfox-community collection as a plugin from our marketplace. Git is the plain clone.

README

快手评论分析 / kuaishou-comment


简介

输入快手作品链接即可获取评论数据,支持分页浏览、四维情感分析(积极/负面/需求/竞品)和精美可视化报告生成。

核心价值

  • 即输即看:粘贴作品链接就能拉取评论区数据,每页展示完整评论表格,点赞、回复、IP 属地一览无余。
  • 智能舆情分析:自动将评论归为积极、负面、需求、竞品四类,提取关键词和代表评论,快速了解舆论风向。
  • 分页浏览,越看越全:支持逐页翻页,每次翻页自动累计分析所有已读评论,不遗漏任何信息。
  • 一键导出报告:生成深色主题交互式 HTML 报告,多页自动合并、超 3 页智能折叠,支持离线保存和分享。

适用对象

  • 🔍 快手创作者 — 快速了解作品评论区反馈,发现粉丝需求与选题灵感。
  • 📊 运营 / 数据分析 — 追踪快手作品的用户舆情,掌握内容影响力与受众态度。
  • 🏢 品牌 / MCN — 监控竞品与行业关键词的评论区表现,辅助内容策略决策。

功能特性

核心功能

  • 评论获取:粘贴作品链接即获取评论,支持 cursor 游标逐页翻页,每页展示完整数据。
  • 置顶标记:置顶评论特殊标识,一眼识别重要评论。
  • 四维情感分析:每次查询自动输出积极/负面/需求/竞品四类占比与摘要,翻页时累计分析更全面。
  • 可视化报告:单页生成包含当前页数据的 HTML 报告,多页自动合并为一份、超 3 页智能折叠。

密钥获取与安全说明

  • 本技能需要使用环境变量:REDFOX_API_KEY。
  • REDFOX_API_KEY 由 红狐 hub (https://redfox.hk)提供。
  • 请前往 红狐 hub 注册账号,获取 REDFOX_API_KEY。
  • 配置设备环境变量 REDFOX_API_KEY 后使用本技能。
  • 在提供密钥前,请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
  • 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。

使用指南

直接用自然语言发送快手作品链接或 opusId 即可,无需记忆命令。

常用说法速查

意图 示例话术 效果
查看评论 「https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu 这个作品的评论怎么样」 获取评论表格 + 四维情感分析
直接指定 ID 「查看快手作品 3x4ibfzs5e68yxu 的评论」 同上,跳过链接提取
翻页 「下一页」 继续拉取下一页评论,累计分析
导出报告 「生成 html」 已浏览的所有页面合并为一份完整报告

输出示例

查询后你将收到:

📊 评论表格:当前页全部评论,含评论人、评论内容、点赞数、回复数、时间和 IP 属地。

📈 AI 评论总结:四维分析(积极/负面/需求/竞品),含占比、摘要和代表性评论引用。

📄 翻页提示:若还有下一页,提示「回复『下一页』继续查看」。


使用场景

场景 角色 示例问法 收益
查看作品反馈 快手创作者 「我刚发的视频评论区什么情况?」 快速了解观众反应,及时互动
舆情监控 品牌运营 「看看这个产品的快手评论区风向」 掌握竞品或自身舆情,辅助决策
内容选题 内容策划 「最近同赛道爆款视频都聊什么?」 从评论区发掘用户需求与选题灵感
数据分析 数据分析师 「帮我分析这个作品评论的情感分布」 量化评论数据,输出结构化报告

Skill manifest

快手评论分析

📝 简介

输入快手作品链接即可获取一级评论数据,每页 20 条,支持 cursor 游标分页翻页。在对话中展示当前页全部评论及 AI 总结分析,同时生成包含当前页数据和总结的交互式 HTML 报告。

✨ 功能特性

功能模块 能力描述 核心价值
评论获取 粘贴作品链接即可获取评论 实时拉取作品评论区数据
分页浏览 每页 20 条,cursor 游标翻页 逐页浏览大量评论
AI 总结 四维情感分析(积极/负面/需求/竞品) 快速了解评论舆情全貌
置顶标记 置顶评论特殊标识 一眼识别重要评论
HTML 报告 深色主题交互式报告 离线保存/分享分析结果
合并报告 多页合并,超3页自动折叠 一次导出全部评论分析

