品牌舆情哨兵：搜索公开平台的品牌相关信息，自动去重和时效过滤，输出结构化结果供 LLM 做风险分级和预警。 触发场景：监控某品牌/产品的公开舆情、搜索负面信息并按时间筛选、定时巡查品牌口碑、竞品舆情对比。 关键词：品牌监控、舆情搜索、负面信息、口碑巡查、舆情预警、品牌声誉、sentinel、舆情哨兵。 不做的事：不做风险分级（交给 Agent/LLM）、不做预警推送（交给 cron）、不做特定行业适配。
搜索公开平台的品牌相关信息 → 去重 → 时效过滤 → 输出结构化结果。
scripts/sentinel.py — 纯 Python（无第三方依赖），调用 AutoGLM Web Search API。
http://127.0.0.1:18432/get_token）certifi 包（SSL 证书，通常已预装）# 基本用法
python3 scripts/sentinel.py --brand "特斯拉" --keywords "刹车失灵,自燃" --hours 48
# JSON 输出（供 LLM 消费）
python3 scripts/sentinel.py --brand "瑞幸咖啡" --keywords "食品安全,蟑螂" --hours 24 --output json
# 配置文件模式
python3 scripts/sentinel.py --config references/config-example.json
| 参数 | 必填 | 说明 |
|---|---|---|
--brand | 是* | 品牌名，如 "特斯拉" |
--keywords | 是* | 逗号分隔的关键词，如 "刹车失灵,自燃" |
--hours | 否 | 时效窗口（小时），默认 48 |
--output | 否 | text（默认）或 json |
--config | 是* | JSON 配置文件路径（替代上方参数） |
* --brand+--keywords 与 --config 二选一。
见 references/config-example.json：
{
"brand": "品牌名",
"keywords": ["关键词1", "关键词2"],
"hours": 48,
"output": "json"
}
{
"brand": "特斯拉",
"run_time": "2026-04-14 19:00:00",
"time_window_hours": 48,
"keywords": ["刹车失灵", "自燃"],
"stats": {
"raw_count": 85,
"kept_count": 62,
"expired_count": 8,
"no_date_count": 15
},
"items": [
{
"title": "页面标题",
"url": "页面链接",
"snippet": "摘要内容",
"date_status": "recent|expired|unknown",
"parsed_date": "2026-04-14|null"
}
]
}
date_status:
recent — 解析到日期且在时效窗口内 ✅expired — 解析到日期但超出时效窗口（已被过滤掉）unknown — 未解析到日期（搜索词含"最新"限定，大概率近期，默认保留）parsed_date — 从标题/摘要提取的日期，解析失败为 null+ 最新、+ 当前年月用户: "帮我看看特斯拉最近有什么负面新闻"
1. Agent 调用 sentinel.py:
python3 scripts/sentinel.py --brand "特斯拉" --keywords "刹车失灵,自燃,自动驾驶事故,降价维权" --hours 48 --output json
2. Agent 读取 JSON 输出，用 LLM 判断:
- 哪些是真正的负面/危机
- 风险分级（普通/关注/严重/危机）
- 是否需要预警
3. Agent 生成人类可读的摘要推送给用户