> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# 不会写采集代码，怎样把微博评论和小红书笔记整理成论文材料？

> 定义研究对象、样本和工作表，用已接入工具或已有原件取材，保留原句、编码与排除理由，写清来源与范围。

**不用先写采集程序：先写清研究问题、选择规则和分析单位，再让已接入工具的助手按范围取一小批样本，或把已保存的原件交给助手整理。** 样本选择和编码依据由你自己核对。

例如论文想研究短教程评论里的求助方式，先区分步骤追问、条件替换、失败经历和纠正，再选微博与小红书里的相关内容。材料表的每一行都要能回到原评论，不能只有模型生成的主题摘要。

## 先写四件事

| 研究设计  | 要写清楚什么                   |
| ----- | ------------------------ |
| 问题    | 具体想解释哪种表达或互动             |
| 对象与时间 | 哪些平台、关键词、内容形式与目标时期       |
| 纳入/排除 | 什么算相关，广告、转述、重复和无上下文项怎样处理 |
| 记录单位  | 按帖子、评论还是一段对话编码，允许哪些多标签   |

先做小范围材料，把规则定下来再扩大。选高互动内容可以作为一种抽样规则，但要如实记录这条规则，不能把结果称为全平台随机样本。

## 怎样取得并保存材料？

已有确定的链接或内容 ID 时直接读目标；只有话题时先搜索，再人工选择。平台入口：[微博搜索](/zh/faq/weibo-keyword-search)、[微博评论](/zh/faq/weibo-comment-research)、[小红书选文](/zh/guides/xiaohongshu-notes-research)、[小红书评论](/zh/guides/xiaohongshu-note-comments)。

1. **定范围。** 给助手明确首批页数和选择规则。
2. **保存每次请求。** 保存每次的实际输入、原响应、请求号和取得时段。
3. **单独核对日期。** 每条内容的实际发布时间与目标时间窗分开核对。微博搜索没有声明日期筛选，用一句自然语言要求“上个月”，不会让结果都落在那个月。

小红书已有字段提取和原句审核流程，按上面的评论指南接 CSV。微博等尚未登记固定输出的动作，先核对真实结构，手工建工作表。“让 AI 导出”不能代替字段确认，也不会让各平台自动生成同一种格式。

## 工作表怎样方便后续编码？

用自己定义的研究列，标识列按文本保存：

| 列              | 用途            |
| -------------- | ------------- |
| 研究记录编号         | 方便论文引用与内部追溯   |
| 平台、原内容与评论标识/来源 | 确认对象，不用昵称替代标识 |
| 原句与必要父回复       | 保留表达和互动上下文    |
| 发布时间、取得时段      | 分别说明内容时间和观察时间 |
| 选择状态与理由        | 纳入、排除、待补材料    |
| 编码与解释          | 研究者的判断，与原句分开  |
| 原件位置与请求号       | 能回查保存材料       |

缺失的时间、点赞等值留空，实际为 0 的保留 0；原句的换行和引号也要保留。CSV 导入 Excel 或你选用的分析软件后，先核对文本列、缺失值和字符没有被自动改写。

## 怎样给编码一个明确依据？

1. **定义标签。** 例如自定义“步骤追问、条件替换、经验陈述、对象纠正、其他”，并规定一条材料何时可以多标签、何时需要上下文。
2. **逐条写理由。** 每条记录的编码都保留理由。
3. **看上下文。** “换个锅可以吗”是条件问题；“我这次成功了”是一次经历，是否包含可分析的条件要看上下文；“同问”要读父评论才知道问的是什么。
4. **核对模型建议。** 模型可以提出候选编码，最终表里保留人工核对结果和规则版本。
5. **去重与计数。** 同一评论跨页出现时按实际标识去重，同一段对话里的多条回复保留关系。缺材料的记录暂不进入已审核分母，不用请求条数推算有效样本量。

例如第一轮用「条件替换」标了 12 条，第二轮规则改成「必须说明换了什么」，就回查这 12 条，给没说明换了什么的记录标「待补」，把改动写入规则版本。汇总表用同一版规则和实际已审核数量，报告里的比例才有明确分母。

## 方法与引用怎样写？

按下面的模板填写真实记录：

> 本研究围绕\[问题]，在\[平台]以\[关键词/内容清单]取材，目标时间范围为\[范围]，实际取得时段为\[时间]。按\[纳入/排除规则]形成\[实际审核数量与单位]，保存原句、来源与请求记录，并依据\[编码规则版本]分析；\[未取得或未读范围]另列。

动态平台重跑可能得到不同结果，所以除了来源链接，还要保留原件和当时的取材条件。

论文展示使用研究编号与必要背景，来源关系留在研究记录里；不参与分析的姓名、头像等信息不放进展示表。

给助手的任务可以这样写：

> 按这份研究问题和选择规则，先取一小批相关材料。保留原句、父子关系、时间和来源，分别列纳入、排除与待补理由。提出编码候选供我核对，不把主题摘要当成原始数据，最后说明实际样本范围。

关键词、平台和实际页数按[价格页](https://beatapi.io/zh/pricing)的当前价格规划。先复用已存材料，规则确定后再决定扩大哪一部分。

## 用公开内容做行业观察

例如研究一个家电品类，用作品和评论记录具体疑问，用[商品评价](/zh/guides/xiaohongshu-product-review-research)核对使用条件，用已有指数观察话题变化。逐条保留实际日期、来源、候选范围和排除理由，从原句提出的假设另外记录。“收到多条噪音抱怨”可以支持下一轮产品研究；规模、收入或市场份额需要对应的数据。