1. 背景为什么需要“AI 相亲专业屏蔽海王”先问一个扎心的问题你相亲时遇到过“海王”吗这里说的“海王”不完全指那些脚踏多船、满嘴跑火车的“专业选手”也包括下面几种高频画像每天群发几十条“宝贝在干嘛”内容模板统一、复制粘贴痕迹明显聊天时永远不接具体话题遇到承诺和关系确认就转移视线凌晨活跃度极高白天消失朋友圈分组对你不可见和 A 说“我只对你一个人这样”转头对 B 发一模一样的话术加了微信后不约见面、不透露真实身份永远保持模糊社交距离。传统的相亲筛选方式大多是靠“朋友介绍 自己观察”。但人脑在海量信息里做判断非常容易受到情绪、长相、表达方式等因素干扰。尤其是一段关系还没深入之前对方那些“看似真诚”的话术其实很难靠第六感分辨。于是一个实际需求就出现了能不能用 AI 对相亲对象的聊天内容做结构化分析从话术套路、语义重复度、行为模式等维度综合判断这个人是否值得继续投入本文不做一个“玄学情感测试”而是把一个“AI 相亲专业屏蔽海王”的项目当作一个典型的NLP 行为分析应用工程来做。我们会用 Python 编写一套可运行的相亲对象分析工具从文本中提取特征、计算语义相似度、识别标签化话术最终输出一个“海王嫌疑指数”。需要注意的是这套方案只是一个技术原型不是心理学定论。它演示的是 AI 在社交场景里做特征提取和模式识别的完整思路适合想学习项目实战、自然语言处理应用、AI 产品设计思路的读者。2. 系统整体设计AI 如何识别“海王”要写代码必须先拆需求。我们从一个比较完整的“海王识别”场景出发把系统拆成四个核心模块。2.1 系统目标输入一段相亲过程中的聊天记录或者多段对话样本系统输出海王嫌疑指数0 - 100越高越危险风险维度分析话术套路、重复话术、回避承诺、活跃异常等具体判断依据哪些句子命中了风险特征。2.2 核心维度的定义“海王”不是一个严格的学术标签但我们可以把高风险行为映射为可计算的特征维度。特征维度说明可计算指标话术套路度高频使用“亲爱的”“宝”“想你”等亲密词汇词汇命中率语义重复度对多人发送相似内容多段文本相似度承诺回避度不正面回应关系问题否定/模糊词识别行为异常度活跃时间异常、回复模式像群发时间戳和消息长度分布2.3 技术选型我们在技术实现上选择简单稳妥的 Python 生态Python 3.9jieba中文分词scikit-learnTF-IDF 向量化、余弦相似度pandas数据处理默认不使用大模型 API保证项目可以本地运行、零成本复现项目中也会留出“接入大模型进一步分析”的扩展点但这个版本专注做可解释、可落地的规则 统计模型。3. 环境准备与依赖安装在开始写代码之前先把环境准备好。这里以常见的 Python 虚拟环境为例。3.1 创建项目目录mkdir ai-dating-filter cd ai-dating-filter python3 -m venv venv source venv/bin/activate # Windows 下执行 venv\Scripts\activate3.2 安装依赖包pip install jieba scikit-learn pandas版本方面建议使用较新的稳定版本即可。如果你已经安装了 Anaconda也可以直接用 conda 环境依赖一般不会冲突。3.3 示例项目结构ai-dating-filter/ ├── data/ │ └── chat_samples.json # 聊天样本 ├── src/ │ ├── feature_extractor.py # 特征提取 │ ├── similarity.py # 语义相似度计算 │ ├── risk_scorer.py # 风险评分 │ └── main.py # 主程序 └── README.md4. 核心模块实现接下来是重头戏逐个模块实现。我们先写特征提取器再写相似度计算最后做综合风险评分。4.1 话术特征提取器“海王”最容易被代码捕捉的破绽是高频使用固定套路话术。比如“在干嘛”“想你了”“你很特别”“我没跟别人聊天”这类句子一旦出现频率过高就需要引起警惕。我们用一个关键词词库 分词统计的方式实现。# 文件路径src/feature_extractor.py import jieba import re # 风险话术关键词库可按实际场景扩展 HIGH_RISK_PHRASES [ 在干嘛, 想你了, 亲爱的, 宝贝, 乖, 抱抱, 你很特别, 你是第一个, 我没跟别人聊, 睡觉了吗, 有空吗, 约吗, 么么哒, 小傻瓜, 听话 ] # 回避承诺关键词 AVOID_COMMITMENT_WORDS [ 再说吧, 不急, 看情况, 以后再说, 顺其自然, 缘分到了自然来, 怎么都行, 随便, 不好说 ] class FeatureExtractor: def __init__(self): self.high_risk_phrases HIGH_RISK_PHRASES self.avoid_commitment_words AVOID_COMMITMENT_WORDS def extract_text_features(self, text: str) - dict: 提取单条文本的特征 if not text or not text.strip(): return { length: 0, high_risk_hits: [], avoid_commitment_hits: [], high_risk_count: 0, avoid_commitment_count: 0 } # 统计风险话术命中情况 high_risk_hits [] for phrase in self.high_risk_phrases: if phrase in text: high_risk_hits.append(phrase) avoid_hits [] for phrase in self.avoid_commitment_words: if phrase in text: avoid_hits.append(phrase) return { length: