obsei

低代码抓全网评论，AI 分析后自动告警

开源 🏷️定价信息待确认 ✅ 目前可打开自动化工作流 🍴 复刻 181 🐛 待处理 17 👀 关注 27

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1451

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类自动化工作流

开发团队obsei

官网地址https://obsei.com

GitHubhttps://github.com/obsei/obsei

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型app-reviews,customer-experience,customer-feedback,customer-intelligence,feedback-analysis,gemini-cli-extension,llm,local-llm,mcp,mcp-server,nlp,open-source-alternative,pii-redaction,privacy,python,self-hosted,sentiment-analysis,social-listening,topic-modeling,voice-of-customer

GitHub 星标★ 1451

上线时间2020-10-25 00:00:00

代码更新2026-11-06

仓库体积21.6 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-09-26

浏览次数3

项目介绍

Obsei 是一个低代码 AI 自动化工具，用 Python 编写，面向需要从海量文本中提取商业信号的团队。它把数据采集、文本分析与通知推送串成可视化工作流：可从 Twitter、Reddit、App Store、Google Play、新闻站点等渠道抓取评论和帖子，再接入情感分析、关键词抽取、分类、匿名化等 AI 组件，最后按规则触发邮件、Slack、Webhook 等告警。典型用途包括社交聆听、品牌舆情监控、竞品对比研究、客服问题追踪和基于 AI 的实时告警。项目采用模块化设计，采集器、分析器和通知器均可插拔替换，用户无需从零写爬虫和 NLP 管道，通过配置即可搭建端到端流程，适合快速验证业务想法。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-26 · 当前星标 ★ 1451

技术标签

gemini-cli-extension llm local-llm mcp mcp-server

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（README 未给出具体版本要求）
pip 包管理器（README 首选安装方式）
可选：Conda（README 提及可选用但未给出命令）
安装 analyzer 依赖会附带拉取 pytorch，需预留磁盘空间

安装与启动步骤

1安装完整版

用 pip 安装 Obsei 全部依赖。README 提示 all 会装入工作流中可能用不到的大量依赖包。
```
pip install obsei[all]
```
2从源码安装

想体验 master 最新特性时使用：克隆仓库后以可编辑模式安装全部依赖。master 可能有破坏性变更。
```
git clone https://github.com/obsei/obsei.git
cd obsei
pip install --editable .[all]
```
3精简组合安装

只需部分能力时，用逗号在同一个 extra 中组合依赖。示例为 Twitter 采集、全部分析器与 Slack 通知。
```
pip install obsei[twitter-api, analyzer, slack-api]
```
4按单项依赖安装

按数据源或通知渠道单独安装。例如只抓取 App Store 评论用 app-store-scraper，Reddit 官方 API 用 reddit-api 等。
```
pip install obsei[app-store-scraper]
```