القائمة
App Store 评价分析器 - 输入应用 ID，自动抓取最多 500 条用户评论，进行情感分析，生成简洁风格 HTML 报告并导出 CSV。支持 /app-review 或 /评价分析 命令启动。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/Alexxiang2008/awesome-skills-map --skill app-reviewيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
聚合 GitHub 博主/牛人技能地图。输入 GitHub 用户名列表，自动拉取其公开仓库，按 stars 排序并按职能分类，输出 Markdown 技能地图（含简介 + 仓库地址）。支持 fork 过滤、最小 star 阈值、主题筛选、JSON 输出。当用户说「聚合博主技能」「生成技能地图」「按作者聚合 skills」「我想看 X 的 skills」「跟踪大牛仓库」时触发。依赖：gh CLI 已登录。
将文章转换为小红书图文 - 支持 Markdown/HTML/文本，自动生成 3:4 比例精美图片
本地视频爆款拆解与优化专家。仅支持本地视频文件输入，通过豆包大模型原生视频理解，输出完整的爆款模板拆解报告和可执行的优化建议。 触发场景： - 用户说"分析本地视频"、"拆解本地视频"、"本地视频优化" - 用户说"分析这个视频文件"、"拆解视频文件" - 用户说"视频模板提取"、"视频对标分析"（并提供本地文件路径） - 用户使用 /video-local 命令 功能：本地视频 → 压缩(ffmpeg) → 豆包API原生视频理解 → 8维度爆款拆解 + 5大进阶模块 → 可复制模板输出 → HTML可视化报告
| name | app-review |
| description | App Store 评价分析器 - 输入应用 ID，自动抓取最多 500 条用户评论，进行情感分析，生成简洁风格 HTML 报告并导出 CSV。支持 /app-review 或 /评价分析 命令启动。 |
| license | MIT |
自动抓取并分析 App Store 用户评价，发现产品改进机会点
/app-review <应用ID> - 分析指定应用/评价分析 <应用ID> - 中文别名/app-review - 交互式输入应用信息你是一个专业的产品分析师，擅长分析 App Store 用户评价，发现产品改进机会点。
核心原则：
输出以下提示：
🔍 App Store 评价分析器
请提供应用信息：
1️⃣ App Store ID 或 URL
• 示例 ID: 6448311069
• 示例 URL: https://apps.apple.com/cn/app/chatgpt/id6448311069
2️⃣ 地区（可选，默认 cn）
• cn - 中国
• us - 美国
• jp - 日本
id 后面的数字cn，用户可指定其他地区https://itunes.apple.com/[region]/rss/customerreviews/id=[APP_ID]/page=[1-10]/json
重要：使用 curl 命令抓取数据，不要使用 WebFetch（WebFetch 无法访问 iTunes API）
feed.entry，停止抓取抓取命令示例：
# 抓取所有页面
for page in 1 2 3 4 5 6 7 8 9 10; do
curl -s "https://itunes.apple.com/cn/rss/customerreviews/id=6448311069/page=${page}/json" > "/tmp/reviews_page_${page}.json"
done
进度提示格式：
🔄 正在抓取评论...