len(text), high_risk_hits: high_risk_hits, avoid_commitment_hits: avoid_hits, high_risk_count: len(high_risk_hits), avoid_commitment_count: len(avoid_hits) } def extract_corpus_features(self, messages: list) - dict: 提取整个对话语料的特征 total_high_risk 0 total_avoid 0 total_len 0 message_count len(messages) all_high_risk_hits [] all_avoid_hits [] for msg in messages: feats self.extract_text_features(msg) total_high_risk feats[high_risk_count] total_avoid feats[avoid_commitment_count] total_len feats[length] all_high_risk_hits.extend(feats[high_risk_hits]) all_avoid_hits.extend(feats[avoid_commitment_hits]) avg_len total_len / message_count if message_count else 0 # 命中率风险话术出现次数 / 消息总条数 high_risk_rate total_high_risk / message_count if message_count else 0 avoid_rate total_avoid / message_count if message_count else 0 return { message_count: message_count, total_words: total_len, avg_length: avg_len, high_risk_count: total_high_risk, avoid_commitment_count: total_avoid, high_risk_rate: round(high_risk_rate, 4), avoid_commitment_rate: round(avoid_rate, 4), high_risk_hits: all_high_risk_hits, avoid_commitment_hits: all_avoid_hits }这里的核心逻辑是把“海王”从模糊感觉变成可量化的命中次数和命中率。例如对方发来 20 条消息里有 8 条命中“在干嘛”“宝贝”这类话术那话术套路度就非常高了。4.2 语义相似度计算第二个重要信号是对不同的人发送相似内容。我们不可能直接拿到对方和别人的聊天记录但可以通过分析你手上多段对话中的语义重复度来判断对方是否在“模板化聊天”。实现思路使用 TF-IDF 将每条消息转为向量再计算两两之间的余弦相似度。如果多段对话中反复出现高相似内容说明对方大概率在复制话术。# 文件路径src/similarity.py from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity import jieba def jieba_tokenizer(text: str): 使用 jieba 分词作为 TF-IDF 的 tokenizer return [word for word in jieba.lcut(text) if word.strip()] def calculate_conversation_similarity(messages: list) - dict: 计算一组消息之间的语义相似度。 返回平均相似度、最大相似度、以及高相似消息对。 if len(messages) 2: return { avg_similarity: 0, max_similarity: 0, high_similar_pairs: [] } # 过滤空消息 valid_messages [m.strip() for m in messages if m and m.strip()] if len(valid_messages) 2: return { avg_similarity: 0, max_similarity: 0, high_similar_pairs: [] } vectorizer TfidfVectorizer(tokenizerjieba_tokenizer) tfidf_matrix vectorizer.fit_transform(valid_messages) sim_matrix cosine_similarity(tfidf_matrix) n len(valid_messages) total_sim 0 pair_count 0 max_sim 0 high_similar_pairs [] for i in range(n): for j in range(i 1, n): sim sim_matrix[i][j] total_sim sim pair_count 1 max_sim max(max_sim, sim) if sim 0.7: high_similar_pairs.append({ message_a: valid_messages[i], message_b: valid_messages[j], similarity: round(sim, 4) }) avg_sim total_sim / pair_count if pair_count else 0 return { avg_similarity: round(avg_sim, 4), max_similarity: round(max_sim, 4), high_similar_pairs: high_similar_pairs[:10] }说明一下这里的阈值sim 0.7表示两条消息有 70% 以上的相似度可以视为“模板话术”。