From bac71c00bec689d6229fa79ba3a8ee092a42f8c7 Mon Sep 17 00:00:00 2001
From: hub-gif <2487812171@qq.com>
Date: Mon, 13 Apr 2026 10:52:14 +0800
Subject: [PATCH] =?UTF-8?q?feat(=E6=8A=A5=E5=91=8A):=20=E8=AF=84=E4=BB=B7?=
 =?UTF-8?q?=E5=A4=A7=E6=A8=A1=E5=9E=8B=E8=A7=A3=E8=AF=BB=E5=BC=BA=E5=8C=96?=
 =?UTF-8?q?=E8=B4=9F=E5=90=91=E4=B8=BB=E9=A2=98=E5=BD=92=E5=9B=A0=E4=B8=8E?=
 =?UTF-8?q?=E6=8A=BD=E6=A0=B7?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Made-with: Cursor
---
 .../jd_pc_search/jd_competitor_report.py      | 30 ++++++++++++-------
 backend/pipeline/jd_runner.py                 |  8 ++++-
 backend/pipeline/llm_generate.py              | 26 +++++++++-------
 3 files changed, 42 insertions(+), 22 deletions(-)

diff --git a/backend/crawler_copy/jd_pc_search/jd_competitor_report.py b/backend/crawler_copy/jd_pc_search/jd_competitor_report.py
index ee1f9ba..4565e31 100644
--- a/backend/crawler_copy/jd_pc_search/jd_competitor_report.py
+++ b/backend/crawler_copy/jd_pc_search/jd_competitor_report.py
@@ -508,11 +508,15 @@ def _comment_sentiment_lexicon(texts: list[str]) -> dict[str, Any]:
 def build_comment_sentiment_llm_payload(
     texts: list[str],
     *,
-    max_samples_per_tone: int = 14,
-    max_chars_per_review: int = 240,
+    max_samples_positive: int = 16,
+    max_samples_negative: int = 30,
+    max_samples_mixed: int = 10,
+    max_chars_per_review: int = 300,
 ) -> dict[str, Any]:
     """
     供大模型做正/负向语义归纳：附规则统计与**去重后的评价原文抽样**（与 §8.2 词表分桶一致）。
+
+    负向样本默认多于正向，便于大模型做「具体问题是什么」的主题归因，而非只复述词频。
     """
     pos_only_texts: list[str] = []
     neg_only_texts: list[str] = []
@@ -530,7 +534,7 @@ def build_comment_sentiment_llm_payload(
         elif hn:
             neg_only_texts.append(s)
 
-    def _sample(seq: list[str]) -> list[str]:
+    def _sample(seq: list[str], cap: int) -> list[str]:
         out: list[str] = []
         seen: set[str] = set()
         for raw in seq:
@@ -541,16 +545,22 @@ def build_comment_sentiment_llm_payload(
                 out.append(raw[:max_chars_per_review] + "…")
             else:
                 out.append(raw)
-            if len(out) >= max_samples_per_tone:
+            if len(out) >= cap:
                 break
         return out
 
     lex = _comment_sentiment_lexicon(texts)
+    pos_h = lex.get("positive_tone_lexeme_hits") or []
+    neg_h = lex.get("negative_tone_lexeme_hits") or []
+    pos_h_top = [x for x in pos_h[:12] if isinstance(x, dict)]
+    neg_h_top = [x for x in neg_h[:12] if isinstance(x, dict)]
     return {
         "comment_sentiment_lexicon": lex,
-        "sample_reviews_positive_biased": _sample(pos_only_texts),
-        "sample_reviews_negative_biased": _sample(neg_only_texts),
-        "sample_reviews_mixed_tone": _sample(mixed_texts)[:8],
+        "positive_lexeme_hits_top": pos_h_top,
+        "negative_lexeme_hits_top": neg_h_top,
+        "sample_reviews_positive_biased": _sample(pos_only_texts, max_samples_positive),
+        "sample_reviews_negative_biased": _sample(neg_only_texts, max_samples_negative),
+        "sample_reviews_mixed_tone": _sample(mixed_texts, max_samples_mixed),
     }
 