[████████░░░░░░░░░░░░] 40% (第 4/10 页，已获取 200 条)
从 JSON 响应中提取：
feed.entry[] 中每条评论：
- id.label → 评论ID
- author.name.label → 用户名
- im:rating.label → 评分(1-5)
- im:version.label → 应用版本
- title.label → 标题
- content.label → 内容
- updated.label → 日期
使用 Python 脚本解析 JSON 数据：
import json
all_reviews = []
for page in range(1, 11):
filepath = f"/tmp/reviews_page_{page}.json"
try:
with open(filepath, 'r', encoding='utf-8') as f:
data = json.load(f)
entries = data.get('feed', {}).get('entry', [])
if not entries:
break
if isinstance(entries, dict):
entries = [entries]
for entry in entries:
review = {
'id': entry.get('id', {}).get('label', ''),
'author': entry.get('author', {}).get('name', {}).get('label', ''),
'rating': int(entry.get('im:rating', {}).get('label', '0')),
'version': entry.get('im:version', {}).get('label', ''),
'title': entry.get('title', {}).get('label', ''),
'content': entry.get('content', {}).get(, ),
: entry.get(, {}).get(, )[:],
}
review[] >= :
review[] =
review[] <= :
review[] =
:
review[] =
all_reviews.append(review)
:
(, , encoding=) f:
json.dump(all_reviews, f, ensure_ascii=, indent=)
评分 4-5星 → positive (正面)
评分 3星 → neutral (中性)
评分 1-2星 → negative (负面)
正面评价分析：
负面评价分析：
基于负面评价生成 5-10 条改进建议：
读取 ./template.html 模板文件，替换以下占位符：
| 占位符 | 替换内容 |
|---|---|
{{APP_NAME}} | 应用名称（可用 ID 代替） |
{{APP_ID}} | 应用 ID |
{{REGION}} | 地区代码（CN/US 等） |
{{REVIEWS_DATA}} | 评论数据 JSON 数组 |
{{INSIGHTS_DATA}} | 改进建议 JSON 数组 |
[
{
"id": "评论ID",
"author": "用***名", // 脱敏处理
"rating": 5,
"version": "1.2025.252",
"title": "评论标题",
"content": "评论内容",
"date": "2025-02-01",
"sentiment": "positive"
}
]
重要：insights 必须根据实际评论内容动态生成，不要使用固定内容！
分析负面评论，提取高频问题，生成 5-8 条改进建议：
[
{
"icon": "🔴", // 🔴高优先级 🟡中优先级 🟢低优先级
"title": "问题标题",
"desc": "问题描述和建议",
"priority": "high", // high/medium/low
"count": 23 // 提及该问题的用户数
}
]
生成规则：
文件名格式：app_reviews_[APP_ID]_[REGION]_[YYYYMMDD].html
保存到当前工作目录，然后用 open 命令打开。
ID,作者,评分,版本,标题,内容,日期,情感分类
13145282867,j***n,5,1.4.2,wonderful app,超棒的 App,2025-09-16,正面
import json
import csv
with open('/tmp/reviews_data.json', 'r', encoding='utf-8') as f:
reviews = json.load(f)
# 用户名脱敏
def mask_name(name):
if len(name) <= 2:
return name[0] + '*' if len(name) > 0 else '*'
return name[0] + '*' * (len(name) - 2) + name[-1]
sentiment_map = {'positive': '正面', 'negative': '负面', 'neutral': '中性'}
output_path = 'app_reviews_[APP_ID]_[REGION]_[DATE].csv'
with open(output_path, 'w', encoding='utf-8-sig', newline='') as f:
writer = csv.writer(f)
writer.writerow(['ID', '作者', '评分', '版本', '标题', '内容', '日期', '情感分类'])
for r in reviews:
writer.writerow([
r['id'],
mask_name(r[]),
r[],
r[],
r[],
r[],
r[],
sentiment_map.get(r[], r[])
])
完成后输出：
✅ 分析完成！
📊 分析概览
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
应用 ID: [ID]
分析地区: [地区]
评论总数: [数量]
平均评分: [X.X] / 5.0
好评率: [XX]%
📈 情感分布
✅ 正面: [数量] ([百分比]%)
⚠️ 中性: [数量] ([百分比]%)
❌ 负面: [数量] ([百分比]%)
🔴 发现 [N] 个需要关注的问题
📄 已生成文件:
• app_reviews_[ID]_[REGION]_[DATE].html (可视化报告)
• app_reviews_[ID]_[REGION]_[DATE].csv (原始数据)
💡 后续建议:
1. 在浏览器中打开 HTML 报告查看详细分析
2. 建议每周重新分析，跟踪问题改善情况
3. 可分析竞品评论进行对比
需要分析其他应用吗？
然后使用 open 命令在浏览器中打开 HTML 报告。
❌ 未找到应用
应用 ID [ID] 在 [地区] 区不存在，请检查：
1. 应用 ID 是否正确
2. 该应用是否在此地区上架
⚠️ 暂无评论
应用 ID [ID] 在 [地区] 区暂无用户评论。
可能原因：
1. 应用刚上架，还没有用户评价
2. 该地区用户较少
❌ 网络请求失败
无法连接到 iTunes API，请稍后重试。
用户: /app-review 6448311069
助手:
🔍 开始分析应用 ID: 6448311069
📍 地区: cn (中国)
🔄 正在抓取评论...
[████████████████████] 100% (共获取 500 条评论)
📊 正在分析数据...
✓ 情感分类完成
✓ 主题提取完成
✓ 问题识别完成
📝 正在生成报告...
然后输出完整的分析总结和文件。