weibo-interactive

name	weibo-interactive
description	微博互动内容分析工具。获取收到的评论列表、获取自己某条微博的所有评论， 并提供互动回复建议分析能力，根据关注关系和认证状态筛选最值得回复的评论。 当用户需要查看收到的评论、自己某条微博的评论详情时激活； 或当用户询问哪些评论值得回复、如何优先回复粉丝评论、互动建议时激活。
metadata	{"version":"1.0.0"}

微博互动内容分析工具

帮助博主发现最值得回复的评论，促进与粉丝之间的真实互动。通过分析评论者的关注关系和认证状态，智能排序推荐优先回复的评论，让每一次互动都更有价值。

脚本调用方式

获取收到的评论列表

node scripts/weibo-interactive.js comments-to-me --token=<token> --uid=<uid>

获取自己某条微博的所有评论

node scripts/weibo-interactive.js comments-show --token=<token> --uid=<uid> --id=<weibo_id>

参数说明：

参数	必填	说明
--token	是	微博 API 访问令牌，通过 weibo_token 工具获取
--uid	是	用户 uid
--id	comments-show 必填	微博 ID（博文 ID）

---

返回数据结构

1. 收到的评论列表

接口路径：GET /open/interactive/comments/to_me

返回的 data 字段包含以下内容：

data.comments — 评论列表（数组）

字段	类型	说明
createdAt	string	评论创建时间（如 "Mon Jun 15 16:14:47 +0800 2026"）
id	string	评论 ID
mid	string	评论 mid
postJumpLink	string	原博跳转链接（如 "https://weibo.com/1985772915/5305687166161572"）
text	string	评论内容
user	object	评论用户信息（见下表）

data.comments[].user — 评论用户信息

字段	类型	说明
followMe	boolean	是否是我的粉丝（true=该用户关注了我）
following	boolean	是否我关注了该用户（true=我关注了该用户）
id	string	用户 ID
name	string	用户昵称
verified	boolean	是否认证用户（true=认证用户，可能是大V）

data.count — 评论总数

字段	类型	说明
count	number	评论总数

data.msg — 查询结果消息

字段	类型	说明
msg	string	查询结果消息（如 "查询成功"）

---

2. 自己某条微博的所有评论

接口路径：GET /open/interactive/comments/show

返回结构与"收到的评论列表"一致，区别在于返回的是自己指定微博 ID 下的所有评论。

data.comments — 该微博的评论列表（数组）

结构与"收到的评论列表"中的 data.comments 相同。

---

使用示例

# 获取收到的评论列表
node scripts/weibo-interactive.js comments-to-me --token=<your_token> --uid=<your_uid>

# 获取自己某条微博的所有评论
node scripts/weibo-interactive.js comments-show --token=<your_token> --uid=<your_uid> --id=<weibo_id>

# 查看帮助
node scripts/weibo-interactive.js help

返回示例（comments-to-me）：

{
  "code": 0,
  "data": {
    "code": 0,
    "comments": [
      {
        "createdAt": "Mon Jun 15 16:14:47 +0800 2026",
        "id": "5310105566577890",
        "mid": "5310105566577890",
        "postJumpLink": "https://weibo.com/<uid>/<mid>",
        "text": "评论内容...",
        "user": {
          "followMe": false,
          "following": false,
          "id": "用户ID",
          "name": "用户昵称",
          "verified": false
        }
      }
    ],
    "count": 1,
    "msg": "查询成功"
  },
  "message": "success"
}

返回示例（comments-show）：

{
  "code": 0,
  "data": {
    "code": 0,
    "comments": [
      {
        "createdAt": "Mon Jun 15 16:14:47 +0800 2026",
        "id": "5310105566577890",
        "mid": "5310105566577890",
        "postJumpLink": "https://weibo.com/<uid>/<mid>",
        "text": "评论内容...",
        "user": {
          "followMe": true,
          "following": false,
          "id": "用户ID",
          "name": "用户昵称",
          "verified": false
        }
      },
      {
        "createdAt": "Mon Jun 15 15:58:46 +0800 2026",
        "id": "5310101537687411",
        "mid": "5310101537687411",
        "postJumpLink": "https://weibo.com/<uid>/<mid>",
        "text": "另一条评论内容...",
        "user": {
          "followMe": false,
          "following": true,
          "id": "用户ID",
          "name": "用户昵称",
          "verified": true
        }
      }
    ],
    "count": 2,
    "msg": "查询成功"
  },
  "message": "success"
}

---

注意事项

1. 需要有效的 token，可通过 weibo_token 工具获取
2. uid 参数为当前用户的 uid
3. comments-show 接口的 id 参数为微博 ID（博文 ID），不是评论 ID
4. postJumpLink 可直接用于定位到评论对应的原博，格式为 https://weibo.com/<uid>/<mid>
5. 评论中的 followMe 和 following 字段反映了评论发出时与博主的关系，可能随时间变化

