关于 obsei
obsei 是一款可自托管的开源客户反馈分析服务,面向希望汇集反馈并保护个人数据的团队。它在数据进入时去除 PII,再提供搜索、统计、主题分析及带引用的回答。
主要功能
- 01采集多个渠道的反馈
- 02入库前去除 PII
- 03搜索反馈并查看统计
- 04提取稳定主题
- 05提供带证据引用的回答
适用场景
- 01汇总不同渠道的客户反馈
- 02在 LLM 处理前清除个人数据
- 03分析多语言反馈主题
- 04让 AI Agent 基于引用回答问题
MCP 相关
obsei 可通过 `obsei mcp` 在 MCP 客户端中使用,使 AI 工具能够访问反馈分析能力。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
4收录的工具列表 · 更新于 2 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| lang | any | 否 | ISO 639-1 语言代码。 |
| text | any | 否 | 不区分大小写的子字符串,支持任意语言。 |
| limit | integer | 否 | |
| since | any | 否 | 仅包含在此时间或之后创建的反馈。 |
| theme | any | 否 | 来自 list_themes 的主题 ID。 |
| until | any | 否 | 仅包含在此时间之前创建的反馈。 |
| intent | any | 否 | 要匹配的分类器标签。 |
| source | any | 否 | 来源类型,例如 appstore、playstore、csv。 |
| sentiment | any | 否 | 要匹配的分类器标签。 |
| max_rating | any | 否 | |
| min_rating | any | 否 |
详细介绍
obsei
了解客户在说什么,同时保护他们的隐私。 可自托管的开源替代方案,可替代 Enterpret 和 Unwrap,并在任何大模型看到数据之前移除 PII。 从各种渠道和语言收集反馈,在存储之前移除个人数据,发现稳定的主题,并让 AI Agent 基于有引用的证据回答问题。
1.0 与 0.0.x 不兼容;如需使用旧版工具包,请运行
pip install "obsei<1"。
uvx --from "obsei[recommended]>=1.0" obsei init # or: pip install "obsei[recommended]"
obsei try # redacted, labelled preview; nothing stored
obsei add appstore # add sources and sinks without editing YAML
obsei add slack
obsei check
obsei run
obsei init 会将数据库密钥和假名盐写入 .obsei/secrets.env(仅所有者可访问,且已加入 Git 忽略列表),每条命令都会加载该文件;在服务器和 CI 中,请设置 OBSEI_DB_KEY 和
OBSEI_PSEUDONYM_SALT,或挂载该文件。
可选扩展:recommended(包含 local 和 embeddings)、local(进程内分类器)、sql、google、apple、names(人名脱敏)、embeddings(多语言主题)、notify(通过 Apprise 支持 Telegram、Discord、电子邮件等)。
在 AI 工具中使用:在 Claude Code 中运行 /plugin install obsei --marketplace obsei/obsei,
运行 gemini extensions install https://github.com/obsei/obsei,或在任何 MCP 客户端中运行 uvx --from "obsei>=1.0" obsei mcp。Codex、Copilot、VS Code、Cursor 等工具的相关说明:https://docs.obsei.com/guides/ai-tools/
- 文档:https://docs.obsei.com
- 在线演示:https://docs.obsei.com/demo/
- 源代码:https://github.com/obsei/obsei
- 容器:
ghcr.io/obsei/obsei:1.1.1
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。