← 返回
未分类

多平台舆情监控分析

Multi-platform sentiment monitoring and public opinion analysis tool with scheduled notification support
**全网多平台舆情分析与可视化报告生成工具** --- ## 一、Skill 简介 Sentiment Analyzer 是一款 AI 驱动的舆情分析 Skill,能够根据用户输入的关键词,自动在全网多平台进行信息采集,完成情感分析、趋势研判、风险评估等多维度分析,并生成带有交互式图表的可视化 HTML 报告。 适用于品牌公关、市场营销、娱乐宣发、产品运营、危机预警等多种场景。 --- ## 二、核心能力 | 能力 | 说明 | |------|------| | **多平台采集** | 覆盖腾讯新闻、微博、抖音、小红书、知乎、百度资讯等主流平台 | | **情感分析** | 自动将信息分类为正面 / 中性 / 负面,计算综合情感得分 | | **趋势追踪** | 按时间线呈现舆情走势变化 | | **关键词提取** | 提取 Top 15-20 高频关键词及权重 | | **热点话题排行** | 按热度排序展示当前最受关注的讨论话题 | | **KOL 观点追踪** | 识别关键意见领袖及其立场和影响力 | | **风险评估** | 自动判定风险等级(低/中/高),给出风险因素和应对建议 | | **可视化报告** | 生成交互式 HTML 报告,包含 6 类 ECharts 图表 | --- ## 三、目录结构 ``` sentiment-analyzer/ ├── SKILL.md # 核心指令文件(AI 执行流程) ├── scripts/ │ └── generate_report.py # 报告生成脚本 └── assets/ └── report_template.html # 交互式 HTML 报告模板 ``` | 文件 | 作用 | |------|------| | `SKILL.md` | 定义 AI 的完整工作流程:搜索策略、分析维度、数据结构、报告生成步骤 | | `generate_report.py` | 将结构化 JSON 数据注入 HTML 模板,生成最终报告 | | `report_template.html` | 基于 ECharts 的响应式报告模板,包含所有可视化组件 | --- ## 四、工作流程 ``` 用户输入关键词 │ ▼ ┌─────────────────┐ │ Step 1: 解析意图 │ 识别关键词类型(品牌/明星/影视/产品/事件) └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 2: 多平台搜索 │ 并行发起 6-8 组搜索覆盖各大平台 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 3: 深度采集 │ 对 5-10 个核心 URL 抓取详细内容 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 4: 结构化分析 │ 情感分类、平台统计、趋势分析、风险评估等 10 个维度 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 5: 生成报告 │ 调用脚本生成交互式 HTML(或 Markdown)报告 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 6: 交付结果 │ 输出报告文件 + 关键发现摘要 └─────────────────┘ ``` --- ## 五、分析维度详解 ### 1. 情感分布 将采集到的信息按正面、中性、负面三类统计,计算综合情感得分(0.0 ~ 1.0)。 - **正面**:好评、推荐、正面成就、上升趋势 - **中性**:事实报道、客观描述、信息性内容 - **负面**:批评、投诉、争议、负面事件、下滑指标 ### 2. 平台分布 统计每个平台的信息量及各情感类型占比,了解舆论主战场。 ### 3. 时间趋势 按日期维度展示舆情变化曲线,识别舆论爆发点和衰退期。 ### 4. 关键词热度 提取 Top 15-20 高频词汇及其相对权重,快速把握舆论焦点。 ### 5. 热门话题 按热度排序展示最受关注的讨论话题,标注来源和情感倾向。 ### 6. 代表性文章 按正面/负面/中性分类展示典型文章,包含标题、来源、链接和摘要。 ### 7. KOL 意见领袖 识别在相关话题上具有影响力的媒体/大V,展示其立场和观点。 ### 8. 风险评估 自动判定舆情风险等级,列出风险因素并给出可操作的应对建议。 | 风险等级 | 判定标准 | |---------|---------| | 🟢 低风险 | 正面/中性为主,无明显争议 | | 🟡 中风险 | 存在显著负面声音或争议话题 | | 🔴 高风险 | 出现危机级负面事件,需紧急关注 | --- ## 六、报告可视化组件 生成的 HTML 报告包含以下交互式组件: | 组件 | 图表类型 | 说明 | |------|---------|------| | 核心指标卡片 | 数字卡片 × 6 | 信息总量、正面/中性/负面数量、情感得分、舆情热度 | | 风险等级横幅 | 状态条 | 颜色编码的风险等级提示 | | 舆情概览 | 文本 | 2-3 段综合分析概述 | | 情感分布 | 环形饼图 | 正面/中性/负面占比 | | 平台分布 | 堆叠柱状图 | 各平台信息量及情感构成 | | 舆情趋势 | 多线折线图 | 按日期展示总量及各情感变化 | | 关键词热度 | 水平条形图 | Top 15 高频关键词及权重 | | 热门话题 | 数据表格 | 话题、来源、热度、情感标签 | | 代表性文章 | Tab 切换表格 | 按正面/负面/中性分类浏览 | | KOL 卡片 | 卡片网格 | 影响力进度条、立场标签、观点摘要 | | 风险分析 | 列表 | 风险因素 + 应对建议 | 所有图表基于 **ECharts 5**,支持鼠标悬停交互、响应式布局(适配移动端)。 --- ## 七、适用场景 ### 按关键词类型 | 类型 | 示例 | 重点分析方向 | |------|------|------------| | 企业 / 品牌 | 小鹏汽车、华为、瑞幸咖啡 | 产品口碑、股价舆情、公关事件、竞品对比 | | 明星 / 公众人物 | 演员、歌手、企业家 | 粉丝反应、争议事件、代言评价、作品口碑 | | 影视 / 综艺 | 电视剧、电影、综艺节目 | 收视/票房、观众评价、剧情讨论、演员表现 | | 产品 | iPhone、化妆品、游戏 | 用户评测、开箱体验、价格对比、质量投诉 | | 事件 / 话题 | 政策、社会事件 | 公众反应、专家观点、媒体报道、舆论走向 | | 行业 | 新能源、AI、教育 | 行业趋势、政策影响、市场情绪、关键玩家 | ### 按使用场景 - **品牌公关** — 日常舆情监控,及时发现负面信息 - **营销活动** — 评估营销效果,了解用户真实反馈 - **竞品分析** — 对比竞品的网络口碑和用户评价 - **危机预警** — 快速掌握突发事件的舆论走向和风险等级 - **投资研究** — 了解标的公司的公众形象和市场情绪 - **娱乐宣发** — 追踪影视剧/综艺的观众反馈和传播效果 --- ## 八、使用方式 ### 安装 将 `sentiment-analyzer-v1.1.0.zip` 解压后放入 Box 的 Skill 目录,或通过以下命令加载: ``` use_skill("sentiment-analyzer") ``` ### 触发方式 直接用自然语言向 AI 描述需求即可,以下均可触发: ``` 帮我分析一下"小鹏汽车"的舆情 查一下华为最近的网络口碑 分析《庆余年2》的观众评价 监控一下瑞幸咖啡的舆论情况 最近关于AI的舆情趋势怎么样 帮我看看某明星的网络风评 ``` ### 输出格式 - **默认**:交互式 HTML 报告(推荐,图表丰富) - **可选**:Markdown 报告(纯文本 + 表格,适合嵌入文档) - **可选**:其他格式可按需指定 如需指定格式,在请求中说明即可: ``` 帮我分析小鹏汽车的舆情,生成 Markdown 格式报告 ``` --- ## 九、数据质量标准 | 指标 | 标准 | |------|------| | 信息来源数 | ≥ 30 条独立来源 | | 平台覆盖 | ≥ 4-5 个不同平台 | | 正负面均衡 | 主动搜索正面和负面信息,避免偏见 | | 时效性 | 优先采集近 7-30 天内容(除非用户指定时间范围) | | 可溯源 | 所有信息附带来源 URL | | 客观性 | 以数据驱动结论,不预设立场 | ---
user_59252579
未分类 community v1.0.0 1 版本 100000 Key: 无需
★ 4
Stars
📥 356
下载
💾 29
安装
1
版本
#latest

