| name | pain-point-research |
| description | 基于Reddit深度挖掘用户真实痛点和需求。适用于YouTube选题调研、AI产品机会发现、市场需求验证、竞品用户反馈分析、舆情监控、投资调研、技术趋势分析等场景。自动生成多维度搜索、情绪强度评分、结构化报告。 |
| allowed-tools | Bash(python:*), Read, Write, Glob, Grep |
| model | sonnet |
Reddit 深度调研工具
基于 Reddit API 进行多场景深度调研，支持痛点挖掘、舆情分析、投资调研、趋势追踪等。
适用场景
产品/内容类
- YouTube/自媒体选题 - 找到高情绪共鸣、高需求的内容选题
- 产品机会发现 - 挖掘用户对现有工具的不满和未被满足的需求
- 竞品用户分析 - 了解竞品用户的真实痛点和流失原因
市场/舆情类
- 舆情监控 - 追踪特定话题/品牌/事件的社区讨论和情绪变化
- 品牌口碑分析 - 分析用户对品牌/产品的真实评价
- 热点事件追踪 - 了解社区对特定事件的反应和观点
投资/金融类
- 投资情绪分析 - 分析散户对特定股票/加密货币/资产的情绪
- 行业趋势调研 - 追踪特定行业的发展动态和用户关注点
- 消费趋势分析 - 了解消费者对特定品类的态度变化
技术/趋势类
- 技术选型调研 - 收集社区对不同技术方案的真实评价
- 新兴趋势发现 - 发现正在兴起的技术/产品/概念
- 开源项目口碑 - 分析开发者对开源项目的评价
核心搜索模板
1. 痛点挖掘类
PAIN_TEMPLATES = {
"emotion_trigger": [
"tired of {topic}",
"frustrated with {topic}",
"why does {topic} suck",
"anyone else hate {topic}",
"sick of {topic}",
],
"desire_seeking": [
"wish there was {topic}",
"how do I {topic}",
"what actually works for {topic}",
"best way to {topic}",
],
"pain_validation": [
"anyone else struggling with {topic}",
"feeling stuck with {topic}",
"can't figure out {topic}",
],
}
2. 舆情/口碑类
SENTIMENT_TEMPLATES = {
"positive": [
"{topic} is amazing",
"love {topic}",
"{topic} changed my life",
"finally {topic} works",
],
"negative": [
"{topic} is terrible",
"hate {topic}",
"{topic} ruined",
"never using {topic} again",
],
"neutral_discussion": [
"thoughts on {topic}",
"what do you think about {topic}",
"{topic} discussion",
"honest opinion {topic}",
],
}
3. 投资/金融类
INVESTMENT_TEMPLATES = {
"bullish": [
"{ticker} to the moon",
"buying more {ticker}",
"{ticker} undervalued",
"long {ticker}",
],
"bearish": [
"{ticker} overvalued",
"selling {ticker}",
"{ticker} crash",
"short {ticker}",
],
"analysis": [
"{ticker} DD",
"{ticker} analysis",
"{ticker} fundamentals",
"is {ticker} worth buying",
],
"sentiment": [
"what happened to {ticker}",
"{ticker} news",
"why is {ticker} down",
"why is {ticker} up",
],
}
4. 技术趋势类
TECH_TEMPLATES = {
"comparison": [
"{tech1} vs {tech2}",
"{tech} alternatives",
"switching from {tech}",
"migrating to {tech}",
],
"experience": [
"{tech} in production",
"{tech} real world",
"using {tech} for",
"{tech} experience",
],
"learning": [
"learning {tech}",
"{tech} worth learning",
"{tech} roadmap",
"how long to learn {tech}",
],
}
Subreddit 分类
投资/金融
FINANCE_SUBREDDITS = [
"wallstreetbets", "stocks", "investing", "options",
"cryptocurrency", "Bitcoin", "ethereum", "CryptoMarkets",
"personalfinance", "financialindependence", "Fire",
"Bogleheads", "dividends", "ValueInvesting",
"ChinaStocks", "Sino",
]
科技/编程
TECH_SUBREDDITS = [
"programming", "webdev", "learnprogramming",
"MachineLearning", "artificial", "LocalLLaMA",
"devops", "sysadmin", "kubernetes",
"reactjs", "node", "golang", "rust",
"technology", "gadgets", "hardware",
]
职场/生活
CAREER_SUBREDDITS = [
"careerguidance", "jobs", "careeradvice",
"cscareerquestions", "ExperiencedDevs",
"antiwork", "workreform", "overemployed",
"Entrepreneur", "startups", "smallbusiness",
]
消费/生活方式
CONSUMER_SUBREDDITS = [
"BuyItForLife", "Frugal", "deals",
"homeautomation", "smarthome",
"cars", "electricvehicles",
"Apple", "Android", "GooglePixel",
]
舆情/新闻
NEWS_SUBREDDITS = [
"news", "worldnews", "politics",
"technology", "business", "economics",
"OutOfTheLoop", "explainlikeimfive",
]
调研流程
Step 1: 确定调研类型
询问用户：
- 调研主题：具体话题/品牌/股票/技术
- 调研类型：痛点挖掘/舆情分析/投资情绪/技术调研
- 时间范围：最近一周/一月/一年
- 深度要求：快速概览/深度分析
Step 2: 选择搜索策略
根据调研类型选择模板：
| 类型 | 模板 | 核心指标 |
|---|
| 痛点挖掘 | PAIN_TEMPLATES | 情绪强度、出现频率 |
| 舆情分析 | SENTIMENT_TEMPLATES | 正负比例、情绪趋势 |
| 投资调研 | INVESTMENT_TEMPLATES | 多空比例、关键事件 |
| 技术趋势 | TECH_TEMPLATES | 采用趋势、迁移方向 |
Step 3: 执行多维度搜索
cd /Users/liuyishou/.claude/skills/research-by-reddit/scripts
export $(cat ../.env | grep -v '^#' | xargs)
python analyze_reddit.py \
--query "{搜索词}" \
--search-subreddit {subreddit} \
--search-sort top \
--time-filter month \
--limit 12 \
--include-comments \
--comment-limit 8 \
--analysis-language zh \
--output-md {output}.md
Step 4: 整合分析
根据调研类型生成不同格式的报告。
输出报告模板
模板A: 痛点调研报告
# [主题] 痛点调研报告
## 核心发现
| 痛点 | 情绪强度 | 频率 | 产品机会 |
|-----|---------|-----|---------|
## 一级痛点（高需求+高情绪）
### 痛点1: [标题]
**Reddit原话：**
> "..."
