一、背景：做一个 App，但我不知道用户真正需要什么
我是一名大三学生，最近想做一个叫 MoodWave 的情绪日记 + 音乐可视化的网页以及App。
这个项目的出发点很简单——我自己情绪管理做得很差。考试周的焦虑、和朋友吵架后的低落、深夜刷手机的空虚……这些情绪都像水一样流走了，没有任何记录，更没有任何出口。当然，情绪不只有低谷。喜悦、期待、专注、感恩——这些积极状态同样值得被记录和可视化。但我想从最真实的需求入手：那些在深夜刷小红书、一句话引发数百条共鸣评论的瞬间，才是产品真正要承托的重量。
所以我想做一个工具：记录情绪 → 分析情绪 → 根据当前情绪推荐并可视化播放音乐。
技术栈我已经想好了：
- 前端：Next.js 14 + Tailwind CSS + Shadcn/UI
- 可视化：Web Audio API + React Three Fiber（3D 粒子效果）
- 后端：Python FastAPI + SQLite
- 音乐推荐：情绪 → 情绪标签 → 匹配曲库
但做到第二天，我就卡住了。
我怎么知道用户真正的情绪痛点是什么？
我的感受不能代表所有人。学生党的焦虑、打工人的疲惫、失恋的孤独……这些群体的需求可能完全不同。如果我靠"感觉"设计功能，很可能做出一个自嗨的产品。
传统的用户调研方式——发问卷、做访谈——太慢了，而且样本量有限。
我需要的是真实的、大量的、来自不同群体的情绪数据。
然后我在腾讯云找到了一款工具WorkBuddy。
二、发现 WorkBuddy：这不是聊天工具，是 AI Agent
WorkBuddy 是腾讯 OpenClaw 生态推出的桌面 AI 工作台。和普通 AI 聊天工具不同，它的核心是 Agent——你给它一个目标，它自己规划步骤、调用工具、完成任务。
我当时看到它的第一反应是：这不就是我需要的"数据采集员"吗？
小红书上有几亿条真实的用户情绪记录。如果我能让 WorkBuddy 自动去搜索"考研焦虑"、"工作压力大"、"分手孤独"这些关键词，抓取帖子内容和评论，再用 AI 帮我分类、提取洞察——那我就有了一份真实的用户情绪数据库。
想法成型了：用 WorkBuddy 打造一个"情绪雷达&灵感捕手"，专门为 MoodWave 的功能设计喂数据。
三、配置 Skill：给 Agent 装上小红书的"眼睛"
WorkBuddy 的能力扩展依赖 Skill（技能） 生态。
我需要两个核心 Skill：
Skill 1：xiaohongshu-yq（小红书专属 Skill）
这个 Skill 基于 MCP（Model Context Protocol）协议，让 AI 可以直接调用小红书的搜索、帖子详情、评论等接口。
安装完成后，需要用小红书 App 扫码授权登录：
# 启动小红书 MCP 服务
cd ~/.workbuddy/skills/xiaohongshu-yq/scripts/
./start-mcp.sh
# 获取登录二维码
./mcp-call.sh get_login_qrcode
扫码后验证登录状态：
./mcp-call.sh check_login_status
# 输出：✅ 已登录
Skill 2：web-scraper（通用网页抓取）
用于抓取微博、知乎等暂无专用 Skill 的平台，支持 5 级级联抓取策略（HTTP → Playwright → LLM），自动过滤广告和无关内容。
cp -r ~/.workbuddy/skills-marketplace/skills/web-scraper ~/.workbuddy/skills/web-scraper
两个 Skill 就绪，Agent 的"眼睛"装好了。
四、构建情绪雷达工作流：一句话触发，自动完成全流程
用户指令
│
▼
┌─────────────────────────────────────────────┐
│ 步骤1：小红书登录验证 │
│ ./mcp-call.sh check_login_status → ✅ 已登录 │
└─────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────┐
│ 步骤2：4组关键词搜索（一周内） │
│ 1. 考研焦虑 2. 工作压力大 │
│ 3. 分手孤独 4. 焦虑内耗 │
└─────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────┐
│ 步骤3：获取帖子详情 + 评论 │
│ 提取：标题/作者/时间/点赞/收藏/评论/IP等 │
└─────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────┐
│ 步骤4：AI分类分析 │
│ 按4大主题：学习/工作/情感/家庭 │
│ 情绪标签：焦虑/疲惫/孤独/内耗/失眠等 │
└─────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────┐
│ 步骤5：输出文件 │
│ • raw_data_20260415.csv (88条原始数据) │
│ • classified_20260415.csv (28条分类数据) │
│ • insights_20260415.md (洞察报告) │
│ • dashboard_20260415.html (可视化仪表盘) │
└─────────────────────────────────────────────┘
│
▼
📁 ~/WorkBuddy/情绪雷达/2026-04-15/
工作流设计
针对 MoodWave 的目标用户群体，我设计了 4 组搜索关键词，覆盖 4 大情绪场景：
| 关键词 | 目标群体 | 对应 MoodWave 场景 |
|---|---|---|
| 考研焦虑 | 📚 学生党 | 学习压力 + 心态调节 |
