CineScope XHS

智能影评评估 - 多源数据采集 + 六维分析 + 动态权重评分

Install

openclaw skills install cinescope-xhs

智能影评评估 Skill。当用户提到任何电影并希望了解其评价、值不值得看、口碑如何、打几分时，必须使用此 Skill。触发词包括但不限于：影评、评分、推荐、值得看吗、好看吗、烂番茄、豆瓣分、口碑、分析这部电影。即使用户只是随口提到一部电影名称并带有疑问语气，也应主动触发此 Skill。此 Skill 会执行多源数据采集、六维结构化分析、动态权重评分，并生成带证据级别标注的完整影评报告（含六维蛛网图）。

CineScope · 多源证据驱动影评系统

核心原则

证据优先：所有评分必须有来源支撑，不凭空打分
来源透明：标注每条判断基于哪一级证据
动态权重：按影片类型自动调整六维权重
默认防剧透：除非用户明确要求，不披露关键剧情反转
局限声明：新片/冷门片样本不足时必须预警

Step 0 · 意图解析与实体确认

用户输入电影名后，先执行以下检查：

歧义消除：若电影名存在重名（如《沙丘》《蜘蛛侠》），自动优先选取最新或最热版本，并在报告开头注明"本报告评估的是：[完整片名 + 年份 + 导演]"
关注点提取：若用户指定关注方向（如"我主要关心剧本"），在对应维度加权输出，并在报告末尾提示
剧透模式确认：默认防剧透开启；若用户明确说"可以剧透"或"分析结局"，则切换至剧透模式

Step 1 · 并行数据采集

搜索工具优先级

优先级	工具	用途	说明
主搜索	`tavily-search`	核心数据采集	AI 优化搜索，返回简洁相关结果
备用搜索	`博查 API (Bocha)`	补充检索	Tavily 异常时使用，国内访问稳定

调用策略：

优先使用 tavily-search 进行主检索（支持 --deep 深度搜索）
如 Tavily API 异常/无结果，降级使用 博查 API（Endpoint: https://api.bocha.cn/v1/web-search）
需要获取具体页面内容时，使用 tavily-search extract 或 web_fetch

并行检索执行

使用上述搜索工具并行检索以下来源，每次至少覆盖 L1+L3+L4 三层：

数据源分层

层级	平台	权重	采集内容
L1 专业权威	豆瓣、IMDb、Rotten Tomatoes、Metacritic	40%	评分数值 + Top 专业长评摘要
L2 垂直媒体	Variety、好莱坞报道者、影视工业网、知名影评公众号	20%	技术维度（摄影/剪辑/音效）专业解读
L3 大众口碑	猫眼、淘票票、IMDb 用户评分	20%	普通观众体感、娱乐性评价
L4 社交舆情	微博、小红书、Twitter/X、Reddit	20%	实时情绪、争议点、高频关键词

归一化规则

将各平台分数统一映射至 100 分制：

平台	原始制	换算公式
豆瓣	10 分制	× 10
IMDb	10 分制	× 10
Rotten Tomatoes	百分制（新鲜度%）	直接使用；Audience Score 单独列出
Metacritic	100 分制	直接使用
猫眼/淘票票	10 分制	× 10

搜索命令示例

# Tavily 主搜索（推荐）
node {baseDir}/../tavily-search/scripts/search.mjs "夜王 电影 豆瓣评分" -n 10
node {baseDir}/../tavily-search/scripts/search.mjs "夜王 2026 春节档 影评" --deep

# Tavily 内容提取（获取具体页面）
node {baseDir}/../tavily-search/scripts/extract.mjs "https://movie.douban.com/subject/xxx/"

# 博查 API 备用搜索
# （当 Tavily API 异常时使用）
# API 文档：https://open.bochaai.com/
curl -X POST "https://api.bocha.cn/v1/web-search" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${BOCHA_API_KEY}" \
  -d '{"query":"夜王 电影 豆瓣评分"}'

Step 2 · 证据分级

采集完成后，对所有材料按以下标准分级，评分时必须标注证据级别：

级别	定义	举例
A 级	专业影评、权威平台高质量长评（200 字以上）、行业媒体深度分析	豆瓣热门长评、Metacritic 媒体评
B 级	高赞用户长评、较完整的大众观后感	IMDb 用户长评、猫眼精选评论
C 级	社媒短评、热搜话题、碎片化舆情	微博超话、小红书笔记、Twitter 短评

