面临的问题
客户的评价散落在 Amazon 商品页、Reddit 帖子和 Hacker News 评论里。靠人工阅读，往往要等评论风向变了好几周之后才发现质量问题；而且电商平台一改版，基于选择器的爬虫就会不断失效。
应用案例
跨电商平台、论坛和社交讨论跟踪客户对你产品的评价，输出情感分值、话题和一份真正有人看的简报。用 scrape_template 免维护地采集，再用 analyze_content 和 summarize_content 归纳成结论。
预估费用：每个产品约 10 credits
01快速解答
用 scrape_template（1 credit）从 Amazon、YouTube 或 Hacker News 拉取评论，无需维护选择器；用 reddit_search（5 credits）通过社区存档获取 Reddit 讨论；用 analyze_content（3 credits）分析情感、话题和实体；再用 summarize_content（4 credits）生成简报。每个产品大约 13 credits，成本低到可以每周跑一次。
02问题与方案
解决方案
CrawlForge 的 scrape_template 可以从已知站点——Amazon 商品、YouTube、Hacker News——拉取干净的数据，无需维护任何选择器；reddit_search 则通过社区存档读取 Reddit 讨论，因为 reddit.com 会屏蔽抓取工具。analyze_content 负责给出情感、话题和实体，summarize_content 则把这一堆内容变成一份简报。
03代码
代码示例
review-sentiment-monitoring.js
// Pull reviews from known sites without writing selectorsconst product = await mcp.scrape_template({ template: "amazon-product", url: "https://www.amazon.com/dp/B0EXAMPLE",}); // reddit.com blocks scrapers -- reddit_search reads the community archivesconst reddit = await mcp.reddit_search({ query: "Example Gadget", subreddit: "gadgets", limit: 10,}); const voices = product.reviews.map(r => r.text).join("\n"); // Sentiment, topics, and entities across every reviewconst analysis = await mcp.analyze_content({ text: voices, options: { includeSentiment: true, extractTopics: true, extractEntities: true },}); // One briefing for the product teamconst digest = await mcp.summarize_content({ text: voices, options: { summaryLength: "medium", summaryType: "abstractive" },}); console.log(reddit.count, reddit.results[0]?.num_comments); // discussion volumeconsole.log(analysis.sentiment, analysis.topics);console.log(digest.summary);04工具链
使用的工具
13◆ credits
预估费用：每个产品约 10 credits
- https://…
- 01scrape_
template 1 credit - 02reddit_
search 5 credits - 03analyze_
content 3 credits - 04summarize_
content 4 credits - JSON · markdown
05常见问题
常见问题
01如何在不维护选择器的情况下监测评论？
使用 scrape_template 并选择内置模板（例如 amazon-product），Reddit 讨论则使用 reddit_search——reddit.com 屏蔽直接抓取，因此 reddit_search 改为读取社区存档。提取规则由 CrawlForge 维护，因此电商平台改版时，不会像自定义选择器那样悄无声息地弄坏你的流水线。
02哪些站点有现成的模板？
Amazon 商品、LinkedIn 个人主页、GitHub 仓库、YouTube 视频、推文、Reddit 帖子、Hacker News 首页、Product Hunt 上线项目、Stack Overflow 问题以及 npm 包。调用 scrape_template 时传入 template "list"，即可查看当前的完整清单。对于 Reddit，请优先使用 reddit_search——reddit.com 屏蔽直接抓取，reddit-thread 模板已无法稳定工作。
03情感分析会返回什么？
对于你传入的文本，analyze_content 会返回情感分值、检测到的语言、话题、命名实体和可读性指标。把汇总后的评论喂给它，然后再跑一次 summarize_content，就能得到一份关于变化的简短简报。
04评论监测要花多少 credits？
每个产品每次运行大约 13 credits：每次 scrape_template 调用 1 credit，reddit_search 5 credits，analyze_content 3 credits，summarize_content 4 credits。每周监测 10 个产品，一个月大约 560 credits。