---

数据分析能力

本技能在基础数据之上，提供互动回复建议分析能力。当用户询问哪些评论值得回复、如何优先回复、互动建议等问题时，综合运用以下能力输出分析报告。

⚠️ 分析报告必须遵守以下规则：

1. 报告中提及的每一条评论，都必须附带该评论对应的原博链接（postJumpLink），无论出现在哪个部分，确保用户可以直接点击跳转查看原博和评论上下文。不允许出现没有链接的评论提及。原博链接必须使用 Markdown 链接格式 [url](url) 输出。
2. 每条评论必须给出 AI 建议的回复示例（用 💬 AI回复示例： 标识），根据评论内容、关系类型和认证状态量身定制，语气自然友好，供用户参考或直接复制使用。
3. 每条评论必须给出简短的回复思路说明（用 📝 回复思路： 标识），解释 AI 回复示例为什么这么写——即回复策略和措辞背后的考量，一句话即可。

---

一、互动回复建议分析

针对收到的评论，通过关注关系和认证状态维度分析，给出建议博主最值得回复的评论，促进博主和粉丝之间的互动。

关系字段说明

字段	含义	互动价值
followMe=true	发评论的用户是我的粉丝	回复粉丝能增强粘性
following=true	我关注了发评论的用户	回复关注的人能维护关系
followMe=true && following=true	发评论的用户和我是互粉关系	最值得互动的核心用户
verified=true	发评论的用户是认证用户，可能是大V	回复大V能提升曝光

优先级排序规则

值得回复的评论按以下优先级排序：

1. 互粉关系（followMe=true && following=true）> 我的粉丝（followMe=true && following=false）> 我关注的（followMe=false && following=true）> 无关系（followMe=false && following=false）
2. 在上一条规则基础上，如果发评论的用户是认证用户（verified=true），则更加值得优先回复

分析步骤

第一步：获取评论数据

调用 comments-to-me 接口获取收到的评论列表。若用户指定了自己的某条微博，则调用 comments-show 接口获取该微博下的所有评论。

第二步：分类统计

对评论按关注关系分类统计：

分类	判断条件	说明
互粉用户评论	followMe=true && following=true	与博主互粉，最值得回复
粉丝评论	followMe=true && following=false	博主的粉丝，次值得回复
我关注的用户评论	followMe=false && following=true	博主关注的人，第三优先
无关系用户评论	followMe=false && following=false	无关注关系，优先级最低

同时统计认证用户评论数（verified=true）。

第三步：按优先级排序筛选

对每条评论计算优先级分数：

关系类型	基础分	认证用户加成
互粉	30	+5
我的粉丝	20	+5
我关注的	10	+5
无关系	0	+5

按优先级分数降序排列，分数相同时按评论时间降序（最新优先）。

默认筛选出前 5 条值得回复的评论，最大建议不超过 20 条。

第四步：输出分析报告

报告包含：

• 分类统计摘要：一行紧凑展示各类型评论数量
• 推荐回复的评论列表：每条评论含排名、关系类型、用户昵称、评论内容、时间、建议回复原因、AI 回复示例、评论对应的原博链接（postJumpLink）
• 引导获取更多评论：提示用户可通过指定微博ID获取该微博下的完整评论列表

报告结构

⚠️ 报告中每条评论的原博链接必须使用 Markdown 链接格式 [url](url) 输出，方便用户点击跳转。

📊 互动回复建议报告

评论统计：共 12 条（互粉 2 | 粉丝 4 | 我关注 1 | 认证用户 3 | 无关系 5）

建议回复的评论（按优先级排序）：

  1. 🌟 互粉 · 认证用户 | 科技博主老王
     「这个观点很有深度，补充一下…」 · 06-15 16:14
     💬 AI回复示例：感谢补充！你说的这个角度确实值得深入探讨，回头我整理一下展开聊聊～
     📝 回复思路：对方补充了观点，顺势表示认同并承诺后续展开，既回应了内容又留下互动钩子
     🔗 [https://weibo.com/uid/mid](https://weibo.com/uid/mid)

  2. 🌟 互粉 | 小明
     「支持！说得对」 · 06-15 15:30
     💬 AI回复示例：谢谢支持！有你认同我就放心了😄
     📝 回复思路：评论简短，回复也保持轻松，加入情感表达让互动更真实自然
     🔗 [https://weibo.com/uid/mid](https://weibo.com/uid/mid)

  3. 💬 粉丝 · 认证用户 | 行业观察者
     「期待更多这样的内容」 · 06-15 14:20
     💬 AI回复示例：感谢关注！会继续分享这类内容，有想了解的话题也可以告诉我～
     📝 回复思路：回应期待的同时邀请对方提需求，把单向互动变成双向对话
     🔗 [https://weibo.com/uid/mid](https://weibo.com/uid/mid)

  4. 💬 粉丝 | 小红
     「学到了，感谢分享」 · 06-15 13:10
     💬 AI回复示例：能帮到你就好！以后还会分享更多实用内容，记得关注哦～
     📝 回复思路：肯定对方的收获感，顺带引导关注，自然不突兀
     🔗 [https://weibo.com/uid/mid](https://weibo.com/uid/mid)

  5. 👁 我关注的 | 大V张三
     「有意思」 · 06-15 12:00
     💬 AI回复示例：哈哈谢谢！你那边也经常发有趣的内容，互相学习～
     📝 回复思路：评论很简短，回复轻松回应即可，顺带夸对方内容，维护平等的社交关系
     🔗 [https://weibo.com/uid/mid](https://weibo.com/uid/mid)

💡 想查看自己某条微博的更多评论？告诉我微博ID，我可以帮你获取该微博下的完整评论列表，发现更多值得互动的内容。