Kuaishou Comment

快手评论分析

📝 简介

输入快手作品链接即可获取一级评论数据，每页 20 条，支持 cursor 游标分页翻页。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

🔑 鉴权

前往 红狐hub 获取 API Key，通过以下方式配置：

# 方式一：配置文件（如 OpenClaw 的 ~/.openclaw/openclaw.json）
{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

# 方式二：终端环境变量
export REDFOX_API_KEY="ak_xxxx..."

🔄 工作流程

Step 1：理解用户意图，提取 opusId

⚠️ 核心规则：用户提供作品链接，Agent 从链接中提取 opusId。

• 用户提供作品链接（如 https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu），Agent 从链接中提取 opusId
• 用户也可能直接提供 opusId（如 3x4ibfzs5e68yxu），此时直接使用
• 若用户未提供作品链接，主动询问：「请提供快手作品链接」
• 若用户在上一轮对话中查询过某作品的数据，且本轮输入模糊（如"下一页"、"评论分析"），沿用上一轮的 opusId

Step 2：调用评论获取脚本（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/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" [--cursor <cursor>] [--page <page>]

参数说明：

脚本返回 JSON 字段详见下方评论字段表。

注意： HTML 报告此时仅含评论原始数据，分析占位符待用户确认后回填。

Step 3：对话中展示评论数据 + AI 总结

⚠️ 每次操作仅调用一次 API，获取一页数据。

A1. 告知查询范围

📊 作品「{opusId}」共获取 N 条评论（第 {page} 页），以下是详细数据：

A2. 渲染评论表格（展示当前页全部评论）

格式规则：

• 评论人列只显示昵称，不展示头像、不生成超链接
• 评论内容超过 40 字截断加 ...
• 时间格式化为 MM-DD HH:MM
• 置顶评论在昵称后加 📌 标记（整行加粗）
• like_count / reply_count 数字 ≥ 10000 使用 x.xw 格式
• 每页全部展示，不得截断

A3. AI 评论总结（⚠️ 每次查询（含翻页）必须输出）

首页：基于当前页评论，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综合分析，标注累计总条数。

分析前需理解快手社区文化（老铁文化、表情符号语义、"奥利给""双击"等特有表达）。

📈 评论总结分析（基于 {total} 条评论）

✅ 积极评价（{positive_ratio}%）

• {要点，引用代表评论关键词}

⚠️ 负面评价（{negative_ratio}%）

• {要点}

💡 用户需求（{demand_ratio}%）

• {要点}

🔍 竞品对比舆情（{competitor_ratio}%）

• {仅当提及竞品时输出，否则输出「未提及竞品」}

分析要求：

• 每条要点引用代表评论关键词/短语
• 百分比为该类型评论占比，四类总和可能超 100%
• 必须理解快手社区文化

A4. 翻页提示（⚠️ 紧接在 A3 之后）

• 若 has_next 为 true：📄 当前第 {page} 页（共 {total_fetched} 条）。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？

若用户确认，根据已浏览页数选择方式：

仅 1 页 → 单页 HTML（backfill_html.py）

HTML 文件已在 Step 2 生成，直接回填分析数据并打开：

python3 ~/.agents/skills/kuaishou-comment/scripts/backfill_html.py "<html_path>" --analysis-json '<分析JSON>'
open "<html_path>"

2 页及以上 → 合并报告（consolidate_report.py）

收集所有已浏览页面的 JSON 数据，生成一份包含全部评论和累计分析的完整 HTML。按页码分区展示，超过 3 页时自动折叠，提示用户点击展开。

python3 ~/.agents/skills/kuaishou-comment/scripts/consolidate_report.py "<opusId>" \
  --pages-json '[{"page":1,"total":31,"comments":[...]},{"page":2,"total":20,"comments":[...]}]' \
  --analysis-json '<累计分析JSON>'
open "<html_path>"

pages 数据从各次脚本调用输出中收集；累计分析基于 A3 翻页后综合分析。

分析 JSON 字段说明：

Step 4：翻页处理（用户回复「下一页」等时）

1. 沿用 opusId
2. 使用上一页的 nextCursor
3. 重新调用脚本：python3 ~/.agents/skills/kuaishou-comment/scripts/kuaishou_comment_search.py "<opusId>" --cursor "<nextCursor>" --page <page>
4. 完整执行 A1~A4，A3 基于累计综合分析
5. A4 后询问是否需要 HTML

翻页规则： has_next true → 用 nextCursor 翻页；false → 已无更多。cursor 原样传递，不可修改。

Step 5：错误处理

📋 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：查看指定作品的评论

用户：查看快手作品 3x4ibfzs5e68yxu 的评论
助手：调用脚本 → 展示当前页 + AI总结 → 询问HTML → backfill → open

示例 2：通过链接查询

用户：https://www.kuaishou.com/short-video/3x4ibfzs5e68yxu 这个作品的评论怎么样
助手：提取 opusId → 调用脚本 → 展示分析 → 询问HTML

示例 3：翻页后合并导出

用户：下一页 → 下一页 → 生成html
助手：收集3页JSON → consolidate_report.py → 1个HTML含全部评论+折叠 → open