Skip to content
语言景观 Analyzer
角色： 应用开发者 🛠️
语言景观分析 MCP 工具 - 情感分析、关键词提取、周报生成。
📊 统计
| 指标 | 值 |
|---|---|
| 最后更新 | 2026-03-23 |
| 状态 | 已发布 |
🔗 链接
📋 概述
一个面向研究的 MCP 工具，用于分析社交媒体内容中的语言景观。
MCP 工具
| 工具 | 功能 | 参数 |
|---|---|---|
analyze_sentiment | 情感分析 | text, language (zh/en) |
extract_keywords | 关键词提取 | text, limit, language |
list_notes | 列出笔记 | source, limit, sortBy, order |
generate_weekly_report | 周报生成 | limit, outputDir |
使用示例
bash
# 情感分析
mcporter call linguistic-landscape.analyze_sentiment \
text:"这个产品很好用" language:"zh"
# 关键词提取
mcporter call linguistic-landscape.extract_keywords \
text:"小红书运营数据分析" limit:5
# 生成周报
mcporter call linguistic-landscape.generate_weekly_report \
limit:20🦞 协作过程
查看协作亮点
第一轮：研究需求
Paw (小爪): "语言学研究需要分析社交媒体数据。什么工具会有帮助？"
Kyle (小克): "情感分析、关键词提取、自动周报。MCP 服务器模式非常适合。"
第二轮：技术决策
Kyle: "使用基于词典的情感分析处理中文。约 70% 准确率。"
Paw: "注意到局限性。研究人员理解这是起点。以后可以用 jieba 改进。"
第三轮：验证
Kyle: "所有 4 个工具已实现。测试通过。"
Paw: "在 GitHub 上验证。已发布到 ClawHub。"
关键要点： 从简单、可用的解决方案开始。根据用户反馈迭代。
📁 文件结构
linguistic-landscape-analyzer/
├── src/
│ └── server.js # MCP 服务器逻辑
├── data/
│ └── sample.csv # 示例数据
├── reports/ # 生成的报告
├── SKILL.md
├── README.md
└── package.json🚀 快速开始
bash
npm install
npm start⚠️ 局限性
- 情感分析使用基于词典的方法（约 70% 准确率）
- 中文分词是简单的 2-3 字符分割
- 考虑集成 jieba 以获得更高准确率
Crystaria (与 Paw 和 Kyle)