Skip to content
Conduit

mcp server

comment-vision-claw

抖音热评智能抓取与分析工具

wp-i/comment-vision-clawcommunitylistedunreviewed
Use tool

Set up

Runs on your computer. Pick your agent and operating system.

Before you start

  • uv (`curl -LsSf https://astral.sh/uv/install.sh | sh`)
~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "comment-vision-claw": {
      "command": "uvx",
      "args": [
        "comment-vision-claw"
      ]
    }
  }
}

same format Cursor, GitHub Copilot CLI, Junie, JetBrains AI Assistant, Augment (Auggie CLI), Factory Droid, Kiro, Devin CLI +12

Values in angle brackets are placeholders. Restart Claude Desktop after editing its config.Claude Desktop docs

README

synced Oct 26, 2026

Comment-Vision-Claw

抖音热评智能抓取 · 截图 · 分析 · 报告 一站式解决方案

Python License Playwright MediaCrawler

快速开始 • 使用方式 • 配置说明 • 常见问题

核心功能

抖音数据抓取

  • 基于 MediaCrawler 引擎，稳定抓取抖音评论
  • 关键词搜索 → 视频列表 → 评论数据，全链路自动化
  • 渐进式抓取策略，智能累计热评达标后停止

热评精准截图

  • 自定义筛选标准：点赞数 / 回复数阈值
  • 内容前缀匹配 + 点赞数匹配，双重定位确保准确
  • 每条热评独立截图，保留完整上下文

图文 PDF 报告

  • 数据概览：点赞 Top 10 + 回复 Top 10
  • 热评卡片：截图 + 分析 + 数据，一页一评
  • AI 成因分析：解读评论走红原因（可选）

多种启动方式

  • Web UI：start.bat 一键启动，零门槛
  • 命令行：python main.py "关键词"，脚本集成
  • MCP 协议：接入 Claude / Cursor，AI 工具链扩展

为什么选择我们

传统方式Comment-Vision-Claw
手动翻阅评论，逐条筛选自动抓取 + 智能筛选，一键完成
截图靠手动，容易遗漏精准定位热评，自动截图保存
数据整理到 Excel，费时费力直接生成专业 PDF 报告
分析全靠人脑，主观判断AI 解读走红原因，客观数据支撑
只能手动操作支持脚本调用 + MCP 协议，可集成到工作流

快速开始

前置条件

  1. Python 3.9+
  2. MediaCrawler（抖音数据抓取引擎）
# 安装 MediaCrawler
git clone https://github.com/NanmiCoder/MediaCrawler.git D:\MediaCrawler
cd D:\MediaCrawler && pip install -r requirements.txt
playwright install chromium
  1. 首次登录抖音（扫码，只需一次）
cd D:\MediaCrawler
python main.py --platform dy --type search --lt qrcode --keywords "测试"
# 扫码登录后 Ctrl+C 退出，登录状态会自动保存

安装本项目

git clone https://github.com/wp-i/comment-vision-claw.git
cd comment-vision-claw
pip install -r requirements.txt
playwright install chromium
cp .env.example .env   # 按需修改配置

一条命令运行

python main.py "中医养生"     # 抓取、截图、分析、生成报告，一步到位

使用方式

方式一：Web 界面（推荐）

start.bat
# 或
streamlit run app.py

浏览器自动打开 http://localhost:8501，输入关键词点击"开始抓取"即可。

方式二：命令行

python main.py "中医养生"
python main.py "情感内容" --time-range 7days
python main.py "游戏" --min-likes 1000
参数说明默认值
keyword搜索关键词（必需）-
--time-range时间范围：1day / 7days / 1month1month
--min-likes最小点赞数阈值1000
--min-replies最小回复数阈值100

方式三：MCP 服务器

python server.py --server

在 Claude Desktop 或 Cursor 中添加配置：

{
  "mcpServers": {
    "comment-vision-claw": {
      "command": "python",
      "args": ["path/to/comment-vision-claw/server.py", "--server"]
    }
  }
}

