market/skills/multi-source-sentiment/SKILL.zh-CN.md

企业尽调舆情采集

L0

输入企业名称，通过抖音指数（热度趋势）+ 抖音精选（负面素材）+ WebSearch（全网新闻）三渠道采集舆情，输出尽调舆情报告（负面风险清单/正面亮点/情感概览/综合判断）。

L1 概述

• 目的：回答尽调核心问题——有没有负面舆情？有没有诉讼/处罚报道？产品质量有没有问题？高管有没有负面？舆论形象如何？
• 三渠道分工：

渠道	尽调用途	采集方式
抖音指数	舆论热度量化（时间序列，看是否近期发酵）	Kimi WebBridge 访问巨量算数
抖音精选	具体负面内容素材（投诉视频/维权曝光/质量吐槽）	Kimi WebBridge 搜索抖音
WebSearch	全网负面新闻/法院公告/监管处罚/消费者投诉	DesireCore 内置 WebSearch

• 前置依赖：Kimi WebBridge daemon 运行中（127.0.0.1:10086）+ 浏览器扩展已连接

L2 详细操作

数据源一：抖音指数（企业名热度趋势）

访问方式

URL: https://trendinsight.oceanengine.com/arithmetic-index/analysis/keyword?keyword={企业简称}&appName=aweme
方法: Kimi WebBridge 浏览器自动访问页面并提取内容
注意: URL 参数化访问，不触发验证码。不要尝试在搜索框输入文字。

尽调关键词策略

尽调维度	搜索关键词
舆论整体热度	{企业简称}
负面热度	{企业简称} 负面
投诉热度	{企业简称} 投诉

尽调判断要点

• 热度骤升：近期热度陡增（环比 >200%）→ 可能存在负面事件发酵，需重点排查
• 热度平稳：无异常波动 → 舆论风险较低
• 长期高热：知名企业的常态，需结合内容素材判断正负

数据源二：抖音精选（负面内容素材）

访问方式

URL: https://www.douyin.com/search/{企业简称}?type=video
方法: Kimi WebBridge 搜索抖音，提取视频标题/作者/点赞数/评论数
注意: 用企业简称搜索（全名命中率低）；优先看点赞/评论高的视频（传播广=影响大）。

尽调采集字段

• 视频标题（判断是否负面：投诉/维权/曝光/质量/欺骗/跑路）
• 点赞数 / 评论数（传播广度 = 负面影响程度）
• 作者昵称（个人吐槽 vs 媒体报道 vs 竞品抹黑）
• 发布时间（近期 vs 历史）

负面视频筛选标准

信号词	风险等级
投诉 / 维权 / 欺骗 / 诈骗 / 跑路	🔴 高
质量 / 召回 / 不合格 / 假货	🔴 高
欠薪 / 辞退 / 仲裁	🟡 中
吐槽 / 差评 / 不满	🟡 中
正面宣传 / 获奖 / 创新	🟢 正面

数据源三：WebSearch（全网尽调舆情）

搜索关键词组合（按尽调维度）

# 高优先级（必查）
search_queries_high = [
    "{企业名} 负面 OR 投诉 OR 维权 OR 欺骗 OR 跑路",
    "{企业名} 起诉 OR 法院 OR 被告 OR 被执行 OR 失信",
    "{企业名} 处罚 OR 违规 OR 罚款 OR 整改 OR 通报批评",
]

# 中优先级（建议查）
search_queries_mid = [
    "{企业名} 质量 OR 召回 OR 不合格 OR 安全事故",
    "{企业名} 老板 OR 法人 OR 总经理 丑闻 OR 被查 OR 被抓",
    "{企业名} 欠薪 OR 辞退 OR 劳动仲裁 OR 工伤",
]

# 低优先级（正面对照）
search_queries_low = [
    "{企业名} 获奖 OR 创新 OR 认定 OR 排名",
]

采集字段

• 新闻标题 / 来源网站 / 发布时间 / 摘要 / 原文链接
• 注意：区分企业作为原告（维权，非负面信号）vs 被告（被诉，负面信号）

Step 1：三渠道采集执行

1. WebSearch 尽调搜索（先执行，信息量最大）：按高/中/低优先级逐组搜索，收集新闻标题+来源+日期+摘要
2. 抖音指数热度：访问巨量算数查企业简称热度趋势，判断是否近期发酵
3. 抖音精选内容：搜索抖音视频，按负面信号词筛选高互动视频

Step 2：LLM 后处理（情感分析 + 风险分级）

对采集到的原始内容执行：

分析步骤	说明
情感分类	每条标注：正面 / 中性 / 负面
风险分级	负面内容分：高（诉讼被告/处罚/跑路/安全事故）/ 中（投诉/质量吐槽/劳资）/ 低（一般差评）
事件归并	同一事件的多条报道归并为一条（以最早报道为准）
原被告区分	企业作为原告的维权诉讼不是负面风险信号
时效判断	近 3 个月的负面标记"近期"，更早的标记"历史"

Step 3：输出尽调舆情报告

{
  "query_status": "success",
  "source": "multi-source-sentiment",
  "company_name": "{企业名}",
  "sentiment_overview": {
    "overall_assessment": "正面 | 中性偏正 | 中性 | 中性偏负 | 负面 | 高风险",
    "negative_ratio": "15%",
    "neutral_ratio": "60%",
    "positive_ratio": "25%",
    "trend": "稳定 | 近期发酵 | 持续负面"
  },
  "negative_risks": [
    {
      "risk_type": "诉讼报道(被告) | 行政处罚 | 产品质量 | 高管负面 | 劳资纠纷 | 消费者投诉 | 经营异常",
      "event_title": "……",
      "event_date": "YYYY-MM-DD",
      "recency": "近期 | 历史",
      "source_url": "https://……",
      "severity": "高 | 中 | 低",
      "summary": "1-2 句事件摘要"
    }
  ],
  "controversies": [
    {
      "event_title": "……",
      "description": "争议双方与焦点",
      "status": "发酵中 | 已平息 | 官方已回应"
    }
  ],
  "positive_highlights": [
    "获奖/创新/贡献等正面事件（一句话）"
  ],
  "sentiment_summary": "3-5 句舆情综合判断：整体舆论形象、主要负面及严重程度、是否近期发酵、尽调建议",
  "data_sources_used": ["websearch", "douyin-index", "douyin-featured"],
  "collection_time": "ISO8601"
}

质量标准

• 数据真实性：所有舆情内容必须来自实际采集（WebSearch 结果 / 抖音页面），绝不编造
• 来源可溯：每条负面风险必须附 source_url
• 原被告区分：企业作为原告的诉讼报道不列入负面风险（单独归类为"涉诉动态"）
• 时效标注：每条负面标注"近期"（3 个月内）或"历史"
• 不做绝对结论：舆情是辅助信号，报告末尾注明"舆情仅为尽调参考维度之一，需结合工商/司法/财务数据综合判断"

错误处理

场景	处理方式
抖音指数页面无法访问	跳过该源，用 WebSearch + 抖音精选补充，报告中注明"热度数据缺失"
抖音搜索需登录	跳过该源，WebSearch 补充搜索 {企业名} 抖音 负面
WebSearch 无结果	该维度标注"未检索到相关负面"，属正面信号
负面信息量极大	只取前 10 条高严重度条目，其余归入计数

已知限制

• 非实时：依赖搜索引擎收录与抖音页面展示，存在小时级~天级延迟（非 7×24 实时监测——持续监测需商业舆情 API）
• 情感分析靠 LLM：无专用情感模型，由 LLM 后处理推断（准确率约 85-90%，边界案例可能误判）
• 抖音覆盖：微信公众号/微博/小红书等平台内容仅能通过 WebSearch 间接覆盖（非全平台直达）
• 企业全名 vs 简称：WebSearch 用全名（精确），抖音用简称（命中率）；两者结果可能有差异

故障排查

问题	原因	处理
WebBridge daemon 不可达	daemon 未运行	~/.kimi-webbridge/bin/kimi-webbridge.exe start
巨量算数页面空白	JS 渲染未完成	等 5 秒后 evaluate 读 innerText
抖音搜索页无结果	需登录 / 简称不匹配	跳过，WebSearch 补充
WebSearch 结果全是正面	负面词组合不当	换用具体负面词（如"被处罚"而非"处罚"）