抖音评论分析

抖音评论分析工具。输入作品链接即可获取一级评论数据，支持分页浏览、评论情感分析（积极/负面/需求/竞品），生成精美 HTML 报告。当用户需要查看抖音作品评论、分析评论舆情、了解用户反馈时使用。触发词：抖音评论、作品评论、评论查询、评论分析、评论舆情、看评论。

RedFox@redfox-data

Install

openclaw skills install @redfox-data/douyin-comment

抖音评论分析

📝 简介

输入抖音作品链接即可获取一级评论数据，每页 20 条，支持分页翻页。在对话中展示当前页全部评论及 AI 总结分析，同时生成包含当前页数据和总结的交互式 HTML 报告。

✨ 功能特性

功能模块	能力描述	核心价值
评论获取	粘贴作品链接即可获取评论	拉取作品评论区最新数据
分页浏览	每页 20 条，支持翻页	逐页浏览大量评论
AI 总结	四维情感分析（积极/负面/需求/竞品）	快速了解评论舆情全貌
置顶标记	置顶评论特殊标识	一眼识别重要评论
HTML 报告	深色主题交互式报告	离线保存/分享分析结果

🔑 鉴权

获取 API Key：前往红狐hub
配置方式1：写入 ~/.openclaw/openclaw.json → { "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
配置方式2：终端执行 export REDFOX_API_KEY="ak_xxxx..."

🔄 工作流程

Step 1：理解用户意图，提取 videoId

⚠️ 核心规则：必须从用户输入中提取 videoId。

用户可能直接提供 videoId（纯数字）
用户可能提供作品链接（如 https://www.douyin.com/video/7131700643076623629），从链接中提取 videoId
若用户未提供作品链接，主动询问：「请提供抖音作品链接」
若用户在上一轮对话中查询过某作品的数据，且本轮输入模糊（如"下一页"、"评论分析"），沿用上一轮的 videoId

Step 2：调用评论获取脚本（自动生成 HTML）

⚠️ 每次调用仅请求一页数据（一次 API 请求），不可擅自发起多次调用拉取多页。

脚本每次调用自动生成 HTML 报告（含 {{PLACEHOLDER}} 占位符，未回填分析数据）。终端展示与 HTML 基于同一次 API 调用，确保数据一致。

bash

python3 ~/.agents/skills/douyin-comment-search/scripts/douyin_comment_search.py "<videoId>" [--offset <offset>]

参数说明：

参数	说明	默认值
`videoId`	抖音作品 ID（必填）	—
`--offset`	偏移量，每页 20 条	`0`
`--output-dir`	HTML 输出目录	`~/Downloads/QoderReports`

offset 与页码对应关系：

页码	offset
第 1 页	0
第 2 页	20
第 3 页	40
...	offset = (page - 1) × 20

脚本返回 JSON：

字段	说明
`video_id`	作品 ID
`current_page`	当前页码
`total_fetched`	本次获取的评论数
`has_next`	是否有下一页（true/false）
`comments`	评论列表
`html_path`	生成的 HTML 报告路径（含占位符，待回填）

每条评论字段：

字段	说明
`comment_id`	评论 ID
`content`	评论内容
`like_count`	点赞数
`reply_count`	回复数
`create_time`	评论时间
`ip_location`	IP 属地
`user_name`	用户昵称
`user_avatar`	用户头像 URL
`user_id`	用户 ID（用于生成主页链接）
`user_url`	用户主页链接
`is_top`	是否置顶（true/false）

注意： HTML 报告此时仅含评论原始数据，分析占位符（{{PLACEHOLDER}}）待用户确认后回填。

Step 3：对话中展示评论数据 + AI 总结

⚠️ 每次操作仅调用一次 API，获取一页数据。对话展示与 HTML 报告基于同一页数据。

A1. 告知查询范围

📊 作品「{videoId}」共获取 N 条评论（第 {page} 页），以下是详细数据：

A2. 渲染评论表格（展示当前页全部评论）

markdown

| # | 评论人 | 评论内容 | 👍 | 💬 | 时间 | IP |
|---|--------|---------|----|----|------|-----|
| 1 | ![avatar](头像URL)[昵称](主页链接) | 评论内容... | 1223 | 213 | 02-12 15:30 | 广东 |
| 2 | ![avatar](头像URL)[昵称](主页链接) | 评论内容... | 856 | 45 | 02-12 14:20 | 北京 |
| ... | ... | ... | ... | ... | ... | ... |

格式规则：

评论人列使用 ![avatar](头像URL)[昵称](user_url) Markdown 格式，无需设置图片尺寸
评论内容超过 40 字截断加 ...
时间格式化为 MM-DD HH:MM
置顶评论在昵称后加 📌 标记（整个评论行使用加粗样式）
like_count / reply_count 数字 ≥ 10000 使用 x.xw 格式
⚠️ 每页最多 20 条，对话中全部展示，不得截断

A3. AI 评论总结（⚠️ 每次查询（含翻页）必须输出）

基于当前页获取到的全部评论，进行四维情感分析。分析前需理解抖音梗文化（流行语、缩写、表情包语义、热门话题背景）。

📈 评论总结分析（基于 {total} 条评论）

✅ 积极评价（{positive_ratio}%）

{要点1}

{要点2}

...

