ReviewReply 技能

自动化 App Store 评论监控、回复草稿生成与问题模式识别工具。通过监控 App Store Connect 获取新评论，针对 1–3 星评论调用 Claude 生成温暖且符合品牌调性的回复草稿；自动识别高频重复投诉并触发 Bug 告警；每日上午 8 点向 Telegram 推送待审批回复队列。

技能目录

skills/review-reply/
├── SKILL.md                          # 本文件 — AI 指令与技能规范
├── README.md                         # 完整使用文档与配置指南
├── scripts/
│   ├── monitor.py                    # 轮询 App Store Connect API 获取新评论
│   ├── draft_reply.py                # 基于 Claude 生成温暖且符合品牌调性的回复草稿
│   ├── pattern_detector.py           # 将高频重复投诉识别为 Bug 告警
│   └── queue_manager.py              # 管理审批队列，推送每日上午 8 点 Telegram 汇总消息
├── references/
│   ├── app-store-connect-api.md      # API 认证配置（JWT、密钥、端点）
│   └── reply-guidelines.md           # 品牌语调、语气、注意事项（Do’s & Don’ts）
├── templates/
│   └── reply-prompts.md              # 按星级划分的 Claude 提示词模板
└── data/
    ├── reviews.json                  # 原始评论存储（自动创建）
    ├── queue.json                    # 待审批队列（自动创建）
    └── metrics.json                  # 回复率、响应时效、评分趋势等指标（自动创建）

1. 监控工作流

脚本： scripts/monitor.py

功能说明

1. 从配置中读取应用列表
2. 对每个应用，调用 App Store Connect API → /v1/apps/{id}/customerReviews
3. 将新评论存入 data/reviews.json（跳过已处理过的 ID）
4. 对评分为 1–3★ 的评论：自动触发 draft_reply.py
5. 将所有新评论传递给 pattern_detector.py
6. 将本次运行时间戳写入 data/metrics.json

执行计划

• 建议通过 cron / launchd 每 4 小时运行一次
• 手动运行：python3 scripts/monitor.py

评论数据结构

{
  "id": "string",
  "app_id": "string",
  "app_name": "string",
  "rating": 1,
  "title": "string",
  "body": "string",
  "reviewer": "string",
  "territory": "string",
  "created_date": "ISO8601",
  "fetched_at": "ISO8601",
  "reply_status": "pending|drafting|approved|posted|rejected|skipped",
  "draft_reply": "string|null",
  "approved_reply": "string|null",
  "replied_at": "ISO8601|null"
}

3. 回复草稿工作流

脚本： scripts/draft_reply.py

功能说明

1. 接收一条评论对象（含评分、标题、正文、应用名）
2. 根据星级，从 templates/reply-prompts.md 中选取对应提示词模板
3. 调用 Claude API，并注入品牌指南上下文
4. 将草稿存入 data/queue.json，状态设为 pending
5. 不自动发布 — 所有回复均需人工审批后方可发布

仅生成草稿的场景

• 1★、2★、3★ 评论（负面/中性反馈）
• 4★ 和 5★ 评论：仅记录，不生成草稿（状态 = skipped）

输出格式

{
  "review_id": "string",
  "app_name": "string",
  "rating": 2,
  "review_title": "string",
  "review_body": "string",
  "draft_reply": "string",
  "drafted_at": "ISO8601",
  "status": "pending",
  "approved_reply": null,
  "posted_at": null
}

4. 模式检测工作流

脚本： scripts/pattern_detector.py

功能说明

1. 读取 data/reviews.json 中最近 7 天的所有评论
2. 按应用分组
3. 使用 Claude 提取投诉关键词/主题（基于语义聚类）
4. 触发阈值： 同一主题/投诉在 7 天内出现 ≥3 次 → 触发 Bug 告警
5. 立即发送 Telegram 告警（不等待每日 8 点队列）

告警格式（Telegram）

🚨 *Pattern Alert — FeedFare*

Complaint: "Feed not refreshing / stuck on loading"
Count: 5 reviews in the last 7 days
Rating avg: 1.8★

Recent examples:
• "App is broken, feed never loads" — 1★ (2026-02-18)
• "Stuck on spinning wheel for days" — 2★ (2026-02-17)
• "Used to work great, now broken" — 2★ (2026-02-16)

👉 Likely bug. Recommend investigating feed refresh logic.

模式去重机制

• 过去 24 小时内已发出的相同模式告警，不再重复发送
• 每个应用下每种唯一主题，每 24 小时窗口仅发送一次告警
• 状态记录在 data/metrics.json 的 pattern_alerts 字段中

5. 审批队列工作流

脚本： scripts/queue_manager.py

每日汇总（上午 8 点 Telegram）

每天上午 8:00（本地时区），queue_manager.py 向 Telegram 发送一条消息，汇总当前所有待审批回复：

📱 *ReviewReply Morning Queue — 3 Pending*

━━━━━━━━━━━━━━━━━━━
1️⃣ *FeedFare* — 2★ by @user123 (Feb 18)
   "App crashes every time I open it"

   📝 *Draft Reply:*
   "Hi there! We're so sorry to hear about the crashes — that's definitely not the experience we want for you. Our team just pushed a fix in v2.1.1 that addresses the crash on launch. Please update and let us know if it helps! 🙏"

   ✅ /approve_1  ✏️ /edit_1  ❌ /reject_1
━━━━━━━━━━━━━━━━━━━
2️⃣ *FeedFare* — 1★ by @disappointed_dev (Feb 18)
   ...
━━━━━━━━━━━━━━━━━━━

📊 Stats: 12 reviewed · 8 replied · 67% response rate

回复审批命令

• /approve_N — 标记为已批准，并发布至 App Store Connect
• /edit_N — 替换草稿内容为编辑后文本，并标记为已批准
• /reject_N — 标记为已拒绝（不发送任何回复），并从队列中移除
• /skip_N — 标记为跳过（永不回复），并从队列中移除

队列状态机

new review
    │
    ▼
[drafting] → draft failed → [error]
    │
    ▼
[pending] ←→ [edited]
    │
    ├─ approve → [approved] → post API → [posted]
    ├─ reject  → [rejected]
    └─ skip    → [skipped]

自动发布流程

当某条回复被批准后：

1. queue_manager.py 调用 App Store Connect API → POST /v1/customerReviewResponses
2. 在 data/queue.json 中将该条目状态更新为 posted
3. 在指标数据中记录 replied_at 时间戳

6. 指标追踪

数据文件： data/metrics.json

追踪指标

按需指标报告

说出 “review metrics” 或 “how are my apps doing?”，AI 将读取 data/metrics.json 并格式化输出摘要。

7. AI 指令 — 对话式命令

AI 支持以下自然语言指令：

8. 必需环境变量

请将这些变量存入 ~/.openclaw/.env，或在 shell 配置文件中导出。

9. Cron / LaunchAgent 执行计划

# App Store 评论监控 — 每 4 小时执行一次
0 */4 * * * cd /Users/nick/.openclaw/workspace && python3 skills/review-reply/scripts/monitor.py >> /tmp/review-reply.log 2>&1

# 每日审批队列 — 每天上午 8 点执行
0 8 * * * cd /Users/nick/.openclaw/workspace && python3 skills/review-reply/scripts/queue_manager.py --send-digest >> /tmp/review-reply.log 2>&1

LaunchAgent plist 配置详见 README.md。

10. 数据文件参考

所有数据均存放于 data/ 目录下，采用纯 JSON 格式 — 易于查看、备份与迁移。

备份方式

cp -r skills/review-reply/data/ ~/review-reply-backup/