原则：结论越重要，所需证据级别越高。仅有 C 级证据支撑的判断，必须注明"（基于社媒舆情，稳定性较低）"

Step 3 · 六维动态权重评估

3.1 按影片类型自动选择权重方案

在执行评分前，先判断影片类型，选择对应权重表：

商业片 / 类型片（动作、喜剧、爱情、惊悚等）

维度	权重	核心考察点
剧本与叙事 Script & Story	20%	逻辑自洽、节奏把控、冲突设计
视听语言 Visuals & Audio	20%	特效质感、摄影、配乐、沉浸感
表演质感 Acting	15%	角色契合度、情绪爆发力
导演掌控 Direction	10%	场面调度、完成度
情感共鸣 Emotional Resonance	20%	爆点/燃点/泪点、观影爽感
大众娱乐性 Entertainment	15%	观影门槛、话题度、值回票价感

作者电影 / 艺术片

维度	权重	核心考察点
剧本与叙事 Script & Story	25%	叙事野心、人物弧光、台词深度
视听语言 Visuals & Audio	20%	摄影语言、美学风格、音效设计
表演质感 Acting	20%	情感真实性、内敛张力、群像刻画
导演掌控 Direction	20%	风格统一性、主题深度、作者表达
情感共鸣 Emotional Resonance	10%	观影后劲、余韵、思想冲击
创新与价值 Innovation	5%	题材突破、文化输出、影史意义

动画片

维度	权重	核心考察点
剧本与叙事 Script & Story	20%	故事完整性、情节推进效率
视听语言 Visuals & Audio	25%	视觉创意、动画质量、色彩美学
表演质感 Acting	10%	配音契合度、角色生动性
导演掌控 Direction	15%	节奏控制、场景设计
情感共鸣 Emotional Resonance	20%	全年龄共情、情感完成度
受众适配度 Audience Fit	10%	儿童友好度、成人深度层次

3.2 单维评分规则

每个维度输出：

[维度名]：X/10
证据级别：A/B/C
评语：2-3 句，说明得分理由，引用具体评论观点（不直接大段摘抄）

Step 4 · 风险机制

在生成报告前，检查并触发以下预警：

风险类型	触发条件	处理方式
争议预警	专业口碑（L1）与大众/社媒口碑（L3+L4）归一化分差 > 15 分	在报告顶部添加 ⚠️ 争议预警模块
样本不足预警	上映不足 2 周或豆瓣评分人数 < 1 万	标注"当前结论时效性强，建议上映 1 个月后复评"
水军/控评识别	短期内评分异常波动，或极端评价占比过高	取中位数而非均值，注明"存在疑似控评，数据仅供参考"
时效标注	所有报告	报告末尾注明"评分基于 [日期] 前的口碑数据"

Step 5 · 综合评分计算

口碑基础分 = L1×0.4 + L2×0.2 + L3×0.2 + L4×0.2  （归一化至 100 分）

六维加权分 = Σ（各维度得分×10 × 对应权重）  （即 100 分制）

综合总分 = 口碑基础分 × 0.4 + 六维加权分 × 0.6

重要原则：平台数据是参考证据，不直接决定最终分。六维分是 Claude 基于证据的独立判断，权重更高。

Step 6 · 结构化输出报告

按以下固定结构输出，不得省略任何模块：

📋 影片基本信息

片名 | 年份 | 导演 | 主演 | 类型 | 片长

⚠️ 争议预警（如触发）

说明专业口碑与大众口碑的分歧所在及可能原因

📊 一句总评（The Verdict）

用一句话精准定位影片（例："工业完成度极高但主题表达流于表面的商业续作"）

🌐 平台评分快照

平台	原始评分	归一化 (100 分)	样本规模
豆瓣	X.X/10	XX	X 万人
IMDb	X.X/10	XX	X 万人
Rotten Tomatoes 专业	XX%	XX	XX 篇
Rotten Tomatoes 观众	XX%	XX	X 万人
Metacritic	XX/100	XX	XX 篇
猫眼	X.X/10	XX	X 万人

口碑基础分：XX/100

🕸️ 六维雷达评分

维度	得分	证据级别	简评
剧本与叙事	X/10	A/B/C	...
视听语言	X/10	A/B/C	...
表演质感	X/10	A/B/C	...
导演掌控	X/10	A/B/C	...
情感共鸣	X/10	A/B/C	...
[第六维度]	X/10	A/B/C	...

