感知每一条用户心声
输入 App 名字 → 自动抓取全球评论 → AI 深度分析 → 专业洞察报告
mindmap
root((用户评论<br/>分析痛点))
手动翻评论
效率低下
容易遗漏关键信息
无法量化趋势
多国家多语言
语言障碍
文化差异难以捕捉
时区导致数据分散
版本发布监控
缺乏实时情绪追踪
无法快速定位回归问题
版本间对比困难
汇报与决策
缺少数据支撑
主观判断代替用户声音
优先级难以量化
AppPulse 把这些事情自动化了：一个名字进去，一份专业报告出来。
| 亮点 | 说明 |
|---|---|
| 🌍 双平台全球覆盖 | App Store + Google Play，10+ 国家/地区并发抓取 |
| 🔍 智能搜索匹配 | 输入"ins"也能找到 Instagram，跨平台交叉验证防止错误关联 |
| 🧠 多维度 AI 分析 | 情感分析、痛点提取、功能归因、关键词去重、评分一致性检测 |
| 🔄 自我质量评估 | Agent 自动评估分析质量，不达标则自动改进（最多 3 轮） |
| 📊 量化行动建议 | P0/P1/P2 三级优先级，每条建议带 影响面 × 严重度 × 可解决性 评分 |
| 📈 可视化仪表盘 | 6 种图表 + 评论浏览器 + 多国家 Tab 切换 |
| 📥 多格式导出 | Markdown / HTML / CSV 一键下载 |
| 🔌 灵活 LLM 接入 | 支持 MiniMax、OpenAI、DeepSeek 等任何 OpenAI 兼容接口 |
flowchart LR
A["🔤 输入 App 名字"] --> B["🔍 智能搜索"]
B --> B1["iTunes API<br/>模糊匹配"]
B --> B2["Google Play<br/>交叉验证"]
B1 & B2 --> C["🌍 检测各国可用性"]
C --> D["✅ 用户选择<br/>国家 & 平台"]
D --> E["⚡ 并发抓取评论"]
E --> F["🧠 AI 多维分析"]
F --> G["🔄 质量自评估"]
G -->|"不达标"| F
G -->|"达标 ✓"| H["📄 生成报告"]
H --> I["📊 可视化仪表盘"]
H --> J["📝 Markdown 报告"]
H --> K["🌐 HTML 报告"]
flowchart TB
subgraph Phase0["Phase 0 · 智能搜索"]
S1["iTunes Search API"] --> S2["提取 bundle_id + 开发者"]
S2 --> S3["Google Play 精确匹配"]
S3 -->|"失败"| S4["名称相似度 +<br/>开发者交叉验证"]
end
subgraph Phase1["Phase 1 · 并发抓取"]
F1["多国家 × 多平台<br/>ThreadPoolExecutor"] --> F2["混合策略<br/>50% 最新 + 50% 最相关"]
F2 --> F3["去重 & 清洗"]
end
subgraph Phase2["Phase 2 · AI 深度分析"]
A1["分批分析<br/>50 条/批"] --> A2["情感分析 + 分类"]
A2 --> A3["痛点提取 + 严重度"]
A3 --> A4["功能归因 + 关键词"]
A4 --> A5["功能满意度统计"]
end
subgraph Phase3["Phase 3 · 质量保障"]
Q1["覆盖率检查"] --> Q2["一致性检测"]
Q2 --> Q3["语义去重<br/>跨语言同义词合并"]
Q3 --> Q4{"质量达标?"}
Q4 -->|"否"| Q5["自动改进<br/>最多 3 轮"]
Q5 --> Q1
Q4 -->|"是 ✓"| Q6["进入报告生成"]
end
subgraph Phase4["Phase 4 · 报告生成"]
R1["执行摘要"] --> R2["分国家深度分析"]
R2 --> R3["跨国对比"]
R3 --> R4["P0/P1/P2 行动建议<br/>量化优先级评分"]
end
Phase0 --> Phase1 --> Phase2 --> Phase3 --> Phase4
flowchart LR
subgraph Input["原始评论"]
R["380 条用户评论<br/>多语言 · 多平台"]
end
subgraph Analysis["AI 分析引擎"]
direction TB
D1["😊😡😐 情感分析<br/>正面 / 负面 / 中性"]
D2["🏷️ 主题分类<br/>功能吐槽 · 体验赞美 · 需求建议"]
D3["🔥 痛点提取<br/>严重度 1-5 级评估"]
D4["📌 关键词聚类<br/>跨语言同义词合并"]
D5["📊 版本趋势<br/>评分变化 · 回归检测"]
D6["⚖️ 跨平台对比<br/>iOS vs Android 差异"]
end
subgraph Output["输出"]
O1["量化优先级矩阵"]
O2["可执行行动建议"]
O3["可视化仪表盘"]
end
Input --> Analysis --> Output
graph TB
subgraph Frontend["🖥️ Web UI · Streamlit"]
UI1["4 步引导交互"]
UI2["Plotly 可视化仪表盘"]
