前言¶

一人电商常见局面是：评论、差评、客服记录和售后反馈散落在各平台后台或导出表里，复盘时靠肉眼翻页，很难把「同一类抱怨」串成可执行的改动。通用大模型可以帮忙归纳，但缺少证据编号、风险评分和可落地的 SOP，结论往往不好对照原始反馈。

下面介绍 SkillHub 上的 口碑雷达 | 一人电商口碑运营助手（坐标 @user_2b384f75/review-radar，当前版本 v1.2.4）。它面向卖家自行提供的文本材料，输出结构化的口碑运营决策报告，并在规则上明确拒绝刷评、删差评建议等非合规操作。

这是什么¶

口碑雷达（ReviewRadar 店铺口碑雷达）是社区来源（community）的 Agent Skill，分类为 business-ops，由 SkillHub 用户 user_2b384f75 发布；SkillHub 页面标注作者为 Irene。标签 requires_api_key=false，表示按官方说明安装使用时不需要额外配置 API Key。

一句话定位：在不绑定具体电商平台的前提下，分析你粘贴或导入的商品评论、差评、客服聊天、售后反馈及 CSV/Excel 导出文本，生成带证据链的口碑诊断与行动清单。

核心功能¶

以下能力均来自 SkillHub 官方简介，安装后由 Agent 按 Skill 内 SKILL.md 流程执行。

1. 多源文本输入：商品评论、差评、客服聊天记录、售后反馈、CSV/Excel 导出文本、混合反馈文本。
2. 决策报告输出，通常包含：
   - 带证据编号的引用，便于回溯到原始语句；
   - 风险评分与口碑诊断；
   - 客服知识库更新包；
   - 详情页改写示例；
   - 售后 SOP；
   - 今日三项优先行动。
3. 典型分析任务：平台无关的评论分析、差评归因、客服复盘、售后反馈整理、用户痛点聚类。

明确不做的事（官方约束）：不得连接非授权 API、使用爬虫、绕过平台权限；不得诱导刷评、建议删差评，或输出操纵评价类内容。分析应基于你已合法获得的导出或复制文本。

安装与启用¶

SkillHub 提供两种常见路径：用 skillhub CLI 装到当前 Agent 的 skills 目录，或把官方提示词交给 AI 按安装文档操作。

1. 检查 / 安装 SkillHub CLI¶

先确认本机是否已有 CLI：

command -v skillhub && skillhub --version

若未安装，可按 SkillHub 安装文档执行完整安装（文档地址：https://skillhub.cn/install/skillhub.md）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅安装 CLI 时：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2. 安装口碑雷达 Skill¶

安装任意 Skill 时，必须用 --dir 指向当前 Agent 实际读取的 skills 目录；否则默认落在 ./skills/，Agent 可能识别不到。

skillhub install @user_2b384f75/review-radar --dir <你的 Agent skills 目录>

常用目录（摘自 SkillHub 安装文档，按你当前客户端选用其一）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

安装后若客户端要求重启或重新加载 skills，按该客户端说明操作。

3. 通过对话让 AI 安装¶

SkillHub 技能页给出的提示词为：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_2b384f75/review-radar`。

将上述内容发给已支持 Skill 安装的 Agent，由其按文档完成安装与目录校验。

典型用法¶

官方页面未附带固定示例数据集，可按下述可复现流程使用（输入内容需为你自有、合规取得的材料）。

1. 准备材料：从平台后台导出评论或客服记录（CSV/Excel），或复制一段混合反馈文本；敏感信息可先脱敏，保留能说明问题的原句。
2. 启用 Skill：在 Cursor、Claude Code、Codex 等已加载 @user_2b384f75/review-radar 的会话中，说明分析目标（例如「本周差评归因」「客服话术复盘」）。
3. 提交任务：把文件内容或粘贴文本交给 Agent，并写明希望侧重报告中的哪几块（口碑诊断、知识库更新包、详情页示例、售后 SOP、今日三项行动等）。
4. 对照输出：用报告中的证据编号回到原始反馈，核对风险评分与优先行动是否与材料一致，再决定是否改详情页、补客服 FAQ 或调整售后流程。

因 requires_api_key=false，一般无需在 Skill 外再配专用密钥；若 Agent 本身调用模型需要平台侧配置，仍按你所用客户端的常规方式设置。

适用场景与注意¶

适合谁

• 一人电商或小团队卖家，评论量不足以支撑专职数据同学，但仍需要周期性口碑复盘。
• 多平台卖货、希望用同一套分析框架处理导出文本，而不是为每个后台写脚本。
• 需要把「用户原话 → 可执行改动」串成文档（SOP、知识库、详情页草案）的运营或客服负责人。

使用注意

• 输入质量决定输出质量：导出字段混乱或大量重复灌水，聚类与归因会失真；尽量保留时间、SKU、评分（若有）等上下文。
• 遵守官方边界：不要要求 Skill 爬取未授权页面、代连店铺 API，或生成刷评/删评策略；它设计目标是诊断与改进，不是操纵评价。
• SkillHub 统计（以抓取资料为准）：评分 100000，下载 657 次；具体体验以你本地 Agent 与模型版本为准。

结尾¶

口碑雷达把分散的评论与售后文本收敛成带证据编号和风险视角的运营报告，并给出知识库、详情页与 SOP 等可跟进产物，适合一人电商做定期口碑复盘。安装与详情见 SkillHub：

• 技能页：https://www.skillhub.cn/skills/user_2b384f75/review-radar
• API 坐标页：https://api.skillhub.cn/user_2b384f75/review-radar