mcpField
P
PJQ — Public Judgment Quotient

PJQ — Public Judgment Quotient

远程服务
pjq.life数据与分析020 周前更新

关于 PJQ — Public Judgment Quotient

PJQ 分析 YouTube 评论以衡量受众反馈,并将实质性支持、反对和中立意见与噪声区分开来。它面向媒体分析人员和开发者,提供 Web 客户端、REST API 与 MCP 接口,返回汇总判定而非原始评论文本。

主要功能

  1. 01七类评论立场分类
  2. 02受众情绪与支持度指标
  3. 03单独统计噪声和非自然评论
  4. 04含代表性示例的汇总判定
  5. 05REST API 与 Web 客户端

适用场景

  1. 01评估观众对 YouTube 视频的反馈
  2. 02区分实质意见与机器人或推广噪声
  3. 03将受众反馈分析接入 AI Agent

MCP 相关

托管的 MCP 服务位于 https://pjq.life/mcp/,提供供 AI Agent 执行分析和读取判定结果的工具。它返回汇总数据与代表性示例,不返回原始评论文本。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://pjq.life/mcp/
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://pjq.life/mcp/需要授权

工具

详细介绍

PJQ — 公众评价指数

公众舆论的地震仪。PJQ 衡量一段媒体内容实际获得了怎样的受众反馈——将真实观点与粉丝噪声、机器人和自我推销者区分开来。

线上服务: pjq.life · 许可证: Apache-2.0


这是什么

PJQ 接收一段内容的网址(目前支持 YouTube;接下来将支持 Reddit、Telegram 和新闻),采集其下的评论,并根据7 类立场标准对每条评论进行分类。输出是一份评判结果:一个数值化的反馈评分(mood),以及结构化的细分数据——有多少人实质性赞同、有多少人提出反对、有多少人保持中立,以及有多少噪声淹没了信号。

可以把它看作一个媒体反馈观测站,基于同一核心通过两种传输方式提供服务:

  • REST API(/api/v1/*),用于分析自动化;以及
  • MCP 服务(/mcp/),让 AI Agent(Claude Desktop 等)能够直接在聊天中运行分析并读取评判结果。

此存储库包含什么

此存储库是 PJQ 的开源客户端和规范。托管分析引擎(采样、分类、质量保证、ONNX 立场模型和提示词内部机制)仍保持闭源——这是产品的核心竞争优势。此处开放的内容涵盖了使用、集成和了解 PJQ 所需的一切:

web/    — the full web client (React + TypeScript + Vite SPA, 5 languages)
spec/   — the conceptual specification
          ├── CONCEPT.md          what PJQ is and why
          ├── RUBRIC.md           the 7-category stance rubric (definitions)
          ├── domains.yaml        the 11-domain content taxonomy
          ├── FEATURED.md         the open, automatic showcase-ranking formula
          └── verdict-schema.md   the shape of a verdict (API output)
docs/   — integration reference
          ├── api-reference.md    REST API surface
          ├── mcp-reference.md    MCP tools and schemas
          └── user-guide/         end-user guide (EN + RU)

一句话了解 7 类标准

每条评论恰好归入以下一类:SUP(实质性支持)、AGA(实质性反对)、NEU(中立)、OFF(离题)、THIN(浅层正面——只有赞扬,没有论据)、SUS(非自然行为——机器人、付费评论或协同行为)、AGN(另有所图——评论只是作者实现外部目的的载体)。

**报告规则:**观点指标(mood、support)严格根据 SUP / AGA / NEU 计算。THIN / OFF / SUS / AGN 分开统计,绝不会抬高支持率。详见 spec/RUBRIC.md。

运行 Web 客户端

客户端是一个标准的 Vite SPA。默认情况下,它会连接到托管后端 pjq.life(生产环境中为同源)。

cd web
npm install
npm run dev      # dev server with hot reload
npm run build    # production build (with build-time SEO prerender) -> dist/

若要让客户端连接其他后端,请复制 web/.env.example 并设置 VITE_API_BASE。

集成

  • REST API——在 pjq.life 的控制台获取 API 密钥,然后参阅 docs/api-reference.md。只读工具不消耗额度;完整分析消耗 1 个额度。
  • MCP——让支持 MCP 的客户端连接到 https://pjq.life/mcp/,并参阅 docs/mcp-reference.md 了解导出的工具。

API 绝不会返回评论原文——根据 PJQ 的隐私政策,只返回汇总数据、百分比和少量代表性样例。

状态

PJQ 已上线,正在积极开发中。路线图公开发布于 pjq.life/flightlog。此存储库跟踪客户端和规范;引擎更新则部署到托管服务。

许可证

版权所有 2026 PJQ(github.com/Makaric)。依据 Apache License 2.0 版授权——详见 LICENSE。

Русская версия: README_RU.md。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。