ReviewLens 评论结论卡

要解决什么问题

电商评论页往往信息密度极高：评分好看，但真实买家到底在夸什么、骂什么并不直观。更麻烦的是，差评可能是产品硬伤、卖家履约或预期错位混在一起；用户真正想问的往往是「便宜版能不能买」「贵一点是否更稳」「适合谁、谁容易后悔」，而不是再看一遍星标或长摘录。

ReviewLens 的定位不是「读评分器」，而是把嘈杂评论压成一张可执行的购买结论卡——像已经通读过大量评论的采购分析员，而不是情绪仪表盘。

技能如何工作

默认输出会围绕「决策」而不是「复述」：

• 信号聚类：归纳反复出现的优点与缺点，区分集中投诉与零散噪音
• 问题归因：把信号分到产品质量/尺寸舒适度/性能稳定性/包装破损/卖家售后/Listing 预期错位等桶里
• 用户匹配：把评论模式翻译成「谁仍会觉得值」「谁更可能后悔」（自用 vs 送礼、低预算 vs 低容错）
• 路径判断：在对比多个链接时，用评论现实检验「便宜是否只是容忍瑕疵」「加价是否换来更低翻车率」

核心流程大致是：先框定决策（单品还是对比、用户最在意什么、哪类缺陷是 deal-breaker）→ 有策略地抽样（近期、中评、差评、带图/场景细节）→ 归一化信号 → 判断差评是否集中在同一问题 → 做 fit/mismatch 映射 → 给出 Final Call 与 Next Step（买、换链接、加钱买稳、放弃）。

证据规则上，模式重于单条情绪；2～4 星的中评往往比纯五星/纯 rage 更有 tradeoff 信息；物流延迟、包装破损、退款摩擦应单独视为路径噪音而非产品噪音。

适用边界

适合输入：商品链接、评论区截图、复制的评论片段、按星级分布、以及「怕噪音/送礼/低预算/低容忍瑕疵」等约束。样本过少会明确说信号偏薄；样本大但明显被某一筛选偏置，也会说明未覆盖什么。

允许读取公开评论并做归纳对比；不要把它当成登录发帖、下单或不可逆操作的代理。若用户只要「评价褒贬不一、自行判断」，本技能应拒绝停在摘要层，而是给出可检验的集中问题与购买建议。