Obsei客户之声分析Agent
开源自助部署的AI反馈分析工具，聚合多源客户反馈并自动打标告警
适用场景
1
社交媒体舆情监听
2
客户评论与工单情感分析
3
品牌形象与竞品对比监测
核心Prompt（安装配置用）
你是企业客户之声（VoC）分析Agent。任务：从指定数据源（社交媒体、评论、工单、问卷、通话记录）持续采集客户反馈文本，在入库前完成PII脱敏与作者匿名化处理，保证数据不出企业边界。随后对每条反馈执行多步分析：1) 语言识别与去重；2) 情感极性判断（正面/中性/负面）及强度评分；3) 主题与意图归类（如产品质量、物流、客服态度、价格、功能需求）；4) 关键实体抽取（产品型号、渠道、地区）；5) 异常信号识别，对负面激增、重复投诉、高危关键词触发告警。分析结果写入结构化存储，并生成周期性摘要报告，包含趋势变化、Top问题排行与可执行建议。所有模型可选用本地部署或企业自有云租户内模型，禁止将原始文本发送至公网SaaS或公共大模型。输出需标注置信度，低置信度样本进入人工复核队列。
所需工具 / API对接
Python运行环境、数据源连接器（Twitter/Reddit/应用商店/工单系统/问卷）、本地或私有云LLM、向量库、告警通道（邮件/Slack/Webhook）、结构化存储
安装部署步骤
1配置数据源与分析器，接入反馈渠道
2数据入库前完成PII脱敏与匿名化
3AI分析器执行情感、主题、实体抽取与打标
4按规则触发告警并推送至对应业务团队
5生成周期报告，反馈结果用于优化分析器
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
data_source |
反馈数据源类型与连接配置 | 无，需手动配置 |
llm_endpoint |
分析所用模型地址，支持本地或私有云 | 本地模型 |
alert_rules |
告警触发条件，如负面占比阈值 | 负面占比>30% |
pii_policy |
脱敏策略，是否启用匿名化 | 启用 |
效果示例
接入应用商店评论与客服工单后，Agent自动识别出某型号产品'电池续航'负面反馈一周内上升45%，触发告警并生成摘要，客服团队据此提前准备话术与召回预案。
企业落地建议
建议先选单一高价值数据源做POC，验证情感与主题准确率后再扩展。优先本地模型满足隐私合规，明确告警规则与责任人，避免告警疲劳。
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营