六维加权分：XX/100（使用 [商业片/作者电影/动画片] 权重方案）

紧接评分表之后，输出六维可视化图表。根据平台能力选择输出格式：

可视化输出策略

平台类型	输出格式	说明
支持 HTML/JS	Chart.js 雷达图	完整交互式图表
纯文本平台（飞书/微信/短信）	ASCII 字符画雷达图	兼容性最好
支持 Markdown	条形图 + 表格	清晰易读

方案 A：Chart.js 雷达图（支持 HTML 的平台）

使用 Chart.js radar 类型
维度标签与评分表保持一致（6 个维度，顺序相同）
数据范围：0–10，步进 2
配色：#534AB7（紫色系，fill 透明度 0.18）
禁用 Chart.js 默认图例，在图表下方输出自定义 HTML 图例
Canvas 外层 div：max-width: 520px; height: 420px; margin: 0 auto

<div style="position: relative; width: 100%; max-width: 520px; margin: 0 auto; height: 420px;">
  <canvas id="radarChart"></canvas>
</div>
<div style="display: flex; flex-wrap: wrap; gap: 12px; justify-content: center; margin-top: 8px; font-size: 12px; color: var(--color-text-secondary);">
  <span style="display: flex; align-items: center; gap: 4px;">
    <span style="width: 10px; height: 10px; border-radius: 2px; background: #5340b7;"></span>
    《片名》六维评分
  </span>
</div>
<script src="https://cdnjs.cloudflare.com/ajax/libs/Chart.js/4.4.1/chart.umd.js"></script>
<script>
const labels = ['剧本与叙事','视听语言','表演质感','导演掌控','情感共鸣','[第六维度]'];
const data = [D1, D2, D3, D4, D5, D6]; // 替换为实际得分
new Chart(document.getElementById('radarChart'), {
  type: 'radar',
  data: {
    labels: labels,
    datasets: [{
      label: '得分',
      data: data,
      backgroundColor: 'rgba(83, 74, 183, 0.18)',
      borderColor: '#534AB7',
      borderWidth: 2,
      pointBackgroundColor: '#534AB7',
      pointBorderColor: '#fff',
      pointBorderWidth: 2,
      pointRadius: 5,
      pointHoverRadius: 7
    }]
  },
  options: {
    responsive: true,
    maintainAspectRatio: false,
    plugins: {
      legend: { display: false },
      tooltip: { callbacks: { label: ctx => ' ' + ctx.raw.toFixed(1) + ' / 10' } }
    },
    scales: {
      r: {
        min: 0, max: 10,
        ticks: { stepSize: 2, font: { size: 11 }, color: '#888780', backdropColor: 'transparent' },
        pointLabels: { font: { size: 13 }, color: '#444441' },
        grid: { color: 'rgba(136,135,128,0.25)' },
        angleLines: { color: 'rgba(136,135,128,0.25)' }
      }
    }
  }
});
</script>

方案 B：ASCII 字符画雷达图（纯文本平台，如飞书/微信）

当平台不支持 HTML/JavaScript 时，使用以下文本格式：

                    《片名》六维评分雷达图

                          剧本与叙事
                              10
                               │
                         8 ────┼──── 8
                               │    
                    视听   6 ──┼── 6   视听
                              4│    
                               │    
                  表演 6 ──────┼───── 7 表演
                               │    
                              4│    
                    导演   6 ──┼── 6   导演
                               │    
                         2 ────┼──── 2
                               │    
                          情感共鸣 ─── 大众娱乐性

    数值表：
    维度         得分    评级
    ──────────────────────────
    剧本与叙事    X.X    ★★★★☆
    视听语言      X.X    ★★★★☆
    表演质感      X.X    ★★★★☆
    导演掌控      X.X    ★★★★☆
    情感共鸣      X.X    ★★★★☆
    大众娱乐性    X.X    ★★★★☆

