Token导航 LogoToken导航TokenDH.com
研究检索操作浏览器clawhub未标认证来源可访问clear审计通过

dianpingdianping 分析

Agent Skill

dianping 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

10,722

周安装

438

GitHub Stars

公开资料未说明

下载量

3,469
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:dianping(dianping 分析)
来源仓库:https://github.com/harrylabsj/dianping
安装命令:
openclaw skills install dianping
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install dianping

简介

集成大众点评 API 提供餐厅推荐、评论分析与商家信息查询服务。

  • 适用于美食探店、消费决策支持或本地化生活信息检索场景。dianping 属于研究检索类 Skill,可作为该场景下的辅助能力补充。
  • 可搜索商户详情、优惠信息与用户评价,辅助制定出行计划。
  • 需申请开发者密钥并在应用中绑定,仅限中国大陆地区使用。
  • 结果排序受算法权重影响,不代表官方排名或服务质量保证。

SKILL.md

name
dianping
description
Help users use Dianping (大众点评) for restaurant discovery, review analysis, store vetting, deal evaluation, and local lifestyle decisions in China. Use when the user wants to find food, compare restaurants, judge whether a store is worth visiting, understand Dianping ratings, avoid review traps, or choose 团购/套餐/咖啡馆/休闲娱乐/本地生活 merchants based on reviews and practical signals.

Dianping

Help users make better decisions on 大众点评 by combining rating interpretation, review reading, store vetting, deal analysis, use-case matching, and browser-based store/deal comparison. Prefer practical judgment over blindly trusting star scores.

Browser Workflow Upgrade

When the user needs live store-page or deal-page inspection, follow the shared browser-commerce-base workflow:

  • public store/deal pages → openclaw
  • logged-in coupon/order pages → user only when necessary
  • capture score, review count, recent complaints, deal constraints, and location fit
  • use screenshots when ranking several candidates

Quick routing

Read the most relevant reference file when needed:

  • 评论分析 / 刷评识别references/reviews.md
  • 团购 / 套餐 / 优惠判断references/deals.md
  • 餐厅 / 咖啡馆 / 甜品店选择references/restaurants.md
  • 按摩 / 美容 / KTV / 密室 / 本地服务references/services.md

If the user gives several stores or a long batch of reviews, summarize into: 结论 / 理由 / 风险提醒 / 推荐顺位.

Core rules

1. 先看场景,再看分数

Dianping is not just for “finding a high-score store.” First identify the user’s real need:

  • 找餐厅:约会、家庭聚餐、朋友聚会、一个人吃、商务请客
  • 找咖啡馆:办公、聊天、拍照、安静坐坐
  • 找休闲娱乐:KTV、密室、影院、按摩、美容、美发
  • 找本地服务:健身、洗浴、亲子、宠物、培训

A store can be high-rated but still wrong for the specific use case.

2. 大众点评评分不能孤立看

Read rating with scale and category in mind:

RatingMeaning
4.8–5.0Usually excellent, but still check review quality and review count
4.5–4.7Often strong and reliable
4.2–4.4Mixed; may still be good for value or niche use
<4.2Requires strong justification before recommending

Also check:

  • review count: 评分高但评价少,可信度下降
  • recent reviews: 过去好不代表现在好
  • category baseline: 网红甜品、咖啡店、火锅店、按摩店的评分口径不同

3. 先看差评,再看好评

For fast vetting, review in this order:

  1. recent 1–2 star reviews
  2. mid-score reviews
  3. photo reviews
  4. recent high-score reviews

This gives a more realistic picture than praise-first reading.

4. 分清“适合打卡”与“适合复购”

Some stores are photogenic but not practical.

Signal打卡型复购型
PhotosVery strongModerate
Price-performanceOften weakUsually better
Review language“出片”“拍照好看”“会再来”“常来”
Queue toleranceRequires patienceMore everyday-friendly

If the user asks for “值得反复去的店,” weight复购 signals more than aesthetics.

5. 团购/套餐不要只看便宜

Judge deals by practical fit:

  • 是否含真正想点的东西
  • 是否限时段/限节假日/限堂食
  • 是否需要预约
  • 是否对团购用户区别对待
  • 单点价格 vs 套餐价格
  • 是否存在隐形消费

A good deal is not the cheapest one; it is the best-fit one.

6. 输出要解决决策,不是复述评论

Do not dump reviews back to the user. Convert the input into:

  • 结论:值得去 / 谨慎去 / 不建议优先 / 划算 / 一般 / 不建议冲
  • 理由:2–4 条最关键事实
  • 风险提醒:排队、噪音、预约、推销、卫生、隐形收费等
  • 推荐顺位:仅在多店对比时提供

Decision workflow

A. Single store judgment

Use when the user asks “这家值不值得去?”

Output pattern:

结论:…… 理由:…… 风险提醒:……

B. Compare multiple stores

Use when the user gives several options.

Output pattern:

推荐顺位:A > B > C A:适合谁 / 优势 / 风险 B:适合谁 / 优势 / 风险 C:适合谁 / 优势 / 风险

C. Review analysis

Use when the user gives screenshots/text/review excerpts.

Output pattern:

这家店真正稳定的优点是…… 真正反复出现的问题是…… 对你这个场景,最大的风险是……

D. Deal/package judgment

Use when the user asks whether a团购/套餐 is worth buying.

Output pattern:

结论:划算 / 一般 / 不建议冲 看点:…… 风险:……

Common traps

  • 只看总分,不看评价数量
  • 被“网红出片”误导
  • 忽略近期差评
  • 团购只看价格不看限制
  • 不区分工作日和周末体验
  • 不区分“第一次尝鲜”和“长期复购”
  • 把“店很火”误认为“店很稳”

Example requests

These should trigger this skill:

  • 帮我看看这家大众点评上的店值不值得去
  • 这几家店怎么选
  • 这个团购套餐划算吗
  • 大众点评 4.3 分的店还能去吗
  • 帮我分析一下评论,有没有刷评感
  • 找一家适合约会的餐厅
  • 找一家适合一个人安静吃饭的店
  • 推荐个适合久坐办公的咖啡馆
  • 这家按摩店会不会强推销

Example outputs

Example 1

User:

这家火锅店 4.6 分,但最近差评都在说排队久,值得去吗?

Output:

结论:如果你能接受排队,可以去;如果你更看重效率,不算优先。 理由:4.6 分说明整体口碑不差,但“最近差评集中提排队久”说明高峰期体验有真实摩擦。 风险提醒:周末/晚饭高峰可能很耗时间,建议预约或错峰。

Example 2

User:

这家咖啡馆拍照很好看,适合下午办公吗?

Output:

结论:更像打卡型,不一定适合久坐办公。 理由:如果评论主要强调环境和出片,而很少提插座、安静、座位舒适度,通常不适合长时间办公。 风险提醒:下午高峰可能嘈杂,点单价格也可能偏高。

Final instruction

Judge Dianping merchants by fitness-for-purpose, review quality, friction, and risk — not by star rating alone. Be practical, specific, and experience-oriented.

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

70.99%
按下载量换算2,463

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills