翻评论、找痛点、定方向——让 AI 帮你从评论区挖出下一个爆款。
🎯 不再凭感觉选品——输入品类，AI 替你翻十万评论、找痛点、定方向
| 场景 | 说明 |
|---|---|
| 💬 智能问答 | 基于小红书笔记库，回答产品相关问题（如"磁吸感应灯哪个品牌好"） |
| 📊 选品洞察 | 输入品类名称，自动分析评论区数据，输出结构化市场报告 |
| 🔥 自动抓取 | 知识库没有的品类？自动现场生成笔记，即时入库分析 |
| 📥 数据导入 | 支持 CSV/Excel 一键导入你的真实笔记数据 |
做电商选品的人都知道：爆款的线索藏在评论区里。
但小红书上几百条评论、几十篇笔记，人工翻一遍要花半天。而且：
- "尺寸太小""续航不够""胶贴不稳"——痛点散落在各处，难以汇总
- 你有笔记数据，但缺一把"放大镜"
- 你想调研新品类，但手头没数据
这个项目把选品流程压缩成三个动作：检索 → 聚合 → 洞察，一键出报告。
flowchart TD
User[("👤 用户输入")] --> Q{问答 / 洞察?}
subgraph RAG["🔍 RAG 检索管道"]
Q -->|问答| Supervisor[Supervisor Agent<br/>策略路由]
Supervisor --> Retrieve[混合检索<br/>Vector + BM25 + RRF]
Retrieve --> Rerank[CrossEncoder 重排序<br/>BGE Reranker v2]
Rerank -->|相关| Generate[LLM 生成回答]
Rerank -->|不相关| Rewrite[查询重写]
Rewrite --> Retrieve
end
subgraph Insight["📊 洞察管道"]
Q -->|洞察| Search[混合检索 Top-10]
Search --> Filter[CrossEncoder 过滤]
Filter -->|有结果| CommentAgent[评论分析 Agent]
Filter -->|无结果| Fetch[🔥 自动抓取<br/>LLM + NoteGenerator]
Fetch --> Ingest[增量入库]
Ingest --> Search
CommentAgent --> DemandAgent[需求聚合 Agent]
DemandAgent --> InsightAgent[选品洞察 Agent]
end
Generate --> Output[("📄 最终输出")]
InsightAgent --> Output
style Fetch fill:#f96,stroke:#333,stroke-width:2px,stroke-dasharray:5
style Output fill:#9f9,stroke:#333,stroke-width:2px
- 向量检索（BGE-M3 Embedding）：捕捉语义相似性
- BM25 关键词检索：精确匹配专有名词和品牌名
- RRF 融合（Reciprocal Rank Fusion）：取两者排序结果加权融合，互补长短
- 用专门的 BGE Reranker v2 M3 模型对检索结果逐条打分
- 比 LLM-as-Judge 更准、更快、更便宜
- 低于阈值（0.1）的文档自动丢弃，保证回答不跑偏
- Supervisor Agent — 自动分析问题特征，选择最佳检索策略
- Self-Correcting Loop — 检索结果不相关时自动重写查询，最多重试 2 次
- Insight Agent Chain — 评论分析 → 需求聚合 → 选品洞察，三阶段流水线
这是最关键的特性——不绑定固定品类，任何品类都能查：
用户搜 "健身服" → 知识库无数据
→ LLM 推荐品牌（Nike, Lululemon, 粒子狂热...）
→ 自动生成 8 篇该品类笔记（含 YAML 评论分析数据）
→ 增量入库到 ChromaDB + BM25
→ 重新检索 → 生成真正的市场洞察报告
# CSV 导入
python import_data.py --input my_data.csv
# Excel 导入
python import_data.py --input my_data.xlsx --sheet Sheet1
# 导入后用 LLM 丰富评论分析
python import_data.py --input my_data.csv --enrich# 1. 克隆项目
git clone https://github.com/your-username/RedNote-Insight.git
cd RedNote-Insight
# 2. 配置 API Key
cp .env.example .env
# 编辑 .env → 填入你的 OPENAI_API_KEY
# 3. 安装依赖 + 生成演示数据
uv sync
uv run python generate_data.py
# 4. 启动应用
uv run streamlit run app.py浏览器打开 **http://localhost:8501**，就可以用了。
