Skip to content

datascale-ai/bizradar

BranchesTags

Repository files navigation

BizRadar Logo

BizRadar

你的 24 小时 AI 商业探测雷达：从海量互联网吐槽中，挖掘下一个高价值 Micro-SaaS 点子

Python Docker License PRs Welcome

demo.mp4

🇺🇸 English README

还在苦恼做不出有真实需求的产品？还在盲目跟随伪需求？ BizRadar 是一个基于多智能体（Multi-Agent）架构的开源社交媒体痛点挖掘与商业机会评估系统。它能自动监控全网社区，把网友的"无能狂怒"和"心酸吐槽"转化为具有极高商业价值的产品立项书（PRD）！

✨ 核心亮点

  • 🚀 全自动商机挖掘：自动巡检 V2EX、HackerNews、Reddit、微博、Twitter 以及 AppStore 的海量帖子与评论。
  • 🤖 五大 Agent 协作流水线：系统内置五位 AI 虚拟合伙人，各司其职，从痛点挖掘到最终立项书输出进行全链路自动化处理。
展开查看五大 Agent 详情

1. 痛点提取 Agent (Extractor)

属性 说明
职责 在海量长文和情绪化吐槽中"大海捞针"，剥离无效情绪，提取底层真实痛点。
模式 结构化信息抽取 (Structured JSON Extraction)
策略/维度 痛点清晰度、痛点强度、需求普遍性过滤
输出 核心痛点描述、原始参考上下文
代码位置 core/agents/extractor_agent.py

2. 产品经理 Agent (PM)

属性 说明
职责 将抽象的用户痛点转化为具象的产品形态，梳理用户画像并设计解决方案。
模式 角色扮演专家系统 (Role-playing Expert System)
策略/维度 方案可行性、受众精准度、使用场景贴合度
输出 产品名称、一句话定位、目标受众画像、核心功能点 (MVP)
代码位置 core/agents/pm_agent.py

3. 商业评审 Agent (Critic)

属性 说明
职责 担任严苛的投资人角色，无情驳回伪需求，仅放行具有真实商业价值的点子。
模式 多维度量化打分网络 (Multi-dimensional Scoring)
策略/维度 发生高频度、大厂免疫力（防巨头碾压）、商业闭环/变现能力
输出 0-100 分量化评分、淘汰/通过结论及致命缺陷分析
代码位置 core/agents/critic_agent.py

4. 技术合伙人 Agent (TechLead)

属性 说明
职责 评估 PM 提出的方案在技术层面是否可行，设计最快落地的技术架构并排期。
模式 技术专家咨询 (Technical Advisory)
策略/维度 实现难度、开源生态利用率、核心技术风险、开发周期
输出 推荐技术栈 (前/后/数据库)、可复用开源库/API、MVP 工期预估
代码位置 core/agents/techlead_agent.py

5. 立项撰写 Agent (Planner)

属性 说明
职责 整合全链路分析结果，自动调用搜索引擎（Serper）调研竞品，生成最终商业立项书。
模式 联网增强生成 (Web-Search RAG) + 长文本组装
策略/维度 竞品差异化定位、三档递进式定价策略、冷启动营销话术设计
输出 完整的 Markdown 格式 PRD 报告、可分享商业卡片数据
代码位置 core/agents/planner_agent.py
  • 📊 语义级跨源痛点聚合：自动将跨平台同类痛点合并，显著放大强需求信号！
  • 📄 开箱即用的专业立项书 (PRD)：一键输出完整的 Markdown 格式商业计划，包含产品定位、痛点溯源、竞品分析、三档定价、MVP 功能表、冷启动获客计划（含逐字话术）。
  • 🖼️ 一键生成分享卡片：点一下即可导出适合发布到社区的商机图片卡片（PNG）。
  • 🖥️ 可视化雷达大盘：自带现代化 Web UI，进度状态、历史点子、立项书详情尽在掌握。

