Linguistic Landscape Analyzer

语言景观分析 MCP 工具 - 小红书情感分析与关键词提取，支持语言学/社会学研究

Security Scan

The skill's code, declared requirements, and runtime instructions align: it processes local CSV data using Node.js, requires no external credentials, and does not perform network exfiltration in its current form.

Purpose & Capability

Name/description (language-sentiment/keyword extraction for Xiaohongshu research) matches the code and SKILL.md. The only required binary is Node.js and the package.json dependencies (MCP SDK, sentiment, keyword-extractor, zod) are appropriate for the stated functionality.

Instruction Scope

SKILL.md and server.js explicitly operate on local CSV data (data/sample.csv or data/notes.csv) and write reports under the skill directory (reports/). The docs repeatedly state no network crawling in this version. A minor note: other documentation files (01-技术方案.md, delivery report) reference external workspace paths (e.g., /home/admin/.openclaw/...) and possible future web-scraping/cron plans — those are not implemented in the code but should be watched for in future releases.

Install Mechanism

This registry entry has no install spec; SKILL.md contains an npm install suggestion. There is no remote download or extract step; dependency installation is standard npm. No high-risk install URLs or archive extraction were observed.

Credentials

The skill declares no required environment variables or credentials and the code does not access secrets or environment variables beyond file-system paths relative to the project directory. Requested permissions are proportionate to the task.

Persistence & Privilege

always is false and the skill does not request system-wide configuration changes. It writes reports into its own 'reports/' folder and otherwise operates within its project directory. The test script spawns a local Node process to run the MCP server (expected for this platform).

Assessment

This skill appears internally consistent and limited to local CSV processing. Before installing: (1) confirm you are comfortable with it writing reports under the skill directory (reports/), (2) review or replace sample.csv with only data you expect it to read, (3) run the included test (npm test) in an isolated environment if you want to observe behavior, and (4) be cautious when upgrading — repository notes mention potential future web scraping or third-party API integration which would expand network access and may require credentials. If you need absolute assurance, inspect src/server.js and the test script locally (they are small and readable) before enabling the skill in production.

Version: 1.0.1 · 安全优化版
Author: 小爪 🦞
License: MIT
Tags: #linguistics #sentiment-analysis #mcp #social-media #research

---

📊 语言景观分析 MCP 工具

专业的语言景观分析工具，为语言学和社会学研究提供数据支持。通过情感分析、关键词提取和自动报告生成，帮助研究者快速分析社交媒体文本数据。

🎯 这个技能能帮你做什么？

• 如果你是语言学研究者：分析社交媒体中的语言使用模式、情感倾向和话题演变，支持定量和定性研究。

• 如果你是社会学研究者：研究网络社区的话语特征、群体情感变化和舆论趋势，获取一手数据支持。

• 如果你是内容运营者：监控内容情感反馈，提取用户关注热点，优化内容策略。

• 如果你是数据分析师：快速处理社交媒体文本数据，生成结构化分析报告，提升工作效率。

功能特性

• 📊 情感分析 - 分析文本的情感倾向（支持中文）
• 🔑 关键词提取 - 从文本中提取核心关键词
• 📝 笔记列表 - 读取和管理小红书笔记数据
• 📈 周报生成 - 自动生成语言景观分析周报（Markdown 格式）

⚠️ 注意事项

• 当前版本仅处理本地 CSV 数据，不包含任何网络爬虫功能。 未来若增加此类功能，会另行发布。
• 报告输出路径： 报告保存在技能目录内的 reports/ 文件夹下，确保安全性。
• 数据隐私： 所有数据处理在本地完成，不会上传到外部服务器。

快速开始

1. 安装 Skill

clawhub install linguistic-landscape-analyzer

或手动安装：

cd /path/to/skill
npm install

2. 启动服务器

npm start

3. 在 OpenClaw 中调用

通过 mcporter CLI：

# 列出工具
mcporter list

# 情感分析
mcporter call linguistic-landscape.analyze_sentiment text:"这个产品很好用" language:"zh"

# 关键词提取
mcporter call linguistic-landscape.extract_keywords text:"小红书运营数据分析" limit:5 language:"zh"

# 笔记列表
mcporter call linguistic-landscape.list_notes source:"sample" limit:10 sortBy:"likes" order:"desc"

# 生成周报
mcporter call linguistic-landscape.generate_weekly_report limit:10

工具说明

analyze_sentiment

情感分析工具 - 分析文本的情感倾向。

参数：

• text (string, 必填) - 要分析的文本内容
• language (string, 可选) - 语言类型：zh(中文) 或 en(英文)，默认"zh"