用什么 API 便宜又好用？ 推荐 SiliconFlow，免费额度够用很久。DeepSeek-V4-Flash + BGE-M3 + BGE Reranker 三个模型同时调，一条链路的成本约 ¥0.002。
用户：磁吸感应灯哪个品牌好？
助手：
根据小红书笔记分析，磁吸感应灯的热门选择包括：
1. 几光（EZVALO）— 被提及最多，用户评价集中在"感应灵敏、安装方便"
✅ 人体感应+光感双模，免布线安装
❌ 价格偏高（约100-200元）
2. 松下 — 品质口碑好，但款式较少
✅ 做工精细，感应距离远
❌ 价格区间窄，选择少
3. 名创优品 — 性价比之选
✅ 价格低（20-50元），设计可爱
❌ 感应距离短，电池续航一般
建议：预算充足选几光，追求性价比可考虑名创优品。
品类：磁吸感应灯
📋 评论区需求分析报告
━━━━━━━━━━━━━━━━━━━━━━
🔍 用户痛点 Top 3
1. 感应距离太短（提及率 34%）— "走近才亮，人都到跟前了"
2. 电池续航不足（提及率 28%）— "三天两头充电"
3. 粘贴不牢固（提及率 18%）— "用几天就掉下来"
💡 未被满足的需求
• Type-C 充电（非 Micro-USB）
• 磁吸分离式设计（可取下当手电筒）
• 更长的感应距离（>3米）
• 充电底座而非粘贴式安装
📈 市场机会
"磁吸+分离式"设计是当前最大缺口。竞品集中在"便宜但功能单一"区间，
中高端"品质+设计感"产品有溢价空间。
📥 本次查询为「磁吸感应灯」实时生成了 8 篇新笔记
RedNote-Insight/
│
├── app.py # 🖥️ Streamlit 主入口（问答 + 洞察双模式）
├── generate_data.py # 📝 模拟笔记数据生成器（离线用）
├── import_data.py # 📥 CSV/Excel 真实数据导入工具
├── pyproject.toml # ⚙️ 项目配置与依赖管理
├── .env.example # 🔑 环境变量模板（复制为 .env 后填入 API Key）
├── LICENSE # 📄 MIT 开源协议
│
├── src/
│ ├── config.py # 统一配置管理（LLM / Embedding / Reranker 参数）
│ ├── ingestion.py # 文档加载 + 向量库创建 + 增量入库
│ ├── retrievers.py # HybridRetriever（Vector+BM25+RRF）+ APIReranker
│ ├── rag_pipeline.py # 基础 RAG 问答管道
│ ├── graph.py # LangGraph 图编排（自纠错循环 + 条件路由）
│ ├── fetcher.py # 🔥 查询时自动抓取（v0.3 新功能）
│ └── agents/
│ ├── supervisor.py # 策略路由 Agent（auto / vector / keyword / hybrid）
│ ├── comment_agent.py # 评论分析 Agent（解析 YAML 格式的评论数据）
│ ├── demand_agent.py # 需求聚合 Agent（聚类用户痛点 + 需求信号）
│ └── insight_agent.py # 选品洞察 Agent（LLM 生成结构化报告）
│
└── data/
├── raw/ # 📂 笔记原始数据（.md 文件，含 YAML + 评论分析）
│ └── .gitkeep
└── chroma_db/ # 🔇 向量数据库（自动构建，不入 git）
| 组件 | 选型 | 为什么 |
|---|---|---|
| 🧠 LLM | DeepSeek-V4-Flash (via SiliconFlow) | 性价比最高的推理模型，¥0.002/次 |
| 🔤 Embedding | BAAI/bge-m3 | 多语言 SOTA，中文语义捕捉优秀 |
| 📏 Reranker | BAAI/bge-reranker-v2-m3 | CrossEncoder 打分，比 LLM-Judge 快 10x |
| 🗄️ 向量库 | ChromaDB（嵌入式模式） | 零配置，不需要独立数据库服务 |
| 🔗 编排 | LangGraph | 有向图编排 Multi-Agent，支持循环路由 |
| 🔍 检索 | BM25 (rank-bm25) + RRF | 经典关键词检索 + 融合排序 |
| 🇨🇳 分词 | jieba | 中文分词，BM25 索引必需 |
| 🖥️ 应用 | Streamlit | 纯 Python，一键启动，无需前后端分离 |
| 📥 导入 | pandas + openpyxl | CSV/Excel 读取 |
核心设计原则：零外部依赖服务。 没有 Docker、没有 PostgreSQL、没有 Redis——全部跑在一个 Python 进程里。
# 默认：6 品类 42 篇笔记
uv run python generate_data.py
