菜单
品牌舆情哨兵：搜索公开平台的品牌相关信息，自动去重和时效过滤，输出结构化结果供 LLM 做风险分级和预警。 触发场景：监控某品牌/产品的公开舆情、搜索负面信息并按时间筛选、定时巡查品牌口碑、竞品舆情对比。 关键词：品牌监控、舆情搜索、负面信息、口碑巡查、舆情预警、品牌声誉、sentinel、舆情哨兵。 不做的事：不做风险分级（交给 Agent/LLM）、不做预警推送（交给 cron）、不做特定行业适配。
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/vramrick/openclaw-skills --skill brand-sentinel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。
全能高级前端研发工程师技能。擅长AI时代前沿技术栈（React最新 + shadcn/ui + Tailwind CSS v4 + TypeScript + Next.js），精通动效库与交互特效开发。采用Glue Code风格快速实现代码，强调高质量产品体验与高度友好的UI视觉规范。在组件调用、交互特效、全局Theme上保持高度规范：绝不重复造轮子，相同逻辑出现两次即封装为组件。具备安全意识，防范各类注入攻击。开发页面具有高度自适应能力，响应式设计贯穿始终。当用户无特殊技术栈要求时，默认采用主流前沿技术栈。
Read, write, append, and list local files in the session's working directory. Use when you need to persist output to disk, read input files, or manipulate file system safely. Supports text files, JSON, CSV, Markdown.
超级简历 WonderCV 出品，3000 万用户信赖。简历分析、段落改写、JD 岗位匹配、自动匹配职位、PDF 导出、AI 求职导师（面试准备/薪资谈判/职业规划/多版本简历策略）。 触发条件：用户提供简历、要求简历点评/打分/反馈、希望改写某个简历部分、 希望将简历与岗位 JD 或校招岗位匹配、咨询求职建议或面试准备，或提到 CV/简历/求职/校招。 不触发条件：用户讨论普通写作（非简历）、询问其他文档， 或讨论与求职和职业发展无关的话题。
基于 SOC 职业分类
正在显示 SKILL.md
| name | brand-sentinel |
| description | 品牌舆情哨兵：搜索公开平台的品牌相关信息，自动去重和时效过滤，输出结构化结果供 LLM 做风险分级和预警。 触发场景：监控某品牌/产品的公开舆情、搜索负面信息并按时间筛选、定时巡查品牌口碑、竞品舆情对比。 关键词：品牌监控、舆情搜索、负面信息、口碑巡查、舆情预警、品牌声誉、sentinel、舆情哨兵。 不做的事：不做风险分级（交给 Agent/LLM）、不做预警推送（交给 cron）、不做特定行业适配。 |
搜索公开平台的品牌相关信息 → 去重 → 时效过滤 → 输出结构化结果。
scripts/sentinel.py — 纯 Python（无第三方依赖），调用 AutoGLM Web Search API。
http://127.0.0.1:18432/get_token）certifi 包（SSL 证书，通常已预装）# 基本用法
python3 scripts/sentinel.py --brand "特斯拉" --keywords "刹车失灵,自燃" --hours 48
# JSON 输出（供 LLM 消费）
python3 scripts/sentinel.py --brand "瑞幸咖啡" --keywords "食品安全,蟑螂" --hours 24 --output json
# 配置文件模式
python3 scripts/sentinel.py --config references/config-example.json
| 参数 | 必填 | 说明 |
|---|---|---|
--brand | 是* | 品牌名，如 "特斯拉" |
--keywords | 是* | 逗号分隔的关键词，如 "刹车失灵,自燃" |
--hours | 否 | 时效窗口（小时），默认 48 |
--output | 否 | text（默认）或 json |
--config | 是* | JSON 配置文件路径（替代上方参数） |
* --brand+--keywords 与 --config 二选一。
见 references/config-example.json：
{
"brand": "品牌名",
"keywords": ["关键词1", "关键词2"],
"hours": 48,
"output": "json"
}
{
"brand": "特斯拉",
"run_time": "2026-04-14 19:00:00",
"time_window_hours": 48,
"keywords": ["刹车失灵", "自燃"],
"stats": {
"raw_count": 85,
"kept_count": 62,
"expired_count": 8,
"no_date_count": 15
},
"items": [
{
"title": "页面标题",
"url": "页面链接",
"snippet": "摘要内容",
"date_status":
date_status:
recent — 解析到日期且在时效窗口内 ✅expired — 解析到日期但超出时效窗口（已被过滤掉）unknown — 未解析到日期（搜索词含"最新"限定，大概率近期，默认保留）parsed_date — 从标题/摘要提取的日期，解析失败为 null+ 最新、+ 当前年月用户: "帮我看看特斯拉最近有什么负面新闻"
1. Agent 调用 sentinel.py:
python3 scripts/sentinel.py --brand "特斯拉" --keywords "刹车失灵,自燃,自动驾驶事故,降价维权" --hours 48 --output json
2. Agent 读取 JSON 输出，用 LLM 判断:
- 哪些是真正的负面/危机
- 风险分级（普通/关注/严重/危机）
- 是否需要预警
3. Agent 生成人类可读的摘要推送给用户