前言¶

一人電商常見局面是：評論、差評、客服記錄和售後反饋散落在各平臺後臺或導出表裏，復盤時靠肉眼翻頁，很難把「同一類抱怨」串成可執行的改動。通用大模型可以幫忙歸納，但缺少證據編號、風險評分和可落地的 SOP，結論往往不好對照原始反饋。

下面介紹 SkillHub 上的 口碑雷達 | 一人電商口碑運營助手（座標 @user_2b384f75/review-radar，當前版本 v1.2.4）。它面向賣家自行提供的文本材料，輸出結構化的口碑運營決策報告，並在規則上明確拒絕刷評、刪差評建議等非合規操作。

這是什麼¶

口碑雷達（ReviewRadar 店鋪口碑雷達）是社區來源（community）的 Agent Skill，分類爲 business-ops，由 SkillHub 用戶 user_2b384f75 發佈；SkillHub 頁面標註作者爲 Irene。標籤 requires_api_key=false，表示按官方說明安裝使用時不需要額外配置 API Key。

一句話定位：在不綁定具體電商平臺的前提下，分析你粘貼或導入的商品評論、差評、客服聊天、售後反饋及 CSV/Excel 導出文本，生成帶證據鏈的口碑診斷與行動清單。

核心功能¶

以下能力均來自 SkillHub 官方簡介，安裝後由 Agent 按 Skill 內 SKILL.md 流程執行。

1. 多源文本輸入：商品評論、差評、客服聊天記錄、售後反饋、CSV/Excel 導出文本、混合反饋文本。
2. 決策報告輸出，通常包含：
   - 帶證據編號的引用，便於回溯到原始語句；
   - 風險評分與口碑診斷；
   - 客服知識庫更新包；
   - 詳情頁改寫示例；
   - 售後 SOP；
   - 今日三項優先行動。
3. 典型分析任務：平臺無關的評論分析、差評歸因、客服復盤、售後反饋整理、用戶痛點聚類。

明確不做的事（官方約束）：不得連接非授權 API、使用爬蟲、繞過平臺權限；不得誘導刷評、建議刪差評，或輸出操縱評價類內容。分析應基於你已合法獲得的導出或複製文本。

安裝與啓用¶

SkillHub 提供兩種常見路徑：用 skillhub CLI 裝到當前 Agent 的 skills 目錄，或把官方提示詞交給 AI 按安裝文檔操作。

1. 檢查 / 安裝 SkillHub CLI¶

先確認本機是否已有 CLI：

command -v skillhub && skillhub --version

若未安裝，可按 SkillHub 安裝文檔執行完整安裝（文檔地址：https://skillhub.cn/install/skillhub.md）：

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

僅安裝 CLI 時：

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

2. 安裝口碑雷達 Skill¶

安裝任意 Skill 時，必須用 --dir 指向當前 Agent 實際讀取的 skills 目錄；否則默認落在 ./skills/，Agent 可能識別不到。

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

常用目錄（摘自 SkillHub 安裝文檔，按你當前客戶端選用其一）：

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

安裝後若客戶端要求重啓或重新加載 skills，按該客戶端說明操作。

3. 通過對話讓 AI 安裝¶

SkillHub 技能頁給出的提示詞爲：

請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_2b384f75/review-radar`。

將上述內容發給已支持 Skill 安裝的 Agent，由其按文檔完成安裝與目錄校驗。

典型用法¶

官方頁面未附帶固定示例數據集，可按下述可復現流程使用（輸入內容需爲你自有、合規取得的材料）。

1. 準備材料：從平臺後臺導出評論或客服記錄（CSV/Excel），或複製一段混合反饋文本；敏感信息可先脫敏，保留能說明問題的原句。
2. 啓用 Skill：在 Cursor、Claude Code、Codex 等已加載 @user_2b384f75/review-radar 的會話中，說明分析目標（例如「本週差評歸因」「客服話術復盤」）。
3. 提交任務：把文件內容或粘貼文本交給 Agent，並寫明希望側重報告中的哪幾塊（口碑診斷、知識庫更新包、詳情頁示例、售後 SOP、今日三項行動等）。
4. 對照輸出：用報告中的證據編號回到原始反饋，覈對風險評分與優先行動是否與材料一致，再決定是否改詳情頁、補客服 FAQ 或調整售後流程。

因 requires_api_key=false，一般無需在 Skill 外再配專用密鑰；若 Agent 本身調用模型需要平臺側配置，仍按你所用客戶端的常規方式設置。

適用場景與注意¶

適合誰

• 一人電商或小團隊賣家，評論量不足以支撐專職數據同學，但仍需要週期性口碑復盤。
• 多平臺賣貨、希望用同一套分析框架處理導出文本，而不是爲每個後臺寫腳本。
• 需要把「用戶原話 → 可執行改動」串成文檔（SOP、知識庫、詳情頁草案）的運營或客服負責人。

使用注意

• 輸入質量決定輸出質量：導出字段混亂或大量重複灌水，聚類與歸因會失真；儘量保留時間、SKU、評分（若有）等上下文。
• 遵守官方邊界：不要要求 Skill 爬取未授權頁面、代連店鋪 API，或生成刷評/刪評策略；它設計目標是診斷與改進，不是操縱評價。
• SkillHub 統計（以抓取資料爲準）：評分 100000，下載 657 次；具體體驗以你本地 Agent 與模型版本爲準。

結尾¶

口碑雷達把分散的評論與售後文本收斂成帶證據編號和風險視角的運營報告，並給出知識庫、詳情頁與 SOP 等可跟進產物，適合一人電商做定期口碑復盤。安裝與詳情見 SkillHub：

• 技能頁：https://www.skillhub.cn/skills/user_2b384f75/review-radar
• API 座標頁：https://api.skillhub.cn/user_2b384f75/review-radar