Claude Skill

weibo-comment-search

微博评论分析工具。输入微博博文链接即可获取一级评论数据,支持分页浏览和四维情感分析(积极/负面/需求/竞品)。当用户需要查看微博评论、分析评论舆情、了解用户反馈时使用。触发词:微博评论、博文评论、评论查询、评论分析、看评论。

LLM Mart · 0 points · 2 views 0 listing impressions 0 install-command copies
Download redfox-data-redfox-community-skills_weibo-comment-search-5e7b435.zip · 16 KB

Install

skills CLI npx skills add https://github.com/redfox-data/redfox-community/tree/main/skills/weibo-comment-search
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

微博评论分析 / weibo-comment-search


简介

输入微博博文链接就能看到这条博文的评论,谁评论了什么、被点赞多少次、什么时候发的都一目了然,点用户昵称还能直接跳转到 TA 的微博主页,给到你的都是平台刚更新的新鲜数据,不会拿旧缓存糊弄你。

核心价值

  • 内容新鲜不滞后:每次查询直接拉取平台最新评论,只给你刚发布的数据,不是过期存档。
  • 用户身份一眼知:评论人昵称直接可点,跳转到微博主页,快速了解评论者身份。
  • 翻页随心浏览:海量评论支持分页翻阅,一句「下一页」继续看更多内容。

适用对象

  • 🔍 内容运营 / 竞品分析 — 查看目标博文的用户反馈,了解互动热度
  • 📊 舆情监测 — 追踪特定博文下的舆论风向,第一时间发现关键评论
  • �� 创作者研究 — 了解粉丝评论内容和互动水平

功能特性

核心功能

  • 评论查询:输入微博博文链接或 opusId,查询该博文的一级评论。
  • 分页浏览:支持多页结果浏览,按需查看更多评论。

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 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

直接用自然语言描述需求,无需记忆命令。

常用说法速查

意图 示例话术 效果
查看评论 「查下 https://weibo.com/1784473157/R8X4f2lnq 的评论」 提取 opusId 后查询并展示评论
直接给 opusId 「查 R8X4f2lnq 的评论」 直接用 opusId 查询
翻页查看 「下一页」/ 「上一页」 切换当前结果页码

输出示例

查询完成后,你将收到如下格式的结果:

📊 博文 R8X4f2lnq 查询到 20 条评论(第 1 页),以下是详细数据:

# 用户 评论内容 点赞 发布时间
1 用户A 说得太对了,支持! 305 2025-07-10 14:30:25
2 用户B 这条博文很有深度... 1.2w 2025-07-10 12:15:30

📄 当前第 1 页。回复「下一页」继续查看。


使用场景

场景 角色 示例问法 收益
评论舆情分析 内容运营 「查下这条微博的评论」 快速了解用户对博文的反馈
热点追踪 舆情 「看看这条热搜的评论风向」 掌握舆论趋势和用户态度
竞品评论研究 创作者 「看下同行博文下的评论」 了解同类内容受众互动水平

Skill manifest

微博评论分析

📝 简介

微博评论分析工具,输入微博博文链接,即可查看该博文的一级评论数据,支持分页浏览和 AI 情感分析。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
评论查询 输入微博博文链接查询评论 一键查看任意博文的评论
分页浏览 支持多页结果浏览 逐页探索更多评论
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
HTML 报告 深色主题交互式报告 离线保存/分享分析结果

🔑 鉴权

获取 API Key

请前往 红狐hub 获取 API KEY

配置 API Key

方案1: 以 Qoder 为例,将 REDFOX_API_KEY 添加到 ~/.openclaw/openclaw.json 中:

{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

方案2: 终端配置

export REDFOX_API_KEY="ak_xxxx..."

🔄 工作流程

Step 1:理解用户意图,提取 opusId

1. 从微博博文链接中提取 opusId

  • 若用户提供了博文链接(如 https://weibo.com/1784473157/R8X4f2lnq),从中提取 opusId(R8X4f2lnq)
  • 若用户直接提供了 opusId,直接使用
  • 若用户意图模糊(如"帮我查下评论"),主动询问:「请提供微博博文链接」
  • 不得在用户未提供链接时擅自猜测并调用脚本
  • 若用户在上一轮对话中查询过某博文的评论,且本轮输入模糊(如"下一页"、"评论分析"),沿用上一轮的 opusId