# 自定义品类
uv run python generate_data.py \
--category "智能马桶" \
--brands "恒洁,九牧,TOTO" \
--count 30
# 固定随机种子（结果可复现）
uv run python generate_data.py --category "台灯" --brands "欧普,松下" --seed 42默认 6 个品类：磁吸感应灯（8篇）、桌面收纳（7篇）、寝室改造（7篇）、香薰（6篇）、装饰品（7篇）、收纳盒（7篇）。
# 查看格式
uv run python import_data.py --help
# 导入 CSV
uv run python import_data.py --input my_data.csv
# 导入 Excel
uv run python import_data.py --input my_data.xlsx --sheet Sheet1
# 导入 + LLM 自动丰富评论分析
uv run python import_data.py --input my_data.csv --enrichCSV 格式：title,content,brand,likes,date,tags,comments,author，只有 title 和 content 必填。
侧边栏切换到「问答模式」，试试这些：
- "磁吸感应灯哪个品牌好？"
- "有没有便宜又耐用的收纳盒推荐？"
- "寝室改造需要注意什么？"
可手动选择检索策略（auto / vector / keyword / hybrid），默认 auto 由 Supervisor Agent 自动判断。
侧边栏切换到「洞察模式」，输入任何品类：
- "磁吸感应灯"、"桌面收纳"、"寝室改造"
- "健身服" ← 知识库里没有？自动帮你生成 8 篇再分析
系统会输出一份 结构化市场洞察报告，包含用户痛点 Top 3、需求信号、竞品格局、选品建议、机会打分。
.env 文件中的配置项（复制自 .env.example）：
# ===== LLM 配置 =====
OPENAI_BASE_URL=https://api.siliconflow.cn/v1 # API 地址（支持任何 OpenAI 兼容服务）
OPENAI_API_KEY=sk-your-key-here # API 密钥
LLM_MODEL=deepseek-ai/DeepSeek-V4-Flash # 主推理模型
# ===== Embedding =====
EMBEDDING_MODEL=BAAI/bge-m3 # 文本向量化模型
# ===== Reranker =====
RERANKER_MODEL=BAAI/bge-reranker-v2-m3 # CrossEncoder 重排序模型支持的 API 提供商： SiliconFlow、阿里云百炼、火山引擎、DeepSeek 官方等任何兼容 OpenAI /v1/chat/completions 和 /v1/embeddings 的服务。
为什么不用 Qdrant / Milvus？
ChromaDB 嵌入式模式零配置，适合单机使用。项目定位是个人选品分析工具，不需分布式向量库。如果你需要生产级部署，可以替换为 Qdrant——只需改 `ingestion.py` 中 3 行代码。自动抓取生成的数据准确吗？
自动生成的内容基于 LLM 对市场的理解 + 模板化评论数据，用于快速验证品类可行性。对于真实商业决策，建议用import_data.py 导入你自己的笔记数据。
不用 SiliconFlow，用 OpenAI 官方可以吗？
可以。把OPENAI_BASE_URL 改为 https://api.openai.com/v1，模型名改为 gpt-4o 即可。注意 OpenAI 没有 BGE Reranker API，需要本地跑或换其他 reranker 服务。
怎么增加更多品类？
两种方式：① 在洞察模式直接搜新品类（自动触发抓取）；② 用generate_data.py --category 提前生成。
Windows 上能跑吗？
能。本项目的开发和测试环境就是 Windows 11 + Python 3.11。| Phase | 内容 | 状态 |
|---|---|---|
| Phase 1 | 项目重构 + 基础 RAG（文档加载、向量库、问答管道） | ✅ |
| Phase 2 | 评论区需求挖掘（Comment / Demand / Insight Agents） | ✅ |
| Phase 3 | 选品看板（问答+洞察双模式、Streamlit UI、数据导入工具） | ✅ |
| Phase 4 | 查询时自动抓取（LLM + NoteGenerator，任何品类都能查） | ✅ |
| Phase 5 | 真实网页抓取（接小红书搜索 API / 浏览器自动化） | 🔜 |
| Phase 6 | 意图识别路由 / MCP 工具调用 / 知识图谱增强 | 🔜 |
MIT © 2026 — 使用、修改、商用均自由。
如果这个项目帮到了你，给个 ⭐ Star — 让更多选品人看见它