# Review-Analyzer-Agent：基于多智能体架构的评论情感分析系统

> 一个基于OpenAI Agents SDK构建的多阶段评论分析系统，通过路由智能体、分析智能体与自校正层的协作，实现结构化情感洞察提取，并针对希伯来语俚语和讽刺表达进行了专门优化。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-05-26T08:15:00.000Z
- 最近活动: 2026-05-26T08:24:08.769Z
- 热度: 152.8
- 关键词: LLM, sentiment analysis, multi-agent, OpenAI Agents SDK, ABSA, Hebrew NLP, sarcasm detection, JSON mode, Zod validation
- 页面链接: https://www.zingnex.cn/forum/thread/review-analyzer-agent
- Canonical: https://www.zingnex.cn/forum/thread/review-analyzer-agent
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：ofirAvisror
- 来源平台：github
- 原始标题：Review-Analyzer-Agent
- 原始链接：https://github.com/ofirAvisror/Review-Analyzer-Agent
- 来源发布时间/更新时间：2026-05-26T08:15:00Z

## 原作者与来源\n\n- **原作者/维护者**：ofirAvisror\n- **来源平台**：GitHub\n- **原始标题**：Review-Analyzer-Agent\n- **原始链接**：https://github.com/ofirAvisror/Review-Analyzer-Agent\n- **发布时间**：2026年5月26日\n- **项目类型**：人工智能系统课程项目\n\n## 项目概述\n\nReview-Analyzer-Agent是一个基于大语言模型的多阶段评论分析系统，采用OpenAI Agents SDK与TypeScript/Bun技术栈开发。该系统将非结构化的自由文本评论转化为结构化的情感洞察，核心架构包含三个关键组件：动态路由智能体（Router Agent）、基于方面的情感分析智能体（Review Analyzer Agent）以及自动化的自校正层（Self-Correction Layer）。\n\n## 核心架构设计\n\n### 三阶段处理流水线\n\n系统的处理流程遵循清晰的三阶段模式。首先，路由智能体负责接收用户输入的评论文本，通过分析内容判断其是否为有效的评论文本，并提取核心评论内容。路由智能体配置了专门的系统提示词（ROUTER_SYSTEM_PROMPT），支持analyzeReview和notReview两种意图识别，能够自动剥离诸如"Analyze this review:"或希伯来语"תנתח לי את הביקורת הבאה:"等元话语。\n\n其次，通过路由层验证的评论文本进入分析智能体阶段。该智能体采用严格的JSON模式输出，结合Zod进行模式验证，确保输出结果的结构化和可解析性。输出格式包含摘要（summary）、整体情感倾向（overall_sentiment）、评分（score）以及详细的多维度方面分析（aspects）。每个方面分析包含主题（topic）、情感倾向（sentiment）和细节描述（detail）。\n\n最后，自校正层对分析结果进行一致性验证。该层检测潜在的不一致问题，例如当整体情感标记为"Positive"但评分仅为2分时，系统会触发第二次大语言模型调用，通过REVIEW_CORRECTION_PROMPT生成修正后的JSON输出。\n\n### 多语言与俚语支持\n\n该系统的一个显著特色是对希伯来语及其俚语、讽刺表达的专门支持。分析智能体的提示词中明确包含了希伯来语俚语词典，例如"אש"（表示极好）、"הצגה"（表演/夸张）、"שחיטה"（宰客/价格过高）、"דפק איחור"（搞砸了/迟到）、"חבל על הזמן"（浪费时间）、"איזה כיף"（ sarcasm/讽刺语气）以及"גלגלה עיניים"（翻白眼/不屑态度）等。\n\n对于英语评论，系统同样配置了特定的俚语识别规则，包括"a show"（讽刺性表达）、"rip-off"（宰客）、"Oh great"（反讽）等常见表达模式。这种多语言支持使系统能够处理以色列本地市场的真实评论场景，识别表面积极但实际负面的讽刺性评论。\n\n## 技术实现细节\n\n### 严格的JSON模式与Zod验证\n\n系统采用JSON-only输出模式，所有分析结果均通过Zod模式进行验证。输出结构包含五个核心字段：summary（单句英文摘要）、overall_sentiment（情感分类，可选值为Positive、Negative、Neutral、Mixed）、score（1-10分整数评分）、aspects（方面分析数组，每个元素包含topic、sentiment、detail）。这种结构化设计不仅保证了输出的可解析性，也为后续的自校正层提供了明确的验证目标。\n\n### 反幻觉机制\n\n为防止大语言模型产生幻觉内容，系统实施了多重防护措施。首先，方面分析必须能够在原始评论文本中找到直接支持，normalizeReviewAnalysis函数会自动对齐引用片段与源文本。其次，摘要生成后会进行后处理，修复可能存在的空格问题。此外，系统会在检测到讽刺或态度问题时，在细节描述中明确标注"(sarcasm/attitude detected)"。\n\n### 代码组织结构\n\n项目采用清晰的分层架构组织代码。agents目录包含三个智能体实现：routerAgent.ts定义了支持的路由意图，reviewAnalyzerAgent.ts实现核心分析功能，reviewCorrectionAgent.ts处理自校正逻辑。review目录包含分析流水线（analyzeReviewPipeline.ts）、验证逻辑（validateReviewAnalysis.ts）、自校正实现（selfCorrectReview.ts）、归一化处理（normalizeReviewAnalysis.ts）、文本提取（extractReviewText.ts）和格式化输出（formatReviewAnalysis.ts）等模块。prompts.ts集中管理所有系统提示词，orchestrator.ts负责整体协调。\n\n## 实际应用示例\n\n系统演示日志中展示了一个典型的希伯来语餐厅评论处理案例。评论原文混合了积极和消极表达："המבורגר כזה עוד לא אכלתי, פשוט וואו"（这个汉堡我从没吃过，太棒了）表达了对食物的赞赏，但"המחיר? שחיטה"（价格？宰客）和"מארחת שגלגלה עיניים"（翻白眼的服务员）则指出了价格和服务的负面体验。\n\n系统成功解析出三个关键方面：Food（积极）、Price（消极）、Service（消极，并标注了讽刺/态度检测）。最终输出显示整体情感为Mixed（混合），评分6/10，准确捕捉了评论者既赞赏食物质量又不满价格和服务的复杂态度。\n\n## 技术价值与启示\n\nReview-Analyzer-Agent展示了如何构建一个生产级的情感分析系统。其核心价值在于将大语言模型的语言理解能力与严格的工程实践相结合：通过多智能体架构实现关注点分离，通过JSON模式确保输出可靠性，通过自校正层提升结果一致性，通过多语言支持扩展应用场景。\n\n对于希望构建类似系统的开发者，该项目提供了清晰的设计参考：提示词工程的重要性、结构化输出的必要性、验证层的关键作用，以及针对特定领域（如本地俚语）进行优化的价值。这些设计原则不仅适用于评论分析，也可推广到其他自然语言处理任务中。\n\n## 局限与未来方向\n\n作为课程项目，该系统当前仅实现了单一的分析意图（analyzeReview），未包含天气、数学、汇率等其他任务类型。未来的扩展方向可能包括：支持更多语言的俚语和方言、集成更复杂的方面提取算法、添加实时学习机制以适应新兴表达方式，以及将架构扩展为支持更多类型的文本分析任务。