方案 C：条形图（推荐用于飞书等 IM 平台）

最清晰易读的格式，推荐作为默认输出：

📊《片名》六维评分

剧本与叙事   ███████░░░  X.X/10  ★★★★☆
视听语言     ████████░░  X.X/10  ★★★★☆
表演质感     ███████░░░  X.X/10  ★★★★☆
导演掌控     ███████░░░  X.X/10  ★★★★☆
情感共鸣     ███████░░░  X.X/10  ★★★★☆
大众娱乐性   ████████░░  X.X/10  ★★★★☆

▓ 图例：█ 得分  ░ 未得分

条形图生成规则：

每格代表 1 分，共 10 格
█ 表示得分部分（每 1 分 = 1 个 █）
░ 表示未得分部分
小数处理：≥0.5 进位，<0.5 舍去

🎯 综合总分

XX.X / 100

🗣️ 舆论场摘要

专业媒体怎么说（主要基于 A 级证据）： [2-3 句，概括专业影评人的核心共识——夸什么、批什么]

大众观众怎么说（主要基于 B 级证据）： [2-3 句，概括普通观众的主要感受]

社交媒体在讨论什么（C 级证据，波动性较高）：

正向高频词：[词 1、词 2、词 3...]
负向高频词：[词 1、词 2、词 3...]
主要争议点：[简述]

✍️ 深度解析（默认防剧透）

选取 1-2 个最值得展开的维度（亮点或槽点），各写一段深度分析。 不披露关键剧情反转、结局、重要角色死亡。如需完整剧情分析，请告知"可以剧透"。

👥 观影建议

适合人群：[具体描述，如"科幻类型片爱好者"、"原著党"、"家庭观影"] 不适合人群：[具体描述，如"对逻辑漏洞敏感的观众"、"不耐慢节奏者"] 观影环境建议：[如"建议 IMAX"、"流媒体即可"、"适合独自观看"]

📌 局限声明

数据截止时间：[日期]
样本状态：[充足 / 不足，说明原因]
特殊干扰：[如存在控评、粉黑大战、档期炒作，在此注明]

异常处理规则

情况	处理方式
某平台数据无法获取	在快照表中标注"数据不可用"，不伪造评分
影片尚未上映	说明"暂无观众评价"，仅分析预告片、主创背景、提前场口碑
冷门片/老片数据稀少	降低 L3/L4 权重，提升 A 级证据权重，并声明局限
敏感题材（政治/宗教/历史）	仅陈述多方评价观点，不输出单一价值判断
用户追问某维度	针对该维度补充更多 A/B 级证据，给出更详细分析
Tavily API 异常	自动降级使用 `博查 API` 作为备用搜索源
搜索结果不足	尝试 `tavily-search --deep` 深度搜索或扩大检索词范围

配置要求

配置项	说明	是否必需
`TAVILY_API_KEY`	Tavily API 密钥（从 https://tavily.com 获取）	✅ 必需
`BOCHA_API_KEY`	博查 AI 搜索 API 密钥（备用搜索）	⚠️ 推荐配置

注意：

如未配置 TAVILY_API_KEY，需在系统环境变量中添加后才能正常使用搜索功能

博查 API 作为备用搜索源，推荐配置以确保 Tavily 异常时可降级使用

博查 API 申请地址：https://open.bochaai.com/

博查 API 快速配置

1. 获取 API Key

访问博查开放平台 https://open.bochaai.com/ 注册并获取 API Key

2. 配置环境变量

# 添加到 ~/.bashrc 或 ~/.zshrc
export BOCHA_API_KEY="your-bocha-api-key"

# 或临时配置
export BOCHA_API_KEY="your-bocha-api-key"

3. 调用示例

# Web Search API
curl -X POST "https://api.bocha.cn/v1/web-search" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $BOCHA_API_KEY" \
  -d '{"query":"夜王 电影 豆瓣评分"}'

# Reranker API（可选，用于语义排序）
curl -X POST "https://api.bocha.cn/v1/rerank" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $BOCHA_API_KEY" \
  -d '{"query":"夜王 影评","documents":["文档 1","文档 2"]}'

4. 免费额度

注册即送免费额度
具体额度请查看官网最新政策：https://open.bochaai.com/

5. API 文档

Web Search API: https://api.bocha.cn/v1/web-search
Reranker API: https://api.bocha.cn/v1/rerank
开放平台：https://open.bochaai.com/