Social Media Monitor

Version: 1.0.0
Author: 小爪 🦞
License: MIT
Tags: #social-media #sentiment-analysis #brand-monitoring #xiaohongshu #marketing #pr #ecommerce #operations

📊 社交媒体舆情分析工具

专为品牌方、电商卖家、运营人员打造的平价舆情监控助手。基于 MCP 协议，提供关键词监测、负面预警、声量趋势分析等核心功能，帮助您快速掌握社交媒体舆情动态。

🎯 这个工具能帮你做什么？

• - 如果你是品牌方：实时监控品牌声量，第一时间发现负面舆情，避免危机发酵。无需昂贵企业软件，免费使用。

• - 如果你是电商卖家：监测产品关键词，了解用户评价情感，优化产品和运营策略。支持小红书店铺数据导入。

• - 如果你是运营人员：追踪内容标签热度，分析声量趋势，生成专业周报。让数据驱动内容决策，提升工作效率。

• - 如果你是中小商家：这个工具提供核心功能，即装即用，无需培训，完全免费。

⚠️ 注意事项

• - 当前版本仅处理本地 CSV 数据，不包含任何网络爬虫功能。 未来若增加此类功能，会另行发布。
• 数据隐私： 所有数据在本地处理，不会上传到外部服务器。
• 情感分析： 基于词典的简单分析，准确率约 70%，适合快速筛查。如需更高精度，建议人工复核。
• 报告输出： 报告保存在技能目录内的 reports/ 文件夹，确保安全性。
• 完全免费： 永久免费使用，即装即用。

功能特性

🔍 核心监控功能

• - 关键词监测 - 自定义监测关键词，追踪提及情况
• 负面预警 - 情感分低于阈值时自动预警，避免危机发酵
• 声量趋势 - 文字图表展示声量变化，直观易懂
• 情感分析 - 分析文本情感倾向（支持中文）
• 关键词提取 - 从文本中提取核心关键词
• 周报生成 - 自动生成舆情分析周报（Markdown 格式）

📊 数据管理

• - CSV 导入 - 支持小红书数据 CSV 导入
• 分类管理 - 关键词支持分类管理（品牌/产品/负面等）
• 阈值配置 - 可自定义负面预警阈值
• 本地存储 - 所有数据本地存储，安全可控

快速开始

1. 安装 Skill

CODEBLOCK0

或手动安装：

CODEBLOCK1

2. 启动服务器

CODEBLOCK2

3. 在 OpenClaw 中调用

通过 mcporter CLI：

CODEBLOCK3

工具详解

关键词监测工具组

add_keyword

参数：

• - keyword (string, 必填) - 要监测的关键词
• INLINECODE2 (string, 可选) - 关键词分类（品牌/产品/负面等），默认"default"

示例：
CODEBLOCK4

list_keywords

示例：
CODEBLOCK5

monitor_keywords

参数：

• - source (string, 可选) - 数据源：csv 或 sample，默认"sample"
• INLINECODE4 (number, 可选) - 分析笔记数量，默认 20

示例：

mcporter call social-media-monitor.monitor_keywords source:"sample" limit:20
# 输出：{"monitoredKeywords": ["小红书"], "matches": [...], "totalMatches": 5}

负面预警工具组

setalertthreshold

参数：

• - threshold (number, 必填) - 情感分阈值，范围 -10 到 10，建议 -2 到 -5

说明：

• - 情感分计算：正面词 +1 分，负面词 -1 分
• 当笔记情感分低于阈值时，触发预警
• 建议值：-2（敏感）到 -5（宽松）

示例：
CODEBLOCK7

check_alerts

参数：

• - source (string, 可选) - 数据源：csv 或 sample，默认"sample"

示例：

mcporter call social-media-monitor.check_alerts source:"sample"
# 输出：
# {
#   "threshold": -3,
#   "alerts": [],
#   "totalAlerts": 0,
#   "message": "✅ 未发现负面舆情"
# }