概述

🔍 Sentiment Monitor — 多平台舆情监控与分析

📁 SKILL DIRECTORY PATH

{skillDir}

🚨 MANDATORY FILES (READ FIRST)

  • references/platforms.md — 平台搜索策略(必读)
  • references/report_schema.md — 数据结构规范(必读)

触发条件

当用户需要:

  • 监控某关键词/品牌/公司/话题的舆情
  • 收集多平台新闻或社交媒体提及
  • 生成舆情分析报告
  • 了解某话题的公众评价和情感倾向
  • 设置定时/周期性舆情监控与推送通知(如"每天早上 7 点汇报 xxx 舆情")

工作流程

Step 1: 确认监控参数

向用户确认:

  • 关键词:监控的核心词(必须)
  • 时间范围必须由用户明确指定(如"最近 3 天"、"2024-01-01 至 2024-01-07"、"本周");若用户未指定则默认最近 7 天并告知用户
  • 平台范围:默认全平台(见 platforms.md)
  • 关注维度:正负面情感、风险点、传播趋势

> ⚠️ 时间范围是硬性约束

> - 搜索引擎的 after:/before: 参数不可靠,禁止使用——这类过滤在实际搜索工具中常常不生效,只会返回重复结果白白浪费轮次

> - 时间过滤必须在拿到搜索结果后人工判断:检查每条结果摘要或标题中的日期,超出范围的直接跳过不收录

> - 报告中每条数据必须标注发布日期,确认在范围内

> - 若某平台在该时间段确实无内容,如实标注"该平台此期间无相关内容",严禁用过期内容填充

Step 2: 多平台并行搜索(10-12 轮,4 个并行)

核心原则:精准覆盖、控制轮次、结果后过滤时间

> ⚠️ 搜索语句不加 after:/before: 参数(搜索引擎不支持,加了反而返回重复结果)

> 时间控制方式:搜索词中加入年月(如 2026年4月最新),拿到结果后逐条核查日期

使用 web_search每批 4 个并行,共 3 批,总计 12 轮

第一批(主流平台,4 个并行):

  • {关键词} site:weibo.com {年月} — 微博
  • {关键词} site:zhihu.com {年月} — 知乎
  • {关键词} site:bilibili.com {年月} — B站
  • {关键词} site:toutiao.com OR site:163.com {年月} — 头条+网易

第二批(新闻媒体 + 科技财经,4 个并行):

  • {关键词} site:news.qq.com OR site:thepaper.cn {年月} — 腾讯新闻+澎湃
  • {关键词} site:sina.com.cn OR site:sohu.com {年月} — 新浪+搜狐
  • {关键词} site:36kr.com OR site:huxiu.com OR site:ithome.com {年月} — 科技媒体
  • {关键词} site:people.com.cn OR site:xinhuanet.com OR site:caixin.com {年月} — 央媒+财新

第三批(社交内容 + 主题角度,4 个并行):

  • {关键词} site:xiaohongshu.com OR site:xhslink.com {年月} — 小红书
  • {关键词} site:weixin.qq.com OR site:baijiahao.baidu.com {年月} — 公众号+百家号
  • {关键词} 争议 负面 投诉 质疑 {年月} — 负面舆情专项
  • {关键词} 好评 推荐 KOL 测评 热搜 {年月} — 正面+热点专项

结果筛选(每批搜完立即处理):

