XBuilderLAB/cheat-on-audience

最近记录的来源活动: 2026年8月1日 08:21

SkillsMP 收录数据更新: 2026年10月29日 18:30

已收集 skills: 1

GitHub 星标: 18
GitHub Forks: 5

用 AI 助手安装

复制这段 Prompt，发给你正在使用的 AI 助手。

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/XBuilderLAB/cheat-on-audience.

仓库 README

仓库 README 来源：README.md

查看 README 源文件

展开完整 README

# cheat-on-audience 把短视频评论区变成一张可交互、可追溯的知识图谱。这个仓库是两样东西：一个 **Agent Skill**（处理你自己的评论数据），和一份 **公开数据集**（518 条真实评论构成的 AI 时代关注点图谱，agent 可直接 fetch）。 ## 先看结果下面这张图 GitHub 会直接渲染，不用点任何链接：  ```mermaid graph LR n1("职业选择 43次") n2("不会用工具 30次") n3("AI替代人 27次") n4("读博价值 15次") n5("生活成本 12次") n6("学历贬值 11次") n7("变现难 8次") n8["留学生"] n9["职场人"] n10["转行"] n11["读书深造"] n12["老师"] n13["学AI工具"] n14["大学生"] n15["自媒体新人"] n16["做自媒体"] n17["变现"] n18["博士生"] n8 -->|担心| n5 n9 -->|担心| n1 n10 -->|缓解| n1 n11 -->|缓解| n4 n12 -->|担心| n1 n13 -->|缓解| n2 n14 -->|担心| n6 n15 -->|担心| n7 n16 -->|缓解| n7 n17 -->|缓解| n7 n13 -->|缓解| n6 n14 -->|担心| n3 n18 -->|担心| n3 n18 -->|担心| n4 classDef concern fill:#ffdedb,stroke:#d1534a,color:#5c1a15 classDef persona fill:#dbeafe,stroke:#3b7dd8,color:#12325e classDef coping fill:#dcfce7,stroke:#3f9e5a,color:#14401f class n1,n2,n3,n4,n5,n6,n7 concern class n8,n9,n12,n14,n15,n18 persona class n10,n11,n13,n16,n17 coping ```  想看能悬浮、能点开证据的完整版 → **[在线交互版](https://XBuilderLAB.github.io/cheat-on-audience/)** 想读数据结论 → **[data/digest.md](data/digest.md)** ## 为什么单条评论没有价值，评论之间的关系才有。你的视频是提问，评论区是几千人对同一个问题的即兴回答。把「谁在关心什么」「什么内容引出了什么讨论」「哪些关注点总是一起出现」「哪些提问从来没被回答过」连成网络，才能看见评论区真正的结构。 ## 三种打开方式 | 你是 | 怎么用 | | --- | --- | | 想直接看 | 上面的 mermaid 图，或[在线交互版](https://XBuilderLAB.github.io/cheat-on-audience/) | | 想让 agent 读数据 | `data/graph.json`（结构化）或 `data/digest.md`（纯文本） | | 想跑自己的数据 | 把仓库装成 skill，见下 | ### 让 agent 读这份数据 ``` 读一下 https://raw.githubusercontent.com/XBuilderLAB/cheat-on-audience/main/data/digest.md ``` 或者要完整图谱（含每条边的评论证据）： ``` https://raw.githubusercontent.com/XBuilderLAB/cheat-on-audience/main/data/graph.json ``` `llms.txt` 在仓库根目录，列出了所有 agent 可读入口。 ### 跑自己的数据 ```bash git clone https://github.com/XBuilderLAB/cheat-on-audience ~/.claude/skills/cheat-on-audience ``` 然后在 Claude Code 里说「分析我的评论区」。想先看效果不用自己的数据： ```bash python3 scripts/build_graph.py && python3 scripts/render.py && open atlas.html ``` ## 数据从哪来按优先级： 1. **你已有的导出文件** — JSON / CSV / 纯文本都行，最低要求是每条评论有正文 2. **iGrowth 插件采集的数据** — 装了的话查 `~/.igrowth/opc-assets/runs/*/video-comments.json` 3. **手动复制** — 从创作者后台复制粘贴不含爬虫。用官方后台导出、你自己授权的插件，或手动复制。 ## 图谱结构五类节点：关注点、人群、视频、隐喻、应对策略。五类边：`引出`（视频→关注点）、`担心`（人群→关注点）、`被说成`（关注点→隐喻）、`缓解`（应对→关注点）、`共现`（关注点↔关注点）。 **每条边都挂评论原文作为证据。** 图谱里任何一个结论都能点回到具体是谁说的哪句话。没有证据的边不建——这是防 LLM 抽取幻觉的唯一办法。 ## 三个中文评论区特供信号 - `is_sarcasm` 阴阳怪气 — 「挺好的，以后送外卖路上还能跟 AI 聊人生」字面正向实际负面。不处理这个，整张图会歪 - `is_ask` 提问 — 内容缺口信号。提问密集但你从没正面回应过的关注点，就是被验证过需求的选题 - `is_win` 成果汇报 — 正反馈信号，是做案例内容和社会证明的素材库 ## 渲染产出的 `atlas.html` 是零依赖单文件： - 双击打开，不需要起服务器 - 可以直接发成 Artifact - 推 GitHub Pages 就是在线版 **不引任何 CDN。** Artifact 的 CSP 会拦截外部请求，弱网也会白屏。力导向布局是手写的，200 行，不需要 d3。 ## 已知限制平台后台一般不提供单条评论的时间戳和回复链，所以： - 时间维度只能用视频发布时间近似，做不了评论级的精确时间轴 - 做不了「情绪升级链」「被安抚链」这类需要回复关系的分析如果你的数据源恰好有这些字段，schema 可以扩展。另外：真实评论区里只有约 40% 的评论带信息量，其余是玩梗和打招呼。图谱反映的是那 40%。 ## 结构 ``` cheat-on-audience/ ├── SKILL.md # agent 入口，六阶段流程 ├── llms.txt # agent 可读资源清单 ├── references/schema.md # 抽取规范和词表 ├── scripts/ │ ├── build_graph.py # 抽取结果 → graph.json │ ├── render.py # graph.json → atlas.html │ └── export.py # → Pages / digest / mermaid / llms.txt ├── templates/viewer.html # 渲染器模板 ├── docs/index.html # GitHub Pages 在线版 └── data/ ├── graph.json # 图谱数据（agent fetch 这个） └── digest.md # 纯文本摘要 ``` 数据和视图分离：`graph.json` 本身是可积累的资产，每次新采集增量追加，图谱越长越大。 ## 隐私评论数据来自创作者本人后台，字段只有正文、点赞数、排序来源——不含用户昵称、UID 或任何个人标识。 ## License MIT

正在加载仓库 README…

这个仓库中的 skills

数据科学家

1 个职业分类 · 已分类 100%

skill

职业分类

描述

更新

cheat-on-audience

数据科学家

把短视频评论区变成可交互的知识图谱，并发布成人和 agent 都能读的形态。当用户说「分析我的评论区」「评论区图谱」「大家在关心什么」「评论区都在聊什么」「comment atlas」「把评论做成图谱」「把图谱发出去」，或者手上有一批评论数据想看出结构时使用。产出零依赖单文件 HTML（悬浮速览、点击看评论原文证据）、GitHub 首页可直接渲染的 mermaid 图、以及 agent 可 fetch 的 graph.json 和 digest.md。

2026-08-01

已展示 1 / 1 个已收集 Skill。