电商评论 AI 深度分析工具

要解决什么问题

跨境电商和自营电商的运营、产品团队往往面对成千上万条商品评论：人工抽样读不完，Excel 透视只能看星级分布，很难系统还原谁在什么场景下抱怨什么、卖点是否被真实感知，以及是否存在隐性流失（高分低情）或售后集中爆发等信号。本技能面向「从评论到可执行洞察」这一链路，把 VOC、痛点与改进方向结构化输出，而不是只做情感正负统计。

技能如何工作

设计为 Agent 原生：宿主 Agent 负责 LLM 工序（22 维打标、15 章报告撰写），Python 侧处理确定性步骤——数据加载、分批、统计、异常信号卡检测与输出打包，流程由 --resume 幂等推进；批次缺失会以退出码 2 提示补齐后重跑。

• 22 维度标签：覆盖人群、场景、功能、质量、服务、体验、市场、情感等维度，产出可分析的打标 CSV。
• 15 章洞察报告：从总览、用户画像、卖点痛点到改进建议，含异常信号卡与数据附录；报告需按 report_prompt.md 结构撰写，收尾阶段会做 mermaid 兜底与数据剥离。
• 异常信号卡（零 LLM）：从标签确定性检测五类异常（如高分低情隐性流失、质量隐患集中、退货售后爆发等），按严重度分级。
• 数据源：CSV 为一等主源（覆盖全、正文完整）；卖家精灵为可选增强（ASIN + secret-key）。可选 6 套 HTML 可视化主题与飞书文档/画板同步（需 lark-cli 已认证）。

使用前须通过 AskUserQuestion 依次确认数据来源、分析条数、是否飞书同步及可视化模板等，避免 Agent 跳过参数猜测用户意图。

适用边界与注意点

• 评论质量与 CSV 字段规范直接影响打标与报告可信度，格式问题见技能内 references/csv_format.md。
• 无宿主 Agent 时可用 CLI 直跑（--llm cli），依赖本机已安装的 claude/opencode 等 CLI。
• 可视化 HTML 与飞书同步为可选能力；仅要结构化数据与 Markdown 报告时可关闭看板生成。