技能介绍

发布一条爆款内容后，真正的挑战才刚开始：抖音、小红书、公众号的评论与私信分散在不同入口，手动抄粘耗时混乱，重复刷屏、差评漏回、高意向用户未跟进的情况频频发生——回不过来的流量，等于白赚的曝光。

统一收口：把多平台互动拉到本地一条流水线

技能将各平台评论、私信归一为 {platform, ctype, author, content, time, likes} 的结构化数据，支持三种导入方式：粘贴文本（每行一条，可带作者/点赞）、JSON 批量导入、混合导入。跨平台去重用字符 bigram + trigram 特征，结合 Jaccard 与 Overlap 系数取大的组合分数，能抓出"同内容换账号/换皮"的重复评论，阈值可调（0.25 宽松至 0.5+ 严格）。

本地增值：从分类到回复的自动化处理

无需调用大模型或上传数据，纯本地规则+关键词引擎完成两步核心处理：

意图×情绪分类：将评论分为咨询、投诉、差评、夸赞、求链接等 7 类意图，正/中/负 3 类情绪；
平台适配回复：同一分类按平台调性生成不同话术——抖音用活泼口语带表情，小红书用亲切种草配 emoji，公众号用得体完整句；可选 --deai 开关去除 AI 味，更像真人。

同时按"投诉/差评加权、高赞置顶、广告无关降权"的逻辑输出紧急度评分，倒序生成待跟进队列，避免漏回关键消息。

复盘闭环：让回复越回越准

第 7 步是这套打法的"自我进化"环节：用 scripts/engage_retro.py 记录你发出的真实回复结果（哪条话术平息了差评、哪条带来了转化），沉淀为本地验证库 engage_playbook.json。下次处理同类评论时，带着 --playbook 参数运行，脚本会自动挑选"历史上最灵的语气/话术变体"，形成"发布→互动→回复→回流→优化"的飞轮。

注意点

回复是"建议草稿"，涉及退款/法律等敏感内容会标注"需人工确认"，实际发送仍需在各平台后台完成；
验证库只记录聚合统计（意图/平台/话术/结果），不含原文或个人数据，首次使用可 seed 生成示例基线；
可独立使用，也可与 omni-viral-studio（爆款工作室）、omni-material-studio（素材工坊）衔接，看板的高互动规律能回灌上游做下一轮选题。