🔑 鉴权

前往 红狐hub 获取 API Key,通过以下方式配置:

# 方式一:配置文件(如 OpenClaw 的 ~/.openclaw/openclaw.json)
{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

# 方式二:终端环境变量
export REDFOX_API_KEY="ak_xxxx..."

🔄 工作流程

Step 1:理解用户意图,提取 opusId

⚠️ 核心规则:用户提供作品链接,Agent 从链接中提取 opusId。

  • 用户提供作品链接(如 https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu),Agent 从链接中提取 opusId
  • 用户也可能直接提供 opusId(如 3x4ibfzs5e68yxu),此时直接使用
  • 若用户未提供作品链接,主动询问:「请提供快手作品链接」
  • 若用户在上一轮对话中查询过某作品的数据,且本轮输入模糊(如"下一页"、"评论分析"),沿用上一轮的 opusId

Step 2:调用评论获取脚本(自动生成 HTML)

⚠️ 每次调用仅请求一页数据(一次 API 请求),不可擅自发起多次调用拉取多页。

脚本每次调用自动生成 HTML 报告(含占位符,未回填分析数据)。终端展示与 HTML 基于同一次 API 调用,确保数据一致。

python3 ~/.agents/skills/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" [--cursor <cursor>] [--page <page>]

参数说明:

参数 说明 默认值
opusId 快手作品 opusId(必填) —
--cursor 游标,首页传空字符串,次页传上一页返回的 nextCursor ""
--page 当前页码(仅用于 HTML 文件名和输出标记) 1
--output-dir HTML 输出目录 ~/Downloads/QoderReports

脚本返回 JSON 字段详见下方评论字段表。

注意: HTML 报告此时仅含评论原始数据,分析占位符待用户确认后回填。

Step 3:对话中展示评论数据 + AI 总结

⚠️ 每次操作仅调用一次 API,获取一页数据。

A1. 告知查询范围

📊 作品「」共获取 N 条评论(第 页),以下是详细数据:

A2. 渲染评论表格(展示当前页全部评论)

格式规则:

  • 评论人列只显示昵称,不展示头像、不生成超链接
  • 评论内容超过 40 字截断加 ...
  • 时间格式化为 MM-DD HH:MM
  • 置顶评论在昵称后加 📌 标记(整行加粗)
  • like_count / reply_count 数字 ≥ 10000 使用 x.xw 格式
  • 每页全部展示,不得截断

A3. AI 评论总结(⚠️ 每次查询(含翻页)必须输出)

首页:基于当前页评论,四维情感分析。

翻页后:基于目前已获取的所有页面累计数据综合分析,标注累计总条数。

分析前需理解快手社区文化(老铁文化、表情符号语义、"奥利给""双击"等特有表达)。

📈 评论总结分析(基于

✅ 积极评价(

  • {要点,引用代表评论关键词}

⚠️ 负面评价(

  • {要点}

💡 用户需求(

  • {要点}

🔍 竞品对比舆情(

  • {仅当提及竞品时输出,否则输出「未提及竞品」}

分析要求:

  • 每条要点引用代表评论关键词/短语
  • 百分比为该类型评论占比,四类总和可能超 100%
  • 必须理解快手社区文化

A4. 翻页提示(⚠️ 紧接在 A3 之后)

  • 若 has_next 为 true:📄 当前第 {page} 页(共 {total_fetched} 条)。回复「下一页」继续查看。
  • 若 has_next 为 false:📄 当前第 {page} 页,已无更多数据。

⚠️ A1~A4 必须在同一轮输出中连续完成,不可省略任何一步。

A4 输出完毕后,询问用户是否需要生成 HTML 可视化报告:

📊 是否需要生成 HTML 可视化报告?