UI3["评论浏览器 + 筛选"]
end
subgraph Backend["⚙️ Agent Core · Python"]
AG["Orchestrator Agent"]
SC["Scrapers<br/>iTunes API + google-play-scraper"]
LLM["LLM Client<br/>OpenAI 兼容接口"]
RP["Report Generator<br/>Markdown + HTML"]
end
subgraph Storage["💾 持久化"]
SQ["SQLite · 本地默认"]
GCS["Google Cloud Storage · 云端可选"]
FC["文件缓存 · 防 session 断连"]
end
subgraph Providers["🤖 LLM 提供商"]
P1["MiniMax"]
P2["OpenAI"]
P3["DeepSeek"]
P4["自定义接口"]
end
Frontend --> AG
AG --> SC
AG --> LLM
AG --> RP
AG --> Storage
LLM --> Providers
git clone https://github.com/TF-Wilbur/AppPulse.git
cd AppPulse
pip install -e ".[web,dev]"cp .env.example .env
# 编辑 .env，填入你的 LLM API Key| 变量 | 说明 | 默认值 |
|---|---|---|
LLM_API_KEY |
LLM API 密钥 | — |
LLM_BASE_URL |
OpenAI 兼容接口地址 | https://api.minimax.chat/v1 |
LLM_MODEL |
模型名称 | MiniMax-M2.7 |
streamlit run web/app.py浏览器打开 http://localhost:8501，按引导操作即可。
# 基础用法
apppulse "TikTok"
# 多国家 + 指定平台
apppulse "微信" --countries us,cn,jp --platforms app_store,google_play --count 200| 参数 | 说明 | 默认值 |
|---|---|---|
app_name |
App 名字 | — |
--count |
每平台每国家评论数 | 100 |
--countries |
国家代码，逗号分隔 | us |
--platforms |
平台，逗号分隔 | app_store,google_play |
--output |
报告输出目录 | reports |
docker build -t apppulse .
docker run -p 8080:8080 --env-file .env apppulsegcloud run deploy apppulse \
--source . \
--region asia-east1 \
--allow-unauthenticated \
--timeout 600 \
--set-env-vars "LLM_API_KEY=your-key,LLM_BASE_URL=https://api.minimax.chat/v1,LLM_MODEL=MiniMax-M2.7"AppPulse/
├── review_radar/
│ ├── agent.py # Agent 主循环（Orchestrator 模式）
│ ├── tool_impl.py # Tool 实现（抓取、分析、评估、报告）
│ ├── scrapers.py # App Store + Google Play 抓取 + 搜索验证
│ ├── prompts.py # 所有 Prompt 模板
│ ├── llm.py # LLM 客户端封装
│ ├── providers.py # 多 LLM 提供商支持
│ ├── models.py # 数据模型
│ ├── availability.py # 国家可用性检测
│ ├── history.py # 分析历史（SQLite / GCS 双后端）
│ ├── config.py # 配置常量
│ ├── report.py # 报告保存 + HTML 导出
│ └── cli.py # CLI 入口 + Rich 终端 UI
├── web/
│ └── app.py # Streamlit Web UI
├── examples/ # 示例报告
├── tests/ # 测试
├── .streamlit/ # Streamlit 配置
├── Dockerfile
├── pyproject.toml
└── .env.example
以下是 AppPulse 对 Instagram 的真实分析报告（380 条评论），展示完整的输出效果。
| 指标 | 数值 |
|---|---|
| 总评论数 | 380 条 |
| 正面 / 负面 / 中性 | 54% / 46% / 16% |
| 功能吐槽类评论 | 46% |
| 需求建议类评论 | 7% |
| 高严重度痛点 | 10 个 |
flowchart TB
subgraph Finding1["🔴 版本体验倒退"]
F1A["v421.1.0 · 32条评论"] --> F1B["平均评分 2.31"]
