| name | zanao-sentiment-analysis |
| description | 赞哦校园集市舆情分析。当用户想了解校园内某个话题的讨论热度、情绪倾向、舆论趋势时使用此skill。触发词包括：舆情分析、热点话题、校园舆论、讨论趋势、情绪分析、帖子分析、热议、风向、校园民意、某话题怎么看。即使用户只说"分析一下xxx话题"或"最近大家怎么看xxx"也应触发此skill。 |
赞哦校园集市舆情分析 Skill
本 skill 指导如何利用 ZanaoMCP 工具对校园集市平台的帖子和评论进行系统性舆情分析，输出结构化的分析报告。
分析流程
Step 1：数据采集
根据用户指定的话题或关键词，通过以下工具采集数据：
# 1. 获取分类列表，确认相关板块
get_categories
# 2. 搜索相关帖子（至少执行2~3次，覆盖不同关键词变体）
search_posts(keyword="关键词A")
search_posts(keyword="关键词B")
# 3. 获取热门帖子（了解当前整体热点）
hot_posts()
# 4. 对重要帖子获取评论
get_comments(post_id=xxx)
采集目标：
- 帖子数量：不少于 10 条（若数据不足，适当放宽关键词）
- 评论数量：重点帖子各取前 20 条评论
Step 2：数据整理
将采集到的原始数据按以下维度整理：
| 维度 | 说明 |
|---|
| 帖子标题/内容摘要 | 提取核心观点 |
| 发布时间 | 判断话题时效性 |
| 点赞数 | 衡量认可度 |
| 评论数 | 衡量讨论热度 |
| 评论内容 | 提取细粒度情绪 |
Step 3：情感分析
对每条帖子/评论进行情感分类：
- 正向：表达支持、认可、期待、满意
- 负向：表达不满、质疑、抱怨、愤怒
- 中性：陈述事实、询问信息、无明显情绪
计算情感分布比例，识别主要情绪基调。
Step 4：观点聚类
将相似观点归纳为若干「观点簇」，每个簇包含：
- 核心主张（一句话概括）
- 代表性原文摘录（1~2 条）
- 持此观点的帖子/评论数量
- 情感倾向
Step 5：热度评估
综合以下指标计算话题热度：
热度指数 = (相关帖子数 × 2) + (总点赞数 × 0.5) + (总评论数 × 1.5)
给出热度等级：
- 🔥🔥🔥 高热（热度指数 > 200）
- 🔥🔥 中热（100~200）
- 🔥 低热（< 100）
Step 6：输出报告
按以下结构输出分析报告（中文）：
📊 舆情分析报告：{话题名称}
分析时间：{当前日期}
数据来源：赞哦校园集市
覆盖数据：{帖子数}条帖子 / {评论数}条评论
一、话题热度
- 热度等级：🔥🔥🔥 / 🔥🔥 / 🔥
- 热度指数：{数值}
- 讨论高峰：{时间段，若可判断}
二、情感分布
| 情感倾向 | 比例 | 数量 |
|---|
| 正向 | xx% | xx条 |
| 负向 | xx% | xx条 |
| 中性 | xx% | xx条 |
总体情绪基调：{一句话总结}
三、主要观点
观点1：{核心主张}
代表原文："……"
支持人数：约 xx 人，情感：正向/负向/中性
观点2：{核心主张}
代表原文："……"
支持人数：约 xx 人，情感：正向/负向/中性
（列出 3~5 个主要观点）
四、值得关注的声音
列出点赞数最高或最具代表性的 2~3 条帖子/评论原文摘要，说明其为何值得关注。
五、综合研判
- 当前舆论走向：{上升/平稳/消退}
- 主要矛盾点：{若存在争议，概括核心分歧}
- 风险提示：{若有负向情绪集中爆发的迹象，给出提示}
- 建议关注方向：{后续可重点跟踪的子话题或关键词}
注意事项
- 数据局限性：分析结论基于平台公开数据，不代表全体学生观点
- 隐私保护：引用原文时不暴露用户 ID 或可识别身份的信息
- 客观立场：分析需保持中立，不对话题本身作价值判断
- 数据不足时：若搜索结果少于 5 条，应明确告知用户数据样本偏小，结论仅供参考