2. 识别页码参数

  • 用户提到"下一页"、"第2页" → 对应页码,同时使用上一轮返回的 max_cursor
  • 用户提到"上一页" → 当前页 - 1
  • 未提及页码 → 默认第 1 页

Step 2:调用查询脚本(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 {{PLACEHOLDER}} 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/weibo-comment-search/scripts/weibo_comment_search.py "<博文链接或opusId>" [--page 页码] [--cursor 游标] [--output-dir 目录]

参数说明:

参数 说明 默认值
input 微博博文链接或 opusId —
--page 页码,从1开始 1
--cursor 翻页游标(首页为 0,后续从返回的 max_cursor 传入) 0
--no-html 跳过 HTML 报告生成 —
--output-dir HTML 输出目录 ~/Downloads/QoderReports

脚本以 JSON 格式输出:

字段 说明
opus_id 博文 opusId
comments 评论列表
max_cursor 下一页游标
has_next 是否有下一页(true/false)
page 当前页码
html_path 生成的 HTML 报告路径(含占位符,待回填)

每条评论字段:

字段 说明
nickname 用户昵称
uid 用户 uid
user_url 用户主页链接(https://weibo.com/{uid})
content 评论内容
comment_like_num 点赞数(原始数字)
comment_like_num_fmt 点赞数(格式化后)
create_time 发布时间

注意: HTML 报告此时仅含评论原始数据,分析占位符({{PLACEHOLDER}})待用户确认后回填。

Step 3:判断结果并展示

情况 A:comments 数量 > 0(有评论)

A1. 告知用户查询范围

📊 博文 {opus_id} 查询到 N 条评论(第 页),以下是详细数据:

A2. 渲染 Markdown 表格(全部展示)

| # | 用户 | 评论内容 | 点赞 | 发布时间 |
|---|------|----------|------|----------|
| 1 | [nickname](https://weibo.com/uid) | 评论内容 | 305 | 2025-07-10 14:30:25 |

格式规则:

  • 用户昵称渲染为超链接:[nickname](user_url),跳转到用户主页
  • 点赞数 < 10000 原始数字,≥ 10000 显示 x.xw
  • 发布时间完整展示年月日时分秒
  • 评论内容超过 50 字截断并加 ...,内容为空时显示 -
  • ⚠️ 当前页全部评论均需展示,不得截断

A3. AI 评论总结(⚠️ 每次查询(含翻页)必须输出)

首页:基于当前页获取到的全部评论,进行四维情感分析。

翻页后:基于目前已获取的所有页面累计数据进行综合分析,而非仅分析当前单页。分析时需标注累计总条数。

分析前需理解微博热点话题背景(热搜事件、粉丝文化、明星动态、社会议题语境)。

📈 评论总结分析(基于

✅ 积极评价(

  • {要点1}
  • {要点2}
  • ...

⚠️ 负面评价(

  • {要点1}
  • {要点2}
  • ...

💡 用户需求(

  • {要点1}
  • {要点2}
  • ...

🔍 竞品对比舆情(

  • {仅当评论中提及竞品时输出,否则输出「未提及竞品」}
  • {竞品名称}:{舆情要点}

分析要求:

  • 每条要点需引用代表评论(截取关键词/短语)
  • 百分比为提及该类型评论的数量占总评论数的比例
  • 积极/负面/需求/竞品四类占比总和可能超过 100%(一条评论可能同时包含多类信息)
  • 必须理解微博语境:识别粉丝话术(如"抱走""纯路人""yyds""打call"等)、热门话题背景、明星相关舆情

A4. 翻页提示(⚠️ 紧接在 A3 之后,每次必须输出)

  • 若 has_next 为 true:

📄 当前第 页。回复「下一页」继续查看。

  • 若 has_next 为 false:

📄 当前第 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?

若用户回复「是」「需要」「生成」「html」等确认词,则执行以下步骤(无需重新调用脚本,HTML 文件已在 Step 2 生成):

① 回填 AI 分析结果到 HTML

调用 backfill_html.py 将 AI 分析结果回填到 HTML 中的 {{PLACEHOLDER}} 占位符:

python3 ~/.agents/skills/weibo-comment-search/scripts/backfill_html.py "<html_path>" --analysis-json '{
  "positive_ratio": <正整数>,
  "negative_ratio": <正整数>,
  "demand_ratio": <正整数>,
  "competitor_ratio": <正整数>,
  "positive_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "negative_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "demand_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "competitor_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>"
}'