🚀 快速部署

方式一：一键脚本

在你的服务器上运行以下命令，脚本会自动完成克隆、配置和启动：

curl -fsSL https://raw.githubusercontent.com/LomaxWang/ideahunter/feat/new-sources-sse-streaming/install.sh | bash

前提条件：服务器上已安装 git 和 docker（Docker Desktop 或 Docker Engine 均可）。

方式二：Docker Compose（推荐用于服务器长期运行）

第 1 步：克隆项目

git clone https://github.com/LomaxWang/ideahunter.git BizRadar
cd BizRadar

第 2 步：配置环境变量

cp .env.example .env

用你喜欢的编辑器打开 .env，填写以下必填项：

变量 说明 示例
LLM_API_KEY 大语言模型 API Key（必填） sk-xxxxxxxx
LLM_BASE_URL API 接口地址 https://api.deepseek.com/v1
LLM_MODEL 使用的模型名称 deepseek-chat

💡 推荐使用 DeepSeek（性价比最高）或云雾 API（https://yunwu.ai/v1，国内中转支持 GPT-4o 等多种模型）。

第 3 步：启动服务

docker compose up -d

启动成功后，访问 http://你的IP:8000 即可进入 BizRadar 大盘。

常用运维命令：

# 查看实时日志
docker compose logs -f

# 停止服务
docker compose down

# 更新到最新版本
git pull && docker compose up -d --build

# 查看容器健康状态
docker compose ps

数据持久化：数据库和 PRD 文件通过 Docker Named Volume 持久保存，docker compose down 不会丢失数据。只有执行 docker compose down -v 才会删除卷数据。

方式三：本地直接运行

git clone https://github.com/LomaxWang/ideahunter.git BizRadar
cd BizRadar

# 安装依赖
pip install -r requirements.txt

# 配置环境
cp .env.example .env
# 编辑 .env 填入 LLM_API_KEY 等

# 启动 API 服务
uvicorn api.server:app --host 0.0.0.0 --port 8000

⚙️ 工作原理

graph LR
    subgraph 来源与监听
        V[V2EX / HN / Reddit等]
        W[Webhook 注入]
    end

    subgraph 核心编排 Orchestrator
        O[多源聚合 & 调度]
    end

    subgraph 智能体评审流 Agents
        E[痛点提取 Agent]
        PM[产品设计 Agent]
        C[商业评估 Agent]
        TL[技术评估 Agent]
        P[立项撰写 Agent]
    end

    subgraph 输出
        DB[(SQLite)]
        MD[商业立项书 PRD]
        UI[Web 可视化大盘]
    end

    V --> O
    W --> O
    O --> E --> PM --> C --> TL --> P
    P --> DB
    P --> MD
    DB --> UI
Loading

🔌 高级玩法：API & Webhook

BizRadar 提供完整的 REST API，可轻松接入现有工作流：

# 通过 Webhook 注入客服吐槽，直接分析商业价值：
curl -X POST http://localhost:8000/api/v1/webhooks/ingest \
  -H "Content-Type: application/json" \
  -d '{"source_name": "custom_feedback", "content_list": ["你们导出的Excel总是乱码，每天浪费半小时整理！"]}'

# 触发单源扫描
curl -X POST http://localhost:8000/api/v1/tasks/scan \
  -H "Content-Type: application/json" \
  -d '{"source": "v2ex", "max_items": 20}'

