用途：抓取自家产品与 1-3 个竞品在 G2、Capterra、Trustpilot 的评论，提炼对营销有用的信息，包括客户原话、反复出现的痛点、可转化的证明点和需预先化解的购买异议。
主要能力：通过五个视角分析评论——5 星评论中的证明点（尤其是含具体数字的成效）、客户描述原有问题的核心痛点语言、3-4 星及负面评论中的异议、竞品评论中的替换信号，以及买家的用词与品类搜索习惯。输出包含证明点库、客户痛点原话、异议映射表、竞品替换情报、SEO/文案词汇与建议行动，报告中会标注评论数量、评分、评论者角色、平台与日期，并统计各主题出现频次。
使用方式：先提供自家产品与竞品的评论页 URL、学习目标与时间范围（默认近 3 个月）；再用上游 review-scraper 抓取评论，例如 python3 skills/review-scraper/scripts/scrape_reviews.py --platform g2 --url "<your_g2_url>" --days 90 --output json，按平台与竞品重复执行；随后按五视角聚类分析并生成 Review Intelligence Digest，保存至 clients/<client-name>/intelligence/review-digest-[YYYY-MM-DD].md。可按月运行：0 8 1 * * python3 run_skill.py review-intelligence-digest --client <client-name>。
适用场景：挖掘营销文案与冷邮件钩子的客户原话、竞品用户抱怨点、异议预判与竞品替换角度。
限制：需 Apify API token（APIFY_API_TOKEN 环境变量）并依赖上游 review-scraper 技能；抓取评论可能产生费用（G2 有免费额度，Capterra 约 $0.20-0.50/产品，Trustpilot 约 $0.20/千条），每月完整运行约 $1-3；抓取成功率、评论覆盖范围与各平台可访问性暂未提供。