JSON 字段说明:

字段 类型 说明 示例
positive_ratio int 积极评价占比(纯数字,不含%) 45
negative_ratio int 负面评价占比 30
demand_ratio int 用户需求占比 15
competitor_ratio int 竞品对比占比 15
positive_summary string 积极评价摘要(HTML 格式 <ul><li>...</li></ul>) 见示例
negative_summary string 负面评价摘要 同上
demand_summary string 用户需求摘要 同上
competitor_summary string 竞品对比摘要 同上

注意: JSON 字符串参数包含双引号,Bash 中使用单引号包裹,内部双引号需转义 \"。若内容含单引号则用 stdin 方式传入:echo '...' | python3 backfill_html.py "<html_path>"

② 打开 HTML 报告:

open "<html_path>"

情况 B:comments 数量 = 0(无评论)

B1. 提示

😔 该博文暂无评论数据。

Step 4:翻页处理

当用户回复「下一页」「上一页」「第 N 页」时:

  1. 沿用 Step 1 中提取的 opusId
  2. 使用上一轮返回的 max_cursor 作为新的 --cursor
  3. 计算新页码
  4. 重新调用脚本(与 Step 2 一致,自动生成 HTML):python3 .../weibo_comment_search.py "<opusId>" --page <page> --cursor <cursor>
  5. 完整执行 Step 3 的 A1~A4,其中:
    • A1/A2:仅展示当前页数据(展示范围不变)
    • A3 评论分析:基于目前已获取的所有页面累计数据(第 1 页至当前页)进行综合分析,标题中 为累计总条数
  6. A4 后询问用户是否需要生成当前页 HTML(同 Step 3 末尾流程,无需重新调用脚本)

Step 5:错误处理

错误类型 处理方式
无 API Key 提示配置 REDFOX_API_KEY,给出配置指引
博文链接无效 提示「无法提取 opusId,请检查博文链接是否正确」
接口返回错误 显示错误码和错误信息
获取 0 条评论 提示「该博文暂无评论」并建议检查博文是否存在或已删除
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:查看指定博文的评论

用户:查看微博 https://weibo.com/1784473157/R8X4f2lnq 的评论
助手:调用脚本(自动生成HTML) → 展示全部评论 + AI总结 → 询问是否需要HTML → 用户确认 → backfill → open

示例 2:通过 opusId 查询

用户:R8X4f2lnq 这篇博文的评论怎么样
助手:提取 opusId → 调用脚本 → 展示分析 → 询问是否需要HTML

示例 3:翻页

用户:下一页
助手:调用脚本 page=2 cursor=xxx → 展示第2页 + AI累计分析 → 询问是否需要当前页HTML
Files (redfox-community)
  • assets
    • report_template.html 11 KB · in bundle
  • scripts
    • backfill_html.py 2.9 KB
      Loading…
    • weibo_comment_search.py 9 KB
      Loading…
  • README.en.md 3.2 KB
    Loading…
  • README.md 3.1 KB
    # 微博评论分析 / weibo-comment-search
    
    ---
    
    ## 简介
    
    输入微博博文链接就能看到这条博文的评论,谁评论了什么、被点赞多少次、什么时候发的都一目了然,点用户昵称还能直接跳转到 TA 的微博主页,给到你的都是平台刚更新的新鲜数据,不会拿旧缓存糊弄你。
    
    **核心价值**
    
    - **内容新鲜不滞后**:每次查询直接拉取平台最新评论,只给你刚发布的数据,不是过期存档。
    - **用户身份一眼知**:评论人昵称直接可点,跳转到微博主页,快速了解评论者身份。
    - **翻页随心浏览**:海量评论支持分页翻阅,一句「下一页」继续看更多内容。
    
    **适用对象**
    
    - 🔍 **内容运营 / 竞品分析** — 查看目标博文的用户反馈,了解互动热度
    - 📊 **舆情监测** — 追踪特定博文下的舆论风向,第一时间发现关键评论
    - �� **创作者研究** — 了解粉丝评论内容和互动水平
    