示例：

mcporter call linguistic-landscape.analyze_sentiment text:"小红书运营数据很好，推荐" language:"zh"
# 输出：{"score": 2, "sentiment": "positive", "confidence": 0.33}

extract_keywords

关键词提取工具 - 从文本中提取关键词。

参数：

• text (string, 必填) - 要提取关键词的文本
• limit (number, 可选) - 返回关键词数量上限，默认 10
• language (string, 可选) - 语言类型，默认"zh"

示例：

mcporter call linguistic-landscape.extract_keywords text:"小红书运营数据分析，内容优化方向明确" limit:5
# 输出：{"keywords": ["小红书运营数据分析", "内容优化方向明确"]}

list_notes

笔记列表工具 - 读取 CSV 文件中的小红书笔记数据。

参数：

• source (string, 可选) - 数据源类型：csv 或 sample，默认"sample"
• limit (number, 可选) - 返回笔记数量上限，默认 10
• sortBy (string, 可选) - 排序字段：likes/collects/comments/date，默认"date"
• order (string, 可选) - 排序顺序：asc/desc，默认"desc"

示例：

mcporter call linguistic-landscape.list_notes source:"sample" limit:5 sortBy:"likes" order:"desc"

generate_weekly_report

周报生成工具 - 生成语言景观分析周报（Markdown 格式）。

参数：

• startDate (string, 可选) - 开始日期 (YYYY-MM-DD)
• endDate (string, 可选) - 结束日期 (YYYY-MM-DD)
• outputPath (string, 可选) - 输出文件路径
• limit (number, 可选) - 分析笔记数量上限，默认 10

示例：

mcporter call linguistic-landscape.generate_weekly_report limit:10
# 输出：{"status": "success", "reportPath": "/path/to/report.md"}

应用场景

语言学研究

• 分析网络语言使用模式
• 研究语言变异和变化
• 追踪新词新语的产生和传播

社会学研究

• 研究群体情感变化
• 分析舆论趋势
• 探索社会话题演变

内容运营

• 监控用户情感反馈
• 提取热点话题
• 优化内容策略

数据分析

• 批量处理文本数据
• 生成结构化报告
• 支持决策制定

技术栈

• Node.js 22+
• @modelcontextprotocol/sdk (官方 MCP SDK)
• sentiment (情感分析库)
• keyword-extractor (关键词提取)
• zod (参数验证)

常见问题

Q: 这个技能适合哪些研究场景？

A: 适用于语言学、社会学、传播学等领域的社交媒体文本分析研究，支持情感分析、关键词提取和报告生成。

Q: 情感分析的准确性如何？

A: 当前版本使用基于词典的简单情感分析方法，适合快速原型和初步分析。如需更高精度，可接入专业 NLP API（如阿里云 NLP）。

Q: 如何替换为自己的数据？

A: 将 CSV 文件放到 data/ 目录下，格式参考 sample.csv，然后在调用 list_notes 时指定 source:"csv"。

Q: 支持哪些语言？

A: 当前主要支持中文和英文。中文使用简单分词 + 情感词典，英文使用 sentiment 库。

更新日志

v1.0.1 (2026-03-17)

• 🔒 安全修复 - 报告输出路径改为技能目录内
• 📝 文档优化 - 添加注意事项说明
• 🔗 链接修复 - 移除未创建的 GitHub 仓库链接
• ✨ 标签优化 - 明确指定技能标签

v1.0.0 (2026-03-17)

• ✅ 初始版本发布
• ✅ analyze_sentiment 工具
• ✅ extract_keywords 工具
• ✅ list_notes 工具
• ✅ generate_weekly_report 工具
• ✅ 完整测试套件

许可证

MIT License

---

作者： 小爪 🦞
GitHub: （仓库筹备中，敬请期待）
ClawHub: linguistic-landscape-analyzer