 
@@ -1753,7 +1763,7 @@ def build_competitor_markdown(
             "",
             "- **细类划分**：与 **§5 竞品矩阵** 相同，依据商详类目路径解析为「饼干 / 西式糕点 / …」等（规则见 §5 章首说明）。",
             "- **归因**：每条评价按其 SKU 对应到深入样本，再映射到该 SKU 所属细类；SKU 不在合并表中的评价单独归入说明性分组。",
-            "- **正负面粗判（§8.2）**：先以关键词规则与图表做粗分；若任务开启 **llm_comment_sentiment**，可附**大模型对抽样原文的语义归纳**（与规则统计互补）。",
+            "- **正负面粗判（§8.2）**：先以关键词规则与图表做粗分；若任务开启 **llm_comment_sentiment**，可附**大模型对抽样原文的主题归因**（尤其负向「用户在抱怨什么」），与词频条形图互补。",
             "- **关注词按细类（§8.3）**：对组内评价正文做子串计数并出条形图；若无逐条正文则用该细类下评价摘要列拼接兜底；与配置关注词及联想扩展同源。",
             "- **用途/场景按细类（§8.4）**：对组内每条有效文本独立扫描**本次任务生效的场景词组**（来自报告调参或系统默认），一条可属多场景；条形图横轴为**占该细类有效文本比例 %**（多标签下各比例可相加大于 100%）。",
             "",
@@ -1813,9 +1823,9 @@ def build_competitor_markdown(
         lines.extend(
             [
                 "",
-                "#### 大模型解读（正/负向评价要点）",
+                "#### 大模型深入解读（主题归因，与词频统计互补）",
                 "",
-                "> **说明**：基于与上节**同一分桶规则**抽样的评价原文，由大模型做语义归纳，与关键词条数、条形图**互补**；具体措辞以原评论为准。",
+                "> **说明**：基于与上节**同一分桶规则**抽样的评价原文，由大模型归纳**用户在说什么**（尤其是负向的具体事由），与上列条数、条形图**互补**；引文以原评论为准。",
                 "",
                 _llm_s,
             ]
diff --git a/backend/pipeline/jd_runner.py b/backend/pipeline/jd_runner.py
index ad34844..d0c69fd 100644
--- a/backend/pipeline/jd_runner.py
+++ b/backend/pipeline/jd_runner.py
@@ -268,7 +268,13 @@ def write_competitor_analysis_for_run_dir(
             try:
                 from .llm_generate import generate_comment_sentiment_analysis_llm
 
-                pl = jcr.build_comment_sentiment_llm_payload(comment_units)
+                pl = jcr.build_comment_sentiment_llm_payload(
+                    comment_units,
+                    max_samples_positive=16,
+                    max_samples_negative=30,
+                    max_samples_mixed=10,
+                    max_chars_per_review=300,
+                )
                 pl["keyword"] = kw
                 llm_sentiment_md = generate_comment_sentiment_analysis_llm(pl)
                 sentiment_llm_record["ok"] = True
diff --git a/backend/pipeline/llm_generate.py b/backend/pipeline/llm_generate.py
index 09093f4..d170a4c 100644
--- a/backend/pipeline/llm_generate.py
+++ b/backend/pipeline/llm_generate.py
@@ -49,7 +49,7 @@ REPORT_SYSTEM = """你撰写一段**短小的「速读与策略补充」**，插
 **请输出**（仅输出正文，不要前言后语）：
 - 使用 **Markdown**，控制在约 **800～1500 字**；
 - 建议小节标题（二级）：**执行摘要要点**、**竞争与价盘速读**、**用户声量与关注点**、**策略提示与数据边界**；
-- 若有 `comment_sentiment_lexicon`，概括正/负向粗判与局限（非深度学习）；
+- 若有 `comment_sentiment_lexicon`，概括正/负向粗判与局限（非深度学习）；**负向**须点出用户在抱怨的**具体事由类型**（如口感、价格、物流），避免只复述词频；
 - 语气专业、中文；缺失项写「本摘要未提供该项」而非猜测。"""
 
 REPORT_USER_PREFIX = """请根据以下 JSON 撰写完整竞品分析报告（Markdown 正文）。\n\n"""
@@ -68,19 +68,22 @@ def generate_competitor_report_markdown_llm(brief: dict[str, Any], keyword: str)
 
