用途：对文本内容做情感、主题、关键词与内容洞察分析，覆盖社交媒体帖子、营销文案、视频标题与评论、商品评价、新闻、客服工单等场景。
主要能力：传统 NLP 侧提供 VADER 情感打分、TF-IDF 关键词提取、K-means 与层次聚类、词频与共现分析、语言检测；LLM 增强侧提供上下文情感理解、语义主题提取、自动摘要、跨语言分析与零样本分类；还可做时间序列趋势、传播潜力预测、竞品对比与受众洞察。
使用方式：先准备含正文与可选元数据（作者、日期、分类、互动指标）的数据，再依次做文本预处理、情感分析、主题提取、内容分类聚类、模式识别与洞察生成。依赖安装：pip install pandas numpy matplotlib seaborn nltk scikit-learn wordcloud；LLM 可选：pip install openai dashscope。NLTK 数据需下载 vader_lexicon、punkt、stopwords。LLM 支持 OpenAI GPT-3.5/GPT-4、通义千问及 HuggingFace 本地模型，需自行配置 API Key。示例脚本见 examples/ 目录。
适用场景：品牌舆情监测、行业趋势发现、爆款内容特征分析、产品反馈与改进机会挖掘。
限制：LLM 分析涉及 API 成本与调用配额，建议抽样、批处理与缓存；非英文内容需配置合适模型；情感结果建议交叉验证；需遵守数据隐私法规。具体价格、效果指标与平台支持范围资料未提供。