下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/ffic--review-mood-probe.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @ffic/review-mood-probe。评论情绪探针，对电商商品评价做维度切片（质量/物流/服务/价格/外观/使用）与情绪评分（-2~+2），归纳差评话题与好评话题，产出可用于商品页优化的用户反馈洞察。当用户提交商品评论、需要情绪分析、差评归因、好评提炼、评论洞察时启用。
阅读全文 （展开查看完整说明）
概述
评论情绪探针
任务目标
把零散的商品评价文本，转化为按维度切片的情绪分布与可落地的优化建议——让卖家一眼看清「用户到底在夸什么、骂什么」。本技能为平台无关实现：不依赖任何特定平台，无需任何平台的专有能力或外部连接器，任何支持技能机制的 agent 均可直接运行；所需数据由用户供给或 agent 自身读取，无需第三方凭证。
定位
与经营数据分析不同，本技能聚焦用户评价文本的细粒度情绪解析，采用维度切片 + 话题归纳模型，产出可指导商品优化的反馈洞察。
前置准备
- 运行时：Node.js（用于执行
scripts/mood_analyzer.js，完成分句、维度归类、情绪打分与话题聚类）。 - 第三方依赖：无。本技能为纯本地逻辑，不调用任何外部 API、不读取平台密钥、不需要 OpenAI Key 等凭证。
- 数据来源：由用户直接提供商品评论（JSON 或纯文本），或由 agent 从用户指定的文件/对话中读取后传入。技能本身不联网取数。
何时调用
- 用户提交商品评论（JSON/文本），需要情绪解析或反馈洞察
- 用户询问「差评主要在抱怨什么」「好评集中在哪些点」「评论怎么说」
- 用户提及「评论分析」「情绪分析」「差评归因」「好评提炼」「review mood」等关键词
工作模型
情感维度（Aspect）
| 维度 | 关键词信号 | 业务含义 |
|---|---|---|
| quality | 质量、做工、材质、耐用、结实、损坏、坏 | 产品质量 |
| logistics | 物流、快递、发货、到货、配送、慢、快 | 物流体验 |
| service | 客服、售后、回复、处理、态度、解决 | 服务体验 |
| price | 价格、性价比、贵、便宜、值、划算 | 价格感知 |
| design | 外观、设计、颜色、款式、好看、丑 | 外观设计 |
| usability | 使用、操作、方便、难用、简单、复杂 | 使用体验 |
情感强度（-2 ~ +2）
- +2 强烈正面（「非常好」「超出预期」「太棒了」）
- +1 正面（「不错」「满意」「好用」）
- 0 中性（陈述事实，无情感词）
- -1 负面（「一般」「有点问题」「不太满意」）
- -2 强烈负面（「很差」「退货」「垃圾」「浪费钱」）
处理流程
- 分句：将评论按标点（句号/感叹号/分号）切分为评价单元
- 维度归类：调用
scripts/mood_analyzer.js的mapDimension(sentence)匹配关键词，归入对应维度 - 情感打分：
rateMood(sentence)基于情绪词库打 -2~+2 分 - 话题聚类：相同维度的评价单元聚合为话题，按强度排序
- 生成洞察：维度评分分布 + 痛点话题（负面聚集）+ 亮点话题（正面聚集）+ 优化建议
调用脚本
const { probeReviews } = require('./scripts/mood_analyzer.js');
const result = probeReviews(reviews);
// result = {
// summary: { total, avgScore, positiveRate, negativeRate },
// aspects: { quality: {...}, logistics: {...}, ... },
// painPoints: [...], // 负面聚集话题
// highlights: [...] // 正面聚集话题
// }关键 API：
probeReviews(reviews)—— 主入口，返回完整分析结果segmentText(text)—— 分句mapDimension(sentence)—— 维度归类rateMood(sentence)—— 情绪打分
输出格式
# 评论情感洞察报告
## 总体评分
- 评论数：120
- 平均评分：3.8 / 5.0
- 情感倾向：偏正面（68% 正面，22% 负面）
## 维度评分分布
| 维度 | 平均分 | 正面占比 | 负面占比 | 评价数 |
|------|--------|----------|----------|--------|
| 质量 | +0.8 | 72% | 18% | 45 |
| 物流 | -0.3 | 35% | 52% | 38 |
| 价格 | +1.2 | 85% | 10% | 30 |
| 服务 | +0.5 | 60% | 25% | 12 |
| 外观 | +0.6 | 70% | 15% | 20 |
| 使用 | +0.4 | 65% | 20% | 18 |
## 痛点话题（负面聚集）
### 1. 物流慢（提及 20 次，强度 -1.2）
代表评论：
- "等了 15 天才到，太慢了"
- "快递信息不更新，以为丢了"
建议：优化物流商选择，提供实时追踪
### 2. 做工粗糙（提及 8 次，强度 -1.0）
代表评论：
- "边角有毛刺，不值这个价"
建议：加强质检，或调整价格预期
## 亮点话题（正面聚集）
### 1. 性价比高（提及 25 次，强度 +1.5）
代表评论：
- "这个价格能买到这质量，很满意"
建议：在 listing 中突出性价比卖点
### 2. 外观好看（提及 18 次，强度 +1.2）
代表评论：
- "颜色很正，设计感强"
建议：在主图中突出外观卖点鲁棒性要求
- 空评论输入时提示提供评论数据
- 无法识别维度的句子归入「其他」维度
- 情感词缺失时按中性（0 分）处理
- 反讽语句识别困难时标注「待人工复核」
- 保留原文，不修改评论原意
- 非评论文本输入时提示本工具用途而非崩溃
使用示例
输入：
分析这些评论：
[
{ "rating": 5, "text": "质量很好，做工精细，物流也快，性价比高" },
{ "rating": 2, "text": "物流太慢了，等了15天。质量一般，有点粗糙" },
{ "rating": 4, "text": "外观好看，颜色很正。就是客服回复慢了点" }
]
输出：
评论情感洞察报告
总体评分
- 评论数：3
- 平均评分：3.7 / 5.0
- 情感倾向：偏正面（67% 正面）
维度评分分布
维度 平均分 正面占比 负面占比 评价数 质量 +0.5 67% 33% 2 物流 -0.5 33% 67% 2 价格 +1.0 100% 0% 1 外观 +1.0 100% 0% 1 服务 -1.0 0% 100% 1 痛点话题
1. 物流慢（提及 1 次，强度 -1.0）
- "物流太慢了，等了15天"
建议：优化物流商选择
2. 客服回复慢（提及 1 次，强度 -1.0）
- "客服回复慢了点"
建议：提升客服响应速度
亮点话题
1. 性价比高（提及 1 次，强度 +1.0）
- "性价比高"
建议：在 listing 中突出性价比
Skill 版本
v1.0 · 2026-08-19