可用工具：capture_hot_comments、generate_report、analyze_single_comment

配置说明

复制 .env.example 为 .env 并修改：

# MediaCrawler 路径（自动检测，通常无需修改）
MEDIACRAWLER_PATH=D:\MediaCrawler

# 热评筛选阈值
MIN_LIKE_COUNT=1000
MIN_REPLY_COUNT=100
MAX_VIDEOS=200
MAX_COMMENTS=20

# 截图浏览器配置
HEADLESS=false

# AI 分析（可选，留空则使用关键词分析）
OPENAI_API_KEY=
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o-mini

热评规则

热评需满足以下条件之一：

  • 点赞数 ≥ MIN_LIKE_COUNT（默认 1000）
  • 回复数 ≥ MIN_REPLY_COUNT（默认 100）

AI 分析配置

支持 OpenAI 兼容 API（DeepSeek、智谱等）：

# DeepSeek 示例
OPENAI_API_KEY=your-key
OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_MODEL=deepseek-chat

# 智谱示例
OPENAI_API_KEY=your-key
OPENAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4
OPENAI_MODEL=glm-4-flash

输出说明

PDF 报告包含

模块内容
数据概览点赞 Top 10、回复 Top 10 统计
热评卡片每条热评的截图 + 评论内容 + 点赞/回复数
成因分析AI 解读评论走红原因（配置 API 后生效）
爆款提炼提取可复用的创作方向和传播策略

输出文件

data/
├── results.json              # 热评原始数据（JSON）
├── screenshots/
│   ├── comment_001.png       # 热评截图
│   ├── comment_002.png
│   └── ...
└── report_20260325_xxx.pdf   # 图文分析报告

项目结构

comment-vision-claw/
├── app.py                        # 启动方式①：Streamlit Web UI
├── main.py                       # 启动方式②：CLI（python main.py "关键词"）
├── server.py                     # 启动方式③：MCP 服务器
├── start.bat                     # Windows 一键启动脚本
├── quickstart.bat                # 首次安装脚本
├── requirements.txt              # Python 依赖
├── .env.example                  # 环境变量模板
├── AGENTS.md                     # AI 助手参考文档
├── data/                         # 运行时数据（gitignore）
│   ├── results.json              # 当次抓取的热评数据
│   ├── screenshots/              # 热评截图 PNG
│   ├── report_*.pdf              # 生成的 PDF 报告
│   └── capture_state.json        # 后台任务状态
└── engine/                       # 核心引擎
    ├── config.py                 # 所有配置（从 .env 读取）
    ├── mediacrawler_scraper.py   # 主抓取器（调用 MediaCrawler + 截图）
    ├── _screenshot_worker.py     # 截图子进程
    ├── pdf_report.py             # PDF 报告生成
    ├── comment_analyzer.py       # 评论分析（AI 或关键词）
    ├── cleanup.py                # 启动时数据清理
    └── utils.py                  # 通用工具

常见问题

需要安装 MediaCrawler：

git clone https://github.com/NanmiCoder/MediaCrawler.git D:\MediaCrawler
cd D:\MediaCrawler && pip install -r requirements.txt

或在 .env 中设置 MEDIACRAWLER_PATH 为实际安装路径。

关键词留空时，系统会搜索全部视频（不限定关键词），适用于热点趋势分析等场景。

系统已内置截图 fallback 机制：当 CDP 连接失败时，会自动启动独立浏览器进行截图，确保 MCP 模式下截图功能正常工作。

首次使用必须扫码登录一次，登录状态会保存在 MediaCrawler 的 browser_data 目录中，后续无需重复登录。

cd D:\MediaCrawler
python main.py --platform dy --type search --lt qrcode --keywords "测试"
# 扫码后 Ctrl+C 退出

截图使用 MediaCrawler 保存的登录状态自动打开浏览器，无需手动操作。如果截图失败，检查：

  1. MediaCrawler 登录状态是否有效（重新扫码登录）
  2. MEDIACRAWLER_PATH/browser_data/dy_user_data_dir 目录是否存在

降低筛选阈值：

python main.py "关键词" --min-likes 500 --min-replies 50

或修改 .env 中的 MIN_LIKE_COUNT 和 MIN_REPLY_COUNT。

在 .env 中配置 OPENAI_API_KEY，支持 OpenAI 及兼容 API（DeepSeek、智谱等）。 不配置时自动使用关键词规则分析。

这是正常现象。截图过程中会为每个视频打开新标签页，截图完成后会自动关闭。整个流程完全自动化，无需手动干预。

技术栈

  • Python 3.9+ — 主要开发语言
  • Playwright — 浏览器自动化与截图
  • MediaCrawler — 社交媒体数据抓取
  • Streamlit — Web 界面
  • MCP — Model Context Protocol 集成

许可证

MIT License

致谢

如果这个项目对你有帮助，请给个 Star 支持一下！

↑↓ navigate openesc close