若用户确认,根据已浏览页数选择方式:


仅 1 页 → 单页 HTML(backfill_html.py)

HTML 文件已在 Step 2 生成,直接回填分析数据并打开:

python3 ~/.agents/skills/kuaishou-comment/scripts/backfill_html.py "<html_path>" --analysis-json '<分析JSON>'
open "<html_path>"

2 页及以上 → 合并报告(consolidate_report.py)

收集所有已浏览页面的 JSON 数据,生成一份包含全部评论和累计分析的完整 HTML。按页码分区展示,超过 3 页时自动折叠,提示用户点击展开。

python3 ~/.agents/skills/kuaishou-comment/scripts/consolidate_report.py "<opusId>" \
  --pages-json '[{"page":1,"total":31,"comments":[...]},{"page":2,"total":20,"comments":[...]}]' \
  --analysis-json '<累计分析JSON>'
open "<html_path>"
参数 说明
opusId 快手作品 opusId(位置参数)
--pages-json 多页数据 JSON 数组,每项含 page、total、comments
--analysis-json 累计分析 JSON(字段同 backfill)

pages 数据从各次脚本调用输出中收集;累计分析基于 A3 翻页后综合分析。


分析 JSON 字段说明:

字段 类型 说明
positive_ratio string 积极评价占比(纯数字,如 "62",模板自动追加 %)
negative_ratio string 负面评价占比
demand_ratio string 用户需求占比
competitor_ratio string 竞品对比占比
positive_summary string 积极评价摘要(HTML ul 格式)
negative_summary string 负面评价摘要
demand_summary string 用户需求摘要
competitor_summary string 竞品对比摘要

Step 4:翻页处理(用户回复「下一页」等时)

  1. 沿用 opusId
  2. 使用上一页的 nextCursor
  3. 重新调用脚本:python3 ~/.agents/skills/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" --cursor "<nextCursor>" --page <page>
  4. 完整执行 A1~A4,A3 基于累计综合分析
  5. A4 后询问是否需要 HTML

翻页规则: has_next true → 用 nextCursor 翻页;false → 已无更多。cursor 原样传递,不可修改。

Step 5:错误处理

错误类型 处理方式
无 API Key 提示配置 REDFOX_API_KEY
作品链接无效 提示「未找到该作品的评论,请检查作品链接是否正确」
接口返回错误 显示错误码和错误信息
获取 0 条评论 提示「该作品暂无评论」
网络请求超时 提示「网络请求超时,请稍后重试」

📋 依赖

脚本使用 urllib(Python 标准库),无需额外安装依赖。


🎯 使用示例

示例 1:查看指定作品的评论

用户:查看快手作品 3x4ibfzs5e68yxu 的评论
助手:调用脚本 → 展示当前页 + AI总结 → 询问HTML → backfill → open

示例 2:通过链接查询

用户:https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu 这个作品的评论怎么样
助手:提取 opusId → 调用脚本 → 展示分析 → 询问HTML

示例 3:翻页后合并导出

用户:下一页 → 下一页 → 生成html
助手:收集3页JSON → consolidate_report.py → 1个HTML含全部评论+折叠 → open
Files (redfox-community)
  • assets
    • consolidate_report_template.html 12 KB · in bundle
    • report_template.html 12 KB · in bundle
  • scripts
    • backfill_html.py 2.8 KB
      Loading…
    • consolidate_report.py 9.1 KB
      Loading…
    • kuaishou_comment_search.py 8.8 KB
      Loading…
  • README.en.md 4.1 KB
    Loading…
  • README.md 3.8 KB
    # 快手评论分析 / kuaishou-comment
    
    ---
    
    ## 简介
    
    输入快手作品链接即可获取评论数据,支持分页浏览、四维情感分析(积极/负面/需求/竞品)和精美可视化报告生成。
    
    **核心价值**
    
    - **即输即看**:粘贴作品链接就能拉取评论区数据,每页展示完整评论表格,点赞、回复、IP 属地一览无余。
    - **智能舆情分析**:自动将评论归为积极、负面、需求、竞品四类,提取关键词和代表评论,快速了解舆论风向。
    - **分页浏览,越看越全**:支持逐页翻页,每次翻页自动累计分析所有已读评论,不遗漏任何信息。
    - **一键导出报告**:生成深色主题交互式 HTML 报告,多页自动合并、超 3 页智能折叠,支持离线保存和分享。
    
    **适用对象**
    
    - 🔍 **快手创作者** — 快速了解作品评论区反馈,发现粉丝需求与选题灵感。
    - 📊 **运营 / 数据分析** — 追踪快手作品的用户舆情,掌握内容影响力与受众态度。
    - 🏢 **品牌 / MCN** — 监控竞品与行业关键词的评论区表现,辅助内容策略决策。
    
    ---
    
    ## 功能特性
    
    ### 核心功能
    
    - **评论获取**:粘贴作品链接即获取评论,支持 cursor 游标逐页翻页,每页展示完整数据。
    - **置顶标记**:置顶评论特殊标识,一眼识别重要评论。
    - **四维情感分析**:每次查询自动输出积极/负面/需求/竞品四类占比与摘要,翻页时累计分析更全面。
    - **可视化报告**:单页生成包含当前页数据的 HTML 报告,多页自动合并为一份、超 3 页智能折叠。
    
    ---
    
    ## 密钥获取与安全说明
    
    - 本技能需要使用环境变量:`REDFOX_API_KEY`。
    - `REDFOX_API_KEY` 由 [红狐 hub](https://redfox.hk/settings/api-keys?source=github) (`https://redfox.hk`)提供。
    - 请前往 [红狐 hub](https://redfox.hk?source=github) 注册账号,获取 `REDFOX_API_KEY`。
    - 配置设备环境变量 `REDFOX_API_KEY` 后使用本技能。
    - 在提供密钥前,请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
    - 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。
    
    ---
    
    ## 使用指南
    
    直接用自然语言发送快手作品链接或 opusId 即可,无需记忆命令。
    
    ### 常用说法速查
    
    | 意图 | 示例话术 | 效果 |
    | ---- | -------- | ---- |
    | 查看评论 | 「https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu 这个作品的评论怎么样」 | 获取评论表格 + 四维情感分析 |
    | 直接指定 ID | 「查看快手作品 3x4ibfzs5e68yxu 的评论」 | 同上,跳过链接提取 |
    | 翻页 | 「下一页」 | 继续拉取下一页评论,累计分析 |
    | 导出报告 | 「生成 html」 | 已浏览的所有页面合并为一份完整报告 |
    
    ### 输出示例
    
    查询后你将收到:
    
    📊 **评论表格**:当前页全部评论,含评论人、评论内容、点赞数、回复数、时间和 IP 属地。
    
    📈 **AI 评论总结**:四维分析(积极/负面/需求/竞品),含占比、摘要和代表性评论引用。
    
    📄 **翻页提示**:若还有下一页,提示「回复『下一页』继续查看」。
    
    ---
    
    ## 使用场景
    
    | 场景 | 角色 | 示例问法 | 收益 |
    | ---- | ---- | -------- | ---- |
    | 查看作品反馈 | 快手创作者 | 「我刚发的视频评论区什么情况?」 | 快速了解观众反应,及时互动 |
    | 舆情监控 | 品牌运营 | 「看看这个产品的快手评论区风向」 | 掌握竞品或自身舆情,辅助决策 |
    | 内容选题 | 内容策划 | 「最近同赛道爆款视频都聊什么?」 | 从评论区发掘用户需求与选题灵感 |
    | 数据分析 | 数据分析师 | 「帮我分析这个作品评论的情感分布」 | 量化评论数据,输出结构化报告 |
    
  • SKILL.md 8.5 KB
    ---
    name: kuaishou-comment
    description: 快手评论分析工具。输入作品链接即可获取一级评论数据,支持分页浏览、评论情感分析(积极/负面/需求/竞品),生成精美 HTML 报告。当用户需要查看快手作品评论、分析评论舆情、了解用户反馈时使用。触发词:快手评论、作品评论、评论查询、评论分析、评论舆情、看评论。
    ---
    
    # 快手评论分析
    
    ## 📝 简介
    
    输入快手作品链接即可获取一级评论数据,每页 20 条,支持 cursor 游标分页翻页。在对话中展示当前页全部评论及 AI 总结分析,同时生成包含当前页数据和总结的交互式 HTML 报告。
    
    ## ✨ 功能特性
    
    | 功能模块 | 能力描述 | 核心价值 |
    |---------|---------|---------|
    | 评论获取 | 粘贴作品链接即可获取评论 | 实时拉取作品评论区数据 |
    | 分页浏览 | 每页 20 条,cursor 游标翻页 | 逐页浏览大量评论 |
    | AI 总结 | 四维情感分析(积极/负面/需求/竞品) | 快速了解评论舆情全貌 |
    | 置顶标记 | 置顶评论特殊标识 | 一眼识别重要评论 |
    | HTML 报告 | 深色主题交互式报告 | 离线保存/分享分析结果 |
    | 合并报告 | 多页合并,超3页自动折叠 | 一次导出全部评论分析 |
    
