Communitygithub.com

bangwozuo/launch-commander-zh

獨立開發者發布日評論情緒識別。五類標籤(正/負/中/疑/風險)+ 六類風險子類(刷榜指控、隱私質疑、退款訴求、抄襲指控、存續質疑、水軍指控),按 P0-P4 優先級排隊並給回應 SLA(PH 首日評論 30 分鐘內回應)。附 Python 腳本產出 Excel 分類清單 + 情緒分佈 PNG。適用於發布日評論值守、評論分類、負面評論預警、評論區排優先級。

launch-commander-zh 是什麼?

這是一個專門為獨立開發者設計的 AI 技能,用於在發布日(例如在 Product Hunt 上)自動分析用戶評論的情緒,並按優先級排隊。技能的核心是將評論分為五類情緒標籤(正面、負面、中性、疑問、風險),其中風險類別再細分為六種子類(如刷榜指控、隱私質疑等)。它會根據風險等級(P0 最緊急到 P4 最不緊急)分配回應 SLA,例如 P0 風險評論需在 30 分鐘內由開發者本人處理。此技能可純粹透過提示詞驅動,也能搭配 Python 腳本執行,腳本會生成 Excel 分類清單和情緒分佈圖表。它不撰寫回覆內容、不執行自動回覆,僅提供處置方向與優先級排序,最終動作需人工確認,確保評論資料的合規使用。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

評論情緒識別

把發布日評論流切成「該立刻回 / 該認真回 / 該記錄 / 不用回」四檔,P0 風險 30 分鐘內 升級給開發者本人。PH 首日評論回應速度直接影響排名,識別慢 = 排名虧。

不做的事:不寫回覆內容(走 reply-drafting)、不執行自動回覆、不刪任何評論。

元資訊

字段值
IDde_dev_02_sk07
類型atomic(原子技能)
所屬員工發布指揮官
能力族檢測判斷型 · 情緒分類與風險預警
複雜度M
階段P1
復用度中(T+1 戰報復用評論數據)
資產型態深度提示詞 + Python 腳本(無模型呼叫、無 API Key)

能力描述

  1. 五類情緒標籤:🟢 正面 / ⚠️ 負面 / ⚪ 中性 / 🔵 疑問 / 🔴 風險,帶否定翻轉與 「功能請求≠好評」修正
  2. 六類風險子類:刷榜指控、安全/隱私質疑、退款訴求、抄襲/競品指控、存續質疑、 水軍指控——每類有標準處置動作與 SLA
  3. 優先級佇列:P0 風險(30 分鐘)→ P1 負面(PH 首日 30 分鐘)→ P2 疑問(2 小時) → P3 正面(24 小時)→ P4 中性(48 小時)
  4. 健康度基線:正面佔比 ≥60% 且風險=0 為健康;負面 >20% 觸發置頂澄清集中回應; 疑問 >30% 說明素材有盲區

輸入規格

字段類型必填說明
commentsarray✅評論流,每條含 text(原文盡量全文)+ user + platform
platformstring⬜主平台:ProductHunt / Reddit / V2EX / X / 即刻 / 微博 / 公眾號 / 通用
productstring⬜產品名,用於語境判斷

輸出規格

  • summary:五類計數、正面佔比、P0/P1 數量、健康線判定
  • queue:優先級佇列(P0→P4),每條帶風險子類 / SLA / 建議動作 / 待人工確認狀態

產物文件:

文件內容
out/評論分類清單.xlsx優先級佇列(風險行標紅)/ 分類明細 / 彙總
out/情緒分佈.png五類情緒佔比圓餅圖
out/emotion_scan.json機器可讀結果,供工作流(daily-comment-duty-flow)讀取

使用步驟

方式一:純提示詞(最快,含語境判斷)

  1. 把 prompt.txt 全部內容貼上為系統提示詞
  2. 提供評論流(全文,標註平台)
  3. 得到情緒總覽 + 優先級佇列 + 需模型複核項(反諷/刷量號)

方式二:帶腳本(詞表精確打分 + 產出 Excel/PNG)

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

分工:腳本做詞表打分、否定翻轉、風險規則掃描、P0-P4 排隊(不漏、不猜); 模型做反諷識別、刷量號複核、老用戶差評歸因(腳本做不了的)。兩者結果交叉核對。

邊界(不做的事)

  • ❌ 不刪評論、不建議刪帖——「承認+給方案」是負面評論唯一正確姿勢
  • ❌ 不寫回覆內容(reply-drafting 的事),只給處置方向
  • ❌ 不把功能請求計為好評(會高估情緒、誤判 PMF)
  • ❌ 不做語境判斷的自動化——反諷與刷量號必須由模型複核
  • ❌ 評論流為空時輸出「發布日 0 評論」並提示檢查發布連結,不編造數據

呼叫範例

輸入(examples/input.json,節選):

{
  "product": "ClipMate(剪貼板歷史工具)",
  "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": "隱私控", "platform": "V2EX", "text": "剪貼板數據會上傳服務器嗎?"}
  ]
}

輸出(腳本實跑,退出碼 0):正 1 / 負 0 / 中 2 / 疑 1 / 風險 3,P0+P1 共 3 條—— angry_bob「refund」命中退款訴求 P0;「doesn't feel bloated」被否定翻轉正確判為好評。 詳見 examples/output.md。

所屬工作流

  • daily-comment-duty-flow(當日評論值守,每 15 分鐘)
  • launch-battle-review-flow(發布戰報復盤,T+1)

合規聲明

  • 輸出標註「AI 生成內容」,所有動作「待人工確認」後才執行
  • 評論內容屬用戶數據:清單僅限發布值守使用,不外發、不公開截圖(好評引用須獲授權)
  • 不執行自動回覆;回覆草稿一律走 reply-drafting 並經人工確認

本技能遵循 bangwozuo 數字員工資產規範 v3.0

相關技能