F1C["前一版本"] --> F1D["平均评分 4.17"]
F1B -.->|"⚠️ 骤降 -1.86"| F1D
end
subgraph Finding2["🟠 账号管理危机"]
F2A["'account banned' 4次<br/>'账号封禁' 高频出现"]
F2B["用户强烈不满<br/>申诉无门"]
end
subgraph Finding3["🟡 技术稳定性"]
F3A["crash · 5次"]
F3B["no content · 5次"]
F3C["非时间顺序 · 4次"]
end
subgraph Finding4["🔵 内容安全"]
F4A["成人内容对未成年人<br/>不安全 · 高严重度"]
end
---
config:
xyChart:
width: 600
height: 300
---
xychart-beta
title "iOS vs Android 情感分布"
x-axis ["负面情感", "正面情感", "中性情感"]
y-axis "占比 (%)" 0 --> 80
bar [75, 17, 8]
bar [35, 65, 0]
| 维度 | iOS | Android |
|---|---|---|
| 评论数 | 48 条 | ~20 条（样本） |
| 负面情感占比 | 75% | ~30-40% |
| 正面情感占比 | 17% | ~60-70% |
| 核心痛点 | 账号安全、技术稳定性 | 功能缺失、技术故障 |
iOS 用户负面情绪（75%）远超 Android 用户，且反馈包含更多技术细节；Android 用户更倾向于快速表态。
| 排名 | 痛点描述 | 严重性 |
|---|---|---|
| 1 | 更新后语音特效功能缺失 | 🔴 高 |
| 2 | 算法频繁变化导致用户增长困难，频繁被 shadowban | 🔴 高 |
| 3 | 删除故事时收不到验证码 | 🔴 高 |
| 4 | 通话功能权限设置异常 | 🔴 高 |
| 5 | 账号被恶意举报后无限期封禁 | 🔴 高 |
| 6 | 广告过多，feed 被广告淹没 | 🔴 高 |
| 7 | 应用影响心理健康 | 🔴 高 |
| 8 | AI 审核系统误判，账号被错误封禁 | 🔴 高 |
| 9 | 账号无故被删除，申诉无门 | 🔴 高 |
| 10 | 应用存在随机播放音乐 bug | 🔴 高 |
| 星级 | 数量 | 占比 | 分布 |
|---|---|---|---|
| ★★★★★ | 13 | 27% | ████████░░░░░░░░░░░░ |
| ★★★★☆ | 7 | 15% | ████░░░░░░░░░░░░░░░░ |
| ★★★☆☆ | 6 | 13% | ███░░░░░░░░░░░░░░░░░ |
| ★★☆☆☆ | 5 | 10% | ███░░░░░░░░░░░░░░░░░ |
| ★☆☆☆☆ | 17 | 35% | ██████████░░░░░░░░░░ |
典型"两极分化"：低分（★1-2）合计 45%，高分（★4-5）合计 42%。
quadrantChart
title 行动建议优先级矩阵（影响面 × 严重度）
x-axis "低影响" --> "高影响"
y-axis "低严重度" --> "高严重度"
quadrant-1 "P0 紧急修复"
quadrant-2 "P1 重点关注"
quadrant-3 "P2 持续优化"
quadrant-4 "P1 短期优化"
"账号封禁/误判": [0.75, 0.95]
"应用崩溃": [0.85, 0.80]
"Reels内容消失": [0.80, 0.90]
"聊天媒体删除失效": [0.50, 0.85]
"未成年人内容安全": [0.70, 0.95]
1. 账号被反复暂停/封禁
| 维度 | 评分 | 说明 |
|---|---|---|
| 影响面 | 3 | 封禁直接影响账号全量功能 |
| 严重程度 | 5 | 用户完全无法使用，信任损伤严重 |
| 可解决性 | 3 | 申诉流程自动化改造需后端配合 |
具体动作：
- 上线"封禁原因分级展示"功能，向用户明确说明违规类型和剩余等待时间
- 增设 AI 预审通道，在封禁转永久前自动触发机器学习复核
2. 应用频繁崩溃/技术故障长期未修复
| 维度 | 评分 | 说明 |
|---|---|---|
| 影响面 | 4 | crash 是负面关键词中频率最高的技术词 |
| 严重程度 | 4 | 崩溃直接导致内容发布中断 |
| 可解决性 | 4 | Crash 堆栈已有监控，可针对性修复 |
具体动作：
- 定位前 3 个高频崩溃场景（Reels 播放页、Stories 发布页、DM 媒体加载页）
- 14 天内发布补丁版本
3. Reels 内容消失且客服无响应 — 审计内容审核误删率，目标误删率降至 <1%
4. 聊天媒体删除功能不可用 — UI 按钮逻辑修复
5. 成人内容暴露/未成年人安全隐患 — 在未成年用户 feed 中强制开启"内容安全模式"
| 项目 | 说明 |
|---|---|
| 数据来源 | iOS App Store / Android Google Play |
| 总评论数 | 380 条 |
| 分析市场 | 🇺🇸 美国 |
| 分析方法 | 情感分析 + 痛点提取 + 关键词统计 + 版本趋势 |
MIT