ClawHub

Yufluentcn Review Intel

API key required
Other

基于用户提供的跨境电商买家评论，聚类情感主题，归因差评原因，输出改进建议与回复模板的结构化分析。

Install

openclaw skills install yufluentcn-review-intel

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。

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 。

层走哪里干什么
OpenClaw 对话Yufluent /v1/chat/completions（同一 tk-*）整理评论格式、调 run.py、解读 JSON
分析正式输出POST /v1/skills/review-intel/run（同一 tk-*）Harness → 洞察 JSON

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：

规则说明
分隔符仅使用单独一行的 ---（前后换行）；不要用 ***、=== 或仅逗号分隔
单条评论可不写分隔符，整段视为 1 条
条数建议至少 3 条 才有聚类意义；推荐 10–50 条；API 单次总长 ≤ 8000 字符
语言与 --lang 一致；可混多种语言但分析质量下降
勿含买家姓名、电话、地址等 PII；竞品商号诽谤（可打码）
勿用评论正文中间出现单独一行 ---（会与分隔符冲突）

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。
前缀片段含义
[YYYY-MM-DD]评论日期（可选）
[★★★★☆ 4/5] 或 [4/5]星级（可选）
[verified]已验证购买（可选）

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

方式用法
内联--reviews "第一条\n\n---\n\n第二条"（PowerShell 建议用文件）
文件--reviews reviews.txt — 若路径存在则 整文件 UTF-8 读取
# 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\n\n---\n\n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 \n---\n 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）

字段说明
overall_sentimentpositive | mixed | negative
sentiment_score数值（模型估计，非平台官方）
themes[]theme, count, sentiment, examples[]
top_complaints主要抱怨点列表
top_praises主要好评点列表
action_items[]priority, area, suggestion
reply_templates[]for_theme, tone, text（草稿）

环境变量

变量必填说明
TOKENAPI_KEY是tk-*
TOKENAPI_BASE_URL否默认 http://localhost:8080/v1

与其他技能联动

需求技能
痛点转关键词yufluentcn-seo-pro
改 Listing 卖点/描述yufluentcn-ecommerce-listing
差评回复（买家消息）yufluentcn-chat-assist
对比竞品差评差异先 yufluentcn-comp-track，再本技能

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\n\n---\n\n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

版本日期变更
v0.3.02026-05-28明确评论输入格式（--- 分隔）、元数据行、CLI/文件/API
v0.2.0—Harness review_analyze JSON 洞察
v0.1.0—初始云端薄客户端