    ---
    
    ## 功能特性
    
    ### 核心功能
    
    - **评论查询**:输入微博博文链接或 opusId,查询该博文的一级评论。
    - **分页浏览**:支持多页结果浏览,按需查看更多评论。
    
    ---
    
    ## 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) 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
    
    直接用自然语言描述需求,无需记忆命令。
    
    ### 常用说法速查
    
    | 意图 | 示例话术 | 效果 |
    | ---- | -------- | ---- |
    | 查看评论 | 「查下 https://weibo.com/1784473157/R8X4f2lnq 的评论」 | 提取 opusId 后查询并展示评论 |
    | 直接给 opusId | 「查 R8X4f2lnq 的评论」 | 直接用 opusId 查询 |
    | 翻页查看 | 「下一页」/ 「上一页」 | 切换当前结果页码 |
    
    ### 输出示例
    
    查询完成后,你将收到如下格式的结果:
    
    > 📊 博文 `R8X4f2lnq` 查询到 **20 条**评论(第 1 页),以下是详细数据:
    
    | # | 用户 | 评论内容 | 点赞 | 发布时间 |
    |---|------|----------|------|----------|
    | 1 | [用户A](https://weibo.com/123456) | 说得太对了,支持! | 305 | 2025-07-10 14:30:25 |
    | 2 | [用户B](https://weibo.com/789012) | 这条博文很有深度... | 1.2w | 2025-07-10 12:15:30 |
    
    > 📄 当前第 **1** 页。回复「下一页」继续查看。
    
    ---
    
    ## 使用场景
    
    | 场景 | 角色 | 示例问法 | 收益 |
    | ---- | ---- | -------- | ---- |
    | 评论舆情分析 | 内容运营 | 「查下这条微博的评论」 | 快速了解用户对博文的反馈 |
    | 热点追踪 | 舆情 | 「看看这条热搜的评论风向」 | 掌握舆论趋势和用户态度 |
    | 竞品评论研究 | 创作者 | 「看下同行博文下的评论」 | 了解同类内容受众互动水平 |
    
  • SKILL.md 10.2 KB
    ---
    name: weibo-comment-search
    description: 微博评论分析工具。输入微博博文链接即可获取一级评论数据,支持分页浏览和四维情感分析(积极/负面/需求/竞品)。当用户需要查看微博评论、分析评论舆情、了解用户反馈时使用。触发词:微博评论、博文评论、评论查询、评论分析、看评论。
    ---
    
    # 微博评论分析
    
    ## 📝 简介
    
    微博评论分析工具,输入微博博文链接,即可查看该博文的一级评论数据,支持分页浏览和 AI 情感分析。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 |
    |---------|---------|---------|
    | 评论查询 | 输入微博博文链接查询评论 | 一键查看任意博文的评论 |
    | 分页浏览 | 支持多页结果浏览 | 逐页探索更多评论 |
    | 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 |
    | HTML 报告 | 深色主题交互式报告 | 离线保存/分享分析结果 |
    
    ## 🔑 鉴权
    
    ### 获取 API Key
    
    请前往 [红狐hub](https://redfox.hk/settings/api-keys?source=github) 获取 API KEY
    
    ### 配置 API Key
    
    方案1: 以 Qoder 为例,将 REDFOX_API_KEY 添加到 `~/.openclaw/openclaw.json` 中:
    
    ```bash
    { "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
    ```
    
    方案2: 终端配置
    
    ```bash
    export REDFOX_API_KEY="ak_xxxx..."
    ```
    
    ## 🔄 工作流程
    
    ### Step 1:理解用户意图,提取 opusId
    
    **1. 从微博博文链接中提取 opusId**
    
    - 若用户提供了博文链接(如 `https://weibo.com/1784473157/R8X4f2lnq`),从中提取 opusId(`R8X4f2lnq`)
    - 若用户直接提供了 opusId,直接使用
    - 若用户意图模糊(如"帮我查下评论"),主动询问:「请提供微博博文链接」
    - 不得在用户未提供链接时擅自猜测并调用脚本
    - 若用户在上一轮对话中查询过某博文的评论,且本轮输入模糊(如"下一页"、"评论分析"),沿用上一轮的 opusId
    
    **2. 识别页码参数**
    
    - 用户提到"下一页"、"第2页" → 对应页码,同时使用上一轮返回的 max_cursor
    - 用户提到"上一页" → 当前页 - 1
    - 未提及页码 → 默认第 1 页
    
    ### Step 2:调用查询脚本(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 `{{PLACEHOLDER}}` 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/weibo-comment-search/scripts/weibo_comment_search.py "<博文链接或opusId>" [--page 页码] [--cursor 游标] [--output-dir 目录]
    ```
    