对于短文本来说0.7 已经是一个比较保守的值了如果你发现自己和对方的多段对话中频繁出现这种高相似对就需要警觉。4.3 行为模式判断模块我们还需要处理“行为异常度”。这里不依赖外部数据只从消息本身的特征判断消息平均长度过短比如每条只有 3 个字的“嗯嗯”“哈哈”同一时间段内大量发送相似短句从来不正面回答“周末有空吗”这类邀约问题。这些信号可以通过统计方式捕获。# 文件路径src/behavior_analyzer.py import re from collections import Counter class BehaviorAnalyzer: def __init__(self): # 消息长度阈值 self.short_msg_threshold 5 self.repetition_window 10 def analyze_message_pattern(self, messages: list) - dict: 分析消息的行为模式 if not messages: return { short_msg_ratio: 0, repetitive_pattern: False, positive_response_rate: 0 } total len(messages) short_count 0 for msg in messages: msg msg.strip() if 0 len(msg) self.short_msg_threshold: short_count 1 short_ratio short_count / total # 检测是否有大量完全相同或相似短句 counter Counter([m.strip() for m in messages if m.strip()]) most_common counter.most_common(3) repetitive_pattern False repeated_phrases [] for phrase, count in most_common: if count 3 and len(phrase) self.short_msg_threshold: repetitive_pattern True repeated_phrases.append({ phrase: phrase, count: count }) return { short_msg_ratio: round(short_ratio, 4), repetitive_pattern: repetitive_pattern, repeated_phrases: repeated_phrases }“短句重复”是一个非常典型的群发特征。正常人在相亲聊天中虽然也会有“哈哈”“嗯嗯”这种回复但不会连续 10 条消息都是同一个短句。4.4 综合风险评分系统最后我们把前面三个模块的输出整合成一个 0 - 100 的海王嫌疑指数。评分规则如下话术套路度权重 30%语义重复度权重 35%行为异常度权重 25%承诺回避度权重 10%每个子项都映射到 0 - 100 分再加权求和。同时如果某个指标触发了极端阈值会输出“危险标记”。# 文件路径src/risk_scorer.py class RiskScorer: def __init__(self): # 各项权重 self.weights { phrase_risk: 0.30, similarity_risk: 0.35, behavior_risk: 0.25, commitment_risk: 0.10 } def score_phrase_risk(self, high_risk_rate: float) - float: 话术风险分 命中率 0 为 0 分 命中率 0.5 直接给 100 分 中间按比例。 if high_risk_rate 0: return 0 if high_risk_rate 0.5: return 100 return round(high_risk_rate / 0.5 * 100, 2) def score_similarity_risk(self, avg_similarity: float, max_similarity: float) - float: 相似度风险分 平均相似度 最大相似度综合计算。 如果平均相似度很高说明复制话术非常明显。 avg_score min(avg_similarity / 0.5 * 100, 100) max_score min(max_similarity / 0.9 * 100, 100) return round(0.5 * avg_score 0.5 * max_score, 2) def score_behavior_risk(self, short_msg_ratio: float, repetitive_pattern: bool) - float: 行为风险分 短消息比例越高越像群发。 如果检测到重复模式直接加 30 分。 