zanao-sentiment

name	zanao-sentiment
description	赞哦校园集市舆情分析。用户想了解某话题的讨论热度、情绪走向、主流观点时使用。触发词：舆情分析、热点话题、校园舆论、情绪分析、大家怎么看、最近讨论、风向、校园民意。

赞哦舆情分析工作流

---

Step 1：数据采集

根据用户给出的话题或关键词，执行以下命令收集数据：

# 1. 查看分类，确认相关板块
zanao categories

# 2. 实时搜索（至少用 2~3 个关键词变体）
zanao posts search --keyword '关键词A' --json
zanao posts search --keyword '关键词B' --json

# 3. 历史搜索（扩大时间范围）
zanao posts search-history --keyword '关键词A' --range 1m --json

# 4. 获取热门帖子（了解整体热点）
zanao posts hot --json

# 5. 对重要帖子取评论（点赞多、评论多的优先）
zanao comment list --thread <帖子ID> --json

采集目标：

• 相关帖子 ≥ 10 条（不足时放宽关键词或扩大时间范围）
• 重点帖子各取评论 ≥ 20 条

---

Step 2：数据整理

将原始数据按以下维度整理（内部处理，不需要展示给用户）：

维度	说明
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/评论做情感分类：

• 正向：支持、认可、期待、满意
• 负向：不满、质疑、抱怨、愤怒
• 中性：陈述事实、询问信息、无明显情绪

统计分布比例，判断总体情绪基调。

---

Step 4：观点聚类

将相似观点归为若干「观点簇」，每个簇包含：

• 核心主张（一句话）
• 代表性原文（1~2 条）
• 持此观点的帖子/评论数量
• 情感倾向

---

Step 5：热度评估

热度指数 = (相关帖子数 × 2) + (总点赞数 × 0.5) + (总评论数 × 1.5)

热度等级：

• 🔥🔥🔥 高热（> 200）
• 🔥🔥 中热（100~200）
• 🔥 低热（< 100）

---

Step 6：输出报告

按以下结构输出（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

列出点赞最高或最具代表性的 2~3 条原文摘要，说明为何值得关注。

---

五、综合研判

• 当前舆论走向：上升 / 平稳 / 消退
• 主要矛盾点：{存在争议时，概括核心分歧}
• 风险提示：{负向情绪集中时给出提示}
• 建议关注方向：{后续可跟踪的子话题或关键词}

---

注意事项

1. 引用原文时不暴露用户 ID 或可识别身份信息
2. 分析保持中立，不对话题本身作价值判断
3. 数据样本不足 5 条时，需告知用户结论仅供参考