Facebook 评论分析

简介

输入 Facebook 帖子链接即可获取评论数据，支持 翻页。在对话中展示当前页全部评论及 AI 总结分析，同时生成包含当前页数据和总结的交互式 HTML 报告。

功能特性

功能模块	能力描述	核心价值
评论获取	粘贴帖子链接即可获取评论	实时拉取帖子评论区数据
分页浏览	支持翻页	逐页浏览大量评论
AI 总结	四维情感分析（积极/负面/需求/竞品）	快速了解评论舆情全貌
HTML 报告	Facebook色主题交互式报告	离线保存/分享分析结果/可视化报告
合并报告	多页合并，超3页自动折叠	一次导出全部评论分析

鉴权

前往 红狐hub 获取 API Key，通过环境变量配置：

export REDFOX_API_KEY="ak_xxxx..."

工作流程

Step 1：理解用户意图，获取帖子链接

⚠️ 核心规则：用户只需提供帖子链接，Agent 读取完整链接传给脚本

• 用户提供帖子链接（如 https://www.facebook.com/reel/1746412686633900、https://www.facebook.com/Meta/posts/123456789012345），原样使用，不做任何解析、截取或改写
• 若用户未提供帖子链接，主动询问：「请提供 Facebook 帖子链接」
• 若用户在上一轮对话中查询过某帖子的数据，且本轮输入模糊（如"下一页"、"评论分析"），沿用上一轮的帖子链接

Step 2：调用评论获取脚本（自动生成 HTML）

⚠️ 每次调用仅请求一页数据（一次 API 请求），不可擅自发起多次调用拉取多页。

脚本每次调用自动生成 HTML 报告（含占位符，未回填分析数据）。终端展示与 HTML 基于同一次 API 调用，确保数据一致。

python scripts/facebook_comment_search.py "<post_url>" [--cursor <cursor>] [--page <page>]

Windows 注意： 若脚本中文日志乱码，使用 PYTHONIOENCODING=utf-8 python ... 前缀运行。

参数说明：

参数	说明	默认值
post_url	Facebook 帖子链接（必填，原样传入）	—
--cursor	游标，首页传空字符串，次页传上一页返回的 next_cursor	""
--page	当前页码（仅用于 HTML 文件名和输出标记）	1
--output-dir	HTML 输出目录	~/Downloads/QoderReports

脚本返回 JSON 字段：post_url、current_page、next_cursor、total_fetched、has_next、comments[]（每条含 comment_id、content、like_count、create_time 北京时间 MM-DD HH:MM、user_name、user_avatar）、html_path。

注意： HTML 报告此时仅含评论原始数据，分析占位符待用户确认后回填。

Step 3：对话中展示评论数据 + AI 总结

⚠️ 每次操作仅调用一次 API，获取一页数据。

A1. 告知查询范围

📊 帖子「{post_url}」共获取 N 条评论（第 {page} 页），以下是详细数据：

A2. 渲染评论表格（展示当前页全部评论）

格式规则：

• 表格列：评论人 | 评论内容 | 👍 点赞 | 时间
• 评论人列只显示昵称，不展示头像、不生成超链接
• 评论内容超过 40 字截断加 ...；空文本评论显示「（无文字）」
• 时间使用脚本已转换好的北京时间（MM-DD HH:MM）
• 点赞数 ≥ 10000 使用 x.xw 格式
• 每页全部展示，不得截断

A3. AI 评论总结（⚠️ 每次查询（含翻页）必须输出）

首页：基于当前页评论，四维情感分析。

翻页后：基于目前已获取的所有页面累计数据综合分析，标注累计总条数。

分析前需理解 Facebook 社区文化（全球用户、英文/繁中/简中/东南亚语言评论混杂；Reaction 表情文化 😆😢😮❤️👍；常见网络缩写 lol/tbh/omg；引用代表评论时保留用户原始语言关键词）。