**情绪强度：** X/10
**产品/内容机会：** ...
## 金句库
## 行动建议
模板B: 舆情分析报告
# [话题/品牌] 舆情分析报告
## 情绪概览
- 正面情绪占比：X%
- 负面情绪占比：X%
- 中性讨论占比：X%
## 关键观点
### 正面评价
### 负面评价
### 争议焦点
## 典型用户声音
## 风险提示
## 建议行动
模板C: 投资情绪报告
# [标的] 投资情绪分析
## 情绪指标
- 多空比例：X:Y
- 讨论热度：高/中/低
- 情绪趋势：上升/平稳/下降
## 社区观点
### 看多理由
### 看空理由
### 关键风险
## 近期催化剂
## 散户关注点
## 信息来源质量评估
模板D: 技术趋势报告
# [技术/框架] 社区调研
## 采用趋势
- 讨论热度变化
- 新用户 vs 老用户比例
## 使用场景
### 推荐场景
### 不推荐场景
## 优缺点汇总
### 社区认可的优点
### 社区反映的问题
## 替代方案对比
## 学习曲线评估
## 是否值得采用
预设调研场景
场景1: youtube_选题
YouTube/自媒体内容选题调研
场景2: ai_product
AI/SaaS产品机会发现
场景3: competitor_分析
竞品用户反馈分析
场景4: sentiment_品牌
品牌/产品舆情监控
场景5: investment_股票
股票/加密货币投资情绪
场景6: tech_趋势
技术选型/趋势调研
场景7: 自定义
用户自定义调研维度
使用示例
示例1: 舆情分析
用户：帮我看看Reddit上对OpenAI的舆情怎么样
Claude：
1. 确认调研类型：舆情分析
2. 选择相关subreddits：ChatGPT, OpenAI, artificial, LocalLLaMA
3. 使用SENTIMENT_TEMPLATES搜索
4. 生成《OpenAI舆情分析报告》
示例2: 投资情绪
用户：Reddit上对NVIDIA的情绪怎么样
Claude：
1. 确认调研类型：投资情绪
2. 选择相关subreddits：wallstreetbets, stocks, investing, nvda
3. 使用INVESTMENT_TEMPLATES搜索
4. 生成《NVDA投资情绪报告》
示例3: 技术调研
用户：调研一下Rust和Go的社区评价
Claude：
1. 确认调研类型：技术对比
2. 选择相关subreddits：rust, golang, programming
3. 使用TECH_TEMPLATES搜索
4. 生成《Rust vs Go 社区调研报告》
示例4: 热点事件
用户：Reddit上怎么看DeepSeek
Claude：
1. 确认调研类型：舆情+技术趋势
2. 选择相关subreddits：LocalLLaMA, MachineLearning, artificial
3. 混合使用SENTIMENT + TECH模板
4. 生成《DeepSeek社区反响报告》
情绪强度评分标准
| 分数 | 标准 |
|---|
| 10 | score>500，评论充满强烈情绪，多人高度共鸣 |
| 8-9 | score>200，明确的情绪倾向，评论活跃 |
| 6-7 | score>100，有情绪但不极端 |
| 4-5 | score<100，存在但不强烈 |
| 1-3 | 低互动，可能是个例 |
依赖
本skill依赖 research-by-reddit skill的底层工具：
/Users/liuyishou/.claude/skills/research-by-reddit/scripts/analyze_reddit.py
/Users/liuyishou/.claude/skills/research-by-reddit/.env
需要配置：
- REDDIT_CLIENT_ID
- REDDIT_CLIENT_SECRET
- OPENROUTER_API_KEY
注意事项
- 投资调研仅供参考：Reddit情绪不代表投资建议，散户情绪常常是反向指标
- 时效性：舆情和投资情绪变化快，注意数据时效
- 样本偏差：Reddit用户不代表全部人群，主要是英语区年轻男性
- 并行搜索：多维度搜索应并行执行提高效率
- 原话保留：报告中必须包含用户原话
