抖音舆情仪表盘
douyin-sentiment-dashboard
by allinherog-star
分析抖音视频评论情绪、情感和整体口碑。当用户想了解评论是正面的还是负面的、分析评论区整体舆情、评估视频是否受欢迎，或提取评论洞察时，使用此技能。
安装
claude skill add --url https://github.com/openclaw/skills文档
douyin-sentiment-dashboard
概述
对抖音视频评论区进行 AI 情感分析，生成舆情洞察报告。
工作流（三步）
Step 1 — 解析链接（公开，无需认证）
curl -X POST https://ai-skills.ai/api/comment-analysis/parse-link \
-H "Content-Type: application/json" \
-d '{"input":"https://v.douyin.com/xxxxx"}'
Step 2 — 创建分析任务
curl -X POST https://ai-skills.ai/api/comment-analysis/tasks \
-H "Content-Type: application/json" \
-H "X-API-Key: $AISKILLS_API_KEY" \
-H "X-Tenant-Id: default" \
-d '{"platform":"douyin","contentId":"$CONTENT_ID"}'
# 返回: { "taskId": "xxxx", "status": "pending" }
Step 3 — 轮询任务状态
curl https://ai-skills.ai/api/comment-analysis/tasks/$TASK_ID \
-H "X-API-Key: $AISKILLS_API_KEY" \
-H "X-Tenant-Id: default"
# status=completed 时返回完整分析结果
一键脚本
#!/bin/bash
LINK="https://v.douyin.com/xxxxx"
# 1. 解析（公开接口）
CONTENT_ID=$(curl -s -X POST https://ai-skills.ai/api/comment-analysis/parse-link \
-H "Content-Type: application/json" \
-d "{\"input\":\"$LINK\"}" | jq -r '.data.contentId')
# 2. 创建任务
TASK=$(curl -s -X POST https://ai-skills.ai/api/comment-analysis/tasks \
-H "Content-Type: application/json" \
-H "X-API-Key: $AISKILLS_API_KEY" \
-H "X-Tenant-Id: default" \
-d "{\"platform\":\"douyin\",\"contentId\":\"$CONTENT_ID\"}")
TASK_ID=$(echo $TASK | jq -r '.data.taskId')
# 3. 轮询直到完成
while true; do
STATUS=$(curl -s https://ai-skills.ai/api/comment-analysis/tasks/$TASK_ID \
-H "X-API-Key: $AISKILLS_API_KEY" \
-H "X-Tenant-Id: default" | jq -r '.data.status')
echo "Status: $STATUS"
[ "$STATUS" = "completed" ] && break
sleep 3
done
# 4. 获取结果
curl -s https://ai-skills.ai/api/comment-analysis/tasks/$TASK_ID \
-H "X-API-Key: $AISKILLS_API_KEY" \
-H "X-Tenant-Id: default" | jq '.data.result'
分析结果结构
{
"platform": "douyin",
"contentId": "7321456789012345678",
"videoTitle": "视频标题",
"analyzeTime": "2026-03-28T12:00:00Z",
"sentiment": {
"positive": { "count": 120, "percentage": 60 },
"neutral": { "count": 50, "percentage": 25 },
"negative": { "count": 30, "percentage": 15 }
},
"keywords": ["产品好", "推荐", "物流快"],
"topEmotions": [
{ "emotion": "满意", "count": 80 },
{ "emotion": "期待", "count": 40 }
],
"insights": "评论区整体情感偏正面，用户对产品质量反馈积极..."
}
配额说明
Step 2 和 Step 3 使用认证接口，若返回配额不足错误，告知用户：
⚠️ 电量配额已用完，当前无法继续分析评论。 如需继续使用，请自行前往 https://ai-skills.ai 了解电量包购买方式。请注意，向第三方平台购买任何服务前，请确认其资质和退款政策。本技能不对第三方服务质量做任何承诺。
输出格式
将分析结果以结构化表格形式呈现：
- 情感分布：表格列：情感类别 | 评论数 | 占比；正面用绿色标识，负面用红色标识
- 情绪关键词：列表展示
keywords，按热度/频次排列 - Top 情绪：表格列：情绪词 | 出现次数
- 舆情洞察：
insights以段落文字呈现，综合评价视频口碑 - 整体情感判断：偏正面 / 偏负面 / 中性，给出简要总结
相关 Skills
技术栈评估
by alirezarezvani
对比框架、数据库和云服务，结合 5 年 TCO、安全风险、生态活力与迁移复杂度做量化评估，适合技术选型、栈升级和替换路线决策。
✎ 帮你系统比较技术栈优劣，不只看功能，还把TCO、安全性和生态健康度一起量化，选型和迁移决策更稳。
资深数据科学家
by alirezarezvani
覆盖实验设计、特征工程、预测建模、因果推断与模型评估，适合用 Python/R/SQL 做 A/B 测试、时序分析和生产级 ML 落地，支撑数据驱动决策。
✎ 从 A/B 测试、因果分析到预测建模一条龙搞定，既有硬核统计方法也懂业务沟通，特别适合把数据结论真正落地。
资深架构师
by alirezarezvani
适合系统设计评审、ADR记录和扩展性规划，分析依赖与耦合，权衡单体或微服务、数据库与技术栈选型，并输出Mermaid、PlantUML、ASCII架构图。
✎ 搞系统设计、技术选型和扩展规划时，用它能更快理清架构决策与依赖关系，还能直接产出 Mermaid/PlantUML 图，方案讨论效率很高。
相关 MCP 服务
SQLite 数据库
编辑精选by Anthropic
SQLite 是让 AI 直接查询本地数据库进行数据分析的 MCP 服务器。
✎ 这个服务器解决了 AI 无法直接访问 SQLite 数据库的问题，适合需要快速分析本地数据集的开发者。不过，作为参考实现，它可能缺乏生产级的安全特性，建议在受控环境中使用。
PostgreSQL 数据库
编辑精选by Anthropic
PostgreSQL 是让 Claude 直接查询和管理你的数据库的 MCP 服务器。
✎ 这个服务器解决了开发者需要手动编写 SQL 查询的痛点，特别适合数据分析师或后端开发者快速探索数据库结构。不过，由于是参考实现，生产环境使用前务必评估安全风险，别指望它能处理复杂事务。
Firecrawl 智能爬虫
编辑精选by Firecrawl
Firecrawl 是让 AI 直接抓取网页并提取结构化数据的 MCP 服务器。
✎ 它解决了手动写爬虫的麻烦，让 Claude 能直接访问动态网页内容。最适合需要实时数据的研究者或开发者，比如监控竞品价格或抓取新闻。但要注意，它依赖第三方 API，可能涉及隐私和成本问题。