Fabric analyze_comments 模式实战用结构化 Prompt 对网络评论做情感与舆论分析【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读本文围绕 LifeOS 内置 Fabric 技能中的analyze_comments提示词模式展开系统讲解如何用一套固定结构的 Prompt 对任意内容的网络评论进行情感分类、正负面归因与舆论总结。读完本文你将掌握analyze_comments模式的完整输出规范HATED/DISLIKED/NEUTRAL/LIKED/LOVED 五级情感量表、POSITIVES/NEGATIVES/SUMMARY 固定章节并能结合 Fabric 技能的原生模式执行机制与ExecutePattern工作流在自己的内容运营、产品反馈与舆论监控场景中直接落地使用。analyze_comments 模式在 Fabric 技能中的定位analyze_comments是 Fabric 技能Patterns/目录下 Analysis分析类别的 35 个模式之一。在 pattern_explanations.md 中官方给出的模式定义为Evaluate internet comments for content, categorize sentiment, and identify reasons for praise, criticism, and neutrality评估互联网评论内容、对情感进行分类并识别赞扬、批评与中立的成因。从目录结构看该模式与analyze_claims事实核查、analyze_debate辩论分析、analyze_product_feedback产品反馈聚类等并列属于以文本输入为原料、输出结构化评估结论的一类分析型模式。它的独特之处在于评估对象不是内容本身而是围绕某段内容产生的评论集合——这正是内容运营、产品经理、市场与舆情分析师日常最需要的评论区洞察能力。在 SKILL.md 中明确说明LifeOS 对 240 个模式采用原生执行Native Execution方式由 AI 直接读取Patterns/{pattern_name}/system.md并将其中指令作为 Prompt 应用到输入内容上无需调用外部 CLI避免了每次重新手写 Prompt 的不一致性与外部依赖延迟。模式结构拆解IDENTITY、GOAL、STEPS 三段式骨架与 Fabric 大部分模式一致analyze_comments/system.md源码见 system.md采用IDENTITY → GOAL → STEPS → OUTPUT的标准四段结构前三段定义了 AI 的角色与处理逻辑IDENTITY角色定义模式要求执行者扮演阅读网络评论并刻画其情感、赞扬与批评的专家。这一定位决定了后续所有输出都必须以评论者视角而非内容作者视角展开——分析的是读者怎么看这段内容而不是这段内容本身质量如何。GOAL目标产出一份针对给定内容评论的无偏且准确的评估。注意unbiased无偏是显式要求情感判定必须基于评论原文证据而非执行者自己的好恶。STEPS处理步骤模式给出的执行流程非常朴素但可操作读取全部评论逐条判定情感极性为 positive正面、negative负面或 neutral中性无论极性如何都记录情感极性及其成因reason for the sentiment。值得强调的是第三步模式要求对每一条评论都输出极性 成因这保证了情感判定不是拍脑袋打标签而是每条都有可追溯的评论原文依据——这也是该模式能被用于无偏评估的关键设计。OUTPUT 输出规范四段式固定章节详解analyze_comments的输出是本文档的核心要求严格按四个固定章节组织这也是模式可复现、结果可横向比较的关键1. COMMENTS SENTIMENT评论情感总评在此章节给出评论者对内容整体喜爱的程度使用五级固定量表等级含义HATED评论者整体厌恶该内容DISLIKED评论者整体不喜欢该内容NEUTRAL评论者整体态度中立LIKED评论者整体喜欢该内容LOVED评论者整体热爱该内容该量表是全局结论由 STEPS 阶段逐条判定的结果汇总而来。实操建议先数出三条极性正/负/中的占比再结合具体成因定级——例如正面评论占 80% 且高频点赞关键词明确可判 LIKED/LOVED而正负大体均衡应判 NEUTRAL避免被少数极端评论带偏。2. POSITIVES正面要点给出5 条评论者喜欢该内容的具体事项每条用15 词以内的完整句子表述。要求是things that commenters liked即归因到具体内容特征如选题、深度、案例、可执行性而不是笼统的大家觉得好。3. NEGATIVES负面要点给出5 条评论者不喜欢的具体事项同样每条 15 词以内。负面归因应当具体如论证缺失、例子过时、篇幅过长并尽量与 POSITIVES 形成对照帮助内容生产者定位改进点。4. SUMMARY总结用一句15 词的总结从评论者视角给出对内容的总体评估。这是四段中最浓缩的部分通常同时容纳整体评价 主要争议点。词数约束的意义与执行要点模式对 POSITIVES每条 15 词、NEGATIVES每条 15 词、SUMMARY15 词三处设置了明确的词数上限这是 Fabric 模式体系典型的输出约束设计强制提炼逼迫执行者放弃罗列式废话只保留信息密度最高的归因保证结论可快速浏览对齐可比性所有评论分析结果格式一致便于在多个内容之间横向比较舆论反应可验证性每一条要点都应当能回指到至少一条具体评论作为证据来源。实操时建议把每条 15 词限制理解为约 15 词以核心论点 证据词组合表达例如Users praised the concrete code examples for making abstract concepts immediately actionable.。在 LifeOS 中执行ExecutePattern 工作流接入在 LifeOS 中运行analyze_comments不需要记忆任何 CLI 参数通过 ExecutePattern.md 定义的ExecutePattern工作流即可完成用户请求含评论内容 ↓ Step 1: 依据意图选择模式 → analyze_comments ↓ Step 2: 读取 Patterns/analyze_comments/system.md ↓ Step 3: 将 IDENTITY/STEPS/OUTPUT 指令直接应用于评论内容 ↓ Step 5: 按模式规定的四段式结构输出工作流中关键的执行入口是 Step 2 的PATTERN_PATH$HOME/.claude/skills/Fabric/Patterns/$PATTERN_NAME/system.md即从模式目录加载 system.md 原文作为 Prompt。在 LifeOS 仓库中对应的模式文件位于 LifeOS/install/skills/Fabric/Patterns/analyze_comments/system.mdSkill 安装目录结构见 SKILL.md 中的 Pattern Structure 说明每个模式目录下由system.md承载完整提示词指令。需要注意的两个边界场景YouTube URL / 被拦截 URL如果评论来源是 YouTube 视频评论区且需先抽取评论文本需使用fabric -y URL或fabric -u URL通过 CLI 获取原始文本后再喂给模式见 SKILL.md 的 When to Use Fabric CLI Directly 一节内容过长当评论数量极大、超出上下文限制时按 SKILL.md Gotchas 建议先对评论做分块或先走summarize模式粗筛再执行analyze_comments。与相邻分析型模式的对比与组合使用analyze_comments并非孤立存在它与同目录下的多个 Analysis 模式形成了互补的关系矩阵模式分析对象输出特点analyze_comments内容下的评论集合情感五级量表 正负要点 15 词总结analyze_product_feedback用户反馈/评论按主题聚类 1-10 分优先级排序表格输出rate_content内容本身单词语义标签 S/A/B/C/D 分级 1-100 质量分从源码对比可见analyze_product_feedback/system.md、rate_content/system.md当需要快速判断舆论风向如文章发布后社区反应、视频评论区口碑时analyze_comments是最贴合的单一模式当需要把大量用户反馈整理成可执行的优先级清单产品迭代规划时应选用analyze_product_feedback它要求输出 Priority Rank、Usefulness Score1-10与 Key Themes 表格当需要给内容本体而非评论做质量评级时用rate_content。实际组合路径推荐先用analyze_comments拿到舆论情感基线再用analyze_product_feedback对负面反馈做主题聚类与优先级排序形成舆论评估 → 行动项的完整闭环。典型应用场景综合模式定义与 Fabric 技能的集成说明SKILL.md 中 Feeds Into 一节提到 Fabric 模式可增强 Research 研究分析与 Blogging 内容工作流analyze_comments的典型落地场景包括内容运营复盘文章/视频发布后对评论区做情感快照判断选题与表达是否击中读者定位争议点产品反馈初筛对社交平台上的产品讨论帖评论做快速情感扫描决定是否值得进入analyze_product_feedback的深度聚类流程舆情监控对热点内容下的评论批量执行按 HATED→LOVED 分级沉淀数据形成可纵向对比的舆论走势写作改进将 NEGATIVES 章节作为下一次改稿的具体修改清单配合improve_writing模式使用。小结analyze_comments是一个短小但完整的结构化分析模式它以无偏评估为目标用逐条判定极性并记录成因保证证据链用五级量表 固定四章节 15 词约束保证输出的一致性与可读性。在 LifeOS 的 Fabric 技能中它作为 Analysis 类别的一员与analyze_product_feedback、rate_content等模式共同构成从舆论感知到行动决策的完整分析工具箱。阅读模式原文并理解其设计意图system.md再结合 ExecutePattern.md 的执行机制即可在你的内容与产品工作流中直接复用它。【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