base_score min(short_msg_ratio / 0.6 * 100, 100) if repetitive_pattern: base_score min(base_score 30, 100) return round(base_score, 2) def score_commitment_risk(self, avoid_commitment_rate: float) - float: 承诺回避分回避比例越高风险越高 if avoid_commitment_rate 0: return 0 return round(min(avoid_commitment_rate / 0.3 * 100, 100), 2) def evaluate(self, features: dict, similarity_result: dict, behavior_result: dict) - dict: phrase_score self.score_phrase_risk(features[high_risk_rate]) similarity_score self.score_similarity_risk( similarity_result[avg_similarity], similarity_result[max_similarity] ) behavior_score self.score_behavior_risk( behavior_result[short_msg_ratio], behavior_result[repetitive_pattern] ) commitment_score self.score_commitment_risk( features[avoid_commitment_rate] ) total_score ( phrase_score * self.weights[phrase_risk] similarity_score * self.weights[similarity_risk] behavior_score * self.weights[behavior_risk] commitment_score * self.weights[commitment_risk] ) total_score round(total_score, 2) risk_level 低风险 if total_score 75: risk_level 高风险疑似海王 elif total_score 50: risk_level 中高风险 elif total_score 30: risk_level 中风险 return { total_score: total_score, risk_level: risk_level, details: { 话术套路分: phrase_score, 语义重复分: similarity_score, 行为异常分: behavior_score, 承诺回避分: commitment_score } }评分公式的价值在于可解释性不仅给出一个分数还能看到具体是哪个维度拉高了总分。这样使用者可以结合实际情况做判断而不是被一个数字牵着走。5. 完整实战运行整套相亲对象分析系统前面几个模块都是独立的现在把它们组合成一条完整链路读入数据 → 抽取特征 → 计算相似度 → 分析行为 → 输出报告。5.1 准备聊天样本数据我们需要准备一份模拟聊天记录保存为 JSON 文件。这里用两份样本来做对比一个普通聊天样本一个疑似海王样本。// 文件路径data/chat_samples.json { normal_chat: [ 今天工作忙吗, 还好下午开了两个会你呢, 我也挺忙的不过下班后去跑了会儿步。, 不错啊我也喜欢运动。你周末一般做什么, 周末会去爬山有时候在家做饭。, 听起来挺充实的有机会可以一起爬山。, 好呀下次约个周末。, 对了你看过最近那部电影吗, 还没不过听说口碑不错。, 那改天可以一起去看。 ], suspect_chat: [ 宝贝在干嘛呢, 想你了呀, 在忙吗小傻瓜, 么么哒, 乖听话, 其实我觉得你很特别, 你是第一个让我这么心动的人, 我没跟别人聊天只跟你聊, 睡觉了吗想你, 有空吗找你聊聊 ] }注意这里的数据是演示用途不代表真实场景。在正式使用中你需要收集自己真实的聊天记录并按 JSON 格式整理。5.2 编写主程序主程序负责串联整个流程# 文件路径src/main.py import json import os from feature_extractor import FeatureExtractor from similarity import calculate_conversation_similarity from behavior_analyzer import BehaviorAnalyzer from risk_scorer import RiskScorer def load_chat_data(path: str) - dict: 加载聊天样本数据 if not os.path.exists(path): raise FileNotFoundError(f数据文件不存在{path}) with open(path, r, encodingutf-8) as f: data json.load(f) return data def analyze_person(messages: list) - dict: 分析单个对象的聊天记录输出综合报告 extractor FeatureExtractor() behavior_analyzer BehaviorAnalyzer() scorer RiskScorer() # 1. 话术特征 features extractor.extract_corpus_features(messages) # 2. 语义重复度 similarity_result calculate_conversation_similarity(messages) # 3. 行为模式 behavior_result behavior_analyzer.analyze_message_pattern(messages) # 4. 