先说清边界：这篇讲的是对外部公开信息的监测——客户在公开平台怎么评价你的产品、行业里有哪些新说法、有没有负面话题正在扩散。不是拿来做内部员工监控，也不做自动公关。这个边界不划清，工具越强越容易出问题。
要解决的问题很具体：负面评价散在新闻、社媒、论坛、评论区、投诉平台，等到领导转发给你的时候，往往已经发酵两天了。靠人肉搜，关键词想不全、频率跟不上、判断还凭心情。用 OpenClaw 把这套活接过去，能做的是「持续盯着 + 按级别提醒 + 每天一封简报」，决策权仍然留给人。
第一步：先把关键词表写出来，这一步决定成败
监控做不准，九成是关键词表太薄。只写品牌名，等于只看晴天。一张能用的表至少要覆盖五类：
- 主体名：公司全称、简称、品牌名、产品名、型号。
- 变形写法：常见错别字、拼音缩写、英文名、江湖叫法。用户在吐槽的时候，很少打对全称。
- 与人绑定：创始人、官方账号名、客服账号名。
- 场景词：「XX 怎么退」「XX 投诉」「XX 跑路」——只写品牌名会被海量正常内容淹没，加上场景词才抓得准。
- 对照面：主要竞品名。不是为了踩对手，而是为了知道同一件事别人怎么被讨论、你有没有被拿来对比。
关键词表不是一次写完的。跑一周以后回头看哪些命中是噪音、哪些真正的负面漏掉了，再补。这一步的人工投入，回报比后面所有配置都高。
第二步：定来源和采集方式，一套抓法不能打天下
不同来源要用不同姿势，否则不是抓不到，就是三天两头失效：
- 新闻与资讯站点：优先走 联网搜索，按关键词定时搜，拿标题、摘要、链接和时间。
- 有 RSS 的站点：走 RSS 聚合 最省事也最稳，结构规整、不会因为页面改版失效。
- 没有 RSS 的列表页：用 定时盯网页变化 的方式抓，重点看新增条目。
- 需要登录才能看的区域：谨慎处理，参考 抓登录后网页的合规边界，能不碰就不碰。
三条硬性纪律，直接写进配置里：只采公开内容（不绕过访问控制、不抓私密群聊）、控频（同一站点别做成压测）、留原始链接（任何结论都必须能回溯到原文，方便人工核实）。
第三步：去重与聚类，不然预告警会淹死人
一条负面新闻被三十家媒体转载，如果当成三十条预警推给你，这个系统三天就会被静音。所以采集完先做归一：
- 文本指纹去重：标题或正文高度相似的合并成一条，保留最早发布的那个作为原始来源。
- 事件聚类：按「主体 + 时间窗 + 关键实体」归到同一个事件下，同事件的新增讨论只累加计数，不重复告警。
- 来源权重：权威媒体、官方账号、投诉平台的权重不同，同样一条内容，来自不同渠道的紧急程度不一样。
聚类质量直接决定这套系统能不能长期活着。宁可漏报一点，也别天天误报——被静音的系统等于没有系统。
第四步：情感分级，别停在「正/负」两档
只分正负没用，因为「咨询怎么退款」和「已经准备发律师函」都会被划成负面，处理方式却差了十万八千里。建议分四级：
- 中性提及：提到但无情绪，比如行业报告里顺带一句。
- 咨询与抱怨：有情绪但诉求明确，属于客服可正常处理的范畴。
- 事实性投诉：涉及具体产品问题、金额、时间，且带有细节。这类需要留证据、找人跟进。
- 危机信号：涉及安全、合规、群体性、媒体介入或法律字眼的，需要立刻上报。
这里有个必踩的坑要提前防：反讽和行业黑话。中文互联网的「可真行」「厉害了」在不同语境下意思完全相反，模型很容易判反。对策是把这类表达做成规则兜底：命中反讽词表时不给「正向」结论，直接降级为「需人工确认」。给舆情内容定级，本质上也是一种自动评分，偏差怎么校准可以看今天另一篇 AI Agent 自动打分怎么做“>AI Agent 自动打分怎么做。
第五步：预警阈值与冷却时间
分级做好了，还要定「什么时候叫你」。建议三条线同时判断：
（1）质阈值，单条即可触发。命中危机信号词表——涉及人身安全、监管、法律、群体事件的，单条直接升最高级，不等量。
（2）量阈值。普通负面在 1 小时内超过 N 条、或超过日常基线的若干倍，升级一级。
（3）增速阈值。不看总量看斜率：前 6 小时讨论量翻倍且仍在加速的，优先级高于已经稳定下来的老话题。
再加一个冷却时间：同一事件在冷却期内只推一次更新摘要，不重复轰炸。异常怎么分级、什么情况该降级，可以参考 异常分级怎么做；如果预警推送本身失败了，必须有升级规则兜住，见 失败升级规则。
第六步：预警推给谁、推什么
预警的价值全在「能不能直接行动」。一条能用的预警应该包含五件事：
- 发生了什么：一句话事实，不带形容词。
- 在哪发生：平台、账号、原始链接，必须能点开核实。
- 扩散到什么程度：相关讨论条数、涉及渠道数、有无权威来源跟进。
- 建议动作：核实事实 / 客服跟进 / 内部通报 / 暂不处理，给候选，不要替人做决定。
- 时限：期望多久内响应。
推送到群里通常比发邮件有效。如果核实后发现是误报，要有通道把这条标掉，不然噪音越积越多——转人工队列怎么设，可参考 转人工队列。
第七步：每日舆情简报，用固定模板
预警是事件驱动，简报是节奏驱动。每天固定时间推一封，结构别变，看的人才会形成习惯：
- 昨日提及总量与正负占比，附与上周同期的对比
- 负面 TOP 3 事件（各一句话 + 现状 + 是否已处理）
- 新增关键词与未归类噪音（用来反哺关键词表）
- 今天需要跟进的动作清单
定时发送和模板配置的完整做法，见 定时发日报周报。
第八步：把处置经验沉淀下来
舆情系统真正的资产不是告警，而是处置口径库：同类问题以前怎么回应的、哪些说法被验证过有效、哪些表述反而激化了矛盾。把这些和历史事件一起归档，下次遇到新事件，Agent 能直接给出「历史上类似情况是怎么处理」的参考。
这需要 记忆设计 做支撑，也需要定期清理过期口径——老话术用在新事件上往往更糟，所以知识库要做 陈旧内容巡检。留档时按 证据包 的思路把原文、截图、时间一起存好，将来对外沟通或对内说明都用得上。
优缺点与适合人群
优点：覆盖面比人肉搜广、频次稳定、凌晨也能抓；成本主要花在模型调用上，比人力便宜得多；积累下来的历史数据还能反过来帮你看清用户到底在抱怨什么。
缺点：情感判断在反讽、方言、行业黑话上仍会出错，必须有兜底；关键词表维护是长期投入，写一次就不管的系统两个月后基本失效；对封闭平台（需登录或强反爬）覆盖有限，别指望全覆盖。
适合：有品牌或产品在公开被讨论的团队、做客户成功和公关的同学，以及想了解行业口碑走向的独立开发者。规模很小的项目如果一周只有几条提及，人工搜反而更划算。
最后重申边界：这套系统负责「发现和提醒」，不负责「回应」。任何对外的回应都应该是人确认过的事实和口径。把决策权交出去的那一刻，风险就不再可控了。