| 工作压力大 | 💼 职场人 | 职场解压 + 情绪出口 |
| 分手孤独 | 💕 情感受伤 | 失恋治愈 + 陪伴音乐 |
| 焦虑内耗 | 🧠 通用人群 | 精神减压 + 白噪音 |
执行过程
只需要对 WorkBuddy 说一句话：
"开始今日情绪调研，搜索小红书一周内的数据，按学习/工作/情感/家庭四个维度分类。"
WorkBuddy 自动规划并执行以下步骤：
Step 1: 验证小红书登录状态 ✅
Step 2: 4 组关键词搜索（一周内，按热度排序）
Step 3: 获取每篇帖子详情（标题/正文/评论/点赞/收藏/发布时间/IP属地）
Step 4: AI 分类分析（情绪标签 + 主题分类）
Step 5: 生成 4 份输出文件
整个过程我只按了一次回车，大约 3-5 分钟后，WorkBuddy 反馈： "完成，共获取 88 条数据。"
上面两张图是WorkBuddy接入QQ以后实时返回的报告结果。
五、数据成果：88条真实用户情绪，让我发现了3个意外
数据基本情况
- 数据量：88 条真实帖子（4月10日-15日）
- 平台：小红书
- 字段：发布时间、标题、正文、评论数、点赞、收藏、IP属地、情绪标签、主题分类
主题分布
| 主题 | 条数 | 典型痛点 |
|---|---|---|
| 📚 学习（考研焦虑） | 20条 | 不确定感、睡眠差、缺少陪伴 |
| 💼 工作（职场压力） | 20条 | 加班、PUA、35岁危机 |
| 💕 情感（失恋孤独） | 20条 | 分手后的空虚、想倾诉 |
| 🧠 精神内耗（通用） | 28条 | 拖延、自我否定、焦虑循环 |
三个让我意外的发现
意外1：失恋帖子评论数远超点赞数
一篇关于分手的帖子，只有 25 个点赞，但评论高达 104 条。相比之下，其他帖子的评论普遍不超过 30 条。
这说明一件事：情感类用户需要的不是"消费内容"，而是"倾诉和被看见"。
对 MoodWave 的启示：情感模块不应该只是播放音乐，应该有树洞/匿名广场，让用户写下来、说出来。
意外2：精神内耗是跨群体的"通用痛点"
我原本以为"内耗"是学生的专属焦虑，但数据显示：考研党、打工人、家庭主妇都在说同一件事——"停不下来的自我怀疑"。
这是 MoodWave 里优先级最高的功能方向：「打破内耗模式」的专项音频 + 情绪打卡。
意外3：IP属地分布集中在一二线城市
抓取的数据中，北京/上海/广州/深圳 IP 占比约 60%。这意味着早期版本可以聚焦年轻职场人 + 备考人群，而不是泛用户群。
该图是基于获取的数据整理成可视化仪表盘的形式，作为HTML文件保存到本地。
值得一提的是，本次抓取以'焦虑''压力''孤独'等关键词为主，数据样本天然偏向消极情绪。这是有意为之的第一步——先搞清楚用户最脆弱的时刻需要什么，再去设计整个情绪谱系。后续计划补充'元气满满''今天很开心''感恩记录'等正向关键词，构建完整的情绪地图。
六、数据驱动的功能决策：MoodWave 现在有了"证据"
有了这 88 条数据，我对 MoodWave 的功能优先级重新排序了：
| 功能 | 优先级（之前） | 优先级（之后） | 数据依据 |
|---|---|---|---|
| 情绪记录 + 日记 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 不变，核心 |
| 失恋治愈专区 + 树洞 | ⭐⭐ | ⭐⭐⭐⭐⭐ | 104条评论 = 强需求 |
| 精神内耗终结训练 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 跨群体第一痛点 |
| 考研心态调节模式 | ⭐⭐ | ⭐⭐⭐⭐ | 学生群体高频需求 |
| 35岁职场危机专题 | 无 | ⭐⭐⭐ | 意外发现的细分场景 |
| 白噪音 / 氛围音频 | ⭐⭐⭐ | ⭐⭐⭐⭐ | 通用减压需求 |
定时更新机制：WorkBuddy 已配置每天凌晨 00:00 自动执行情绪调研，每天一份最新的用户情绪快报。MoodWave 的功能迭代将实时参考这份数据。
七、心得：Agent 让"产品调研"从周级变成了分钟级
这次实践让我对 AI Agent 的理解发生了一个质变。
以前我以为 AI 工具的价值在于"生成代码"或"写文案"。但 WorkBuddy 让我看到了另一种可能：
AI Agent = 帮你执行你描述不清楚的任务的协作伙伴。
传统的用户调研流程：写问卷 → 分发 → 回收 → 整理 → 分析，最快也要一周。
用 WorkBuddy 的流程：一句话 → 3分钟 → 88条数据 → 可视化报告。
差距不是效率上的，而是思维方式上的。我不再需要预先设计调研框架，只需要提出一个问题，让 Agent 去找答案。
当然，这个工作流还有很多可以完善的地方：
- 微博/知乎数据还没接入（需要解决登录态问题）
- 数据量还不够大，需要多周积累才有趋势性结论
- 分类维度还可以更细（比如细分"家庭"主题）
但就这一次实验，已经让 MoodWave 的产品方向清晰了 80%。
这次只是情绪雷达的第一个版本，数据集中在学生、职场人、情感受伤这三类群体。下一步，我计划把抓取维度扩展到积极情绪侧——比如用户分享的「治愈时刻」「人生第一次」「今天很幸运」，让 MoodWave 不只是一个疗愈工具，而是一面完整的情绪镜子。
附：工作流技术说明
- 平台：WorkBuddy（腾讯 OpenClaw 生态）
- 核心 Skill：xiaohongshu-yq（小红书 MCP）+ web-scraper
- 数据存储：本地 CSV + Markdown 报告，后续计划迁移到腾讯云 COS 做持久化存储
- 自动化：WorkBuddy 定时任务（每天 00:00 触发）
如果你也在做需要"了解真实用户"的产品，欢迎评论区交流。
MoodWave 项目进展也会持续更新，欢迎关注 ✨
