技能介绍

要解决的问题

在抖音获客的现实困境是：需求散落在评论区里，但靠人工翻页既不现实也不可持续。评论按时间倒序排列，高意向用户很快被淹没；关键词分散在多个爆款视频下，无法批量回收。而原生大模型本身无法直接访问抖音平台数据，面对「按关键词捞评论里的客户」这类需求只能空转。这个技能补上的正是这一环：把公开评论数据变成可调用的结构化线索。

核心工作流

技能是一条两段式流水线，用视频 ID（aweme_id）串联：

步骤 1 · 关键词定位视频：运行 search-cli.js，传入 --keyword（必填，2-50 字）、--sort（1 = 最多点赞，截流常用），返回候选视频列表，每条含 aweme_id、url、desc、digg_count 等字段，供下游判断。
步骤 2 · 拉评论提取客户：运行 comment-cli.js，--url 直接传步骤 1 返回的 aweme_id 字符串即可，无需手动拼接完整视频链接。输出的每条评论即一位潜在客户，含 user_nickname、user_uid、ip_label、text 等字段，可直接映射为客户档案。
步骤 3 · 高意向筛选：评论文本命中「求带」「怎么买」「多少钱」「私我」等信号词的用户优先导出，缩短转化路径。

另有 post-cli.js 拉取博主全部公开作品、hot-cli.js 看实时热榜，用途是反推更准确的关键词，属辅助入口。主链路永远是 search → comment。

适用边界与注意点

仅抓取公开数据，不支持登录、私信、关注、点赞等操作，也不包含手机号、微信号等隐私字段，不要试图用它补全这些信息。
能力依赖 guaikei.com 公开数据接口，运行前需配置 GUAIKEI_API_TOKEN；搜索与评论为实时数据，同一关键词不同时刻结果会有波动，接口有频次限制，需合理设置 --limit 与调用间隔。
评论数据含用户公开身份信息，结果落地到 logs/ 后应遵守个人信息保护要求：导出时脱敏、限定留存期限、仅用于授权场景，禁止二次贩卖或用于骚扰。