Synthèse automatique
Cet agent analyse des avis clients e-commerce (CSV local ou données Sorftime/Amazon) et produit un jeu de données étiqueté sur 22 dimensions, un rapport d'insights et, en option, un tableau de bord HTML et une synchronisation vers un document Feishu.
Points forts
- Pipeline complet et reproductible : collecte, étiquetage 22 dimensions, rapport d'insights et visualisation en une seule commande Python.
- Workflow guidé par questions successives (source de données, volume, synchronisation, thème de visualisation, signature) qui évite les hypothèses implicites.
- Six thèmes de tableaux de bord HTML reposant sur une base partagée, adaptés à des contextes de restitution différents (direction, analyse, technique).
- Intégration native de Sorftime et de Feishu, avec sorties CSV et Markdown exploitables en dehors de l'outil.
Limites
- Dépend de paquets Python externes (pandas, jinja2, requests, tqdm) et, pour certains modes, d'une clé API Sorftime ou d'un client lark-cli déjà authentifié.
- Le déroulé interactif s'appuie explicitement sur l'outil AskUserQuestion, ce qui le rend plus fluide sur Claude Code que sur d'autres agents.
- La documentation est légèrement incohérente sur la longueur du rapport (14 chapitres annoncés, 13 dans le tableau des sorties) et le skill ne détaille pas la logique interne des étiquettes.
Pour transformer rapidement un lot d'avis Amazon ou un CSV de commentaires en rapport d'insights et tableau de bord présentable.
Si vous cherchez une analyse statistique sur mesure ou un modèle d'étiquetage entièrement personnalisé, car le skill impose son schéma en 22 dimensions et son format de rapport.
Analyse de sécurité
PrudenceNo destructive, obfuscated, or credential-exfiltrating instructions appear in the SKILL.md; commands are standard python3 invocations for a data-analysis workflow. However it leverages bash, unpinned pip installs, network access (Sorftime/requests), secret handling via dotenv, and cloud writes through lark-cli, all legitimate but powerful. Hence caution rather than safe.
- •Uses bash to run pip install with unpinned packages (pandas, jinja2, requests, python-dotenv, tqdm), enabling potential supply-chain drift
- •Delegates core execution to an external main.py not included/auditable in the skill bundle
- •Requires an API key (Sorftime) via environment/.env and performs network calls to a third-party data source
- •Feishu sync relies on an externally authenticated lark-cli, meaning the skill can write to linked cloud documents
Exemples
Analyse le fichier reviews_airpods.csv, limite à 100 avis, génère le rapport et le tableau de bord avec le thème premium-gold, sans synchronisation Feishu.Récupère les avis de l'ASIN B001OAXE0S sur le site US via Sorftime, analyse 300 avis, puis synchronise le rapport et les graphiques dans un document Feishu.Analyse ces avis clients et extrais le profil utilisateur, les principaux points de douleur et les opportunités produit, en style dark-tech pour une revue technique.name: review-analyzer-skill version: 2.0.0 author: Buluu@新西楼 description: | Agent 原生的电商评论深度分析工具 V2.0。 支持22维度智能标签、14章深度洞察报告、6套主题可视化看板（共享基座+玻璃拟态）、Sorftime平台数据对接、飞书文档同步。
当用户需要以下功能时触发：
- 分析电商产品评论（Amazon等平台）
- 从评论中提取用户画像、痛点和VOC（客户之声）
- 生成产品洞察报告和机会点分析
- 创建专业的可视化分析看板（6套主题可选）
- 通过Sorftime获取产品评论数据
- 将分析结果同步到飞书文档
触发关键词：电商评论分析、评论分析、竞品分析、用户洞察、VOC分析、产品优化、市场调研、评论数据挖掘、Sorftime license: MIT allowed-tools:
- bash
Review Analyzer Skill V2.0 — Agent 原生版
