多平台舆情监控分析

要解决的具体问题

舆情监控通常涉及从多个社交媒体和新闻平台收集数据，但平台分散、数据格式不一，且需要及时分析情感倾向和风险。手动监控耗时耗力，容易遗漏关键信息，例如品牌口碑下滑或负面舆情扩散。企业或个人需要自动化工具来实时追踪关键词、品牌或话题的舆论动态，并生成结构化报告以支持决策。

技能如何工作

核心能力与关键步骤

该技能通过以下流程实现多平台舆情监控：

• 确认监控参数：用户提供关键词、时间范围等参数；工具默认最近7天并通知用户，确保时间范围被明确指定。
• 多平台并行搜索：使用web_search工具，分三批共12轮并行搜索，覆盖微博、知乎、B站、头条、新闻媒体和社交平台等15+个站点。搜索词中加入年月（如2026年4月），但严禁使用after:/before:参数，因为这些过滤在实际搜索工具中不可靠；日期控制通过结果获取后人工核查实现。
• 详情抓取：对高价值链接使用web_fetch抓取正文详情，优先抓取权威媒体报道和深度分析文章，确保发布日期在时间范围内。
• 情感分析与结构化整理：将信息分类为正面、负面、中性或混合情感，并评估风险等级（高、中、低），基于事实数据避免主观臆断。
• 生成报告：使用脚本生成HTML可视化报告，包括舆情概览、情感分布图表、平台热度排名和风险预警清单。

定时监控模式

当用户指定时间频率（如“每天早上7点”）时，技能可设置定时任务。通过scheduled_task_create MCP工具创建自动监控任务，支持多时间点执行和后续管理（如暂停、恢复或删除）。

适用边界与注意点

• 时间过滤硬约束：超出时间范围的内容必须丢弃，不得用过期数据填充报告；搜索后逐条核查日期，若平台无相关内容则如实标注。
• 搜索轮次控制：固定12轮搜索以避免工具响应变慢，通过OR组合查询提高效率，覆盖广度已足够。
• 去重与客观性：同一事件不同平台报道保留最详细的条目；分析基于搜集到的信息，避免编造功能。
• 技术实现：JSON数据使用Python的dict和json.dump生成，防止中文引号问题；报告生成依赖指定脚本。