# 查询任务状态
curl http://localhost:8000/api/v1/tasks/{task_id}

# 取消正在运行的任务
curl -X POST http://localhost:8000/api/v1/tasks/{task_id}/cancel

# 获取立项通过的商机列表（评分 ≥ 80）
curl "http://localhost:8000/api/v1/ideas?min_score=80&page=1&size=10"

# 健康检查（无需认证）
curl http://localhost:8000/health

详见 API 文档 与 架构设计说明。

📝 配置参数说明

变量 默认值 作用
LLM_API_KEY - (必填) 大语言模型 API Key
LLM_BASE_URL https://api.deepseek.com/v1 OpenAI 兼容接口地址
LLM_MODEL deepseek-chat 所选模型
BIZRADAR_API_KEY 空 HTTP API 鉴权 Token（留空则不启用）
SCORE_APPROVE_MIN 65 立项通过的分数线（0-100）
KEYWORD_POOL ["效率工具","求推荐软件"...] 驱动插件搜索的关键词池
SCHEDULE_ENABLED false 是否开启定时自动扫描
SCHEDULE_CRON 0 9 * * * 每天定时启动雷达的 Cron 表达式
SERPER_API_KEY 空 Serper.dev Key，用于小红书/知乎等搜索增强

完整配置说明见 .env.example。

💡 为什么做这个项目？

"做没用的东西"是独立开发者和创业团队最常见的死法。与其在办公室拍脑袋想痛点，不如直接去互联网的汪洋大海中找正在花时间抱怨的人。

BizRadar 不仅仅是一个爬虫，它是你的云端创业合伙人团队。它无情地刷掉伪需求，把真实世界中那些高频、大厂懒得做、技术上又完全可以实现的痛点端到你面前，并附带了怎么收费、怎么获客的执行方案。

你唯一要做的，就是挑一个让你心动的 PRD，打开 IDE 开始写代码！

🤝 贡献与交流

发现了一个更好的痛点源？想优化 Agent 提示词？非常欢迎提交 Pull Request！ 详细开发指南请参阅 CONTRIBUTING.md。

📄 协议

本项目基于 MIT License 开源。

📄 完整示例报告

顶部信息块

💡 AI客服破壁人

来源：中国最卑微的职业，被智障AI挤下岗（36氪）｜链接 AI 评审评分：82/100 ｜ 高频重复性 32/35 ｜ 大厂免疫 28/35 ｜ 商业闭环 22/30

章节一：📊 商业机会评分卡

维度 得分 评级
需求热度（频率/重复性） 32/35 🔥🔥 极高
付费意愿（商业闭环） 22/30 ⭐⭐⭐⭐☆
大厂威胁（平台免疫） 28/35 ⭐☆☆☆☆
技术可行性 85/100 ✅ 高（API 拼接可实现）
预计 MVP 工期 3 周 —
综合评分 82/100 —

评审意见：电商售后问题每天大量发生，用户频繁遭遇AI客服推诿，痛苦度高且无法忍受；大厂自身依赖AI客服降低成本，缺乏动力解决；现有解决方案功能分散，聚合型产品存在明显市场空白。

章节二：📌 痛点溯源（≥4句话，必须引用原始抱怨）

“AI客服是个鸡肋，商家明知没用却大力推广，目的就是逃避售后的责任”

这句话揭示了当下电商售后体系的系统性困境：平台商家部署AI客服的核心目的不是解决问题，而是用标准化话术拦截用户、拖延时间、降低人工成本。用户每次发起售后请求，都要先经历AI的“礼貌推诿”——要么答非所问，要么循环要求提供订单号，要么转接后继续等待。

这种痛苦有多高频？中国电商用户超8亿，平均每月至少一次售后咨询需求，其中约60%涉及退货、换货、质量问题——这些正是AI客服最擅长“装傻”的场景。每次被AI拦截平均浪费15-30分钟，用户戏称“和AI客服对话就是在对牛弹琴”。

用户目前只能靠低效方法凑合：打商家电话（经常占线或踢皮球）、在平台重复提交工单（7-15天无响应）、在社交媒体发差评（商家偶尔才会妥协）。这些方法的代价是时间成本极高、情绪消耗大、且往往不了了之。问题的根源在于平台把AI客服当成“免责工具”而非“服务工具”，用户根本没有有效的对抗手段。