 SENTIMENT_LLM_SYSTEM = """你是电商/食品类用户研究助手。输入 JSON 含：
 - ``comment_sentiment_lexicon``：关键词规则下的条数与短语命中（粗判，非深度学习）；
+- ``positive_lexeme_hits_top`` / ``negative_lexeme_hits_top``：短语级命中摘要（与条形图同源）；
 - ``sample_reviews_*``：按同一规则从评价中抽样的短文（已截断），**仅可依据这些原文与 lexicon 数字归纳**。
 
 **硬性要求**：
 - **仅输出 Markdown 正文**（不要用 ``` 围栏包裹全文）；
 - **不要编造**样本中未出现的具体事实、品牌、价格、医学功效；
-- 条数、占比等**定量表述须与** ``comment_sentiment_lexicon`` **一致**，勿与样本矛盾。
+- 条数、占比等**定量表述须与** ``comment_sentiment_lexicon`` **一致**，勿与样本矛盾；
+- **不要**只复述「某词出现 N 次」——词频条形图已在报告正文；你的价值是**语义层归纳**：用户在说什么、不满/满意的具体事由是什么。
 
 **建议结构**（使用四级标题 ``####``）：
-1. ``#### 正向要点归纳``：3～6 条要点，概括满意点（口感、甜度、包装、物流、性价比等）；
-2. ``#### 负向与风险点归纳``：3～6 条要点；
-3. ``#### 使用注意``：1～2 句说明样本量、抽样局限、与关键词规则可能不一致之处。
+1. ``#### 正向体验主题``：3～6 条；每条用一句话概括一类满意点（如口感、甜度、饱腹、性价比、物流），**尽量**在句末用简短「」引用样本中的原话片段佐证（无合适原话则省略引号，勿杜撰）。
+2. ``#### 负向评价主题归因``：**核心段落**。在「偏负向」与「混合」样本中归纳 **4～8 个具体问题维度**（示例维度，按需选用：口味/难吃/怪味、过甜或寡淡、质地口感、价格与促销、包装破损、物流时效、真伪与效期、与宣传不符、健康/功效疑虑等）。每个维度下用 1～2 条列表项写清「用户具体在抱怨什么」，并**尽量**附上来自 ``sample_reviews_negative_biased`` 或 ``sample_reviews_mixed_tone`` 的「」短引文；若某维度在样本中几乎无依据则不要硬写。
+3. ``#### 混合评价中的典型张力``（可选）：若 ``sample_reviews_mixed_tone`` 非空，用 2～4 条说明同一条评价里正负并存时在讨论什么（如「认可低糖但嫌口感」）；否则写一句「本批混合样本较少，从略」。
+4. ``#### 使用注意``：1～3 句说明：关键词分桶的局限、抽样与截断、与医学/功效结论无关等。
 
-总字数约 **400～900 字**，简体中文，语气客观。"""
+总字数约 **700～1600 字**，简体中文，语气客观。"""
 
 
 def generate_comment_sentiment_analysis_llm(payload: dict[str, Any]) -> str:
@@ -88,14 +91,15 @@ def generate_comment_sentiment_analysis_llm(payload: dict[str, Any]) -> str:
     p = dict(payload)
     raw = json.dumps(p, ensure_ascii=False)
     if len(raw) > 88_000:
-        for k in (
-            "sample_reviews_positive_biased",
-            "sample_reviews_negative_biased",
-            "sample_reviews_mixed_tone",
+        # 超长时优先压缩正向与混合，保留更多负向样本以利主题归因
+        for k, cap, maxlen in (
+            ("sample_reviews_positive_biased", 8, 140),
+            ("sample_reviews_mixed_tone", 6, 140),
+            ("sample_reviews_negative_biased", 18, 160),
         ):
             lst = p.get(k)
             if isinstance(lst, list):
-                p[k] = [str(x)[:140] for x in lst[:8]]
+                p[k] = [str(x)[:maxlen] for x in lst[:cap]]
         raw = json.dumps(p, ensure_ascii=False)
     if len(raw) > 88_000:
         raw = raw[:82_000] + "\n\n…（输入过长已截断，请勿编造截断外内容）\n"