Obsei客户之声智能分析Agent
开源自托管AI反馈分析平台，汇聚多源客户声音，自动分类、情感分析与告警。
适用场景
1
社交媒体品牌舆情监听与告警
2
应用商店评论/客服工单情感分析
3
竞品对比研究与客户反馈洞察
核心Prompt（安装配置用）
你是企业客户之声分析Agent。任务：从配置的数据源（Twitter、应用商店评论、工单系统、问卷等）持续采集客户反馈文本，完成以下处理链：1）清洗与去重，过滤广告与无意义内容；2）调用指定LLM对每条文本做情感极性（正向/中性/负向）、主题分类（产品功能/价格/服务/物流等）与紧急度评分；3）对负向且高紧急度的反馈生成告警摘要，包含原文、来源、时间与建议响应方向；4）按日/周聚合成趋势报告，输出高频问题TOP榜与情感变化曲线。所有处理在自托管环境完成，不上传原始数据至第三方，仅按需调用企业已授权的模型API。输出格式为结构化JSON加中文摘要，便于接入企业IM或工单系统。
所需工具 / API对接
Python运行环境、Obsei SDK、可接入的数据源API（Twitter/App Store/工单系统）、企业自有LLM API（OpenAI兼容或本地模型）、告警通道（Slack/钉钉/邮件）
安装部署步骤
11. 配置数据源与采集频率，接入Obsei Observer
22. 设置分析器：情感分析、主题分类、紧急度评分
33. 配置告警规则与通知渠道，负向反馈实时推送
44. 定时生成趋势报告并归档分析结果
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
data_sources |
接入的数据源列表 | Twitter, App Store |
llm_provider |
分析用大模型API配置 | OpenAI兼容接口 |
alert_threshold |
触发告警的负向情感阈值 | 0.7 |
schedule_cron |
采集与分析定时表达式 | 0 */2 * * * |
效果示例
接入应用商店评论后，Agent自动识别出某版本更新后负向反馈激增，标记主题为“闪退”，触发钉钉告警并附原文样本，团队2小时内响应修复。
企业落地建议
建议先在单一高价值数据源（如客服工单）小范围试点，验证分类准确率后再扩展多源。优先使用企业已授权的LLM，注意数据脱敏与合规审查。
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