get_comments
Fetch top-level Bilibili comments plus comment-section metrics (likes, reply intensity, level, picture share) using tiered detail levels to control token cost, and flag injection-risk text.
Instructions
取顶层评论 + 评论区结构指标。
detail 三档，按成本递增：
"brief"（默认，广扫用）：前 n 条顶层，正文截断 90 字，~4.3k token/100 条
"opinion"（观点分布用）：前 n 条顶层 + 完整正文 + 最小字段集 （text/likes/rcount/author/lv/pics），~7.2k token/100 条。 只取顶层就够算三轴——争议度用的 rcount 只存在于顶层。 比 full 省 71%，且正文不截断（不毁观点簇判断）
"full"：全部原始字段（含楼中楼、pictures URL 明细），~25.3k token/100 条。 只在要引用原话、或要读楼中楼争论内容时用
stats 里的关键量（判读口径固定在前 100 条顶层，不随 n 漂移）： picture_like_share 「图片评论占总赞」——决定要不要读图（≥15% must，≥5% sample） reply_intensity 平均每层楼中楼数 —— 争论强度（点赞是"认同"，回复是"争议"） reply_to_like 楼中楼总数/赞总数 —— 评论活跃度 level_count 等级分布 —— 社区结构（高等级占比高 = 老用户为主） locations IP 属地分布 —— 地域结构，属于个人信息，不要写进可分享的产物
n 是顶层评论条数上限，楼中楼不占名额。n<100 时 picture_verdict 不返回（口径不可比）。
sanitize（默认 "flag"）：给命中指令注入特征的评论追加 injection_risk 字段。
只标记、不删改原文——删改会破坏可溯源性（报告要能引用原话）。
设 "off" 可关闭。实测 B 站评论区存在成规模的、专门针对 AI 账号的注入。
⚠️ 命中不等于"这条在攻击 Agent"：本检测是纯关键词匹配， 只能当"值得再看一眼"的提示，不能当证据。
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| n | No | ||
| bvid | Yes | ||
| detail | No | brief | |
| sanitize | No | flag |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| result | Yes |