声量趋势工具

getvolumetrend

参数：

• - source (string, 可选) - 数据源：csv 或 sample，默认"sample"
• INLINECODE8 (number, 可选) - 统计天数，默认 7

输出示例：
CODEBLOCK9

示例：

mcporter call social-media-monitor.get_volume_trend days:7

基础分析工具

analyze_sentiment

参数：

• - text (string) - 要分析的文本
• INLINECODE10 (string) - 语言：zh 或 en，默认"zh"

示例：
CODEBLOCK11

extract_keywords

参数：

• - text (string) - 要提取关键词的文本
• INLINECODE12 (number) - 返回数量，默认 10
• INLINECODE13 (string) - 语言，默认"zh"

示例：
CODEBLOCK12

list_notes

参数：

• - source (string) - 数据源
• INLINECODE15 (number) - 数量限制
• INLINECODE16 (string) - 排序字段
• INLINECODE17 (string) - 排序顺序

示例：
CODEBLOCK13

generateweeklyreport

参数：

• - limit (number) - 分析笔记数量，默认 10

示例：

mcporter call social-media-monitor.generate_weekly_report limit:20
# 输出：{"status": "success", "reportPath": "/path/to/report.md"}

应用场景

品牌方日常监控

每天 5 分钟，掌握品牌舆情：

CODEBLOCK15

电商卖家产品分析

了解用户评价，优化产品：

CODEBLOCK16

运营人员周报生成

一键生成专业周报：

CODEBLOCK17

技术栈

• - Node.js 22+
• @modelcontextprotocol/sdk (官方 MCP SDK)
• sentiment (情感分析库)
• keyword-extractor (关键词提取)
• zod (参数验证)

常见问题

Q: 数据从哪里来？

A: 当前版本支持用户上传 CSV 文件。小红书数据可通过官方后台导出，或使用第三方数据工具导出。

Q: 情感分析准确率如何？

A: 当前版本使用基于词典的简单分析，准确率约 70%。适合快速筛查，重要决策建议人工复核。后续可接入专业 NLP API 提升准确率。

Q: 负面预警多久检查一次？

A: 当前版本需要手动调用 check_alerts 工具。后续版本可配置定时检查（如每小时自动检查）。

Q: 支持哪些社交媒体平台？

A: 当前版本以小红书为主（CSV 格式）。理论上支持任何可导出为 CSV 的社交媒体数据（抖音、微博等）。

Q: 这个工具收费吗？

A: 完全免费。 永久免费使用，即装即用。

Q: 数据会上传到外部吗？

A: 不会。 所有数据在本地处理，存储在技能目录内，不会上传到任何外部服务器。

Q: 如何备份数据？

A: 数据存储在 data/ 目录下，定期备份该目录即可。建议每周备份一次。

更新日志

v1.0.0 (2026-03-17)

• - ✅ 初始版本发布
• ✅ 关键词监测（addkeyword, listkeywords, monitorkeywords）
• ✅ 负面预警（setalertthreshold, checkalerts）
• ✅ 声量趋势（getvolumetrend）
• ✅ 基础分析（analyzesentiment, extractkeywords, listnotes, generateweekly_report）
• ✅ 完整测试套件
• ✅ 完全免费，即装即用

许可证

MIT License

💡 使用建议

新手入门（第 1 周）

1. 1. 第 1 天： 安装工具，添加 3-5 个关键词
2. 第 2-3 天： 每天检查负面预警（1 分钟）
3. 第 4-5 天： 查看关键词匹配和声量趋势
4. 周末： 生成第一份周报

进阶使用（第 2 周起）

1. 1. 优化关键词列表 - 根据实际需求调整
2. 调整预警阈值 - 找到适合的敏感度
3. 建立监控流程 - 每天固定时间检查
4. 定期复盘 - 每周分析趋势，优化策略