  • 检查每条结果的日期(摘要中通常有"X天前"、"X月X日"等标注)
  • 在时间范围内 → 收录;超出范围 → 跳过,记录为"已过滤"
  • 目标:筛选后有效条目 50+ 条,覆盖 12+ 平台

Step 3: 详情抓取(重点内容)

对搜索结果中的高价值链接,使用 web_fetch 抓取正文详情:

  • 优先抓取:权威媒体报道、深度分析文章、官方声明
  • 抓取前先确认文章发布日期在时间范围内,超出则跳过
  • 每个主要平台至少深入抓取 1 篇
  • 总计抓取 10-15 篇详情(不必贪多,质量优先)

Step 4: 情感分析与结构化整理

对所有搜集到的信息进行分析:

情感分类标准:

  • 🟢 正面:赞扬、支持、推荐、数据亮眼
  • 🔴 负面:批评、质疑、投诉、差评
  • 🟡 中性:客观报道、数据陈述、无明显倾向
  • 🟣 混合:同一内容中正负面并存

风险评级标准:

  • ⚠️ 高风险:大规模负面舆论、官方关注、法律风险
  • 🔶 中风险:持续争议、口碑下滑趋势
  • ℹ️ 低风险:个别负面声音、可控范围

Step 5: 生成 HTML 可视化报告

使用 scripts/generate_report.py 生成报告。

数据准备: 将分析结果写入 JSON 文件,格式参考 references/report_schema.md

执行命令:

cd {skillDir} && python scripts/generate_report.py --input {数据JSON路径} --output {报告输出路径}

报告包含:

  • 📊 舆情概览:总条数、正/负/中性占比、平台分布
  • 📈 情感分布图表(饼图 + 柱状图)
  • 🏷️ 平台热度排名
  • 📋 详细舆情条目(含来源、时间、情感标签、摘要、原文链接)
  • ⚠️ 风险预警清单
  • 📝 综合分析结论与建议

注意事项

  1. 时间过滤方式:禁止在搜索语句中使用 after:/before: 参数(不生效);改为搜索词加年月 + 拿到结果后逐条核查日期
  2. 搜索轮次控制:固定 3 批 × 4 个并行 = 12 轮,不随意增加,避免搜索工具响应堆积变慢
  3. 覆盖广度:12 轮搜索已能覆盖 15+ 个平台,通过 OR 组合查询提高效率
  4. 时间范围硬约束:超出范围的结果一律丢弃,不得填充报告
  5. 中文编码:JSON 数据用 Python dict + json.dump 方式生成,避免中文引号问题
  6. 去重:同一事件不同平台的报道保留最详细的 1-2 条
  7. 客观性:分析基于事实数据,避免主观臆断

定时舆情通知模式

触发识别

当用户消息包含时间频率 + 舆情相关表达时,进入定时通知模式。典型表达:

  • "每天早上 7 点给我汇报 xxx 的舆情"
  • "每天 9 点和 18 点监控 xxx"
  • "每周一汇报 xxx 品牌口碑"
  • "工作日下午 3 点推送 xxx 最新舆情"
  • "每小时监控一次 xxx 的负面信息"

定时模式工作流程

Step A: 解析定时参数

从用户消息中提取:

  • 关键词:监控的核心词(必须)
  • 执行频率:自然语言时间表达(如"每天7点"、"工作日9点和18点")
  • 关注重点:全面分析 / 仅负面预警 / 仅数据追踪(默认全面分析)
  • 通知方式:企微推送(默认开启)

向用户确认以上参数,明确无误后执行下一步。

Step B: 构建定时任务 Prompt

根据参数拼装执行 Prompt,模板如下:

请使用 sentiment-monitor Skill 对关键词"{关键词}"执行舆情监控分析:

