返回 Skill 列表
extension
分类: 其它无需 API Key

多平台舆情监控分析

**全网多平台舆情分析与可视化报告生成工具** --- ## 一、Skill 简介 Sentiment Analyzer 是一款 AI 驱动的舆情分析 Skill,能够根据用户输入的关键词,自动在全网多平台进行信息采集,完成情感分析、趋势研判、风险评估等多维度分析,并生成带有交互式图表的可视化 HTML 报告。 适用于品牌公关、市场营销、娱乐宣发、产品运营、危机预警等多种场景。 --- ## 二、核心能力 | 能力 | 说明 | |------|------| | **多平台采集** | 覆盖腾讯新闻、微博、抖音、小红书、知乎、百度资讯等主流平台 | | **情感分析** | 自动将信息分类为正面 / 中性 / 负面,计算综合情感得分 | | **趋势追踪** | 按时间线呈现舆情走势变化 | | **关键词提取** | 提取 Top 15-20 高频关键词及权重 | | **热点话题排行** | 按热度排序展示当前最受关注的讨论话题 | | **KOL 观点追踪** | 识别关键意见领袖及其立场和影响力 | | **风险评估** | 自动判定风险等级(低/中/高),给出风险因素和应对建议 | | **可视化报告** | 生成交互式 HTML 报告,包含 6 类 ECharts 图表 | --- ## 三、目录结构 ``` sentiment-analyzer/ ├── SKILL.md # 核心指令文件(AI 执行流程) ├── scripts/ │ └── generate_report.py # 报告生成脚本 └── assets/ └── report_template.html # 交互式 HTML 报告模板 ``` | 文件 | 作用 | |------|------| | `SKILL.md` | 定义 AI 的完整工作流程:搜索策略、分析维度、数据结构、报告生成步骤 | | `generate_report.py` | 将结构化 JSON 数据注入 HTML 模板,生成最终报告 | | `report_template.html` | 基于 ECharts 的响应式报告模板,包含所有可视化组件 | --- ## 四、工作流程 ``` 用户输入关键词 │ ▼ ┌─────────────────┐ │ Step 1: 解析意图 │ 识别关键词类型(品牌/明星/影视/产品/事件) └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 2: 多平台搜索 │ 并行发起 6-8 组搜索覆盖各大平台 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 3: 深度采集 │ 对 5-10 个核心 URL 抓取详细内容 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 4: 结构化分析 │ 情感分类、平台统计、趋势分析、风险评估等 10 个维度 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 5: 生成报告 │ 调用脚本生成交互式 HTML(或 Markdown)报告 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 6: 交付结果 │ 输出报告文件 + 关键发现摘要 └─────────────────┘ ``` --- ## 五、分析维度详解 ### 1. 情感分布 将采集到的信息按正面、中性、负面三类统计,计算综合情感得分(0.0 ~ 1.0)。 - **正面**:好评、推荐、正面成就、上升趋势 - **中性**:事实报道、客观描述、信息性内容 - **负面**:批评、投诉、争议、负面事件、下滑指标 ### 2. 平台分布 统计每个平台的信息量及各情感类型占比,了解舆论主战场。 ### 3. 时间趋势 按日期维度展示舆情变化曲线,识别舆论爆发点和衰退期。 ### 4. 关键词热度 提取 Top 15-20 高频词汇及其相对权重,快速把握舆论焦点。 ### 5. 热门话题 按热度排序展示最受关注的讨论话题,标注来源和情感倾向。 ### 6. 代表性文章 按正面/负面/中性分类展示典型文章,包含标题、来源、链接和摘要。 ### 7. KOL 意见领袖 识别在相关话题上具有影响力的媒体/大V,展示其立场和观点。 ### 8. 风险评估 自动判定舆情风险等级,列出风险因素并给出可操作的应对建议。 | 风险等级 | 判定标准 | |---------|---------| | 🟢 低风险 | 正面/中性为主,无明显争议 | | 🟡 中风险 | 存在显著负面声音或争议话题 | | 🔴 高风险 | 出现危机级负面事件,需紧急关注 | --- ## 六、报告可视化组件 生成的 HTML 报告包含以下交互式组件: | 组件 | 图表类型 | 说明 | |------|---------|------| | 核心指标卡片 | 数字卡片 × 6 | 信息总量、正面/中性/负面数量、情感得分、舆情热度 | | 风险等级横幅 | 状态条 | 颜色编码的风险等级提示 | | 舆情概览 | 文本 | 2-3 段综合分析概述 | | 情感分布 | 环形饼图 | 正面/中性/负面占比 | | 平台分布 | 堆叠柱状图 | 各平台信息量及情感构成 | | 舆情趋势 | 多线折线图 | 按日期展示总量及各情感变化 | | 关键词热度 | 水平条形图 | Top 15 高频关键词及权重 | | 热门话题 | 数据表格 | 话题、来源、热度、情感标签 | | 代表性文章 | Tab 切换表格 | 按正面/负面/中性分类浏览 | | KOL 卡片 | 卡片网格 | 影响力进度条、立场标签、观点摘要 | | 风险分析 | 列表 | 风险因素 + 应对建议 | 所有图表基于 **ECharts 5**,支持鼠标悬停交互、响应式布局(适配移动端)。 --- ## 七、适用场景 ### 按关键词类型 | 类型 | 示例 | 重点分析方向 | |------|------|------------| | 企业 / 品牌 | 小鹏汽车、华为、瑞幸咖啡 | 产品口碑、股价舆情、公关事件、竞品对比 | | 明星 / 公众人物 | 演员、歌手、企业家 | 粉丝反应、争议事件、代言评价、作品口碑 | | 影视 / 综艺 | 电视剧、电影、综艺节目 | 收视/票房、观众评价、剧情讨论、演员表现 | | 产品 | iPhone、化妆品、游戏 | 用户评测、开箱体验、价格对比、质量投诉 | | 事件 / 话题 | 政策、社会事件 | 公众反应、专家观点、媒体报道、舆论走向 | | 行业 | 新能源、AI、教育 | 行业趋势、政策影响、市场情绪、关键玩家 | ### 按使用场景 - **品牌公关** — 日常舆情监控,及时发现负面信息 - **营销活动** — 评估营销效果,了解用户真实反馈 - **竞品分析** — 对比竞品的网络口碑和用户评价 - **危机预警** — 快速掌握突发事件的舆论走向和风险等级 - **投资研究** — 了解标的公司的公众形象和市场情绪 - **娱乐宣发** — 追踪影视剧/综艺的观众反馈和传播效果 --- ## 八、使用方式 ### 安装 将 `sentiment-analyzer-v1.1.0.zip` 解压后放入 Box 的 Skill 目录,或通过以下命令加载: ``` use_skill("sentiment-analyzer") ``` ### 触发方式 直接用自然语言向 AI 描述需求即可,以下均可触发: ``` 帮我分析一下"小鹏汽车"的舆情 查一下华为最近的网络口碑 分析《庆余年2》的观众评价 监控一下瑞幸咖啡的舆论情况 最近关于AI的舆情趋势怎么样 帮我看看某明星的网络风评 ``` ### 输出格式 - **默认**:交互式 HTML 报告(推荐,图表丰富) - **可选**:Markdown 报告(纯文本 + 表格,适合嵌入文档) - **可选**:其他格式可按需指定 如需指定格式,在请求中说明即可: ``` 帮我分析小鹏汽车的舆情,生成 Markdown 格式报告 ``` --- ## 九、数据质量标准 | 指标 | 标准 | |------|------| | 信息来源数 | ≥ 30 条独立来源 | | 平台覆盖 | ≥ 4-5 个不同平台 | | 正负面均衡 | 主动搜索正面和负面信息,避免偏见 | | 时效性 | 优先采集近 7-30 天内容(除非用户指定时间范围) | | 可溯源 | 所有信息附带来源 URL | | 客观性 | 以数据驱动结论,不预设立场 | ---

