What makes 极鲸云 Temu 评论搜索 notable?

1.7K downloads. Trust evidence available

How should 极鲸云 Temu 评论搜索 be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

极鲸云 Temu 评论搜索

搜索和分析 Temu 商品评论，提炼卖点、痛点和改良方向 Skill: 极鲸云 Temu 评论搜索 Owner: geekbi Summary: 搜索和分析 Temu 商品评论，提炼卖点、痛点和改良方向 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-12T07:31:10.365Z | auto - 首个版本发布，支持通过极鲸云按 Temu 商品 ID 查询和分析真实评论。 - 支持按评分、主题、规格、时间等维度聚合评论，分离卖点和痛点分析。 - 明确只依据极鲸云真实返回的评论形成结论，不预测或补全评论内容。 - 严格校验商品 ID，只接受明确的 ID 输入或标准 URL 提取，不猜测来源。 - 输出中包含评论数据口径、样本量、筛选条件和数据来源限制等信息。 Archive index: Archive v0.1.0: 16 files, 22842 bytes Files: .gitignore (28b), agents

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.7k

Updated

Oct 10, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.7K downloadsadoption · observed Oct 10, 2026
Latest release: 0.1.0release · observed Aug 12, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s174eqt3xz844hgj4g79d0an318c07m7:geekbi-temu-review-search-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-geekbi-geekbi-temu-review-search-skill/snapshot"

Documentation

CLAWHUB

12,628 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: geekbi-temu-review-search-skill
description: 使用极鲸云按 Temu 商品 ID 查询和分析真实商品评论。用户需要查看某个 Temu 商品的评论、评分结构、好评卖点、差评原因、消费者痛点、使用场景、规格差异、近期反馈变化、图片或视频评论线索、选品风险或产品改良方向时使用。商品 ID 是查询前提，仅依据极鲸云真实返回的评论形成结论。
---

# 极鲸云 Temu 评论搜索

## 工作原则

- 只分析极鲸云实际返回的评论，不编造评论、翻译、主题频次或结论。
- 将评论搜索用于研究一个明确商品的用户反馈，不用于定位或搜索商品。
- 必须取得明确的 Temu 商品 ID。用户只提供链接时，仅在 URL 明确包含唯一的 `goods_id` 或 `goodsId` 参数时提取；无法可靠提取时请用户提供商品 ID，不猜测也不依赖其他 Skill 补齐。
- 复用 GeekBI Temu Skills 的共享登录态。任一 Skill 已完成登录时直接查询，不主动重复登录；脚本要求暂停时按 [查询暂停与恢复流程](references/查询暂停与恢复流程.md) 处理。
- 明确区分评论发表时间与数据采集时间；没有实际查看评论媒体时，只说明附带图片或视频，不描述媒体内容。
- 没有收录评论时说明数据边界，不推断商品没有评论、质量好或质量差。

## 执行流程

1. 取得明确商品 ID。接受用户直接提供的 ID，或从链接中明确且唯一的 `goods_id` / `goodsId` 参数提取；其他情况先请用户补充商品 ID。
2. 明确用户要看整体口碑、差评痛点、正向卖点、规格差异、时间变化还是评论明细，并确认评分、规格、时间范围和样本要求。
3. 读取 [Temu 评论搜索](references/Temu评论搜索.md) 和 [Temu 评论搜索接口](references/Temu评论搜索接口.md)。
4. 一般只传商品 ID。未指定站点时使用美国站默认口径；用户明确限定其他国家或地区时，运行 `python3 scripts/temu_site_list.py --country "国家或地区"`，只采用唯一精确匹配。
5. 生成最小必要条件并运行 `scripts/temu_review_search.py`。脚本要求暂停时展示服务端一级中文提示和有效跳转链接，停止分析；用户完成操作或回复“继续”后原样重跑。
6. 核对去重后的评论总数、实际读取页数、已读取数量、筛选条件和时间范围。请求全量时逐页读取至覆盖去重总数，最多读取排序后的前 10000 条；超过限制时缩小评分、规格或时间范围分批查询。
7. 返回为空时先核对商品 ID 和可选筛选条件；仍为空则说明极鲸云暂未收录该商品评论，不继续生成评论分析。
8. 按评分、主题、规格和时间聚合证据，将频率与严重度分开，再形成卖点、痛点、选品风险和产品改良建议。

## 分析边界

- 统计各星级数量和占比时报告有效样本量；未完成分页时只描述当前样本。
- 按质量、尺寸、材质、功能、包装、物流、描述一致性和使用门槛等主题聚类，并保留无法归类项。
- 用出现次数衡量普遍性，用低评分和有用数衡量影响或参考价值，不将二者混为一个指标。
- 问题集中于特定 SKU 或规格时标为规格风险，不直接归因于整个商品。
- 代表性评论只保留必要原意，不大段复制评论，也不把单条评论扩大为普遍结论。

## 输出要求

- 默认依次输出一句话结论、数据口径、评分与主题概览、主要卖点与痛点、规格与时间差异、产品改良与验证动作。
- 使用简体中文和绝对日期，明确商品 ID、可选站点、筛选条件、分页范围、去重总数、已读取数量和数据限制。
- 只有样本充分时才下规格或时间趋势结论；样本不足时明确降低置信度。
- 用户只要评论列表或简单查询结果时保持简洁，不强行扩展为完整报告。
- 用户要求评论明细时，按中文名称展示当前已读取记录的完整字段；空字段保持为空，不自行补全。

README.md

# 极鲸云 Temu 评论搜索 Skill

通过极鲸云实际返回的 Temu 商品评论，围绕明确的 Temu 商品 ID 分析评分结构、好评卖点、差评原因、消费者痛点、使用场景、规格差异和近期反馈变化，帮助国内跨境卖家识别选品风险、改进产品与优化采购验货；未返回或未收录的评论不会被推断或编造。

## 主要能力

| 能力 | 可以解决的问题 |
| --- | --- |
| Temu 商品评论查询 | 按明确的 Temu 商品 ID 查询已收录评论，并按评分、规格、时间和有用数筛选真实反馈 |
| 评分与口碑分析 | 统计实际读取样本的星级结构和主题分布，判断商品的主要认可点与风险 |
| 好评卖点与差评痛点 | 从返回评论中提炼购买动机、使用场景、质量问题、尺寸问题、描述一致性和其他高频反馈 |
| 规格与时间差异 | 比较不同 SKU、颜色、尺寸或时间段的反馈，识别规格风险和近期问题变化 |
| 产品改良与选品风险 | 将有证据支持的评论问题转化为产品改良、采购验货、详情说明和后续验证动作 |

## 适用场景

本项目适合以下任务：

- 查询指定 Temu 商品 ID 的评论和评分情况。
- 分析商品 1 至 3 星评论中的主要差评原因。
- 提炼商品 4 至 5 星评论中的核心卖点和使用场景。
- 比较不同 SKU、颜色、尺寸或型号的评价差异。
- 研究近期评论与历史评论中的问题变化。
- 查看高有用数评论和带图片或视频的评论线索。
- 根据实际返回评论制定选品避坑、采购验货和产品改良建议。

## 安装 / 更新

请直接将下面这段话发送给支持 Skill 的 AI 助手，即可完成安装或更新到最新版本：

```text
安装这个Skill: https://github.com/geekbi/geekbi-temu-review-search-skill
```

## 开始使用

安装后直接用中文描述目标即可，例如：

```text
分析 Temu 商品 601103212738834 的评论，概括评分结构、主要卖点和风险。
```

```text
查找 Temu 商品 601103212738834 的 1 至 3 星评论，归纳主要差评原因和改良建议。
```

```text
分析 Temu 商品 601103212738834 不同规格的评论差异，判断问题是否集中在特定 SKU。
```

```text
查看 Temu 商品 601103212738834 的最新评论，并比较近期与历史反馈是否发生变化。
```

_meta.json

{
  "ownerId": "kn7aztmefa4fv3mdrqs9vagx7h8c14z2",
  "slug": "geekbi-temu-review-search-skill",
  "version": "0.1.0",
  "publishedAt": 1786519870365
}

references/Temu评论搜索.md

# Temu 评论搜索

## 工作原则

- 评论搜索用于研究一个明确商品的真实用户反馈，不用于从全站凭空找商品。
- 只分析极鲸云实际返回的评论；没有收录评论时明确说明无数据，不把“无评论数据”解释为商品没有评论、质量好或质量差。
- 评论正文、评分、有用数、规格、图片、视频和时间共同构成证据。摘要不得脱离原评论语义，也不得把单条评论放大为普遍结论。
- 默认使用简体中文和绝对日期。面向用户展示中文业务名称，不在分析过程暴露英文参数、请求命令或原始 JSON。
- 接口返回的全部字段都应保留用于分析。用户要求查看明细时，以中文列名完整展示当前已读取评论的所有字段；未要求原始明细时优先输出可读结论和代表性证据。