章节三：👤 目标用户画像与付费意愿（≥6句话，含定价方案）

用户群体：28-45岁的电商高频用户，以一二线城市的白领、宝妈、家庭采购者为主，月均网购5-15次，年均售后纠纷2-4次。他们不是技术极客，但具备基本的app/插件使用能力，对效率敏感，愿意为“省时间”付出合理代价。

他们的一天是这样的：晚上10点下班回家，收到的快递发现商品破损，打开电商APP找到订单，点击“申请售后”，AI客服弹出“亲，请您描述一下问题哦~”，用户输入“商品破损”，AI回复“请您上传照片哦~”，用户上传后，AI说“已记录，我们会尽快处理”，然后就没有然后了——48小时后仍显示“处理中”。

他们目前如何凑合解决：要么忍气吞声（商品价值低不值得折腾），要么反复在平台提交工单（平均耗时3-5天），要么在黑猫投诉发帖（商家在乎口碑才可能回应），要么找朋友吐槽“再也不买这家店了”。这些方法的共同缺点是——无法保证问题被快速解决，且过程极度消耗精力。

付费意愿是真实的。参考数据：黑猫投诉年会员148元、电商代投诉服务50-200元/次、用户愿意为“加急处理”付30-50元溢价。核心付费逻辑是“时间成本 > 金钱成本”——与其自己耗3-5天，不如花一顿饭钱找人帮忙搞定。

定价方案：

  • 🆓 免费版：每月3次基础转人工加速 + 投诉模板生成，用于获客
  • 💼 专业版 ¥19/月：无限次转人工加速 + 进度实时追踪 + 投诉升级通道（主流收入来源）
  • 🏢 团队版 ¥59/月：家庭成员共享（3人）+ 优先处理权 + 历史纠纷记录云端同步

用户终身价值（LTV）估算：按平均用户生命周期2年、付费转化率15%、月流失率8%计算，LTV约 ¥19 × 12 × 2 × 0.15 × (1-0.08)^24 ≈ ¥280

章节四：🏆 竞品格局与差异化（含对比表格）

竞品格局：现有解决方案分为三类——投诉聚合平台（黑猫投诉）、浏览器插件（某些去广告/加速插件的附带功能）、电商代投诉服务（个人或小团队）。功能均较为分散，未形成聚合效应。

方案 核心功能 价格 致命缺陷
黑猫投诉 投诉聚合、曝光商家 免费（增值会员148元/年） 仅曝光无实际处理能力，商家响应率低
电商代投诉 人工代提交工单、跟进 50-200元/次 单次收费高、效率不稳定、需手动介入
浏览器插件 去除页面广告、一键跳转 免费或极低价 功能边缘化，无售后加速能力
本产品 一键转人工+多平台聚合+进度追踪+投诉升级 19元/月 需持续维护多平台API

差异化核心主张：我们不是投诉平台，而是用户的“售后加速器”——通过技术手段聚合多平台客服入口，帮助用户绕过AI拦截、直达人工、实时追踪处理进度，把“3-5天无响应”变成“30分钟有结果”。

进入壁垒：大厂（电商平台）天然缺乏动力做这件事——他们部署AI客服的核心目的就是降低人工成本，让用户“自己搞定”能显著减少售后支出。平台间数据割裂（淘宝、京东、拼多多各自为政），用户难以跨平台维权，这恰恰是独立工具的生存空间。

章节五：🛠️ MVP 功能清单（P0/P1/P2 分层）

P0 — 发布必须（不做就不能上线）

  • 多平台客服入口聚合：聚合淘宝/天猫、京东、拼多多、抖音电商的客服入口，解决用户需要反复切换APP的痛点 | 预计 5 天
  • 一键转人工加速：通过技术手段跳过AI客服排队，直接进入人工客服队列，提供加急通道 | 预计 4 天
  • 售后进度追踪：实时同步工单处理状态，用户无需反复打开APP查看，微信推送提醒 | 预计 3 天

