CMM 短视频评论采集和情感识别

概述

先采集评论，再在本对话里打情感标签，最后导出 Excel。

• 远端只负责登录校验和采集。每个账号最多 20 次，每次是一个关键词或一个作者的「搜帖子 + 拉评论」完整流程。每次翻页最多 10 页。这两条只由后端执行，对话里不要改参数绕过。
• 情感和原因由本对话生成，不调用后端，也不要另写脚本请求模型接口。
• 不输出 Token、密码，数据源为 CMM 平台。

接口见 @references/api.md。打标和表格见 @references/labeling.md。首次回复不要读取 references。

首次启动（最高优先级）

首次调用时，先立即显示下面这句话，再在同一轮自动执行登录检查，不要等待用户回复：

开始前将检查登录状态；如果尚未登录，会自动打开邮箱验证页。首次验证会自动创建账号，无需设置密码，验证后会继续当前任务。

使用 WorkBuddy 的托管 Python 执行，不要依赖系统 Python，不要复制或创建 Windows 兼容脚本：

python scripts/client.py login

客户端支持 Windows、macOS 和 Linux。Windows 使用 msvcrt 文件锁，macOS/Linux 使用 fcntl；agent 不要自行实现兼容层。所有命令输出都是 ASCII-safe JSON，中文使用 JSON Unicode 转义；不要按 GBK/UTF-8 手动转码。命令会先检查已有 Token：已登录时不会打开窗口，未登录时只打开一个浏览器页面。不要并行或重复执行 login；返回 login_in_progress 时，只提醒用户完成已经打开的页面。邮箱首次验证会自动创建账号，已有邮箱会直接登录，不需要设置密码。验证后自动回到当前采集流程。设备授权 30 分钟内有效。

Windows 沙箱若没有自动打开窗口，或用户只能手动打开地址：把命令返回的固定 login_url 和 8 位 authorization_code 告诉用户，让用户在固定登录页的「授权码」框输入。/auth/device/token 返回 HTTP 202 和 authorization_pending 表示仍在等待用户验证，不是沙箱拦截，也不是错误；继续等待即可。不要输出 device_code、带参数地址或 Token。Token 只写本机 ~/.short-video-comments/api_token。

login 返回 already_authenticated: true 或登录成功后，直接继续查额度，禁止再次登录。

用户要登出时执行 python scripts/client.py logout。登出只作废这次技能拿到的 Token。

健康检查失败则停止，不要改用公开网页搜索冒充采集结果。

1. 确认采集条件和额度

登录完成后立即询问以下四项；用户已经说过的不要重复问：

1. 用关键词还是作者；
2. 关键词或作者名单；作者可以是昵称、主页链接或用户 ID；
3. 采集深度，范围 1 到 10 页；
4. 情感判断主体，即要判断评论针对的企业、人或机构。

使用简短话术：

请提供：①关键词或作者 ②具体名单 ③采集页数（1–10）④情感判断主体。

登录刚完成、尚未取得额度时只执行一次：

python scripts/client.py quota

把剩余额度告诉用户：每个账号一共 20 次，一个关键词或一个作者算 1 次，这一次会完成搜帖和拉评论。

出现下面任一情况就停，不要调用采集：

• 关键词或作者超过 20 个
• 个数大于剩余次数

原话说明已超限额，请联系技能作者 chloechen1688@gmail.com （或微信加 13911516301）申请更大限额。不要拆成多次调用继续采，也不要把页数提高到 10 以上。

注意：额度会不定期重置。

2. 采集

用户确认名单和页数后再执行。--pages 使用用户给出的页数。

python scripts/client.py collect --mode keyword --targets "词1,词2" --pages 2

作者模式把 --mode 换成 author，--targets 可传昵称、主页链接或用户 ID。

命令会把原始表写到本机 JSON，并把路径、各对象条数、本次扣次和剩余额度打印出来。对话里只转述这些汇总，不要粘贴全部评论。

昵称重名或找不到时，结果里会有 candidates，并且本次 charged 为 0。把候选人的昵称、小红书号和主页链接列给用户确认，不要把这一步当成失败去重试同一个昵称。用户选定后，用该主页链接或用户 ID 再采集，只扣 1 次。

后端若返回超限或页数错误，把后端原文告诉用户，停止。不要改页码重试。

3. 打标

使用首次回复时已确认的主体。只有用户此前仍未说明主体时才停下来问，不要自行猜测，也不要重复询问已经确认的信息。

然后让用户确认打标提示词。默认是：

判断评论对指定主体的态度。主体是：{用户说明的企业、人或机构}。
情感只填正面、中性或负面，判断的是对这个主体的态度，不是整条评论的笼统情绪。
评论没有谈到该主体时标中性。
原因用一句话说明评论里的依据。不要加别的标签。

把用户确认的主体填进「主体是：」后面。用户要改提示词就用用户的版本，仍然只产生「情感」和「原因」两列，并且仍然针对这个主体。用户没改就用默认。

然后按 @references/labeling.md 用本对话补全这两列，再导出。不要把评论送回后端打标。

4. 导出

导出脚本只使用 Python 标准库生成 .xlsx，不依赖 openpyxl。必须优先使用 WorkBuddy 托管 Python 运行，不要安装依赖、创建虚拟环境或改写导出脚本。

python scripts/export_excel.py --input <采集 JSON 路径>

把生成的 Excel 路径告诉用户，并附上条数和正、中、负各多少。情感或原因为空时脚本会失败，先补全再导出。

红线

• 不把公开搜索结果混进采集表。
• 不输出 Token、密码，不说出上游接口名称。
• 登录只给固定地址 http://microearthbot.work/login。
• 必须先显示登录说明，再自动检查并按需打开登录页；登录已成功或正在进行时，不得再次执行 login。
• 页数上限 10，账号上限 20 次，都以后端结果为准。
• 情感只判断评论对用户指定主体的态度，不推断评论者的身份、年龄、健康或其他私人属性。
• 登出必须执行 python scripts/client.py logout。