核心用法
sentiment-score 是 Expanso 团队开发的声明式情感分析技能，通过 Expanso Edge 运行时执行。用户可通过三种方式调用：CLI 管道模式（echo 'text' | expanso-edge run pipeline-cli.yaml）、MCP 服务器模式（expanso-edge run pipeline-mcp.yaml）或部署至 Expanso Cloud。技能接收任意文本输入，调用 OpenAI GPT-4o-mini 模型分析情感倾向，输出标准化的 JSON 格式结果，包含 score（-1 到 +1 浮点数）、label（positive/negative/neutral）和 confidence（置信度）。
显著优点
架构安全性突出：纯 YAML 声明式配置，无动态代码执行、无系统命令调用、无文件操作，从根本上杜绝了命令注入和代码执行风险。隐私保护灵活：默认支持 OpenAI 云端 API，同时提供 Ollama 本地后端作为零数据外泄的替代方案，满足敏感场景需求。工程规范严谨：API Key 通过环境变量注入，模型版本明确锁定（gpt-4o-mini），依赖项清晰可控。输入验证与错误处理完善，解析失败时自动回退至中性默认值（score: 0）。部署形态多样：既支持轻量级 CLI 管道集成，也支持标准化 MCP 协议接入，还可云端托管，适配不同技术栈。
潜在缺点与局限性
外部依赖较重：必须预先安装 Expanso Edge 运行时，且云端模式依赖 OpenAI API 可用性和网络连通性。延迟不可控：API 调用引入的网络延迟使其不适合实时性要求极高的场景。输入规模受限：内置 1MB 缓冲区限制，超长文本需预处理分片。成本因素：持续调用 OpenAI API 会产生 token 费用，高频场景需考虑本地 Ollama 方案的性能与资源消耗。功能单一：仅输出标准化情感分数，不支持细粒度情绪识别（如愤怒、喜悦、恐惧等）或方面级情感分析。
适合的目标群体
- 需要快速集成情感分析能力的自动化工作流开发者
- 构建 MCP 生态系统的 AI 应用架构师
- 处理用户反馈、评论、社交媒体内容的运营分析团队
- 注重数据隐私、希望本地部署的金融科技或医疗健康领域用户
- 使用 Bacalhau/Expanso 分布式计算平台的现有用户
使用风险
运行时依赖风险：Expanso Edge 版本未明确锁定，未来框架更新可能引入破坏性变更。API 服务稳定性：OpenAI 服务中断或速率限制将直接影响技能可用性，生产环境建议配置降级策略。数据合规考量：使用云端模式时，文本数据将传输至 OpenAI，需确保符合 GDPR、CCPA 等数据保护法规要求。MCP 模式暴露面：作为 HTTP 服务启动时，需注意端口访问控制和网络安全配置，避免未授权调用。