我用 FastAPI + GPT 做了一个亚马逊评论 AI 分析系统，一键生成结构化分析报告

背景

做亚马逊跨境的同学都知道，差评是最头疼的事之一。不仅影响 BSR 排名，还直接拉低转化率。

问题在于：评论太多了。一个畅销品 ASIN 轻松上千条评论，靠人工逐条去读、归类、分析，根本不现实。

于是我用 FastAPI + React + GPT 搭了一套系统，取名 Reveyes（监控之眼），核心能力是：

• 🔍 差评实时监控（最高每小时巡检一次）
• 🤖 AI 深度分析报告（本文重点）
• 📊 ASIN 多品横向对比
• 🔔 多渠道通知（邮件 / 企业微信 / 钉钉 / 飞书）
• 🔌 Open API 对接 ERP
  

---

AI 分析功能到底做了什么？

直接上效果：输入一个 ASIN，系统自动读取所有评论，用 AI 生成一份完整的结构化报告，包含：

模块	内容
情感分布	好评 / 中性 / 差评的比例与趋势
高频关键词	用户反复提及的词云，正负向分开
用户画像	典型买家群体、使用场景归纳
核心痛点	差评中出现频率最高的问题点
竞品差距	基于评论推断的改进方向
广告关键词	从好评中提炼的高转化词
优化建议	面向产品经理的具体 Listing 优化项

报告可以一键生成分享链接，直接把公开 HTML 报告发给运营、产品或老板，不需要登录。
https://server.reveyes.cn/reports/JQe7jWO4fn0jLq014nREXU_epw0.html

---

技术实现：Map-Reduce 分批分析

评论动辄几百上千条，单次塞给 GPT 显然不现实（上下文窗口 + 费用双重限制）。

系统采用经典的 Map-Reduce 范式：

原始评论（N条）
    │
    ├── Batch 1（20条） → [Map] AI 提取关键信息 → 中间结果 1
    ├── Batch 2（20条） → [Map] AI 提取关键信息 → 中间结果 2
    ├── ...
    └── Batch K（20条） → [Map] AI 提取关键信息 → 中间结果 K
                                        │
                                    [Reduce] AI 汇总所有中间结果
                                        │
                                    最终结构化报告（JSON）

Map 阶段：每批 20 条评论，提取情感、关键词、问题点等结构化中间数据。
Reduce 阶段：将所有批次的中间结果合并，让 AI 做全局归纳，输出最终报告。

这样做的好处：

• 支持任意数量的评论，不受单次 Token 限制
• 可并发（后续可优化为并行 Map）
• 中间结果可单独落库，便于调试和重试

---

关键代码片段

AI 调用封装（结构化超时，避免 ReadTimeout）：

def call_ai_sync(base_url, api_key, model_id, system_prompt, user_prompt,
                 supports_json_mode, timeout=600.0):
    payload = {
        "model": model_id,
        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user",   "content": user_prompt},
        ],
        "temperature": 0.2,
    }
    if supports_json_mode:
        payload["response_format"] = {"type": "json_object"}

    # 结构化超时：connect/write 短，read 允许 AI 慢慢生成
    _timeout = httpx.Timeout(connect=30.0, read=timeout, write=60.0, pool=10.0)
    with httpx.Client(timeout=_timeout) as client:
        resp = client.post(
            base_url.rstrip("/") + "/chat/completions",
            headers={"Authorization": f"Bearer {api_key}"},
            json=payload,
        )
        resp.raise_for_status()
    return extract_json(resp.json()["choices"][0]["message"]["content"])

注意点：AI 生成大报告时可能需要 3-5 分钟，如果直接用 httpx.Client(timeout=240) 单值会同时限制 connect 和 read，很容易在 Map 阶段触发 ReadTimeout。用结构化 httpx.Timeout 分开设置是关键。

---

多 AI 模型支持

系统支持任意 OpenAI 兼容接口，后台可配置多个 AI 服务商：

• OpenAI（GPT-4o / GPT-4.1）
• DeepSeek
• 通义千问、豆包等国内大模型（只需配置 base_url + api_key）

不同 ASIN 可以指定不同的 AI 模型，方便对比效果或控制成本。

---

商品信息增强

除了评论本身，系统还会拉取商品详情（标题、卖点、品类路径、BSR、变体列表等），作为上下文一并传给 AI，让分析更准确、更有针对性。

---

分享报告

分析完成后，系统将报告渲染成完全自包含的 HTML 文件（CSS / JS 全部内联），存储到服务器，生成一个公开链接：

https://your-domain.com/reports/{token}.html

无需登录，打开即看，适合直接发给客户或团队协作。

---

技术栈一览

层	技术
后端	Python 3.11 + FastAPI + SQLAlchemy + Celery
前端	React 18 + TypeScript + Ant Design
数据库	MySQL 8 + Redis
AI 调用	httpx + OpenAI 兼容接口

---

体验地址

Reveyes 监控之眼：https://www.reveyes.cn

注册即赠 50 积分体验（差评监控 + AI 分析均可用），无需绑卡。

有问题欢迎评论区交流，也欢迎对接 Open API 的同学来聊 🤝

---

标签：亚马逊 跨境电商 AI分析 FastAPI GPT 评论分析 NLP Map-Reduce