菜单
把一批亚马逊商品评论变成「22 维度标签 + 标签分布统计 + 6 章深度洞察报告」，给跨境卖家做产品迭代决策（改款、差评应对、卖点提炼）。当用户提供评论 CSV 路径，并说「分析评论 / 给评论打标签 / 出评论洞察 / 从评论挖卖点 / 评论分析」时，必须使用本 skill。不负责实时采集评论（评论须现成 CSV）；不处理非亚马逊来源评论；不做选品分析（非评论维度）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/buluslan/n8n-to-skill --skill amazon-review-analyzer命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | amazon-review-analyzer |
| description | 把一批亚马逊商品评论变成「22 维度标签 + 标签分布统计 + 6 章深度洞察报告」，给跨境卖家做产品迭代决策（改款、差评应对、卖点提炼）。当用户提供评论 CSV 路径，并说「分析评论 / 给评论打标签 / 出评论洞察 / 从评论挖卖点 / 评论分析」时，必须使用本 skill。不负责实时采集评论（评论须现成 CSV）；不处理非亚马逊来源评论；不做选品分析（非评论维度）。 |
| allowed-tools | Read, Write, Edit, Bash(python3:*) |
| license | MIT |
| metadata | {"source_workflow":"亚马逊商品评论AI深度分析工作流V1.0.json","goal_alignment":"读评论→AI 22维打标→统计→AI 6章洞察→输出（全链路目标对等，原 18 节点收敛为 4 能力）","conversion_date":"2026-07-20T00:00:00.000Z"} |
给跨境卖家：把一批亚马逊商品评论变成「每条评论的 22 维度标签 + 分布统计 + 6 章深度洞察报告」，支撑产品迭代决策（改款方向、差评应对、卖点提炼）。
用户给一个评论 CSV 路径，并说「分析评论 / 打标签 / 出洞察 / 挖卖点 / 评论分析」任一关键词时启动。
标题/标题(翻译)、内容/内容(翻译)（核心文本）、星级、VP评论；英文列名 title/text/rating/vp 同样识别。内容 / 内容(翻译) / text 任一），否则报错终止。output/）tagged.csv：原评论列 + 22 个标签列stats.csv：每个标签列的值分布（计数 + 占比）insight.md：6 章深度洞察报告scripts/io.py count）references/tagging.md）scripts/io.py stats，对 22 个标签列算分布）references/insight.md）python3 scripts/io.py count <reviews.csv> → 打印行数 + 列名 → 确认有评论文本列。references/tagging.md 输出 22 维 JSON 标签 → 汇总成 output/tagged.csv（原列 + 22 标签列）→ 打印进度（每 10 条一次）。python3 scripts/io.py stats output/tagged.csv output/stats.csv → 对 22 个标签列算值分布 → 写 stats.csv。stats.csv + 精选正负各 Top3 评论，按 references/insight.md 的 6 章框架生成报告 → 写 output/insight.md。无。目标对等重写后，原 workflow 的 Gemini API key 与 googleSheets OAuth 均已消化——LLM 能力由执行环境（Claude）直接提供，存储改为本地 CSV，无需任何外部凭证。
内容 / 内容(翻译) / text）→ 报错并指明缺哪列，终止。未提及 / 不明，标 [TAG_FAILED] 后继续，不阻塞整体。tagged.csv + stats.csv，跳过洞察（样本不足），在 insight.md 注明"样本不足，未生成洞察"。tagged.csv 标 [truncated]。