📈 评论总结分析（基于 {total} 条评论）

✅ 积极评价（{positive_ratio}%）

• {要点，引用代表评论关键词}

⚠️ 负面评价（{negative_ratio}%）

• {要点}

💡 用户需求（{demand_ratio}%）

• {要点}

🔍 竞品对比舆情（{competitor_ratio}%）

• {仅当提及竞品时输出，否则输出「未提及竞品」}

分析要求：

• 每条要点引用代表评论关键词/短语
• 百分比为该类型评论占比，四类总和可能超 100%
• 必须理解 Facebook 社区文化

A4. 翻页提示（⚠️ 紧接在 A3 之后）

• 若 has_next 为 true：📄 当前第 {page} 页（共 {total_fetched} 条）。回复「下一页」继续查看。
• 若 has_next 为 false：📄 当前第 {page} 页，已无更多数据。

⚠️ A1~A4 必须在同一轮输出中连续完成，不可省略任何一步。

A4 输出完毕后，询问用户是否需要生成 HTML 可视化报告：

📊 是否需要生成 HTML 可视化报告？

若用户确认，根据已浏览页数选择方式：

---

仅 1 页 → 单页 HTML（backfill_html.py）

HTML 文件已在 Step 2 生成，直接回填分析数据并打开：

python scripts/backfill_html.py "<html_path>" --analysis-json '<分析JSON>'

回填后打开报告：Windows 用 start "" "<html_path>"，macOS 用 open "<html_path>"。

---

2 页及以上 → 合并报告（consolidate_report.py）

收集所有已浏览页面的 JSON 数据，生成一份包含全部评论和累计分析的完整 HTML。按页码分区展示，超过 3 页时自动折叠，提示用户点击展开（脚本生成后自动在浏览器打开）。

python scripts/consolidate_report.py "<post_url>" \
  --pages-json '[{"page":1,"total":31,"comments":[...]},{"page":2,"total":20,"comments":[...]}]' \
  --analysis-json '<累计分析JSON>'

参数	说明
post_url	帖子链接（位置参数，原样传入）
--pages-json	多页数据 JSON 数组，每项含 page、total、comments
--analysis-json	累计分析 JSON（字段同 backfill）

pages 数据从各次脚本调用输出中收集；累计分析基于 A3 翻页后综合分析。

---

分析 JSON 字段说明：

字段	类型	说明
positive_ratio	string	积极评价占比（纯数字，如 "62"，模板自动追加 %）
negative_ratio	string	负面评价占比
demand_ratio	string	用户需求占比
competitor_ratio	string	竞品对比占比
positive_summary	string	积极评价摘要（HTML ul 格式）
negative_summary	string	负面评价摘要
demand_summary	string	用户需求摘要
competitor_summary	string	竞品对比摘要

Step 4：翻页处理（用户回复「下一页」等时）

1. 沿用帖子链接
2. 使用上一页的 next_cursor
3. 重新调用脚本：python scripts/facebook_comment_search.py "<post_url>" --cursor "<next_cursor>" --page <page>
4. 完整执行 A1~A4，A3 基于累计综合分析
5. A4 后询问是否需要 HTML

翻页规则： has_next true → 用 next_cursor 翻页；false → 已无更多。cursor 原样传递，不可修改。

Step 5：错误处理

错误类型	处理方式
无 API Key	提示配置 REDFOX_API_KEY
帖子链接无效	提示「未找到该帖子的评论，请检查帖子链接是否正确」
接口返回错误	显示错误码和错误信息
获取 0 条评论	提示「该帖子暂无评论」
网络请求超时	提示「网络请求超时，请稍后重试」

注意： 接口返回的 total 字段为 null，不可依赖其做总数统计；页数判断只认 paginationToken。

---

依赖

脚本使用 urllib（Python 标准库），无需额外安装依赖。

---

使用示例

示例 1：通过链接查询

用户：https://www.facebook.com/reel/1746412686633900 这个帖子的评论分析下
助手：传链接 → 调用脚本 → 获取评分 + AI总结 → 生成HTML