## 执行流程

1. 必须取得明确的 Temu 商品 ID。用户只提供链接时，仅在 URL 明确包含唯一的 `goods_id` 或 `goodsId` 参数时提取；无法可靠提取时请用户提供商品 ID，不猜测也不依赖其他 Skill 定位。
2. 读取 [Temu 评论搜索接口](Temu评论搜索接口.md)，根据问题选择最小必要条件。
3. 一般只传商品 ID；只有用户明确要求限定某个站点、规格或时间范围时才增加相应条件。
4. 使用 `scripts/temu_review_search.py` 查询；服务端要求暂停查询时，按 [查询暂停与恢复流程](查询暂停与恢复流程.md) 提示并暂停。
5. 恢复条件满足后原样重跑查询。查询失败时只提示一级错误文案，不展示错误 JSON、状态码、异常栈或内部字段。
6. 核对去重后的评论总数、当前页、实际读取数量、筛选条件和时间范围。未读取全部分页时明确标为样本。
7. 返回为空时先核对商品 ID 和可选站点限制；仍为空则结束数据分析，并说明极鲸云暂未收录该商品评论，可稍后重试。

## 查询策略

- 最新反馈：默认按评论时间从新到旧，适合发现近期质量变化和新版问题。
- 最有参考价值：按有用数从高到低。高有用数表示更多用户认可该评论具有参考价值，但不等于该观点出现频率最高。
- 差评痛点：筛选 1 至 3 星，再按有用数从高到低；需要判断严重问题时，可单独查看 1 至 2 星。
- 正向卖点：筛选 4 至 5 星，再按有用数从高到低，提取购买动机、超预期点和高频使用场景。
- 规格差异：限定 SKU 或根据规格字段分组，比较颜色、尺寸、型号等不同变体的评分与问题。
- 时间变化：设置评论时间范围或分时段分页，比较近期与历史痛点是否改变。
- 全量研究：逐页读取直至去重后的评论总数，或达到本次明确声明的样本上限；不要把单页结果称为全量。

## 分析方法

- 评分结构：统计各星级数量和占比，同时报告有效样本量。当前只读取部分页面时，评分结构仅代表样本。
- 痛点聚类：按质量、尺寸、材质、功能、包装、物流、描述一致性、使用门槛等主题归类，保留无法归类项。
- 严重度与频率分开：出现次数衡量普遍性，低评分和高有用数衡量影响或参考价值，二者不得混为一个指标。
- 规格归因：同一问题若集中于特定规格，应标为规格风险，不能直接归因于整个商品。
- 媒体证据：图片和视频可作为问题或卖点的补充证据；没有实际查看媒体内容时，只能说明评论附带媒体，不能描述媒体中不存在或未验证的细节。
- 时间趋势：按绝对时间比较问题是否新增、缓解或持续；采集时间仅表示数据进入极鲸云的时间，不当作用户发表时间。
- 产品改良：把高频痛点转化为选品验货、详情页说明、尺码设计、包装和售后动作，并区分可改进问题与供应链硬伤。
- 证据强度：优先使用多条独立评论、跨规格重复出现、近期仍持续且有较高有用数的主题；短评、空文本和信息不足评论降低权重。

## 输出要求

默认按以下顺序输出：

1. 一句话结论：该商品最主要的用户认可点、风险和是否值得继续研究。
2. 数据口径：商品、可选站点或规格、评分和时间范围、排序、分页、去重后总数、已读取数量。
3. 评分与主题概览：展示中文指标、样本占比和主题频次。
4. 主要卖点与痛点：每项给出评论数量、评分特征、有用数证据和代表性原意，不大段复制评论。
5. 规格与时间差异：有足够样本时再给结论，样本不足则明确说明。
6. 产品改良、选品风险和下一步验证动作。

用户要求评论明细时，每条按中文名称完整展示：记录 ID、站点 ID、评论 ID、评论内容、评分、商品 ID、SKU ID、规格、图片、视频、有用数、评论时间和采集时间。空字段保留为空，不自行补全。

references/Temu评论搜索接口.md

# Temu 评论搜索接口

## 目录

- [脚本调用](#脚本调用)
- [查询参数](#查询参数)
- [推荐查询](#推荐查询)
- [排序字段](#排序字段)
- [成功响应](#成功响应)
- [评论字段](#评论字段)
- [无数据与失败处理](#无数据与失败处理)

## 脚本调用

- 单页数量：最大 200
- 去重口径：相同评论 ID 只保留一条

基础调用：

```bash
python3 scripts/temu_review_search.py \
  --param "goodsId=601099512345678" \
  --param "size=20"
```

服务端要求暂停查询时，按 [查询暂停与恢复流程](查询暂停与恢复流程.md) 提示用户；恢复条件满足后再次运行同一命令。

## 查询参数

| 参数 | 类型 | 默认值 | 说明 |
| --- | --- | --- | --- |
| `goodsId` | string | 必填 | Temu 商品 ID，最长 100 个字符 |
| `siteId` | integer | `48` | 极鲸云站点 ID；默认美国站，其他国家或地区先实时解析站点 |
| `skuId` | string | 无 | 可选 SKU ID，用于限定商品规格，最长 100 个字符 |
| `scoreMin` | integer | 无 | 最低评分，1 至 5 |
| `scoreMax` | integer | 无 | 最高评分，1 至 5 |
| `helpfulMin` | integer | 无 | 最小有用数，不小于 0 |
| `helpfulMax` | integer | 无 | 最大有用数，不小于 0 |
| `commentTimeMin` | datetime | 无 | 最早评论时间，ISO 8601 格式 |
| `commentTimeMax` | datetime | 无 | 最晚评论时间，ISO 8601 格式 |
| `sort` | string | `commentTime` | 排序字段，取值见下方 |
| `order` | string | `desc` | `asc` 或 `desc` |
| `page` | integer | `1` | 页码，从 1 开始 |
| `size` | integer | `20` | 每页数量，最大 200 |

最低值不能大于对应最高值。分页最多读取排序后的前 10000 条；需要研究大量评论时应缩小评分、规格或时间范围后分批读取。

## 推荐查询

最有用的差评：

```bash
python3 scripts/temu_review_search.py \
  --param "goodsId=601099512345678" \
  --param "scoreMax=3" \
  --param "sort=helpful" \
  --param "order=desc" \
  --param "size=100"
```

指定时间范围内的最新评论：

```bash
python3 scripts/temu_review_search.py \
  --param "goodsId=601099512345678" \
  --param "commentTimeMin=2026-01-01T00:00:00+08:00" \
  --param "commentTimeMax=2026-07-31T23:59:59+08:00" \
  --param "sort=commentTime" \
  --param "order=desc"
```

## 排序字段

| 维度 | `sort` 值 | 常用方向 |
| --- | --- | --- |
| 评论时间 | `commentTime` | `desc`，最新评论优先 |
| 有用数 | `helpful` | `desc`，更多用户认为有参考价值的评论优先 |
| 评分 | `score` | `asc` 看低分，`desc` 看高分 |
| 采集时间 | `createTime` | `desc`，最近进入极鲸云的数据优先 |

## 成功响应

```json
{
  "code": 0,
  "data": {
    "total": 37,
    "list": [
      {
        "id": "document-id",
        "siteId": 48,
        "reviewId": "review-id",
        "comment": "The material is better than expected.",
        "score": 5,
        "goodsId": "601099512345678",
        "skuId": "sku-id",
        "specs": "{\"Color\":\"Blue\",\"Size\":\"M\"}",
        "pictures": ["https://example.com/review.jpg"],
        "video": "https://example.com/review.mp4",
        "helpful": 18,
        "commentTime": "2026-07-01T12:00:00.000+00:00",
        "createTime": "2026-07-02T12:00:00.000+00:00"
      }
    ]
  }
}
```

- `data.total` 是当前条件下按评论 ID 去重后的评论总数。
- `data.list` 是当前页评论，返回下表中的全部已存储字段；字段没有数据时可能为 `null` 或空数组。

## 评论字段

| 字段 | 中文含义 | 分析用途 |
| --- | --- | --- |
| `id` | 记录 ID | 区分极鲸云中的数据记录 |
| `siteId` | 站点 ID | 区分评论所属 Temu 站点，并与商品详情链接保持一致 |
| `reviewId` | 评论 ID | 评论去重与明细追踪 |
| `comment` | 评论内容 | 痛点、卖点、场景和情绪分析 |
| `score` | 评分 | 1 至 5 星评价结构 |
| `goodsId` | 商品 ID | 确认评论归属商品 |
| `skuId` | SKU ID | 比较不同商品规格 |
| `specs` | 规格信息 | 可能是结构化文本，保留原值并解析颜色、尺寸、型号等 |
| `pictures` | 评论图片 | 评论附带的图片地址数组 |
| `video` | 评论视频 | 评论附带的视频地址 |
| `helpful` | 有用数 | 认为该评

Github ReposUpdated 12h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.