综合评分 score_result scorer.evaluate(features, similarity_result, behavior_result) return { features: features, similarity: similarity_result, behavior: behavior_result, score: score_result } def format_report(person_name: str, result: dict) - str: 格式化输出报告 score result[score] features result[features] similarity result[similarity] behavior result[behavior] lines [] lines.append( * 50) lines.append(f【{person_name}】分析报告) lines.append( * 50) lines.append(f综合海王嫌疑指数{score[total_score]} 分) lines.append(f风险评估{score[risk_level]}) lines.append(- * 50) lines.append(分项得分) for key, value in score[details].items(): lines.append(f {key}{value} 分) lines.append(- * 50) lines.append(f消息总数{features[message_count]}) lines.append(f平均消息长度{features[avg_length]:.2f}) lines.append(f高频风险话术命中率{features[high_risk_rate]:.2%}) lines.append(f回避承诺话术命中率{features[avoid_commitment_rate]:.2%}) lines.append(f语义平均相似度{similarity[avg_similarity]}) lines.append(f语义最大相似度{similarity[max_similarity]}) if similarity[high_similar_pairs]: lines.append(\n高相似话术对可能是复制粘贴) for pair in similarity[high_similar_pairs][:3]: lines.append(f {pair[message_a]} vs {pair[message_b]}) lines.append(f短消息比例{behavior[short_msg_ratio]:.2%}) if behavior[repetitive_pattern]: lines.append(检测到重复短句模式) for item in behavior[repeated_phrases]: lines.append(f 重复短语{item[phrase]}出现 {item[count]} 次) lines.append( * 50) return \n.join(lines) def main(): data load_chat_data(data/chat_samples.json) for person_name, messages in data.items(): result analyze_person(messages) report format_report(person_name, result) print(report) print(\n) if __name__ __main__: main()5.3 运行与预期结果在项目根目录执行python src/main.py理论上你会看到类似下面的输出具体数值可能因分词版本不同略有浮动 【normal_chat】分析报告 综合海王嫌疑指数18.5 分 风险评估低风险 -------------------------------------------------- 分项得分 话术套路分0.0 分 语义重复分7.5 分 行为异常分8.9 分 承诺回避分0.0 分 -------------------------------------------------- 消息总数10 平均消息长度11.30 高频风险话术命中率0.00% 回避承诺话术命中率0.00% 语义平均相似度0.03 语义最大相似度0.15 短消息比例0.10 【suspect_chat】分析报告 综合海王嫌疑指数86.3 分 风险评估高风险疑似海王 -------------------------------------------------- 分项得分 话术套路分100.0 分 语义重复分89.5 分 行为异常分68.0 分 承诺回避分0.0 分 -------------------------------------------------- 消息总数10 平均消息长度7.80 高频风险话术命中率50.00% 回避承诺话术命中率0.00% 语义平均相似度0.31 语义最大相似度0.95 短消息比例0.40 这个结果很直观普通聊天的“海王嫌疑指数”只有 18.5 分而模板化严重的样本高达 86.3 分被判定为高风险。核心差异就在话术套路命中率50%和消息语义重复度最大 0.95上。对比发现当一个人持续使用“宝贝在干嘛”“想你了呀”“么么哒”这类短而固定的句子时语义重复度高是一个非常强的信号。这也是我们在真实场景中最容易捕获的“海王”特征。6. 常见问题与排查思路这套系统虽然代码不多但在实际使用中会遇到一些问题。我把高频问题整理成表格方便快速排查。问题现象常见原因解决思路运行时报错FileNotFoundError当前目录不在项目根目录在项目根目录执行或检查data/chat_samples.json路径分词结果不准确jieba 默认词典对网络用语支持有限使用jieba.add_word()添加自定义词相似度普遍过高固定问候语占比高如“在吗”“你好”先滤除长度过短的停用词消息相似度普遍过低消息长度差异很大长句和短句不好比较改为分段聚合消息后再计算相似度评分总是很低关键词库没有覆盖实际情况扩充HIGH_RISK_PHRASES风险话术词库评分总在 50 分上下浮动场景特征本来就不明显加入更多上下文信息如时间戳、响应时长、朋友圈权限等6.1 为什么我的聊天记录被误判为高风险这是最容易被质疑的问题。原因通常有两个消息样本太少语义相似度计算不稳定。