P1 — 首月加入（增强留存和付费转化）

  • 投诉模板生成器：根据商品问题类型自动生成标准化投诉文案，用户只需填写关键信息 | 预计 2 天
  • 投诉升级通道：当商家48小时未处理时，一键升级至平台官方客服或第三方投诉渠道 | 预计 3 天
  • 会员体系搭建：区分免费版/专业版功能，控制免费次数，集成支付能力 | 预计 2 天

P2 — 未来版本

  • 历史纠纷记录云端同步（家庭成员共享）
  • AI客服话术识别（自动判断当前是否为AI在回复）
  • 跨平台比价与历史价格查询

📅 总开发周期估算：3 周（19天） ⚠️ 主要技术风险：无核心技术障碍，主要风险在于各平台客服API的不稳定性（可能被反爬或限制），需准备备用方案

章节六：💻 推荐技术栈（含成本估算）

层次 技术选型 选型理由
前端 微信小程序 + Chrome插件双端 微信小程序覆盖移动场景，插件覆盖PC端购物，组合覆盖90%用户
后端 Node.js + Express 轻量快速，适合处理多API拼接，对前端开发者友好
数据库 MongoDB 适合存储非结构化工单数据，灵活度高
AI/算法 暂不需自研LLM MVP阶段用规则引擎+模板即可，付费后考虑接入
部署 阿里云轻量服务器 + 微信云开发 成本最低方案，小程序直接用微信云开发省去服务器

月运营成本估算（100 付费用户规模）：

  • 服务器/部署：¥0（小程序用微信云开发免费额度）
  • AI API：¥0（MVP阶段不使用）
  • 其他（域名/SSL/开发者认证）：¥99/年（微信小程序认证）≈ ¥8/月
  • 合计约：¥8/月

最低成本实现路径：微信小程序MVP，无需服务器，小程序自带用户体系、支付能力、推送能力，第一版可在2周内上线验证。

章节七：🚀 冷启动获客计划（4周执行计划）

渠道一：豆瓣“买组”+知乎“消费维权”话题（目标：前 50 个用户） 话术：

“姐妹们！有没有人被AI客服气过的？我刚发现一个神器，不用跟那个智障AI废话了，直接能转人工，30分钟解决战斗……（附使用教程截图）” 执行方法：在豆瓣“消费组”“便宜货组”、知乎“电商售后”“消费维权”话题下搜索近期抱怨AI客服的帖子，留言推荐产品，用“实测有效”吸引关注。

渠道二：小红书种草（目标：30 个用户） 话术：

“姐妹们！网购遇到质量问题找客服，AI一直'亲亲抱歉呢'怎么办？这个小工具帮我绕过了AI直接找人工，再也不受窝囊气了！需要的姐妹评论区扣1发你～” 执行方法：发布3-5篇真实售后经历种草笔记，配合“评论区领教程”引导至微信，提供免费体验次数。

渠道三：微信群精准投放（目标：20 个用户） 话术：

“电商售后问题解决不了？试试这个【AI客服破壁人】，一键转人工，免费体验3次，30分钟没结果你来骂我。” 执行方法：加入豆瓣“退货攻略”“双十一维权”相关微信群，直接私聊群内近期有售后纠纷抱怨的用户。

📅 4周冲刺计划：

  • 第1周：完成小程序注册认证、搭建基础UI、接入1个平台（淘宝）客服入口
  • 第2周：完成3个平台入口接入、上线进度追踪功能、开始渠道种草
  • 第3周：开放免费体验、收集第一批用户反馈、修复关键bug
  • 第4周：上线付费功能（19元/月）、向免费用户推送付费转化、向付费用户要推荐

成功标准：4周结束时，达成 200+ 注册用户 / 30+ 付费用户 / ¥570+ 月收入

📄 示例分享卡片

示例卡片 1 示例卡片 2 示例卡片 3

About

BizRadar

Resources

Readme

License

MIT license

Contributing

Contributing
Activity
Custom properties

Stars

8 stars

Watchers

0 watching

Forks

2 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages