多平台口碑监控蓝图:先记录采集范围,再判断负面变化
从目标清单、评论身份和增量游标开始,设计可追溯的口碑监控流程;用离线样本演示去重与采集缺口,保留人工复核,不冒充客户案例。
阅读记录 →Build in Public
这里只发布已经完成、能从公开入口复核的变化。内部计划、仅通过本地测试的功能和仍在等待证据的草稿不会提前出现。
记录真实变化与影响对象
绑定 Source ID 与复核时间
只有显式 published 才对外
已公开记录
从目标清单、评论身份和增量游标开始,设计可追溯的口碑监控流程;用离线样本演示去重与采集缺口,保留人工复核,不冒充客户案例。
阅读记录 →以任务阶段选择搜索、正文读取和交叉核对工具,保留来源、时间与失败状态;用公开目录检查输入契约,不把搜索命中数当成事实可信度。
阅读记录 →分清 SDK、服务地址和模型的兼容边界,验证非流式文本请求、错误与计费信息,再按任务样本逐项恢复参数,避免把客户端通过当成服务全面兼容。
阅读记录 →用无 Key 的发现探针检查初始化、通知和工具目录,再分别核对 Claude、ChatGPT、Cursor 的网络与认证要求,避免把协议可见写成三端已实测。
阅读记录 →用 platform、action、params 接入多平台数据:读懂能力目录,完成最小请求,处理异步任务、部分结果与计费,并建立可追溯的数据记录。
阅读记录 →逐步接入小红书 comments_batch:准备完整笔记链接、区分 URL 数与评论条数、识别 partial 和 missed、按笔记去重,并处理空结果、重试与目标计费。
阅读记录 →从 douyin.comments 的实时参数开始,用最小请求读取评论,保留视频来源、评论 ID 与回复关系,并处理数量限制、空结果、时间解析和重复观察。
阅读记录 →逐步接入 TikTok profile 与 user_videos,分开账号和视频快照,计算明确口径的互动指标,处理缺失值、取样偏差与趋势,避免把公开数据误当成交效果。
阅读记录 →区分 Business Profile、Places API 与 EveryInfra 地点评论读取,核对地点身份、语言和时间筛选,保留评分与商家回复变化,并明确样本、存储和展示边界。
阅读记录 →逐步接入 Amazon 评论读取,核对国家站点与商品身份,分离评论、变体和观察记录,处理去重与缺失,再用可验证的原文片段建立问题分类。
阅读记录 →从输入、来源和结果形态选择 EveryInfra API,区分平台取数、网页发现与读取、模型分析及授权挑战处理,再决定使用 REST 还是 MCP,并为每一步设置验收条件。
阅读记录 →分清认证、权限、能力、参数和未知结果,利用当前目录修正请求,并用一个不发网络请求的决策器约束重试,避免错误修复变成越权或重复调用。
阅读记录 →从实际遇到的平台标识、参数声明和 MCP 发现差异出发,设计目录快照、契约差异与示例检查,明确缓存、缺失字段和发布门,避免把目录一致当成服务全面可用。
阅读记录 →把业务任务、调用尝试、交付状态与钱包事件分开,解释扣前拒绝、空结果和部分退款,避免重复减退款,并用整数离线示例核对单次请求。
阅读记录 →以自有系统和官方测试机制为范围,核对类型、参数与结果形状,分开验收 token、服务端验证、业务操作和费用,避免把返回结果当成验证成功。
阅读记录 →