Analyse des Sentiments des Commentaires
Transformez le flux de commentaires du jour du lancement en quatre priorités : « À répondre immédiatement / À répondre sérieusement / À enregistrer / Pas besoin de répondre ». Les risques P0 doivent être remontés au développeur lui-même sous 30 minutes. Le jour J sur ProductHunt, la vitesse de réponse aux commentaires impacte directement le classement ; une identification lente = un classement en baisse.
Ce que cette compétence ne fait pas : rédiger des réponses (cela relève de reply-drafting), exécuter des réponses automatiques, ou supprimer des commentaires.
Méta-informations
| Champ | Valeur |
|---|---|
| ID | de_dev_02_sk07 |
| Type | atomic (compétence atomique) |
| Employé associé | Commandant du lancement |
| Famille de capacités | Détection et évaluation · Classification des émotions et alerte aux risques |
| Complexité | M |
| Phase | P1 |
| Réutilisabilité | Moyenne (les données de commentaires sont réutilisées dans le rapport post-lancement T+1) |
| Forme de l'actif | Prompt système détaillé + Script Python (sans appel de modèle, sans clé API) |
Description des Capacités
- Cinq catégories d'émotions : 🟢 Positif / ⚠️ Négatif / ⚪ Neutre / 🔵 Doute / 🔴 Risque, avec inversion par négation et correction « demande de fonctionnalité ≠ avis positif »
- Six sous-catégories de risques : accusation de manipulation de classement, préoccupations de sécurité/vie privée, demande de remboursement, accusation de plagiat/concurrent, doute sur la pérennité, accusation de bots — chaque catégorie a une action standard et un SLA
- File d'attente prioritaire : P0 Risque (30 minutes) → P1 Négatif (30 min le jour J PH) → P2 Doute (2 heures) → P3 Positif (24 heures) → P4 Neutre (48 heures)
- Ligne de base de santé : Positif ≥ 60 % et Risque = 0 = sain ; Négatif > 20 % déclenche une clarification épinglée et une réponse centralisée ; Doute > 30 % indique une lacune dans le matériel de présentation
Spécifications d'Entrée
| Champ | Type | Obligatoire | Description |
|---|---|---|---|
comments | array | ✅ | Flux de commentaires, chaque élément contient text (texte complet si possible) + user + platform |
platform | string | ⬜ | Plateforme principale : ProductHunt / Reddit / V2EX / X / Jike / Weibo / Compte officiel / Général |
product | string | ⬜ | Nom du produit, pour le jugement contextuel |
Spécifications de Sortie
summary: comptage des cinq catégories, pourcentage de positifs, nombre de P0/P1, verdict de santéqueue: file d'attente prioritaire (P0→P4), chaque élément avec sous-catégorie de risque / SLA / action suggérée / statut d'attente de validation humaine
Fichiers produits :
| Fichier | Contenu |
|---|---|
out/分类清单.xlsx | File d'attente prioritaire (lignes à risque en rouge) / Détails de classification / Résumé |
out/情绪分布.png | Diagramme circulaire des cinq catégories d'émotions |
out/emotion_scan.json | Résultat lisible par machine, pour le flux de travail (daily-comment-duty-flow) |
Instructions d'Utilisation
Méthode 1 : Prompt pur (le plus rapide, inclut le jugement contextuel)
- Copiez tout le contenu de
prompt.txtcomme prompt système - Fournissez le flux de commentaires (texte complet, avec la plateforme)
- Obtenez un aperçu des émotions + la file d'attente prioritaire + les éléments nécessitant une vérification par le modèle (ironie, comptes suspects)
Méthode 2 : Avec script (score précis basé sur un lexique + production d'Excel/PNG)
python3 <SKILL_DIR>/scripts/emotion_scan.py --input input.json --outdir out
python3 <SKILL_DIR>/scripts/emotion_scan.py --demo # Fonctionne même sans entrée
Répartition des tâches : le script effectue le scoring par lexique, l'inversion par négation, l'analyse des règles de risque, et la mise en file d'attente P0-P4 (sans oubli, sans supposition) ; le modèle gère la détection de l'ironie, la vérification des comptes suspects, et l'attribution des avis négatifs des anciens utilisateurs (ce que le script ne peut pas faire). Les deux résultats sont recoupés.
Limites (Ce que la compétence ne fait PAS)
- ❌ Ne supprime pas les commentaires, ne recommande pas de suppressions — « reconnaître + proposer une solution » est la seule posture correcte face aux commentaires négatifs
- ❌ Ne rédige pas les réponses (cela relève de
reply-drafting), donne seulement une direction de traitement - ❌ Ne compte pas les demandes de fonctionnalités comme des avis positifs (cela surestimerait les émotions et fausserait le jugement du PMF)
- ❌ N'automatise pas le jugement contextuel — l'ironie et les comptes suspects doivent être vérifiés par le modèle
- ❌ Si le flux de commentaires est vide, la sortie indique « 0 commentaire le jour du lancement » et invite à vérifier le lien de publication, sans fabriquer de données
Exemple d'Appel
Entrée (examples/input.json, extrait) :
{
"product": "ClipMate (outil d'historique du presse-papiers)",
"comments": [
{"user": "maker_fan99", "platform": "ProductHunt", "text": "Félicitations ! Enfin un gestionnaire de presse-papiers qui n'est pas gonflé. J'adore la rapidité de recherche."},
{"user": "angry_bob", "platform": "ProductHunt", "text": "A planté deux fois en 10 minutes. Comment obtenir un remboursement ?"},
{"user": "PrivacyGuy", "platform": "V2EX", "text": "Les données du presse-papiers sont-elles téléchargées sur le serveur ?"}
]
}
Sortie (script réel, code de sortie 0) : Positif 1 / Négatif 0 / Neutre 2 / Doute 1 / Risque 3, P0+P1 total 3 — angry_bob « remboursement » correspond à la demande de remboursement P0 ; « doesn't feel bloated » est correctement inversé par négation et classé comme avis positif. Voir examples/output.md pour les détails.
Flux de Travail Associés
daily-comment-duty-flow(veille des commentaires du jour, toutes les 15 minutes)launch-battle-review-flow(rapport post-lancement, T+1)
Déclaration de Conformité
- La sortie est marquée « Contenu généré par IA », toutes les actions sont conditionnées à « En attente de validation humaine »
- Le contenu des commentaires appartient aux utilisateurs : la liste est réservée à la veille du lancement, ne pas diffuser à l'extérieur, ne pas faire de captures d'écran publiques (les citations d'avis positifs nécessitent une autorisation)
- N'exécute pas de réponses automatiques ; les brouillons de réponse doivent passer par
reply-draftinget être validés manuellement
Cette compétence suit la Spécification des actifs des employés numériques bangwozuo v3.0