person作者: user_59252579hubcommunity

📁 SKILL DIRECTORY PATH

{skillDir}

📂 DIRECTORY CONFIGURATION

Working Directory: /Users/blaze/Documents/box

  • This is the user's project root directory
  • Final deliverables should be saved to /Users/blaze/Documents/box/output/f916eef0-2844-414a-a99c-41db1d91d7f9

Session Temp Directory: /Users/blaze/Documents/box/.session_tmps/f916eef0-2844-414a-a99c-41db1d91d7f9

  • This is a dedicated temp directory for this session

⚠️ CRITICAL FILE OPERATION RULES:

  1. All intermediate/temporary files (HTML, JS scripts, images, thumbnails, cache, etc.) MUST be written to the Session Temp Directory
  2. Do NOT create "workspace/", "temp/", or other directories under Working Directory for intermediate files
  3. Final deliverables (e.g., output HTML report) should be saved to /Users/blaze/Documents/box/output/f916eef0-2844-414a-a99c-41db1d91d7f9 or user-specified location

🚨 MANDATORY FILES (READ FIRST):

  • {skillDir}/references/platforms.md
  • {skillDir}/references/report_schema.md

🔍 Sentiment Monitor v2 — 多平台舆情监控与智能分析

📋 支持的监控模式

| 模式 | 触发关键词 | 说明 | |------|-----------|------| | 标准监控 | 监控/分析/报告 | 单关键词全面舆情分析 | | 竞品对比 | 竞品对比/品牌对比/vs | 多品牌横向对比分析 | | 热点追踪 | 热点追踪/事件追踪 | 聚焦单一事件传播链路 | | 负面预警 | 负面预警/风险监控 | 仅抓取负面/风险内容 | | 定时推送 | 每天/每周/定时/定期 | 创建定时任务自动推送 |


🚀 工作流程

Step 0: 识别监控模式

根据用户意图选择对应模式,若无法判断则询问用户:

  • 多关键词(用户提供多个词/品牌)→ 竞品对比模式
  • 时间频率表达(每天/每周等)→ 定时推送模式
  • 单一事件(某事件的传播/扩散)→ 热点追踪模式
  • 其他 → 标准监控模式

Step 1: 确认监控参数

向用户确认(尽量一次性问清,不要逐个询问):

| 参数 | 默认值 | 说明 | |------|--------|------| | 关键词 | — | 必须,支持多个(竞品对比时) | | 时间范围 | 近 7 天 | 可指定"近 24 小时"/"近 1 个月" | | 平台范围 | 全平台 | 可筛选特定平台(见 platforms.md) | | 关注维度 | 全面分析 | 正负面/风险/传播趋势/竞品 | | 报告语言 | 中文 | 中文/英文 |


Step 2: 多平台并行搜索(≥ 15 轮)

核心原则:广撒网 · 多角度 · 深挖掘

第一批:核心平台 site 搜索(6 个并行)

{关键词} site:weibo.com
{关键词} site:news.qq.com OR site:new.qq.com
{关键词} site:163.com
{关键词} site:zhihu.com
{关键词} site:bilibili.com
{关键词} site:toutiao.com

第二批:扩展平台搜索(6 个并行)

{关键词} site:douyin.com
{关键词} site:sohu.com OR site:sina.com.cn
{关键词} site:thepaper.cn OR site:caixin.com
{关键词} site:36kr.com OR site:huxiu.com
{关键词} site:mp.weixin.qq.com
{关键词} site:tieba.baidu.com OR site:baijiahao.baidu.com

第三批:主题角度搜索(5 个并行)

{关键词} 争议 质疑 投诉 差评
{关键词} 好评 推荐 亮点 官方
{关键词} 数据 分析 报告 排名
{关键词} 最新 {当前年月}
{关键词} 海外 国际 出海(如适用)

第四批:深度补充搜索(4 个并行)

{关键词} 事件 进展 声明 回应
{关键词} site:xiaohongshu.com OR {关键词} 小红书 种草
{关键词} site:hupu.com OR {关键词} 虎扑
{关键词} site:ithome.com OR {关键词} IT之家(科技类话题)

竞品对比模式:对每个品牌分别执行以上搜索,最终进行横向对比

目标:每个平台 ≥ 3 条有效信息,总计 ≥ 60 条原始搜索结果


Step 3: 详情深度抓取(10-20 篇)

使用 web_fetch 抓取重点内容正文:

优先级排序:

  1. 🔴 官方声明 / 央媒报道(权重最高,必抓)
  2. 🟠 深度分析 / 调查报道(权威媒体 / 知乎高赞)
  3. 🟡 高互动社交内容(转发量/点赞量高)
  4. 🟢 代表性评论汇总(各平台典型声音)

热点追踪模式额外抓取:

  • 事件时间线:搜索 {关键词} 事件经过 时间线
  • 各方回应:搜索 {关键词} 官方回应 声明 解释
  • 传播来源:抓取最早报道的原始链接

Step 4: 智能分析与结构化整理

4.1 情感分类(三级精细标注)

| 等级 | 标签 | 判断标准 | |------|------|---------| | 🟢 正面 | positive | 赞扬、支持、推荐、数据亮眼、官方认可 | | 🔴 负面 | negative | 批评、质疑、投诉、差评、法律风险 | | 🟡 中性 | neutral | 客观报道、数据陈述、无明显倾向 | | 🔵 混合 | mixed | 正负面观点并存、理性评测 |