    ## 🔑 鉴权
    
    前往 [红狐hub](https://redfox.hk/settings/api-keys?source=github) 获取 API Key,通过以下方式配置:
    
    ```bash
    # 方式一:配置文件(如 OpenClaw 的 ~/.openclaw/openclaw.json)
    { "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
    
    # 方式二:终端环境变量
    export REDFOX_API_KEY="ak_xxxx..."
    ```
    
    ## 🔄 工作流程
    
    ### Step 1:理解用户意图,提取 opusId
    
    **⚠️ 核心规则:用户提供作品链接,Agent 从链接中提取 opusId。**
    
    - 用户提供作品链接(如 `https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu`),Agent 从链接中提取 opusId
    - 用户也可能直接提供 opusId(如 `3x4ibfzs5e68yxu`),此时直接使用
    - 若用户未提供作品链接,主动询问:「请提供快手作品链接」
    - 若用户在上一轮对话中查询过某作品的数据,且本轮输入模糊(如"下一页"、"评论分析"),沿用上一轮的 opusId
    
    ### Step 2:调用评论获取脚本(自动生成 HTML)
    
    **⚠️ 每次调用仅请求一页数据(一次 API 请求),不可擅自发起多次调用拉取多页。**
    
    **脚本每次调用自动生成 HTML 报告**(含占位符,未回填分析数据)。终端展示与 HTML 基于**同一次 API 调用**,确保数据一致。
    
    ```bash
    python3 ~/.agents/skills/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" [--cursor <cursor>] [--page <page>]
    ```
    
    **参数说明:**
    
    | 参数 | 说明 | 默认值 |
    |------|------|--------|
    | `opusId` | 快手作品 opusId(必填) | — |
    | `--cursor` | 游标,首页传空字符串,次页传上一页返回的 nextCursor | "" |
    | `--page` | 当前页码(仅用于 HTML 文件名和输出标记) | 1 |
    | `--output-dir` | HTML 输出目录 | ~/Downloads/QoderReports |
    
    脚本返回 JSON 字段详见下方评论字段表。
    
    > **注意:** HTML 报告此时仅含评论原始数据,分析占位符待用户确认后回填。
    
    ### Step 3:对话中展示评论数据 + AI 总结
    
    **⚠️ 每次操作仅调用一次 API,获取一页数据。**
    
    #### A1. 告知查询范围
    
    > 📊 作品「**{opusId}**」共获取 **N 条**评论(第 {page} 页),以下是详细数据:
    
    #### A2. 渲染评论表格(展示当前页全部评论)
    
    **格式规则:**
    - 评论人列只显示昵称,不展示头像、不生成超链接
    - 评论内容超过 40 字截断加 ...
    - 时间格式化为 MM-DD HH:MM
    - 置顶评论在昵称后加 📌 标记(整行加粗)
    - like_count / reply_count 数字 ≥ 10000 使用 x.xw 格式
    - 每页全部展示,不得截断
    
    #### A3. AI 评论总结(⚠️ 每次查询(含翻页)必须输出)
    
    **首页**:基于当前页评论,四维情感分析。
    
    **翻页后**:基于目前已获取的所有页面累计数据综合分析,标注累计总条数。
    
    **分析前需理解快手社区文化**(老铁文化、表情符号语义、"奥利给""双击"等特有表达)。
    
    > ## 📈 评论总结分析(基于 {total} 条评论)
    >
    > ### ✅ 积极评价({positive_ratio}%)
    > - {要点,引用代表评论关键词}
    >
    > ### ⚠️ 负面评价({negative_ratio}%)
    > - {要点}
    >
    > ### 💡 用户需求({demand_ratio}%)
    > - {要点}
    >
    > ### 🔍 竞品对比舆情({competitor_ratio}%)
    > - {仅当提及竞品时输出,否则输出「未提及竞品」}
    
    **分析要求:**
    - 每条要点引用代表评论关键词/短语
    - 百分比为该类型评论占比,四类总和可能超 100%
    - 必须理解快手社区文化
    
    #### A4. 翻页提示(⚠️ 紧接在 A3 之后)
    
    - 若 has_next 为 true:`📄 当前第 {page} 页(共 {total_fetched} 条)。回复「下一页」继续查看。`
    - 若 has_next 为 false:`📄 当前第 {page} 页,已无更多数据。`
    
    **⚠️ A1~A4 必须在同一轮输出中连续完成,不可省略任何一步。**
    
    A4 输出完毕后,**询问用户是否需要生成 HTML 可视化报告**:
    
    > 📊 是否需要生成 HTML 可视化报告?
    
