评论分析与改进洞察

对 Amazon / Shopify / TikTok Shop 买家评论做情感归纳、主题聚类、改进建议与回复话术草稿。ClawHub / OpenClaw 云端模式 — Harness review_analyze 输出结构化 JSON；本机只需 TOKENAPI_KEY（tk-*）。

本技能 不抓取平台评论 API、不自动回复买家；须使用你已合法获得的评论文本。

快速开始（3 步，60 秒）

1. 注册获取 API 密钥 → https://claw.changzhiai.com/login （新用户即送体验积分，无需绑卡）
2. 设置环境变量：export TOKENAPI_KEY=*** 或写入 .env 文件
3. 运行：参照下方 Examples 示例执行 python scripts/run.py ...

还没注册？前往 https://claw.changzhiai.com/login 免费获取密钥。

OpenClaw 与 Yufluent（必读）

OpenClaw 对话与技能调用共用同一 tk-*。接入见 https://claw.changzhiai.com/app/openclaw 。

Agent 硬性规则：

1. 禁止用对话模型自行撰写完整评论分析报告（themes / action_items 等 JSON）。
2. 必须通过 python scripts/run.py ...（或 POST /v1/skills/review-intel/run）获取输出。
3. 对话模型负责：把用户粘贴内容 规范成标准分隔格式、缺参时追问、解释结果。
4. 只需 TOKENAPI_KEY，不要要求用户另配厂商 LLM Key。

评论输入格式（必读）

Harness 将 --reviews / API reviews 字段视为 一条或多条买家评论正文。多条评论之间用 独立一行的分隔符 --- 分开（上下各空一行推荐）。

标准格式（推荐）

[可选元数据行]
评论正文第 1 条，可多行书写。

---
[可选元数据行]
评论正文第 2 条。

---
评论正文第 3 条。

规则：

可选元数据行（建议 Agent 帮用户整理）

每条评论 第一行 可写结构化前缀，正文从下一行开始：

[2024-06-01] [★★☆☆☆ 2/5] [verified]
电池续航太差，用两天就没电了。

元数据 不强制；无星级时 Harness 仍可从正文判断情感。

CLI：内联 vs 文件

# 推荐：先写入 reviews.txt，再调用
python scripts/run.py --reviews reviews.txt --product "蓝牙耳机" --platform amazon --lang zh

HTTP API

{
  "reviews": "第一条评论\
\
---\
\
第二条评论",
  "product": "蓝牙耳机",
  "platform": "amazon",
  "lang": "zh"
}

• 字段名：reviews（必填字符串）；Harness 内部亦接受 reviews_text / text（集成用）。
• product：强烈建议填写，便于主题与 SKU 对齐。
• 不支持单次请求上传多文件；请合并为一个字符串。

从平台导出后如何粘贴

Amazon（卖家后台 / 第三方导出）

• 每行一条时：Agent 应在每条之间插入 \ ---\ 再调用。
• CSV：取「Review Text」列，忽略 Order ID 等 PII 列。

Shopify / 应用评论插件

• 导出 CSV 的 body / content 列，同样用 --- 拼接。

TikTok Shop

• 短评可多条 --- 分隔；带图评论仅粘贴文字部分。

反例（会导致条数错误或分析偏差）

❌ 用逗号拼接：好评，好评，差评
❌ 用编号但不分隔：1. xxx 2. yyy  （应改为 --- 分隔）
❌ 分隔符写进正文：这家店---太差了  （换措辞或拆成两条）
❌ 只给星级没有文字：★★★★★  （至少补一句摘要）

方法论简述

1. VOC 聚合：从多条评论提炼 recurring themes，而非逐条摘要。
2. 情感 + 主题：overall_sentiment 与 themes[] 分开看；混合评分常见。
3. 可执行改进：action_items 按 产品 / 物流 / 描述 / 客服 归类，带优先级。
4. 回复模板：reply_templates 为草稿，须人工审核后发送，遵守平台沟通政策。
5. 后续联动：痛点短语可喂给 yufluentcn-seo-pro（长尾词）或 yufluentcn-ecommerce-listing（卖点优化）。

Instructions（Agent 工作流）

1. 确认平台与语言：platform：amazon | shopify | tiktok；lang：zh|en|es|de|fr|ja。
2. 整理评论为标准 --- 格式（见上）；不足 3 条时提示用户补充或说明「样本较少，结论仅供参考」。
3. 调用（必须 — 云端）：

   python scripts/run.py \
     --reviews reviews.txt \
     --product "主动降噪蓝牙耳机" \
     --platform amazon \
     --lang zh \
     -o review-insights.json
   

4. 解读 JSON：向用户展示 top_complaints、action_items（高优先级）、可选 reply_templates。
5. 计费：402 余额不足；401 密钥无效。

输出结构（JSON）

环境变量

与其他技能联动

触发词

• "分析这些评论" / "差评原因"
• "评论里大家抱怨什么"
• "VOC 洞察" / "改进建议"
• "帮我写回复差评的模板"

Examples

文件输入（推荐）

reviews.txt：

[★★★★☆ 4/5]
音质不错，但佩戴久了耳朵疼。

---
[★★☆☆☆ 2/5]
降噪效果不如宣传，地铁里还是能听见。

---
[★★★★★ 5/5]
续航超预期，一周充一次够用。

python scripts/run.py --reviews reviews.txt --product "ANC蓝牙耳机" --platform amazon --lang zh -o out.json

API 内联两条

python scripts/run.py --reviews "物流太慢\
\
---\
\
做工很好" --product "手机壳" --platform shopify --lang zh

合规

• 仅分析你有权使用的评论数据。
• 回复模板不得承诺平台外赔偿、不得泄露其他买家信息。
• 分析结果供内部改进，不构成法律或质量鉴定。

卖家操作说明见 docs/技能-评论分析客户指南.md。

版本记录