4.2 风险等级评定

| 等级 | 标志 | 触发条件 | |------|------|---------| | 高风险 | 🔴 | 大规模负面扩散(>100 条/24h)/ 官方媒体点名 / 法律诉讼 | | 中风险 | 🟠 | 持续争议(>7天)/ 口碑明显下滑 / KOL集体批评 | | 低风险 | 🟡 | 个别负面声音 / 局部争议 / 可控范围 | | 无风险 | 🟢 | 以正面/中性为主 |

4.3 传播热度评估(热点追踪模式)

对高传播内容计算热度指数:

热度指数 = 浏览量×0.1 + 点赞×1 + 评论×3 + 转发×5

标注传播链路:原始来源 → 二次传播 → 裂变节点

4.4 竞品对比分析(竞品对比模式)

针对每个品牌输出:

  • 情感分布占比
  • 平台覆盖广度
  • 高频关键词差异
  • 风险等级对比
  • 综合口碑得分(0-100)

Step 5: 生成可视化 HTML 报告

使用 {skillDir}/scripts/generate_report.py 生成报告。

数据准备: 将分析结果整理为 JSON,格式参考 {skillDir}/references/report_schema.md

执行命令:

python {skillDir}/scripts/generate_report.py --input {数据JSON路径} --output {报告路径}

报告功能(v2 新增):

  • 📊 概览卡片:总条数、正/负/中性占比、风险等级
  • 📈 ECharts 可视化:情感饼图 + 平台分布柱状图 + 时间趋势折线图
  • 🔥 热度排行:按热度指数排序的 Top 10 内容
  • 🏷️ 标签词云:高频关键词可视化
  • 🔍 实时搜索筛选:按关键词/平台/情感/风险过滤条目
  • ⚠️ 风险预警面板:突出显示高风险内容
  • 📝 综合结论与建议
  • 🖨️ 一键打印/导出:浏览器打印友好布局
  • 🌙 暗色模式:自动跟随系统

Step 6: 企微推送摘要(可选)

生成 Markdown 格式摘要推送企微,格式参考 {skillDir}/references/wecom_template.md

摘要要求:

  • 长度 ≤ 4000 字节(企微限制)
  • 包含:概览数据 + 今日热点(Top 3)+ 风险预警
  • 同时推送 HTML 报告文件

⚙️ 注意事项

  1. 覆盖广度:确保 ≥ 10 个平台,每平台 ≥ 3 条数据
  2. 时效性:优先最近 7 天内容;热点追踪模式优先 24 小时内
  3. 去重:同一事件不同平台报道 → 保留最详尽 1-2 条,标注"另有 X 个平台转载"
  4. 客观性:情感分析基于文本事实,避免主观臆断
  5. 中文编码:JSON 数据用 json.dump(data, ensure_ascii=False) 输出
  6. 大模型辅助:对于语义模糊的内容,优先判断为中性,加注说明

📅 定时舆情通知模式

触发识别

当用户消息包含时间频率 + 舆情监控相关表达时,进入定时通知模式:

  • "每天早上 7 点给我汇报 xxx 的舆情"
  • "每天 9 点和 18 点监控 xxx"
  • "每周一汇报 xxx 品牌口碑"
  • "工作日下午 3 点推送 xxx 最新舆情"
  • "每小时监控一次 xxx 的负面信息"

定时模式流程

Step A: 解析定时参数

从用户消息中提取:

  • 关键词:监控核心词(必须)
  • 执行频率:自然语言时间(如"每天7点")
  • 关注重点:全面分析 / 仅负面预警(默认全面)
  • 通知方式:企微推送(默认开启)

Step B: 构建定时任务 Prompt

请使用 sentiment-monitor Skill 对关键词"{关键词}"执行舆情监控分析:

1. 加载 Skill: use_skill("sentiment-monitor")
2. 按照 SKILL.md 中的 Step 2~5 完整执行:
   - 多平台并行搜索(≥ 15 轮,覆盖 10+ 平台)
   - 详情深度抓取(10-20 篇)
   - 智能情感分析与结构化整理
   - 生成 HTML 可视化报告(含 ECharts 图表)
3. 完成后,生成 Markdown 格式舆情摘要(≤ 4000 字节),格式参考 wecom_template.md:
   - 📊 数据概览:总条数、正/负/中性/混合分布
   - 🔥 今日热点(前 3 条,含来源和摘要)
   - ⚠️ 风险预警(如有高/中风险项,附应对建议)
   - 📈 情感趋势判断(与上期对比,如有)
4. 通过企微推送 Markdown 摘要给用户
5. 同时将 HTML 完整报告作为文件推送

