传播内容评论分析（comment-analysis）

把「爬评论 → 分析评论 → 负面复核」三步流程固化为一条流水线，产出可进传播复盘材料的结构化产物。2026-08-19 经腾讯会议录音笔战役 812 条评论实战验证。

流水线总览

| 步骤 | 动作 | 产物 | |------|------|------| | 1 爬取 | 调 ego-social-scraper skill 逐条爬评论 | 每条 *.json/.csv + 固定表格汇总 | | 2 分析 | 跑 scripts/comment_analyze.py | 主题分布/词云/情感/负面清单 | | 3 复核 | 负面清单预分类交用户人工复核 | 复核后真实负面率，回写报告 |

步骤 1：ego-lite 爬取评论

加载 ego-social-scraper skill 并严格按其流程执行（环境验证 → heredoc 跑模板 → 逐条落盘）。要点：

ego-browser 连不上 bootstrap 时，请用户在真实终端跑 ego-browser nodejs -e "console.log('hi')" 点 Allow 重建授权。
outDir 必须写绝对路径——process.cwd() 在 ego 沙箱解析成只读 //，写盘报 EROFS。
小红书有反爬，逐条串行抓，勿并发；抖音互动量（赞/评/藏/转）网页端基本不可得（选择器失效+接口反爬），标「不可得」不补 0；评论正文正常抓。
固定表格输出：全部爬完后汇总为一张表——# / 平台 / 笔记或视频ID / 点赞 / 评论 / 收藏 / 转发 / 抓取评论数 / 页面声明数 / 是否未抓全，另合并全部评论为单个 CSV（平台/链接/作者/评论内容/点赞/时间）。拿不到的量一律写「不可得」。

步骤 2：评论分析（清洗→主题→词云→情感）

运行主脚本（用预装依赖的 venv 解释器）：

/Users/hanz/.workbuddy/binaries/python/envs/default/bin/python \
  /Users/hanz/.workbuddy/skills/comment-analysis/scripts/comment_analyze.py \
  --inputs <抓取产物1.json> <抓取产物2.json> ... \
  --outdir <输出目录> \
  --brand-words 品牌名,产品名,产品别名 \
  --title <项目名>

--brand-words 必传本 campaign 的品牌/产品词（如 腾讯,腾讯会议,录音笔,WorkBuddy），否则品牌层词云和"产品植入识别"主题不准。
自定义主题词库：--theme-lib <json>，格式见 references/theme-keywords.md；归类覆盖率目标 ≥60%，「其他」过高时抽样未分类评论补词。
脚本一次性产出：comments_classified.json（带主题+情感标签）、comments_negative.json（负面清单）、word_freq_top50.json、word_freq_brand.json、三层词云（词云图_全量.png/词云图_职场品牌.png/词云图_品牌.png），stdout 打印全部统计 JSON。
词云三层用途：全量=整体话题结构；职场品牌=复盘材料主图；品牌=品牌信息被记住程度。
清洗口径：剔空评论、纯表情、≤1字极短、达人统一回复"谢谢"类——剔除数如实报告。
词云字体用 /System/Library/Fonts/Hiragino Sans GB.ttc；勿用 PingFang.ttc（wordcloud 报 OSError cannot open resource）。

随后按 references/report-framework.md 的骨架写分析报告 md（主题概括+条数 → 词云 → 情感 → 传播效果五段式 → 数据缺口），用 present_files 交付报告+词云图。

步骤 3：负面评论人工复核（必经环节，不得跳过）

算法情感分析在玩梗语境下会大量误判（"不好啦，workbuddy把纪要发给曹老板了"=调侃好评被误判负面），必须：

把 comments_negative.json 全部列出（编号+原文）。
预分「疑似误判（玩梗/调侃）」「疑似真实负面」两类，各附一句理由；校准模式见 references/sentiment-dict.md。
交用户复核；拿到复核结论后回写报告情感章节，算法口径与人工口径并列呈现，真实负面率以人工复核为准。

数据真实性铁律

互动量/播放量/声明数拿不到写「不可得」，绝不补 0、绝不编造；差额标 truncated。
主题/情感占比注明"算法归类+人工校准"属性。
对外口径内容先与用户对齐再落地。