Communitygithub.com

bangwozuo/launch-commander-zh

独立开发者发布日评论情绪识别。五类标签(正/负/中/疑/风险)+ 六类风险子类(刷榜指控、隐私质疑、退款诉求、抄袭指控、存续质疑、水军指控),按 P0-P4 优先级排队并给响应 SLA(PH 首日评论 30 分钟内响应)。带 Python 脚本产出 Excel 分类清单 + 情绪分布 PNG。当用户需要发布日评论值守、评论分类、负面评论预警、评论区排优先级时使用。

What is launch-commander-zh?

launch-commander-zh is a Claude Code agent skill that 独立开发者发布日评论情绪识别。五类标签(正/负/中/疑/风险)+ 六类风险子类(刷榜指控、隐私质疑、退款诉求、抄袭指控、存续质疑、水军指控),按 P0-P4 优先级排队并给响应 SLA(PH 首日评论 30 分钟内响应)。带 Python 脚本产出 Excel 分类清单 + 情绪分布 PNG。当用户需要发布日评论值守、评论分类、负面评论预警、评论区排优先级时使用。.

Works with~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bangwozuo/launch-commander-zh/tree/HEAD/skills/comment-emotion-detect

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentation

评论情绪识别

把发布日评论流切成「该立刻回 / 该认真回 / 该记录 / 不用回」四档,P0 风险 30 分钟内 升级给开发者本人。PH 首日评论响应速度直接影响排名,识别慢 = 排名亏。

不做的事:不写回复内容(走 reply-drafting)、不执行自动回复、不删任何评论。

元信息

字段值
IDde_dev_02_sk07
类型atomic(原子技能)
所属员工发布指挥官
能力族检测判断型 · 情绪分类与风险预警
复杂度M
阶段P1
复用度中(T+1 战报复用评论数据)
资产形态深度提示词 + Python 脚本(无模型调用、无 API Key)

能力描述

  1. 五类情绪标签:🟢 正面 / ⚠️ 负面 / ⚪ 中性 / 🔵 疑问 / 🔴 风险,带否定翻转与 「功能请求≠好评」修正
  2. 六类风险子类:刷榜指控、安全/隐私质疑、退款诉求、抄袭/竞品指控、存续质疑、 水军指控——每类有标准处置动作与 SLA
  3. 优先级队列:P0 风险(30 分钟)→ P1 负面(PH 首日 30 分钟)→ P2 疑问(2 小时) → P3 正面(24 小时)→ P4 中性(48 小时)
  4. 健康度基线:正面占比 ≥60% 且风险=0 为健康;负面 >20% 触发置顶澄清集中响应; 疑问 >30% 说明素材有盲区

输入规格

字段类型必填说明
commentsarray✅评论流,每条含 text(原文尽量全文)+ user + platform
platformstring⬜主平台:ProductHunt / Reddit / V2EX / X / 即刻 / 微博 / 公众号 / 通用
productstring⬜产品名,用于语境判断

输出规格

  • summary:五类计数、正面占比、P0/P1 数量、健康线判定
  • queue:优先级队列(P0→P4),每条带风险子类 / SLA / 建议动作 / 待人工确认状态

产物文件:

文件内容
out/评论分类清单.xlsx优先级队列(风险行标红)/ 分类明细 / 汇总
out/情绪分布.png五类情绪占比饼图
out/emotion_scan.json机器可读结果,供工作流(daily-comment-duty-flow)读取

使用步骤

方式一:纯提示词(最快,含语境判断)

  1. 把 prompt.txt 全部内容粘贴为系统提示词
  2. 提供评论流(全文,标注平台)
  3. 得到情绪总览 + 优先级队列 + 需模型复核项(反讽/刷量号)

方式二:带脚本(词表精确打分 + 产出 Excel/PNG)

python3 <SKILL_DIR>/scripts/emotion_scan.py --input input.json --outdir out
python3 <SKILL_DIR>/scripts/emotion_scan.py --demo        # 无输入也能看效果

分工:脚本做词表打分、否定翻转、风险规则扫描、P0-P4 排队(不漏、不猜); 模型做反讽识别、刷量号复核、老用户差评归因(脚本做不了的)。两者结果交叉核对。

边界(不做的事)

  • ❌ 不删评论、不建议删帖——「承认+给方案」是负面评论唯一正确姿势
  • ❌ 不写回复内容(reply-drafting 的事),只给处置方向
  • ❌ 不把功能请求计为好评(会高估情绪、误判 PMF)
  • ❌ 不做语境判断的自动化——反讽与刷量号必须由模型复核
  • ❌ 评论流为空时输出「发布日 0 评论」并提示检查发布链接,不编造数据

调用示例

输入(examples/input.json,节选):

{
  "product": "ClipMate(剪贴板历史工具)",
  "comments": [
    {"user": "maker_fan99", "platform": "ProductHunt", "text": "Congrats! Finally a clipboard manager that doesn't feel bloated. Love the search speed."},
    {"user": "angry_bob", "platform": "ProductHunt", "text": "Crashed twice within 10 minutes. How do I get a refund?"},
    {"user": "隐私控", "platform": "V2EX", "text": "剪贴板数据会上传服务器吗?"}
  ]
}

输出(脚本实跑,退出码 0):正 1 / 负 0 / 中 2 / 疑 1 / 风险 3,P0+P1 共 3 条—— angry_bob「refund」命中退款诉求 P0;「doesn't feel bloated」被否定翻转正确判为好评。 详见 examples/output.md。

所属工作流

  • daily-comment-duty-flow(当日评论值守,每 15 分钟)
  • launch-battle-review-flow(发布战报复盘,T+1)

合规声明

  • 输出标注「AI 生成内容」,所有动作「待人工确认」后才执行
  • 评论内容属用户数据:清单仅限发布值守使用,不外发、不公开截图(好评引用须获授权)
  • 不执行自动回复;回复草稿一律走 reply-drafting 并经人工确认

本技能遵循 bangwozuo 数字员工资产规范 v3.0

Related Skills