    **参数说明:**
    
    | 参数 | 说明 | 默认值 |
    |------|------|--------|
    | input | 微博博文链接或 opusId | — |
    | `--page` | 页码,从1开始 | `1` |
    | `--cursor` | 翻页游标(首页为 0,后续从返回的 max_cursor 传入) | `0` |
    | `--no-html` | 跳过 HTML 报告生成 | — |
    | `--output-dir` | HTML 输出目录 | `~/Downloads/QoderReports` |
    
    脚本以 JSON 格式输出:
    
    | 字段 | 说明 |
    |------|------|
    | `opus_id` | 博文 opusId |
    | `comments` | 评论列表 |
    | `max_cursor` | 下一页游标 |
    | `has_next` | 是否有下一页(true/false) |
    | `page` | 当前页码 |
    | `html_path` | 生成的 HTML 报告路径(含占位符,待回填) |
    
    每条评论字段:
    
    | 字段 | 说明 |
    |------|------|
    | `nickname` | 用户昵称 |
    | `uid` | 用户 uid |
    | `user_url` | 用户主页链接(`https://weibo.com/{uid}`) |
    | `content` | 评论内容 |
    | `comment_like_num` | 点赞数(原始数字) |
    | `comment_like_num_fmt` | 点赞数(格式化后) |
    | `create_time` | 发布时间 |
    
    > **注意:** HTML 报告此时仅含评论原始数据,分析占位符(`{{PLACEHOLDER}}`)待用户确认后回填。
    
    ### Step 3:判断结果并展示
    
    #### 情况 A:comments 数量 > 0(有评论)
    
    **A1. 告知用户查询范围**
    
    > 📊 博文 `{opus_id}` 查询到 **N 条**评论(第 {page} 页),以下是详细数据:
    
    **A2. 渲染 Markdown 表格(全部展示)**
    
    ```markdown
    | # | 用户 | 评论内容 | 点赞 | 发布时间 |
    |---|------|----------|------|----------|
    | 1 | [nickname](https://weibo.com/uid) | 评论内容 | 305 | 2025-07-10 14:30:25 |
    ```
    
    **格式规则:**
    - 用户昵称渲染为超链接:`[nickname](user_url)`,跳转到用户主页
    - 点赞数 `< 10000` 原始数字,`≥ 10000` 显示 `x.xw`
    - 发布时间完整展示年月日时分秒
    - 评论内容超过 50 字截断并加 `...`,内容为空时显示 `-`
    - ⚠️ 当前页全部评论均需展示,不得截断
    
    **A3. AI 评论总结(⚠️ 每次查询(含翻页)必须输出)**
    
    **首页**:基于当前页获取到的全部评论,进行四维情感分析。
    
    **翻页后**:基于**目前已获取的所有页面累计数据**进行综合分析,而非仅分析当前单页。分析时需标注累计总条数。
    
    **分析前需理解微博热点话题背景**(热搜事件、粉丝文化、明星动态、社会议题语境)。
    
    > ## 📈 评论总结分析(基于 {total} 条评论)
    >
    > ### ✅ 积极评价({positive_ratio}%)
    > - {要点1}
    > - {要点2}
    > - ...
    >
    > ### ⚠️ 负面评价({negative_ratio}%)
    > - {要点1}
    > - {要点2}
    > - ...
    >
    > ### 💡 用户需求({demand_ratio}%)
    > - {要点1}
    > - {要点2}
    > - ...
    >
    > ### 🔍 竞品对比舆情({competitor_ratio}%)
    > - {仅当评论中提及竞品时输出,否则输出「未提及竞品」}
    > - {竞品名称}:{舆情要点}
    
    **分析要求:**
    - 每条要点需引用代表评论(截取关键词/短语)
    - 百分比为提及该类型评论的数量占总评论数的比例
    - 积极/负面/需求/竞品四类占比总和可能超过 100%(一条评论可能同时包含多类信息)
    - **必须理解微博语境**:识别粉丝话术(如"抱走""纯路人""yyds""打call"等)、热门话题背景、明星相关舆情
    
    **A4. 翻页提示(⚠️ 紧接在 A3 之后,每次必须输出)**
    
    - 若 `has_next` 为 true:
    > 📄 当前第 **{page}** 页。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?
    
