Skip to content

DataEval/dingo-marketing

BranchesTags

Repository files navigation

Dingo Marketing

AI-powered marketing automation platform for GitHub-based projects.

🚀 核心功能

  • 智能用户分析: 基于 GitHub 活动分析用户行为和兴趣
  • 自动内容生成: 使用 AI 生成个性化营销内容
  • 社区互动建议: 智能推荐最佳互动策略
  • 营销活动自动化: 自动执行营销任务和跟进
  • 市场调研: 实时网络搜索、竞品分析、技术趋势监控、用户反馈分析

💡 技术架构: 了解系统的详细技术架构和设计理念，请参考 架构设计文档

📋 部署特点

  • 本地优先: 支持简单的本地部署，无需复杂配置
  • 轻量级: 最小化依赖，快速启动
  • 易于配置: 简单的环境变量配置
  • 实时数据: 集成网络搜索，获取最新市场信息

🏃‍♂️ 快速开始

环境要求

  • Python 3.10+ (推荐 3.12)
  • Git

1. 克隆项目

git clone https://github.com/your-username/dingo-marketing.git
cd dingo-marketing

2. 安装依赖

# 使用 pip 安装依赖
pip install -r requirements.txt

# 或者使用 conda 环境 (推荐)
conda create -n dingo-marketing python=3.12 -y
conda activate dingo-marketing
pip install -r requirements.txt

3. 配置环境变量

# 复制环境配置文件
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥
# 必需配置：
# - OPENAI_API_KEY: AI服务API密钥（支持DeepSeek、Qwen、OpenAI等）
# - GITHUB_TOKEN: GitHub 个人访问令牌
# - GITHUB_REPOSITORY: 目标GitHub仓库

# 增强功能配置：
# - SERPER_API_KEY: 网络搜索API密钥 (用于实时市场调研)

# 可选配置：
# - TWITTER_API_KEY: Twitter API 密钥 (用于社交媒体功能)
# - LINKEDIN_API_KEY: LinkedIn API 密钥 (用于专业社交网络)

4. 启动服务

# 启动本地服务
python run.py

# 开发模式 (自动重载)
python run.py --debug --reload

# 指定端口和主机
python run.py --host 0.0.0.0 --port 8080

5. 访问服务

🖥️ Web 界面

为了让非技术用户也能轻松使用 AI 营销功能，我们提供了直观易用的 Web 界面。

启动 Web 界面

# 方法一：直接打开（推荐）
cd frontend
open index.html  # macOS
start index.html  # Windows

# 方法二：使用 HTTP 服务器
cd frontend
python -m http.server 3000
# 然后访问 http://localhost:3000

界面预览

Dingo Marketing Web界面

Web界面提供了直观的操作面板，支持用户分析、内容生成、社区互动等核心功能

🛠️ 管理命令

# 查看帮助
python run.py --help

# 启动服务 (生产模式)
python run.py --host 0.0.0.0 --port 8080

# 启动服务 (开发模式)
python run.py --debug --reload --log-level debug

🚀 API 使用示例

🎯 核心使用场景

场景一：自动化宣传推广

针对产品功能和潜在用户出现的地方，进行针对性的自动化扩大宣传。

1. 综合营销活动 - 一站式推广解决方案

curl -X POST "http://localhost:8080/api/v1/campaigns/comprehensive" \
  -H "Content-Type: application/json" \
  -d '{
    "target_users": ["目标用户1", "目标用户2"],
    "target_repositories": ["您的产品仓库"],
    "duration": "30天",
    "budget": "标准",
    "metrics": ["参与度", "转化率", "知名度"],
    "language": "zh"
  }'

自动执行： 用户分析 → 内容创作 → 社区互动 → 效果评估

2. 社区精准互动 - 定向推广

curl -X POST "http://localhost:8080/api/v1/community/engage" \
  -H "Content-Type: application/json" \
  -d '{
    "repository": "目标项目/仓库名",
    "interaction_types": ["comment", "issue", "star", "follow"],
    "target_count": 20,
    "lookback_days": 30,
    "language": "zh"
  }'

自动执行： 识别目标用户 → 智能互动 → 建立关系 → 跟踪效果

3. 内容营销活动 - 内容驱动推广

curl -X POST "http://localhost:8080/api/v1/campaigns/content" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "产品推广活动",
    "target_audience": "Python开发者和数据工程师",
    "topics": ["数据质量", "Python工具", "开源项目"],
    "content_types": ["blog", "social", "email", "tutorial"],
    "duration": "2周",
    "keywords": ["数据质量", "Python", "开源"],
    "language": "zh"
  }'

自动执行： 内容策略制定 → 多类型内容生成 → 发布计划 → SEO优化

场景二：市场调研分析

深入了解市场动态、竞争对手和用户需求，为产品决策提供数据支持。

1. 竞争对手分析

curl -X POST "http://localhost:8080/api/v1/research/enhanced" \
  -H "Content-Type: application/json" \
  -d '{
    "research_type": "competitor",
    "target": "Great Expectations",
    "depth": "medium",
    "language": "zh",
    "requirements": "重点关注功能对比和定价策略"
  }'

2. 技术趋势研究

curl -X POST "http://localhost:8080/api/v1/research/enhanced" \
  -H "Content-Type: application/json" \
  -d '{
    "research_type": "technology",
    "target": "数据质量评估工具",
    "depth": "deep",
    "language": "zh",
    "requirements": "分析最新技术发展和实现方案"
  }'

3. 市场趋势分析

curl -X POST "http://localhost:8080/api/v1/research/enhanced" \
  -H "Content-Type: application/json" \
  -d '{
    "research_type": "market",
    "target": "数据质量工具市场",
    "depth": "medium",
    "language": "zh",
    "requirements": "关注市场规模和增长趋势"
  }'

