| 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 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 {page} 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 {total} 条评论）
✅ 积极评价（{positive_ratio}%）
⚠️ 负面评价（{negative_ratio}%）
💡 用户需求（{demand_ratio}%）
🔍 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）
📄 当前第 {page} 页。回复「下一页」继续查看。
📄 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：
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：
- 沿用 Step 1 中提取的 opusId
- 使用上一轮返回的
max_cursor 作为新的 --cursor
- 计算新页码
- 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>
- 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
- 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
🎯 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