    **若用户回复「是」「需要」「生成」「html」等确认词**,则执行以下步骤(**无需重新调用脚本**,HTML 文件已在 Step 2 生成):
    
    **① 回填 AI 分析结果到 HTML**
    
    调用 `backfill_html.py` 将 AI 分析结果回填到 HTML 中的 `{{PLACEHOLDER}}` 占位符:
    
    ```bash
    python3 ~/.agents/skills/weibo-comment-search/scripts/backfill_html.py "<html_path>" --analysis-json '{
      "positive_ratio": <正整数>,
      "negative_ratio": <正整数>,
      "demand_ratio": <正整数>,
      "competitor_ratio": <正整数>,
      "positive_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
      "negative_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
      "demand_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
      "competitor_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>"
    }'
    ```
    
    **JSON 字段说明:**
    
    | 字段 | 类型 | 说明 | 示例 |
    |------|------|------|------|
    | `positive_ratio` | int | 积极评价占比(纯数字,不含%) | `45` |
    | `negative_ratio` | int | 负面评价占比 | `30` |
    | `demand_ratio` | int | 用户需求占比 | `15` |
    | `competitor_ratio` | int | 竞品对比占比 | `15` |
    | `positive_summary` | string | 积极评价摘要(HTML 格式 `<ul><li>...</li></ul>`) | 见示例 |
    | `negative_summary` | string | 负面评价摘要 | 同上 |
    | `demand_summary` | string | 用户需求摘要 | 同上 |
    | `competitor_summary` | string | 竞品对比摘要 | 同上 |
    
    **注意:** JSON 字符串参数包含双引号,Bash 中使用单引号包裹,内部双引号需转义 `\"`。若内容含单引号则用 stdin 方式传入:`echo '...' | python3 backfill_html.py "<html_path>"`
    
    **② 打开 HTML 报告:**
    
    ```bash
    open "<html_path>"
    ```
    
    #### 情况 B:comments 数量 = 0(无评论)
    
    **B1. 提示**
    
    > 😔 该博文暂无评论数据。
    
    ### Step 4:翻页处理
    
    当用户回复「下一页」「上一页」「第 N 页」时:
    
    1. 沿用 Step 1 中提取的 opusId
    2. 使用上一轮返回的 `max_cursor` 作为新的 `--cursor`
    3. 计算新页码
    4. 重新调用脚本(**与 Step 2 一致,自动生成 HTML**):`python3 .../weibo_comment_search.py "<opusId>" --page <page> --cursor <cursor>`
    5. **完整执行 Step 3 的 A1~A4**,其中:
       - A1/A2:仅展示当前页数据(展示范围不变)
       - **A3 评论分析:基于目前已获取的所有页面累计数据(第 1 页至当前页)进行综合分析**,标题中 {total} 为累计总条数
    6. A4 后询问用户是否需要生成当前页 HTML(同 Step 3 末尾流程,**无需重新调用脚本**)
    
    ### Step 5:错误处理
    
    | 错误类型 | 处理方式 |
    |---------|---------|
    | 无 API Key | 提示配置 REDFOX_API_KEY,给出配置指引 |
    | 博文链接无效 | 提示「无法提取 opusId,请检查博文链接是否正确」 |
    | 接口返回错误 | 显示错误码和错误信息 |
    | 获取 0 条评论 | 提示「该博文暂无评论」并建议检查博文是否存在或已删除 |
    | 网络请求超时 | 提示「网络请求超时,请稍后重试」 |
    
    ---
    
    ## 📋 依赖
    
    ```bash
    # 脚本使用 urllib(Python 标准库),无需额外安装依赖
    ```
    
    ---
    
    ## 🎯 使用示例
    
    **示例 1:查看指定博文的评论**
    ```
    用户:查看微博 https://weibo.com/1784473157/R8X4f2lnq 的评论
    助手:调用脚本(自动生成HTML) → 展示全部评论 + AI总结 → 询问是否需要HTML → 用户确认 → backfill → open
    ```
    
    **示例 2:通过 opusId 查询**
    ```
    用户:R8X4f2lnq 这篇博文的评论怎么样
    助手:提取 opusId → 调用脚本 → 展示分析 → 询问是否需要HTML
    ```
    
    **示例 3:翻页**
    ```
    用户:下一页
    助手:调用脚本 page=2 cursor=xxx → 展示第2页 + AI累计分析 → 询问是否需要当前页HTML
    ```
    
  • _user_meta.json 94 B
    Loading…

Comments (0)

Sign in to join the conversation.

No comments yet.

Reviews (0)

No reviews yet.