Weibo Comment Search Skill for Cursor

微博评论分析

📝 简介

微博评论分析工具，输入微博博文链接，即可查看该博文的一级评论数据，支持分页浏览和 AI 情感分析。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 |

|---------|---------|---------|

| 评论查询 | 输入微博博文链接查询评论 | 一键查看任意博文的评论 |

| 分页浏览 | 支持多页结果浏览 | 逐页探索更多评论 |

| 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 |

| 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

请前往 红狐hub 获取 API KEY

配置 API Key

方案1: 以 Qoder 为例，将 REDFOX_API_KEY 添加到 ~/.openclaw/openclaw.json 中：

{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

方案2: 终端配置

export REDFOX_API_KEY="ak_xxxx..."

🔄 工作流程

Step 1：理解用户意图，提取 opusId

1. 从微博博文链接中提取 opusId

• 若用户提供了博文链接（如 https://weibo.com/1784473157/R8X4f2lnq），从中提取 opusId（R8X4f2lnq）
• 若用户直接提供了 opusId，直接使用
• 若用户意图模糊（如"帮我查下评论"），主动询问：「请提供微博博文链接」
• 不得在用户未提供链接时擅自猜测并调用脚本
• 若用户在上一轮对话中查询过某博文的评论，且本轮输入模糊（如"下一页"、"评论分析"），沿用上一轮的 opusId

2. 识别页码参数

• 用户提到"下一页"、"第2页" → 对应页码，同时使用上一轮返回的 max_cursor
• 用户提到"上一页" → 当前页 - 1
• 未提及页码 → 默认第 1 页

Step 2：调用查询脚本（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。

python3 ~/.agents/skills/weibo-comment-search/scripts/weibo_comment_search.py "<博文链接或opusId>" [--page 页码] [--cursor 游标] [--output-dir 目录]

参数说明：

| 参数 | 说明 | 默认值 |

|------|------|--------|

| input | 微博博文链接或 opusId | — |

| --page | 页码，从1开始 | 1 |

| --cursor | 翻页游标（首页为 0，后续从返回的 max_cursor 传入） | 0 |

| --no-html | 跳过 HTML 报告生成 | — |

| --output-dir | HTML 输出目录 | ~/Downloads/QoderReports |

脚本以 JSON 格式输出：

| 字段 | 说明 |

|------|------|

| opus_id | 博文 opusId |

| comments | 评论列表 |

| max_cursor | 下一页游标 |

| has_next | 是否有下一页（true/false） |

| page | 当前页码 |

| 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 |

|------|------|

| nickname | 用户昵称 |

| uid | 用户 uid |

| user_url | 用户主页链接（https://weibo.com/{uid}） |

| content | 评论内容 |

| comment_like_num | 点赞数（原始数字） |

| comment_like_num_fmt | 点赞数（格式化后） |

| create_time | 发布时间 |

> 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：判断结果并展示

情况 A：comments 数量 > 0（有评论）

A1. 告知用户查询范围

> 📊 博文 {opus_id} 查询到 N 条评论（第 {page} 页），以下是详细数据：

A2. 渲染 Markdown 表格（全部展示）

| # | 用户 | 评论内容 | 点赞 | 发布时间 |
|---|------|----------|------|----------|
| 1 | [nickname](https://weibo.com/uid) | 评论内容 | 305 | 2025-07-10 14:30:25 |

格式规则：

• 用户昵称渲染为超链接：nickname，跳转到用户主页
• 点赞数 < 10000 原始数字，≥ 10000 显示 x.xw
• 发布时间完整展示年月日时分秒
• 评论内容超过 50 字截断并加 ...，内容为空时显示 -
• ⚠️ 当前页全部评论均需展示，不得截断

A3. AI 评论总结（⚠️ 每次查询（含翻页）必须输出）

首页：基于当前页获取到的全部评论，进行四维情感分析。

翻页后：基于目前已获取的所有页面累计数据进行综合分析，而非仅分析当前单页。分析时需标注累计总条数。

分析前需理解微博热点话题背景（热搜事件、粉丝文化、明星动态、社会议题语境）。

> ## 📈 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）
• 必须理解微博语境：识别粉丝话术（如"抱走""纯路人""yyds""打call"等）、热门话题背景、明星相关舆情

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。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：

python3 ~/.agents/skills/weibo-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：

open "<html_path>"

情况 B：comments 数量 = 0（无评论）

B1. 提示

> 😔 该博文暂无评论数据。

Step 4：翻页处理

当用户回复「下一页」「上一页」「第 N 页」时：

• 沿用 Step 1 中提取的 opusId
• 使用上一轮返回的 max_cursor 作为新的 --cursor
• 计算新页码
• 重新调用脚本（与 Step 2 一致，自动生成 HTML）：python3 .../weibo_comment_search.py "<opusId>" --page <page> --cursor <cursor>
• 完整执行 Step 3 的 A1~A4，其中：
• A1/A2：仅展示当前页数据（展示范围不变）
• A3 评论分析：基于目前已获取的所有页面累计数据（第 1 页至当前页）进行综合分析，标题中 {total} 为累计总条数
• 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）

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 |

| 博文链接无效 | 提示「无法提取 opusId，请检查博文链接是否正确」 |

| 接口返回错误 | 显示错误码和错误信息 |

| 获取 0 条评论 | 提示「该博文暂无评论」并建议检查博文是否存在或已删除 |

| 网络请求超时 | 提示「网络请求超时，请稍后重试」 |

📋 依赖

# 脚本使用 urllib（Python 标准库），无需额外安装依赖

🎯 使用示例

示例 1：查看指定博文的评论

用户：查看微博 https://weibo.com/1784473157/R8X4f2lnq 的评论
助手：调用脚本（自动生成HTML） → 展示全部评论 + AI总结 → 询问是否需要HTML → 用户确认 → backfill → open

示例 2：通过 opusId 查询

用户：R8X4f2lnq 这篇博文的评论怎么样
助手：提取 opusId → 调用脚本 → 展示分析 → 询问是否需要HTML

示例 3：翻页

用户：下一页
助手：调用脚本 page=2 cursor=xxx → 展示第2页 + AI累计分析 → 询问是否需要当前页HTML