4. 用户反馈分析

curl -X POST "http://localhost:8080/api/v1/research/enhanced" \
  -H "Content-Type: application/json" \
  -d '{
    "research_type": "user_feedback",
    "target": "开源数据工具用户体验",
    "depth": "shallow",
    "language": "zh",
    "requirements": "收集用户痛点和需求建议"
  }'

🔧 辅助功能

用户分析

# 快速用户画像分析
curl -X POST "http://localhost:8080/api/v1/analyze/users" \
  -H "Content-Type: application/json" \
  -d '{
    "user_list": ["octocat", "gvanrossum"],
    "analysis_depth": "basic",
    "language": "zh"
  }'

内容生成

# 生成技术博客
curl -X POST "http://localhost:8080/api/v1/content/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "content_type": "blog",
    "topic": "如何使用Dingo提升数据质量",
    "target_audience": "数据工程师",
    "language": "zh",
    "keywords": ["数据质量", "Python", "自动化"]
  }'

系统状态检查

# 检查系统状态
curl http://localhost:8080/api/v1/status

💡 使用建议

推广策略

  1. 启动阶段：使用综合营销活动进行全面推广
  2. 增长阶段：结合社区互动和内容营销持续扩大影响
  3. 优化阶段：基于市场调研结果调整推广策略

调研深度选择

  • shallow: 快速概览，适合日常监控
  • medium: 标准分析，平衡效率和详细度
  • deep: 深度分析，适合重要决策

语言和受众

  • 根据目标市场选择合适的语言（zh/en）
  • 明确指定目标受众的技术背景
  • 使用相关的行业关键词提高精准度

📁 项目结构

dingo-marketing/
├── src/                    # 源代码
│   ├── agents/            # AI 代理
│   ├── api/               # API 路由
│   ├── config/            # 配置管理
│   ├── core/              # 核心功能
│   ├── models/            # 数据模型
│   ├── services/          # 业务服务
│   └── tools/             # 工具模块
├── tests/                 # 测试文件
├── docs/                  # 文档
├── logs/                  # 日志文件
├── run.py                 # 应用启动文件
└── requirements.txt       # Python 依赖

🔮 功能支持

核心功能

  • 智能用户分析 (GitHub用户画像)
  • AI内容生成 (博客、社交媒体、邮件)
  • 社区互动自动化 (GitHub互动)
  • 营销活动管理 (综合营销策略)
  • Web界面 (用户友好的操作界面)
  • API接口 (RESTful API)
  • 多语言支持 (中文/英文)
  • 市场调研 (实时网络搜索、竞品分析、技术趋势)
  • 网络数据获取 (网页搜索、内容抓取、数据分析)

市场调研功能

  • 竞品分析 (产品功能对比、定价策略、用户评价)
  • 技术调研 (技术原理、实现方案、性能对比)
  • 市场趋势监控 (行业发展、市场规模、技术趋势)
  • 用户反馈分析 (用户评价、需求挖掘、满意度调研)
  • 实时网络搜索 (Google搜索集成、多语言支持)
  • 网页内容抓取 (智能内容提取、结构化数据)

技术架构

  • 多Agent协作系统 (CrewAI框架)
  • 模块化设计 (可扩展架构)
  • 配置管理 (环境变量配置)
  • 日志系统 (结构化日志)
  • 错误处理 (优雅的异常处理)
  • 网络集成 (Serper API、网页抓取)

AI模型支持

  • DeepSeek API
  • Qwen API
  • OpenAI API
  • Claude API
  • Gemini API
  • 本地模型支持 (Ollama)

平台集成

  • GitHub (用户分析、社区互动)
  • Google搜索 (实时信息获取)
  • 网页抓取 (内容提取和分析)
  • Twitter/X (社交媒体营销)
  • LinkedIn (专业社交网络)
  • Discord (社区管理)
  • Slack (团队协作)

内容类型

  • 技术博客文章
  • 社交媒体内容
  • 邮件营销内容
  • 技术文档
  • 市场调研报告 (竞品分析、趋势报告)
  • 视频脚本
  • 播客大纲
  • 新闻稿

分析功能

  • 用户技术栈分析
  • 社区活跃度分析
  • 贡献者识别
  • 实时竞品分析 (功能对比、市场地位、定价策略)
  • 技术趋势监控 (技术发展、市场动态)
  • 用户反馈挖掘 (评价分析、需求识别)
  • 市场规模评估 (市场容量、增长趋势)
  • 营销效果分析
  • A/B测试支持
  • 数据可视化仪表板

部署方式

  • 本地部署
  • 开发模式 (热重载)
  • Docker容器化
  • 云平台部署 (AWS/Azure/GCP)
  • Kubernetes支持

用户体验

  • 直观的Web界面
  • 实时状态显示
  • 详细的执行报告
  • 结构化调研报告 (Markdown格式、易于阅读)
  • 移动端适配
  • 暗色主题
  • 多用户支持
  • 权限管理

开发工具

  • 交互式演示脚本 (demo_scenarios.py)
  • 系统状态监控
  • 配置管理工具
  • 日志系统
  • 错误处理机制
  • API测试工具 (cURL示例、Postman集合)
  • 单元测试框架
  • 性能监控工具
  • 代码质量检查

📚 文档

📄 许可证

MIT License - 详见 LICENSE 文件

🤝 贡献

欢迎提交 Issue 和 Pull Request！

  1. Fork 项目
  2. 创建功能分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 创建 Pull Request

About

AI-powered marketing automation platform for GitHub-based projects.

Topics

agent marketing openai multiagent deepseek crewai

Resources

Readme

License

MIT license
Activity
Custom properties

Stars

5 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages