agentbay-monitor-skills

name agentbay-monitor-skills description 舆情监控技能，最终产出舆情报告。当用户问「某事件/话题舆情如何」「舆论怎么样」「做舆情分析」「运行舆情分析」或按关键词/平台爬取并生成舆情报告时，使用本技能。约定：凡舆情相关意图即执行全流程（爬取→情感分析→生成报告）。爬取由本技能完成；情感分析由主 Agent 按提示词自主判断；报告由 generate_report 生成。 AgentBay 舆情监控 Skill ⚠️ 舆情分析 = 全流程（必读） 用户说「运行舆情分析」「做舆情分析」「舆情分析 主题是 XXX」时，必须执行完整三步，不能只跑爬取就结束。 步骤 动作 说明 1. 爬取 crawl.py 或 crawl_for_sentiment(...) 得到 raw_output_path （爬取结果 JSON） 2. 情感分析 读 scripts/sentiment/sentiment_instruction.md → 对爬取 JSON 逐条判定 → 写情感结果小 JSON → 运行 write_processed.py 得到 processed JSON（如 output/processed.json ） 3. 生成报告 report.py --input <processed 路径> 或 generate_report(...) 得到 Markdown/JSON（及可选 PDF） 禁止行为 ：只运行 crawl.py 后就说「爬取完成，情感分析由主 Agent 完成」并结束。这是错误用法——主 Agent 就是你自己，你必须继续完成步骤 2 和 3，直到产出最终报告文件。 何时使用 用户出现以下任一意图时， 必须 使用本技能并执行全流程（爬取→情感分析→生成报告）： 问「 某事件/话题舆情如何 」「XX 舆论怎么样」「想了解 XX 的舆情」 「运行舆情分析」「做舆情分析」「舆情分析 主题是 XXX」 舆情监控、情感分析、舆情报告、按关键词/平台爬取并生成报告（中英文场景均可） 意图为舆情相关即默认使用本技能 ，不可仅用联网搜索代替。 重要约定 ：凡提到「舆情分析」（或「运行舆情分析」「做舆情分析」等等价表述），即视为执行 全流程 ——爬取 → 情感分析 → 生成报告。必须按该完整流程执行，不可只做爬取；最终产出须包含 Markdown/JSON（及可选 PDF）报告。 前置条件 工作目录为技能目录（本 SKILL 所在目录）；已安装依赖；已配置 AGENTBAY_API_KEY 。 依赖 pip install wuying-agentbay-sdk pandas numpy pyyaml markdown 可选（PDF 报告）： brew install cairo pango gdk-pixbuf 后 pip install weasyprint 。不装则仅无 PDF，.md/.json 正常。 API Key 仅需配置 AGENTBAY_API_KEY 。环境变量： export AGENTBAY_API_KEY=你的key （Windows PowerShell： $env:AGENTBAY_API_KEY="你的key" ）。或直接写文件： mkdir -p ~/.config/agentbay && echo -n '你的key' > ~/.config/agentbay/api_key 。获取： https://agentbay.console.aliyun.com/service-management 。未配置时运行脚本会报错。其余参数由主 Agent 传参/命令行传入。 整体流程 舆情分析 = 全流程 ：爬取 → 情感分析 → 生成报告（见上文「⚠️ 舆情分析 = 全流程」）。用户要求「舆情分析」时，三步都必须执行，不能只做第 1 步。 爬取 ： crawl.py 或 crawl_for_sentiment(...) → 得到 raw_output_path （爬取结果 JSON）。 情感分析 ：主 Agent 读提示词 scripts/sentiment/sentiment_instruction.md ，对爬取 JSON 逐条判定情感，产出情感结果小 JSON；再运行 write_processed.py 合并得到 processed JSON（如 output/processed.json ）。提示词可定制。 生成报告 ： report.py --input <processed 路径> 或 generate_report(processed_results, ...) → Markdown/JSON（及可选 PDF）。 运行方式 步骤 0：登录（仅非搜索引擎） xhs/weibo/douyin/zhihu 须先登录；百度、Bing 不需要。 python scripts/login.py --platform xhs [--context-name sentiment-analysis] → 浏览器中登录后终端按 Enter，状态持久化。非搜索引擎爬取时 --context-name 须与登录一致。 步骤 1：爬取 python scripts/crawl.py --keywords "关键词1,关键词2" [--platform baidu] [--max-results N] [--output-dir output] 参数： -k 必需； -p 默认 baidu（可选 xhs/weibo/douyin/zhihu/bing）； --max-results 、 -o 、 --report-title 、 --context-name 、 --crawl-timeout 。百度/Bing 仅抓资讯列表页（不点进链接），百度用资讯 URL（tn=news）。 爬取超时（必读） ：执行环境（如 run_terminal_cmd）的 超时须 ≥ 10 分钟 （600 秒或 600000 毫秒），否则会中断。约 1 条/分钟，10 条约 10 分钟；建议超时略大于估算（如 15 分钟）。脚本内 --crawl-timeout 不传时会自动按条数计算，一般无需手传。 步骤 2：情感分析 主 Agent 读 scripts/sentiment/sentiment_instruction.md ，对爬取 JSON 逐条判定情感并按规定格式写 processed JSON（无需在技能中配置 LLM）。 步骤 3：生成报告 python scripts/report.py --input <processed JSON 路径> [--output-dir output] [--title "报告标题" ] 输出 爬取 → raw_output_path 、 crawl_results 。情感分析 → processed JSON（含 sentiment_statistics 、每条 sentiment ，格式见提示词）。报告 → markdown_path 、 json_path 、可选 pdf_path 。 Agent 调用要点 舆情分析必跑全流程 ：用户说「舆情分析」「运行舆情分析」或类似意图时， 必须 完成「爬取 → 情感分析 → 合并（write_processed.py）→ 生成报告」，产出最终报告文件。 不可 只运行爬取后就说「情感分析由主 Agent 完成」并结束——主 Agent 即当前 Agent，必须由你继续完成情感分析与报告。 登录 ：非搜索引擎前先 login.py --platform <平台> ；百度/Bing 免登录。 爬取 ： crawl.py 或 crawl_for_sentiment(...) ，默认平台 baidu； 执行超时 ≥ 10 分钟 （见上文「爬取超时」）；非搜索引擎时 context_name 与登录一致。 情感分析 ：读 scripts/sentiment/sentiment_instruction.md ；对爬取 JSON（ raw_output_path ）逐条判定情感；写情感结果小 JSON（如 output/sentiment_only.json ）；运行 python scripts/sentiment/write_processed.py --raw <爬取JSON> --sentiment <情感结果JSON> --output output/processed.json 。 报告 ： report.py --input output/processed.json 或 generate_report(...) 。 失败 ：未配置 Key、未登录或执行失败 → success: False 、 error 。 代码示例 import asyncio, sys, json from pathlib import Path sys.path.insert( 0 , str (Path(__file__).resolve().parent / "scripts" )) from crawl import crawl_for_sentiment, generate_report async def main (): result = await crawl_for_sentiment(platform= "baidu" , keywords=[ "产品名" ], max_results_per_keyword= 10 , output_dir= "output" ) if not result.get( "success" ): return raw_path = result.get( "raw_output_path" ) # 主 Agent：读 sentiment_instruction.md → 对 raw_path 做情感分析 → 写 output/processed.json（或先用 write_processed.py 合并） processed_path = Path( "output" ) / "processed.json" with open (processed_path, "r" , encoding= "utf-8" ) as f: report = generate_report(json.load(f), output_dir= "output" , title= "舆情报告" ) print ( "报告:" , report.get( "markdown_path" )) asyncio.run(main()) 常见问题 只跑了爬取怎么办 ：若已运行 crawl.py 得到 raw_output_path ，必须继续做情感分析（读 sentiment_instruction.md 、写情感结果 JSON、运行 write_processed.py ）再运行 report.py --input <processed路径> ，直到产出报告。 processed JSON ：title/content 常含未转义双引号，手写易导致 report.py JSON 解析失败。主 Agent 只产出「情感结果」小 JSON，再运行 python scripts/sentiment/write_processed.py --raw <爬取JSON> --sentiment <情感结果JSON> --output <processed路径> 。详见 sentiment_instruction.md 第 4 节。 登录失效 ：重跑 python scripts/login.py --platform <平台> [--context-name ...] 。 爬取超时 ：执行环境超时须 ≥ 10 分钟（见上文）；需更长时显式传 --crawl-timeout （秒）。 文件结构 SKILL.md · scripts/ ： crawl.py （爬取/报告入口）、 report.py 、 login.py 、 crawler/ 、 sentiment/ （ sentiment_instruction.md 、 write_processed.py ）、 reporter/ · output/