选品分析器 (Product Research - LLM Agent 驱动版)

定位

基于 Sorftime MCP + LLM Agent 的深度选品调研。LLM 直接执行分析逻辑，脚本仅负责数据采集和报告渲染。

核心特点：

• LLM 驱动：分析、洞察、决策全部由 LLM 完成
• 交互式执行：逐步推进，用户可中途干预
• 轻量脚本：仅用于 API 调用和 Dashboard 渲染

---

Script Directory

脚本	用途	何时调用
run_analysis.py	主入口脚本：整合数据采集、分析、报告生成	推荐使用
collect_data.py	Sorftime 数据采集（类目、Top100、关键词、趋势）	Step 1
get_reviews.py	竞品差评数据采集	Step 4
api_client.py	Sorftime API 调用 + SSE 解析 + 编码修复	每次 API 调用
render_dashboard.py	生成 Dashboard 可视化看板（v3.1 修复版）	报告生成阶段
fix_data_json.py	数据验证和修复脚本：校验并自动修复 data.json	Dashboard 生成前
validate_data.py	数据验证脚本：校验 data.json 字段命名和数据一致性	报告生成前

脚本职责：

• 不做分析判断：所有分析由 LLM 完成
• 不做复杂计算：交叉分析让 LLM 从数据中发现
• 仅做数据搬运：API → 结构化数据

推荐使用方式：

# 阶段1：数据采集（基础版 Dashboard）
python scripts/run_analysis.py "earbuds" US

# 阶段2：LLM 分析完成后，生成最终版报告
python scripts/run_analysis.py "earbuds" US --final

# 其他选项
python scripts/run_analysis.py "earbuds" US --collect-only  # 仅数据采集
python scripts/run_analysis.py "earbuds" US --no-reviews     # 跳过差评采集

---

执行流程（两阶段）

重要：选品分析分为两个阶段，数据采集由脚本自动完成，LLM 分析需要人工参与。

阶段1：数据采集（脚本自动）

python scripts/run_analysis.py "keyword" US

输出：

• data.json - 基础数据结构（不含分析结论）
• dashboard.html - 基础版看板（不含决策评分、VOC 等）
• raw/ - 原始数据文件

脚本自动完成：

1. 类目搜索 → 获取 nodeId
2. Top100 产品数据采集
3. 关键词数据采集
4. 类目趋势数据采集
5. 竞品差评采集
6. 市场分析（价格区间、品牌分布）

阶段2：LLM 分析（交互式）

必须完成的 LLM 分析任务：

步骤	任务	输出到 data.json
1	属性标注	product_types、dimensions_analysis
2	交叉分析	cross_analysis
3	VOC 分析	voc_analysis.dimensions
4	壁垒评估	barriers
5	决策评估	decision (overall_score, verdict)

完成后运行：

python scripts/run_analysis.py "keyword" US --final

--final 参数会：

1. ✅ 验证分析数据完整性
2. ✅ 更新 data.json
3. ✅ 生成完整版 Dashboard（含决策评分、VOC 等）
4. ✅ 如果数据不完整，会提示缺失的字段

数据完整性检查