安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install shop-review-analysis
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 shop-review-analysis。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

商店评价分析是一套可移植的代理工作流，利用可核实的商店信息和顾客体验来评估实体店。它会查看大众点评、抖音、小红书和公开网页等平台，帮助回答诸如一家店是否值得去、适合哪些人、点什么、需要准备多少预算，以及有哪些问题需要留意等问题。
与简单查询评分不同，这套工作流会确认具体分店、核查原始来源、同时寻找正面和负面体验，并区分平台事实、顾客反馈和自身结论。Openclaw Skills 用户可以获得包含来源、日期和明确覆盖范围限制的实用建议，而不会把抽样评价当作完整情况。

应用场景

判断某家特定餐厅、咖啡馆或其他实体店是否值得前往。
按照一致的标准比较两家或多家商店，并明确标出具体分店。
找出经常受到好评的菜品或服务，以及反复出现的顾客投诉。
通过区分人均消费、菜单价格、套餐价格和额外费用，估算可能的开销。
根据预算、人数、饮食偏好以及对排队或噪音的接受程度匹配建议。
在用户提供店名、城市、分店、链接或截图时核查商店情况。
当平台限制访问完整内容时，评估现有评价的可信程度。
针对“这家店怎么样？”“值得去吗？”或“哪家更好？”等问题提供基于证据的回答。

工作原理

根据城市、店名、分店和地址识别并核实商店。区分不同分店和城市；只有在分店选择会实质性影响答案时才追问。
使用可用的搜索或平台工具查找相关商店页面、帖子和公开信息。将搜索摘要视为线索，然后打开原始页面核实细节。
使用最合适的可用 MCP、连接或浏览器工具。如果需要已登录的浏览器，应使用已验证的现有浏览器会话，不要导出 cookies、令牌或密码。
检查各平台实际提供的内容。阅读可访问的评分、评价数量、价格、近期评价、帖子和评论；记录访问限制，不要声称看过无法访问的内容。
抽样查看独立且详细的体验；在问题需要时，通常从不同来源选取约 5–10 个有用账号的内容开始。除正面体验外也要寻找负面体验，优先考虑近期内容，并将评价与回复、转发和重复账号区分开来。
按主题评估证据：餐饮或服务质量、分量、环境、排队情况和性价比。区分反复出现的规律与个别反馈，保留相互矛盾的体验，避免没有依据的指控或编造汇总评分。
先给出建议，再说明相关商店详情、预算参考、受好评的项目、注意事项和来源链接。说明核查了什么、何时访问，以及哪些内容无法核实。

配置指南

这项技能是一套可移植的指令工作流，不是可安装的爬虫或平台集成。宿主代理必须具备互联网搜索和网页阅读能力。读取需要登录的内容，还需要可用的浏览器工具连接至有效且已登录的浏览器会话。Openclaw Skills 不需要固定环境变量、额外 API 密钥或自动安装软件。
按照宿主的技能加载规范，将技能指令添加到兼容的代理宿主，例如 OpenClaw 或 Codex。
确保宿主能够搜索网络并打开原始网页。如果宿主尚未提供相应能力，再添加合适的 MCP 或浏览器连接。
对于需要登录的页面，连接用户已完成身份验证的浏览器会话。这套工作流不会导出凭据，也不会执行账号操作。
提出问题，并提供店名和城市、具体分店、链接或截图。如果偏好或预算会影响建议，也请一并说明。

该技能本身不需要安装命令。

如有需要，请通过代理宿主配置搜索或浏览器工具。

数据架构

这项技能定义的是一种证据记录方法，并不要求使用特定数据库、输出文件或持久化数据存储。对于查阅的每个来源，请在相关情况下记录以下字段：
字段 记录内容
平台和商店 来源平台以及所讨论的具体商店或分店
来源链接 指向原始页面或帖子的可点击链接
评价/体验日期 如有则记录原始日期；不要编造缺失的年份
查阅日期 访问来源的日期
内容类型 评分、评价、帖子、视频说明、评论、菜单或其他来源
评分或金额 适用时记录原始量表、货币和单位的数值
关键信息 具体优点、顾虑和相关背景
完整程度 原文是否可访问，还是只能访问其中一部分
商业背景 已披露的赞助、团购促销或其他相关信号
不确定性 访问限制、含糊细节或仍未核实的说法
将平台级评分与顾客样本区分开。不要合并不同分店的评分，不要根据样本推断总体好评率，也不要把平台标签当作亲自读过的评价。普通回答不会自动创建额外报告或用户账号数据；请视情况在回复中保留来源链接和查阅日期。

高级特性

在宿主工具和访问权限允许的情况下，跨商店列表、公开网页、评价平台和社交帖子进行核实。
按分店开展调查，避免将某一地点的评价归到连锁品牌的所有地点。
主动寻找负面体验，并过滤重复、离题或并非实际到店体验的内容，以抽取证据样本。
处理时效性信息时保留原始日期，并将较早的菜单、评分和开业热度作为历史背景。
分析价格时区分人均消费、实际账单、菜单价格、套餐、代金券和额外收费。
根据饮食需求、预算、聚会人数和具体口味偏好提供建议。
透明说明不确定性，包括平台限制以及妨碍得出可靠结论的信息缺口。
默认只进行只读调查：不发布评价、不关注账号、不购买、不切换账号，也不绕过网站限制。

name: shop-review-analysis license: MIT-0