    **若用户确认**,根据已浏览页数选择方式:
    
    ---
    
    #### 仅 1 页 → 单页 HTML(backfill_html.py)
    
    HTML 文件已在 Step 2 生成,直接回填分析数据并打开:
    
    ```bash
    python3 ~/.agents/skills/kuaishou-comment/scripts/backfill_html.py "<html_path>" --analysis-json '<分析JSON>'
    open "<html_path>"
    ```
    
    ---
    
    #### 2 页及以上 → 合并报告(consolidate_report.py)
    
    收集所有已浏览页面的 JSON 数据,生成一份包含**全部评论和累计分析**的完整 HTML。按页码分区展示,**超过 3 页时自动折叠**,提示用户点击展开。
    
    ```bash
    python3 ~/.agents/skills/kuaishou-comment/scripts/consolidate_report.py "<opusId>" \
      --pages-json '[{"page":1,"total":31,"comments":[...]},{"page":2,"total":20,"comments":[...]}]' \
      --analysis-json '<累计分析JSON>'
    open "<html_path>"
    ```
    
    | 参数 | 说明 |
    |------|------|
    | opusId | 快手作品 opusId(位置参数) |
    | --pages-json | 多页数据 JSON 数组,每项含 page、total、comments |
    | --analysis-json | 累计分析 JSON(字段同 backfill) |
    
    > pages 数据从各次脚本调用输出中收集;累计分析基于 A3 翻页后综合分析。
    
    ---
    
    **分析 JSON 字段说明:**
    
    | 字段 | 类型 | 说明 |
    |------|------|------|
    | positive_ratio | string | 积极评价占比(纯数字,如 "62",模板自动追加 %) |
    | negative_ratio | string | 负面评价占比 |
    | demand_ratio | string | 用户需求占比 |
    | competitor_ratio | string | 竞品对比占比 |
    | positive_summary | string | 积极评价摘要(HTML ul 格式) |
    | negative_summary | string | 负面评价摘要 |
    | demand_summary | string | 用户需求摘要 |
    | competitor_summary | string | 竞品对比摘要 |
    
    ### Step 4:翻页处理(用户回复「下一页」等时)
    
    1. 沿用 opusId
    2. 使用上一页的 nextCursor
    3. 重新调用脚本:`python3 ~/.agents/skills/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" --cursor "<nextCursor>" --page <page>`
    4. 完整执行 A1~A4,A3 基于累计综合分析
    5. A4 后询问是否需要 HTML
    
    **翻页规则:** has_next true → 用 nextCursor 翻页;false → 已无更多。cursor 原样传递,不可修改。
    
    ### Step 5:错误处理
    
    | 错误类型 | 处理方式 |
    |---------|---------|
    | 无 API Key | 提示配置 REDFOX_API_KEY |
    | 作品链接无效 | 提示「未找到该作品的评论,请检查作品链接是否正确」 |
    | 接口返回错误 | 显示错误码和错误信息 |
    | 获取 0 条评论 | 提示「该作品暂无评论」 |
    | 网络请求超时 | 提示「网络请求超时,请稍后重试」 |
    
    ---
    
    ## 📋 依赖
    
    脚本使用 urllib(Python 标准库),无需额外安装依赖。
    
    ---
    
    ## 🎯 使用示例
    
    **示例 1:查看指定作品的评论**
    ```
    用户:查看快手作品 3x4ibfzs5e68yxu 的评论
    助手:调用脚本 → 展示当前页 + AI总结 → 询问HTML → backfill → open
    ```
    
    **示例 2:通过链接查询**
    ```
    用户:https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu 这个作品的评论怎么样
    助手:提取 opusId → 调用脚本 → 展示分析 → 询问HTML
    ```
    
    **示例 3:翻页后合并导出**
    ```
    用户:下一页 → 下一页 → 生成html
    助手:收集3页JSON → consolidate_report.py → 1个HTML含全部评论+折叠 → open
    ```
    

Comments (0)

Sign in to join the conversation.

No comments yet.

Reviews (0)

No reviews yet.