| name | douyin-comment |
| description | 抖音评论分析工具。输入作品链接即可获取一级评论数据，支持分页浏览、评论情感分析（积极/负面/需求/竞品），生成精美 HTML 报告。当用户需要查看抖音作品评论、分析评论舆情、了解用户反馈时使用。触发词：抖音评论、作品评论、评论查询、评论分析、评论舆情、看评论。 |
抖音评论分析
📝 简介
输入抖音作品链接即可获取一级评论数据，每页 20 条，支持分页翻页。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 |
|---|
| 评论获取 | 粘贴作品链接即可获取评论 | 拉取作品评论区最新数据 |
| 分页浏览 | 每页 20 条，支持翻页 | 逐页浏览大量评论 |
| 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 |
| 置顶标记 | 置顶评论特殊标识 | 一眼识别重要评论 |
| 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：前往 红狐hub
- 配置方式1：写入
~/.openclaw/openclaw.json → { "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
- 配置方式2：终端执行
export REDFOX_API_KEY="ak_xxxx..."
🔄 工作流程
Step 1：理解用户意图，提取 videoId
⚠️ 核心规则：必须从用户输入中提取 videoId。
- 用户可能直接提供 videoId（纯数字）
- 用户可能提供作品链接（如
https://www.douyin.com/video/7131700643076623629），从链接中提取 videoId
- 若用户未提供作品链接，主动询问：「请提供抖音作品链接」
- 若用户在上一轮对话中查询过某作品的数据，且本轮输入模糊（如"下一页"、"评论分析"），沿用上一轮的 videoId
Step 2：调用评论获取脚本（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/douyin-comment-search/scripts/douyin_comment_search.py "<videoId>" [--offset <offset>]
参数说明：
| 参数 | 说明 | 默认值 |
|---|
videoId | 抖音作品 ID（必填） | — |
--offset | 偏移量，每页 20 条 | 0 |
--output-dir | HTML 输出目录 | ~/Downloads/QoderReports |
offset 与页码对应关系：
| 页码 | offset |
|---|
| 第 1 页 | 0 |
| 第 2 页 | 20 |
| 第 3 页 | 40 |
| ... | offset = (page - 1) × 20 |
脚本返回 JSON：
| 字段 | 说明 |
|---|
video_id | 作品 ID |
current_page | 当前页码 |
total_fetched | 本次获取的评论数 |
has_next | 是否有下一页（true/false） |
comments | 评论列表 |
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 |
|---|
comment_id | 评论 ID |
content | 评论内容 |
like_count | 点赞数 |
reply_count | 回复数 |
create_time | 评论时间 |
ip_location | IP 属地 |
user_name | 用户昵称 |
user_avatar | 用户头像 URL |
user_id | 用户 ID（用于生成主页链接） |
user_url | 用户主页链接 |
is_top | 是否置顶（true/false） |
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：对话中展示评论数据 + AI 总结
⚠️ 每次操作仅调用一次 API，获取一页数据。对话展示与 HTML 报告基于同一页数据。
A1. 告知查询范围
📊 作品「{videoId}」共获取 N 条评论（第 {page} 页），以下是详细数据：
A2. 渲染评论表格（展示当前页全部评论）
| # | 评论人 | 评论内容 | 👍 | 💬 | 时间 | IP |
|---|--------|---------|----|----|------|-----|
| 1 | [昵称](主页链接) | 评论内容... | 1223 | 213 | 02-12 15:30 | 广东 |
| 2 | [昵称](主页链接) | 评论内容... | 856 | 45 | 02-12 14:20 | 北京 |
| ... | ... | ... | ... | ... | ... | ... |
格式规则：
- 评论人列使用
[昵称](user_url) Markdown 格式，无需设置图片尺寸
- 评论内容超过 40 字截断加
...
- 时间格式化为
MM-DD HH:MM
- 置顶评论在昵称后加
📌 标记（整个评论行使用 加粗 样式）
like_count / reply_count 数字 ≥ 10000 使用 x.xw 格式- ⚠️ 每页最多 20 条，对话中全部展示，不得截断
A3. AI 评论总结（⚠️ 每次查询（含翻页）必须输出）
基于当前页获取到的全部评论，进行四维情感分析。分析前需理解抖音梗文化（流行语、缩写、表情包语义、热门话题背景）。
📈 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）
- 必须理解抖音梗文化：识别流行语（如"绝绝子""yyds""破防""入典"等）、表情包语义、缩写（如"xswl""awsl"）、梗的语境含义
A4. 翻页提示（⚠️ 紧接在 A3 之后，每次必须输出）
📄 当前第 {page} 页（共 {total_fetched} 条）。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/douyin-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>"
Step 4：翻页处理（用户回复「下一页」等时）
当用户回复「下一页」「上一页」「第 N 页」时：
- 沿用 Step 1 中提取的 videoId
- 计算新的 offset：
(page - 1) × 20
- 重新调用脚本（与 Step 2 一致，自动生成 HTML）：
python3 .../douyin_comment_search.py "<videoId>" --offset <offset>
- 完整执行 Step 3 的 A1~A4（每页独立展示 + AI 分析）
- 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）
翻页规则：
has_next 为 true → 当前页正好 20 条，存在下一页has_next 为 false → 当前页不足 20 条，已是最后一页
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 |
| 作品链接无效 | 提示「未找到该作品的评论，请检查作品链接是否正确」 |
| 接口返回错误 | 显示错误码和错误信息 |
| 获取 0 条评论 | 提示「该作品暂无评论」并建议检查作品是否存在或已删除 |
| 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：查看指定作品的评论
用户：查看抖音作品 7131700643076623629 的评论
助手：调用脚本（自动生成HTML） → 展示全部20条 + AI总结 → 询问是否需要HTML → 用户确认 → backfill → open
示例 2：通过链接查询
用户：https://www.douyin.com/video/7131700643076623629 这篇的评论怎么样
助手：提取 videoId → 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 offset=20 → 展示第2页 + AI分析 → 询问是否需要当前页HTML
