安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install qinghu-shipinhao-comments
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 qinghu-shipinhao-comments。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

青湖视频号评论是一个 OpenClaw skill，用于从指定微信视频号作品中获取一级评论和二级回复。它通过 qhkit mcp CLI 调用青湖数据的 fetch_video_comments 工具，因此无需在主机环境中查找或配置单独的 MCP 服务器。
使用此专用数据流程收集视频评论反馈。提供作品的数字 object_id；也可以使用分页游标继续获取结果，或使用评论 ID 获取其回复。在 Openclaw Skills 中，此工具专为视频号评论收集而设计，而不是通用社交聆听或多步骤账号分析。

应用场景

收集指定微信视频号视频的评论，以查看受众反馈。
使用上一次响应中的分页游标继续收集结果。
展开特定一级评论，以获取其二级回复。
为用户请求的审核或报告流程获取评论数据，并在调用工具前确认所需视频 ID。
将更广泛的账号诊断、爆款内容分析或多步骤互动分析交给相关的青湖社交媒体运营 skill。

工作原理

确定目标视频号作品并获取其数字 object_id。缺少必要信息时应询问用户澄清，不要猜测。
在对话中的首次付费调用前，说明工具及其用途，使用 qhkit mcp estimate 检查当前预估费用，并取得用户同意。
使用 qhkit mcp describe 检查当前工具要求，并以其 inputSchema 作为参数依据。
使用 object_id 调用 fetch_video_comments。获取一级评论时省略 comment_id；提供评论 ID 可展开其回复。返回游标时使用 last_buffer 分页。
解读单行 JSON 结果。对于大型结果，应使用返回的本地文件，而不要将预览视为完整数据集；报告结果及实际扣除的 credits。

配置指南

在 agent 环境中安装 OpenClaw skill，然后确保 qhkit CLI 可用。CLI 由 @iqinghu/qhkit 提供；mcp 命令要求版本 0.14.0 或更高。如果使用 npm 安装，则需要 Node.js 18 或更高版本。

安装或更新 qhkit

npm i -g @iqinghu/qhkit

如果尚未配置，请配置 Qinghu API key

qhkit config set --token --env prod

验证配置

qhkit config show

检查当前工具 schema 和预估费用

qhkit mcp describe '{"names":["fetch_video_comments"]}'
qhkit mcp estimate '{"names":["fetch_video_comments"]}'
从 Qinghu 工作台获取 Qinghu API key，或配置 QHKIT_TOKEN 环境变量。此 skill 直接使用 CLI，不需要单独配置主机 MCP 服务器。对于复杂参数或中文文本参数，请将调用载荷写入 JSON 文件，然后调用 qhkit mcp call @params.json，以避免 shell 转义问题。遵循实时的 describe schema；文档中的示例 ID 只是占位符，不应原样提交。

数据架构

工具参数基于 qhkit mcp describe 返回的最新 schema；下表总结了文档字段。
Parameter Type Purpose
object_id string, required 要查询的视频号作品数字 ID。
last_buffer string or null Base64 分页游标；第一页留空。
comment_id string or null 要展开其二级回复的评论 ID；获取一级评论时留空。
raw boolean 选择原始响应（true）或简化后的解析结构（false）。
CLI 将单行 JSON 结果写入 stdout。成功响应包含 ok、stage、name、credits 和 data；失败响应包含 ok、stage 和 message。较小结果会包含在 data 中。大型结果可能包含 large: true、本地 JSON file 路径、记录和字段元数据以及预览。对于后续筛选、统计或导出，应将文件作为完整数据集使用；不要从预览推断所有记录。源文档未定义单条评论记录的固定 schema，因此应检查返回字段，不要预先假定字段。

高级特性

使用工具返回的
last_buffer
值进行基于游标的分页。
comment_id
获取二级回复。
raw
标志获取原始响应或简化解析输出。
根据当前
describe
schema 动态验证输入；该 schema 优先于参数快照。
通过本地 JSON 文件处理大型结果，并在可用时提供记录数、字段信息和预览。
成本感知操作：调用前预估 credits，首次付费调用前请求用户授权，使用调用返回的实际
credits
值，并将每轮响应的付费调用限制为 10 次，除非用户批准继续。
明确范围边界：此 skill 仅获取视频号作品评论；其他平台、数据类型或更广泛的分析请使用适当的青湖工具或相关 skill。

name: qinghu-shipinhao-comments description: "青虎AI 视频号-作品评论：查询视频号作品评论，支持翻页与展开二级回复。当用户说「采集这条视频号视频的评论」「评论区反馈」或提出同类需求时必须触发。关键词：青虎AI、qhkit、青虎数据、视频号、微信视频号、视频号评论、评论采集、查视频评论。" user-invocable: true
homepage: https://www.npmjs.com/package/@iqinghu/qhkit