AI驱动的电商评论深度分析工具，Agent原生设计，任何主流AI Coding Agent均可运行。
核心特性
- 22维度智能标签系统: 人群/场景/功能/质量/服务/体验/市场/情感
- 14章深度洞察报告: 洞察总览→用户画像→卖点痛点→改进建议→行动仪表盘→数据附录
- 6套主题可视化看板: 共享基座架构，玻璃拟态质感（Premium Gold / Dark Tech / Linear Minimal / PostHog Analytics / Stripe Executive / Warm Editorial）
- Sorftime数据对接: 通过MCP/API/CLI获取亚马逊产品评论数据
- 飞书完整同步: 文档 + 画板图表一键同步到飞书
快速开始
环境准备
pip install pandas jinja2 requests python-dotenv tqdm
数据输入方式
# 方式1: 本地CSV文件（原有方式）
python3 main.py "reviews.csv" --max-reviews 100 --creator "AI Assistant"
# 方式2: 从Sorftime获取数据
python3 main.py --source sorftime --asin B001OAXE0S --site US --max-reviews 100 --creator "AI Assistant"
工作流程
第一步：收集参数
❗ 必须使用 AskUserQuestion 工具依次收集，严禁跳过或猜测用户意图。
Q1: 数据来源（必须）
- "本地CSV文件（上传文件路径）"
- "Sorftime平台获取（需要API Key，输入ASIN即可）"
Q1.5: Sorftime字段选择（仅当选择Sorftime时） 展示可用字段清单，必选字段已锁定（标题、正文、星级），推荐字段可勾选。
Q2: 分析数量（必须）
- "100条 (推荐) - 平衡速度与质量"
- "300条 - 更全面分析"
- "全部 - 分析所有评论"
Q3: 飞书同步（必须）
- "仅生成本地文件"
- "同步到飞书文档（需要lark-cli已安装且已认证）"
Q4: 可视化模板（可选）
- "否 — 不需要生成可视化HTML" — 跳过HTML看板生成
- "使用默认模板 (premium-gold)" — 直接使用默认模板
- "我想选择模板" — 展示以下6种可用模板：
| 模板 | 风格 | 适用场景 | |------|------|---------| | premium-gold | 金色奢华风 | 品牌展示、高管汇报 | | posthog-analytics | 暖色分析风 | 数据分析、团队内部分享 | | stripe-executive | 翡翠企业风 | 金融企业、投资决策 | | linear-minimal | 极简蓝白风 | 产品评审、简洁汇报 | | dark-tech | 暗色科技风 | 技术评审、数据密集场景 | | warm-editorial | 暖纸编辑风 | 阅读分享、团队协作文档 |
Q5: 报告署名（⚠️ 仅当 Q4 选择了模板（非"否"）时才触发此问题）
- "默认：AI Assistant"
- "我想自定义署名"
第二步：执行分析
# 本地CSV模式（最小参数）
python3 main.py "<CSV文件路径>" \
--max-reviews <数量> \
--feishu-sync <true|false>
# 本地CSV模式（完整参数，含自定义模板和署名）
python3 main.py "<CSV文件路径>" \
--max-reviews <数量> \
--template <模板名> \
--creator "<署名>" \
--feishu-sync <true|false>
# Sorftime模式
python3 main.py \
--source sorftime \
--asin <ASIN> \
--site US \
--max-reviews <数量> \
--feishu-sync <true|false>
第三步：展示结果
| 输出文件 | 内容 |
|---------|------|
| 评论采集及打标数据_{ASIN}.csv | 22维度标签数据 |
| 分析洞察报告_{ASIN}.md | 13章深度洞察报告 |
| 可视化洞察报告_{ASIN}.html | 可视化看板（可选，用户选择模板时生成） |
| 飞书文档（可选） | 完整报告 + 画板图表 |
参考资料
- CSV格式要求: references/csv_format.md
- 22维度标签: references/tag_system.md
- 故障排除: references/TROUBLESHOOTING.md
作者
Buluu@新西楼
- GitHub: @buluslan
- 主项目: review-analyzer
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/review-analyzer-skill-v2-0-ms47vog4/download' --output '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md.part' && mv '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md.part' '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && test -s '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/review-analyzer-skill' && cp -R '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4' '.claude/skills/review-analyzer-skill'Cursor
test -f '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && test -s '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/review-analyzer-skill' && cp -R '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4' '.cursor/skills/review-analyzer-skill'Codex
test -f '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && test -s '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/review-analyzer-skill' && cp -R '.skill-downloads/review-analyzer-skill-v2-0-ms47vog4' '.agents/skills/review-analyzer-skill'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/review-analyzer-skill-v2-0-ms47vog4'openskills read 'review-analyzer-skill-v2-0-ms47vog4'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/review-analyzer-skill-v2-0-ms47vog4/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.