仅负面预警 Prompt 变体:

重点搜索"{关键词} 争议 投诉 负面 质疑 差评 问题",仅分析和推送负面/风险信息。
如无负面舆情,推送:"✅ {关键词} 当前无负面舆情,一切正常。"

Step C: 创建定时任务

使用 scheduled_task_create MCP 工具创建任务:

| 参数 | 说明 | |------|------| | name | "舆情监控-{关键词}" | | schedule | 将自然语言转为 cron:"每天7点" → 0 7 * * * | | prompt | Step B 构建的完整 Prompt | | notifyWecom | true | | enabled | true |

多时间点处理:如"每天 7 点和 19 点",拆分为 2 个独立任务:

  • 舆情监控-{关键词}-早报0 7 * * *
  • 舆情监控-{关键词}-晚报0 19 * * *

常用 cron 对照:

每天 7 点        → 0 7 * * *
每天 9 点和 18 点 → 0 9 * * * 和 0 18 * * *
工作日下午 3 点   → 0 15 * * 1-5
每小时           → 0 * * * *
每周一 9 点       → 0 9 * * 1

Step D: 确认并反馈

创建成功后向用户反馈:

✅ 定时舆情监控已设置!

📌 监控关键词:{关键词}
⏰ 执行频率:{频率描述}
📢 通知方式:企微推送(Markdown 摘要 + HTML 完整报告)
🔄 状态:已启用

每次执行时,我会:
1. 全网 12+ 平台采集最新舆情(≥ 15 轮搜索)
2. 深度抓取 10-20 篇重点内容
3. AI 智能情感分析 + 风险评级
4. 生成带 ECharts 图表的可视化报告并推送

如需调整,你可以说:
- "暂停 xxx 的舆情监控"
- "把 xxx 的监控改为每周一次"
- "删除 xxx 的舆情监控任务"
- "立即执行一次 xxx 舆情"

定时任务管理指令

| 用户指令 | 操作 | |---------|------| | "暂停/停止 xxx 监控" | scheduled_task_update 设置 enabled=false | | "恢复 xxx 监控" | scheduled_task_update 设置 enabled=true | | "删除 xxx 监控" | scheduled_task_delete | | "改为每周一执行" | scheduled_task_update 修改 schedule | | "加上 yyy 关键词一起监控" | 修改任务 prompt 中的关键词 | | "查看我的监控任务" | scheduled_task_list | | "立即执行一次" | scheduled_task_run | | "查看执行历史" | scheduled_task_executions |


🏆 竞品对比模式详解

触发条件

用户提供 2 个及以上品牌/关键词进行对比:

  • "对比一下 A 和 B 的舆情"
  • "xxx 和 yyy 的口碑哪个好"
  • "我们公司 vs 竞品的舆情分析"

竞品对比流程

  1. 分品牌搜索:对每个品牌分别执行 Step 2 的搜索(可并行)
  2. 独立分析:每个品牌单独完成情感分析和风险评级
  3. 横向对比:生成对比矩阵,包括:
    • 情感分布对比(正/负/中性占比)
    • 平台声量对比(各平台提及数)
    • 热度指数对比
    • 风险等级对比
    • 高频关键词差异(各品牌的独特标签)
  4. 综合口碑得分(0-100):
    得分 = 正面比例×60 + (1-风险系数)×20 + 平台覆盖度×10 + 时效性×10
    
  5. 报告格式:在标准报告基础上新增"竞品对比"章节

🔥 热点追踪模式详解

触发条件

  • "追踪 xxx 事件的传播"
  • "xxx 事件的舆情走向"
  • "分析 xxx 话题的扩散路径"

热点追踪流程

  1. 溯源搜索:找到事件最早来源
    {关键词} 事件起源 最早 首发
    
  2. 时间线构建:按时间顺序整理事件经过
  3. 传播节点识别:标注关键 KOL / 媒体的放大作用
  4. 各方回应收集
    • 当事方声明
    • 官方媒体态度
    • 网民主流观点
  5. 趋势预判:基于传播速度和情感走向预判后续走向