时间范围:{时间范围,如"过去24小时"/"过去7天",严格不越界}

1. 加载 Skill: use_skill("sentiment-monitor")
2. 按照 SKILL.md 中的 Step 2~5 完整执行:
   - 多平台并行搜索(3批 × 4并行 = 12轮,搜索词加年月,结果后核查日期,覆盖 15+ 平台)
   - 严格过滤:所有收录数据须在时间范围内,超出范围的一律跳过
   - 详情抓取(10-15 篇,抓取前确认日期)
   - 情感分析与结构化整理
   - 生成 HTML 可视化报告
3. 完成后,生成一段 Markdown 格式的舆情摘要(不超过 4000 字节),包含:
   - 📊 数据概览:总条数、正/负/中性分布
   - 🔥 今日热点(前 3 条)
   - ⚠️ 风险预警(如有高/中风险项)
   - 📈 情感趋势判断
4. 通过企微推送 Markdown 摘要给用户
5. 同时将 HTML 完整报告作为文件推送

如用户指定"仅负面预警",调整 Prompt 为:

重点搜索 "{关键词} 争议 投诉 负面 质疑 差评 问题",仅分析和推送负面/风险信息。
如无负面舆情,推送一条"✅ {关键词} 当前无负面舆情"的通知即可。

Step C: 创建定时任务

使用 scheduled_task_create MCP 工具创建任务:

参数说明:
- name: "舆情监控-{关键词}"
- schedule: 将用户的时间表达转换为 cron 或直接传自然语言
  - "每天7点"        → "0 7 * * *" 或 "每天早上7点"
  - "每天9点和18点"  → 需创建 2 个任务,分别 "0 9 * * *" 和 "0 18 * * *"
  - "工作日下午3点"  → "0 15 * * 1-5"
  - "每小时"         → "0 * * * *"
  - "每周一9点"      → "0 9 * * 1"
- prompt: Step B 中构建的完整 Prompt
- notifyWecom: true
- enabled: true

多时间点处理:如用户说"每天 7 点和 19 点",需拆分为 2 个独立定时任务:

  • "舆情监控-{关键词}-早报" → 0 7 *
  • "舆情监控-{关键词}-晚报" → 0 19 *

Step D: 确认并反馈

创建成功后,向用户反馈:

✅ 定时舆情监控已设置!

📌 监控关键词:{关键词}
⏰ 执行频率:{频率描述}
📢 通知方式:企微推送(Markdown 摘要 + HTML 完整报告)
🔄 状态:已启用

每次执行时,我会:
1. 全网 15+ 平台采集最新舆情
2. 自动分析情感倾向与风险等级
3. 生成可视化报告并推送给你

如需调整,你可以说:
- "暂停 xxx 的舆情监控"
- "把 xxx 的监控改为每周一次"
- "删除 xxx 的舆情监控任务"

定时任务管理

用户后续可能的管理操作及对应处理:

用户指令操作
---------------
"暂停/停止 xxx 监控"调用 scheduled_task_update 设置 enabled=false
"恢复 xxx 监控"调用 scheduled_task_update 设置 enabled=true
"删除 xxx 监控"调用 scheduled_task_delete
"改为每周一执行"调用 scheduled_task_update 修改 schedule
"加上 yyy 关键词一起监控"修改任务 prompt 中的关键词
"查看我的监控任务"调用 scheduled_task_list
"立即执行一次"调用 scheduled_task_run

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-04-22 21:40 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

business-ops

舆情监测

user_59252579
一款覆盖 20 个主流平台的 AI 舆情监控技能,支持情感分析、风险预警、竞品对比、传播追踪与定时推送,让你对品牌/话题动态了如指掌。
★ 0 📥 152
data-analysis

Data Analysis

ivangdavila
{"answer":"数据分析与可视化。查询数据库、生成报告、自动化电子表格,将原始数据转化为清晰可行的见解。适用于:(1) 您……"}
★ 210 📥 68,847
data-analysis

Tavily 搜索

jacky1n7
通过 Tavily API 进行网页搜索(Brave 替代方案)。当用户要求搜索网页、查找来源或链接,且 Brave 网页搜索不可用时使用。
★ 273 📥 100,451