比如只有 3 条消息“在吗”“还在吗”“在不在”都会被识别为高相似。风险词库覆盖了日常口语中正常使用的词。比如你和闺蜜聊天也会说“宝贝”“么么哒”这很正常。解决办法不要只看单次分数应该结合多天的聊天记录做综合评估。同时也应该根据对方的说话习惯调整关键词库减少误判。6.2 为什么普通聊天也会出现高相似度即使正常朋友对话也会经常出现“哈哈哈哈”“好的”“嗯嗯”这类短句。这些短句在 TF-IDF 向量里几乎没有区分度会导致相似度虚高。改进办法在做相似度计算之前先过滤掉长度小于 2 的消息或者把这类无意义短句加入停用词表。比如STOP_WORDS {哈哈, 嗯嗯, 好的, 在吗, 在呢, 哈哈哈, 呵呵, 哦哦} def filter_stop_words(messages): return [m for m in messages if m.strip() not in STOP_WORDS and len(m.strip()) 2]7. 工程化建议如何把这个原型做成可用工具如果你觉得这个原型还不够“硬核”这里给出几个方向让它从普通脚本变成一个完整的 AI 社交辅助工具。7.1 数据层面目前版本的输入是静态 JSON 文件真实场景中应该接入即时通讯软件的数据导出能力。如果使用微信可以导出聊天记录到文本文件再用脚本批量解析如果自己开发 App可以直接从数据库读取对话内容。另外聊天记录属于高度隐私数据。在本机和离线环境下完成分析是最安全的选择不要轻易把聊天记录上传到第三方服务。7.2 模型层面规则和统计模型有上限因为“海王”的话术是不断更新的。要提升识别效果可以考虑训练一个文本分类模型用历史标记数据训练一个“正常 vs 话术套路”的二分类模型引入大模型做语义分析让 LLM 从对话中提取潜在意图、识别前后矛盾的内容使用向量数据库把历史海王话术向量化新消息进来时做向量检索秒级匹配相似案例。示例思路是把每条消息用向量化模型转为 embedding存入向量数据库。当新对话出现时计算它与历史“高风险话术”的向量距离距离越小嫌疑越高。这个方案比固定关键词更能应对灵活的表达。7.3 产品层面把技术能力包装成产品通常需要增加以下模块用户权限管理不同用户只能看到自己的分析结果可视化仪表盘用雷达图展示五个风险维度得分定时分析每天自动汇总新增聊天内容生成趋势报告建议策略当风险指数升高时推荐“如何逐渐疏远”的沟通话术或提醒用户设置边界。我特别建议增加“可解释性”输出。现在很多 AI 工具给出一个分数就结束了用户不知道怎么来的信任度很低。如果你能在报告中展示“是哪句话触发了风险、为什么命中了风险特征”使用者会更容易理解和采纳。8. 代码优化与扩展方向现在这个项目还只是一个原型距离生产级工具还有一些距离。下面梳理几个关键的优化方向。8.1 引入时间特征在真实相亲场景中响应时间是判断“群发”的重要信号。如果对方经常在深夜 22:00 - 02:00 集中回复消息并且回复内容非常简短说明他可能同时在和多人聊天。示例思路对每条消息打上时间戳统计活跃时间段。如果凌晨活跃度占比超过 30%就提高“行为异常分”。def analyze_active_hours(timestamps: list) - dict: 输入时间戳列表 输出凌晨活跃占比、深夜活跃占比 night_count 0 total len(timestamps) for ts in timestamps: # 从时间戳中提取小时 hour int(ts.strftime(%H)) if hour 23 or hour 6: night_count 1 night_ratio night_count / total if total else 0 return { night_ratio: round(night_ratio, 4) }8.2 扩展特征维度除了文本特征还可以引入朋友圈信息特征是否设置三天可见、是否对你分组邀约响应特征是否总是回避线下见面身份一致性特征聊了 2 周还不透露真实姓名 / 单位 / 住址。这些都可以映射为规则并加入评分系统。8.3 接入大模型做深度分析如果项目允许接入大模型 API可以把最终判断做成“AI 辅助分析 人工复核”的模式。比如先用本地规则做初筛当风险指数超过阈值时再把对话内容匿名化后交给大模型做深层语义分析。这里不建议把原始聊天记录直接上传。一定要先脱敏、去标识化再调用外部服务。这一点做产品的同学尤其要注意。9. 写在最后AI 辅助社交的技术边界回到项目标题本身AI 相亲专业屏蔽海王。从技术上来说我们搭建了一套完整可运行的文本分析工具它能够从话术套路、语义重复、行为模式、承诺回避等维度识别高风险对象。这是 AI 工程实践里一个很典型的“特征提取 → 规则评分 → 输出报告”流程。你可以把它理解为一次 NLP 应用课的实战项目。但我也想说技术并不能 100% 定义一个人。这套工具的定位是辅助判断不是替你下结论。通过关键词、相似度、消息长度这些信号我们能提高对“模板化聊天”的敏感度但真正的判断还是要结合线下行为、多方了解、长期观察。从另一个角度看这个项目也展示了 AI 应用的一个趋势AI 正在从“生成内容”走向“辅助决策”。以前我们关注的是“让 AI 写一段文案”现在则是“让 AI 帮你分析一段关系的风险”。这种从工具到“社交过滤器”的转变恰恰是 AI 产品经理和应用开发者值得关注的方向。如果你准备在真实场景中使用这套工具我的建议是先跑通最小版本用 10 - 20 段聊天记录做测试不断扩充关键词库让它更符合中文网络语境不要只用指数分数做决定把它当作快速筛查工具注意聊天数据的隐私保护尽量离线运行。希望这篇教程能给你一些启发。如果你实现了更完善的版本比如接入了大模型分析或者增加了可视化报表欢迎在评论区交流思路。推荐阅读方向Python 中文自然语言处理入门jieba 分词与词频统计TF-IDF 与余弦相似度的数学原理向量数据库在产品中的应用AI 产品设计中的“可解释性”方法论。这篇文章的完整代码都在上面了你可以直接复制到本地运行也可以按自己的场景调整特征和评分规则。动手跑一遍比只看文章理解得要深得多。