⚠️ 负面评价（{negative_ratio}%）

{要点1}

{要点2}

...

💡 用户需求（{demand_ratio}%）

{要点1}

{要点2}

...

🔍 竞品对比舆情（{competitor_ratio}%）

{仅当评论中提及竞品时输出，否则输出「未提及竞品」}

{竞品名称}：{舆情要点}

分析要求：

每条要点需引用代表评论（截取关键词/短语）
百分比为提及该类型评论的数量占总评论数的比例
积极/负面/需求/竞品四类占比总和可能超过 100%（一条评论可能同时包含多类信息）
必须理解抖音梗文化：识别流行语（如"绝绝子""yyds""破防""入典"等）、表情包语义、缩写（如"xswl""awsl"）、梗的语境含义

A4. 翻页提示（⚠️ 紧接在 A3 之后，每次必须输出）

若 has_next 为 true：

📄 当前第 {page} 页（共 {total_fetched} 条）。回复「下一页」继续查看。

若 has_next 为 false：

📄 当前第 {page} 页，已无更多数据。

⚠️ A1~A4 必须在同一轮输出中连续完成，不可省略任何一步。

A4 输出完毕后，询问用户是否需要生成 HTML 可视化报告：

📊 是否需要生成 HTML 可视化报告？

若用户回复「是」「需要」「生成」「html」等确认词，则执行以下步骤（无需重新调用脚本，HTML 文件已在 Step 2 生成）：

① 回填 AI 分析结果到 HTML

调用 backfill_html.py 将 AI 分析结果回填到 HTML 中的 {{PLACEHOLDER}} 占位符：

bash

python3 ~/.agents/skills/douyin-comment-search/scripts/backfill_html.py "<html_path>" --analysis-json '{
  "positive_ratio": <正整数>,
  "negative_ratio": <正整数>,
  "demand_ratio": <正整数>,
  "competitor_ratio": <正整数>,
  "positive_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "negative_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "demand_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>",
  "competitor_summary": "<ul><li>要点1</li><li>要点2</li>...</ul>"
}'

JSON 字段说明：

字段	类型	说明	示例
`positive_ratio`	int	积极评价占比（纯数字，不含%）	`45`
`negative_ratio`	int	负面评价占比	`30`
`demand_ratio`	int	用户需求占比	`15`
`competitor_ratio`	int	竞品对比占比	`15`
`positive_summary`	string	积极评价摘要（HTML 格式 `<ul><li>...</li></ul>`）	见示例
`negative_summary`	string	负面评价摘要	同上
`demand_summary`	string	用户需求摘要	同上
`competitor_summary`	string	竞品对比摘要	同上

注意： JSON 字符串参数包含双引号，Bash 中使用单引号包裹，内部双引号需转义 \"。若内容含单引号则用 stdin 方式传入：echo '...' | python3 backfill_html.py "<html_path>"

② 打开 HTML 报告：

bash

open "<html_path>"

Step 4：翻页处理（用户回复「下一页」等时）

当用户回复「下一页」「上一页」「第 N 页」时：

沿用 Step 1 中提取的 videoId
计算新的 offset：(page - 1) × 20
重新调用脚本（与 Step 2 一致，自动生成 HTML）：python3 .../douyin_comment_search.py "<videoId>" --offset <offset>
完整执行 Step 3 的 A1~A4（每页独立展示 + AI 分析）
A4 后询问用户是否需要生成当前页 HTML（同 Step 3 末尾流程，无需重新调用脚本）

翻页规则：

has_next 为 true → 当前页正好 20 条，存在下一页
has_next 为 false → 当前页不足 20 条，已是最后一页

Step 5：错误处理

错误类型	处理方式
无 API Key	提示配置 REDFOX_API_KEY，给出配置指引
作品链接无效	提示「未找到该作品的评论，请检查作品链接是否正确」
接口返回错误	显示错误码和错误信息
获取 0 条评论	提示「该作品暂无评论」并建议检查作品是否存在或已删除
网络请求超时	提示「网络请求超时，请稍后重试」

📋 依赖

bash

# 脚本使用 urllib（Python 标准库），无需额外安装依赖

🎯 使用示例

示例 1：查看指定作品的评论

text

用户：查看抖音作品 7131700643076623629 的评论
助手：调用脚本（自动生成HTML） → 展示全部20条 + AI总结 → 询问是否需要HTML → 用户确认 → backfill → open

示例 2：通过链接查询

text

用户：https://www.douyin.com/video/7131700643076623629 这篇的评论怎么样
助手：提取 videoId → 调用脚本 → 展示分析 → 询问是否需要HTML

示例 3：翻页

text

用户：下一页
助手：调用脚本 offset=20 → 展示第2页 + AI分析 → 询问是否需要当前页HTML