skill-comment-insights · 评论区量化分析
对一批评论做量化洞察：情感分析（正/中/负占比 + 代表评论）、高频词与短语提取、需求/吐槽/提问的诉求挖掘，为内容复盘和选题反哺提供数据。
基于 jieba 分词 + SnowNLP 情感 + 社媒情感词典，规则确定可复现。情感为近似值，看趋势与占比；数据量小（<20 条）时如实说明样本局限。只做分析不做回复。
调用示例：在聊天框中说"分析一下这条笔记评论区在说什么"。
产品详解
定位
skill-comment-insights 回答"评论区在说什么"：对评论做量化数据分析。它只做分析，不做回复与危机应对。
核心能力
- 情感分析：正/中/负占比 + 正负代表评论；SnowNLP 基线 + 社媒情感词典（绝绝子/yyds/避雷/翻车等网络用语）修正社交文本偏差。
- 高频词/短语提取：jieba 分词，词性过滤（保留名/动/形）+ 停用词剔除，聚焦有信息量的词。
- 诉求挖掘：需求（求链接/求教程/求同款）、吐槽（产品/服务问题信号）、提问，规则匹配、计数 + 例句。
- 报告输出：JSON 报告（情感分布/代表评论/高频词/诉求计数）+ 终端可读摘要。
- 结果应用指引：负面偏高定位问题、高频词喂词云、需求转选题、吐槽转复盘。
工作流程
- 准备评论数据（txt/json/csv）
- 运行
comment_insights.py analyze，指定 top 词数与输出路径 - 得到报告 JSON + 终端摘要
- 按指引应用：定位问题、转选题、喂复盘
输入与输出
| 输入 | 说明 |
|---|---|
| 评论数据 | .txt（每行一条）/ .json（数组或对象数组）/ .csv（指定评论列） |
输出：outputs/主题名/report.json（情感分布/代表评论/高频词/诉求计数与例子）+ 终端摘要。
与相邻 skill 的区别
| skill | 分工 |
|---|---|
| skill-comment-insights（本） | "评论区在说什么"（量化数据） |
| skill-community-ops | "怎么回评论 + 危机应对"（运营动作） |
| skill-xhs-comment-reply | 评论抓取 |
| skill-xhs-analyzer | 小红书爆款规律/关键词矩阵（评论抓取见该 skill） |
适用场景
- 笔记/视频发布后的评论区复盘
- 用户诉求挖掘，反哺选题
- 产品口碑的负面预警
- 高频词喂词云可视化
使用前准备
- 需
pip install jieba snownlp（首次 jieba 构建词典缓存）。 - 情感为近似值：看趋势与占比，非逐条精判；关键决策需人工核对代表评论；数据量 <20 条时占比参考意义有限。
skill-comment-insights 隶属于 Aiglade Skill 库。在 Aiglade 聊天框中用自然语言描述需求即可调用。