Loupe：面向 GenAI 助手的用户行为分析工具

rsm-sdeenadayalan/wildchat-analytics · Loupe: user analytics for GenAI assistants. 3.2M real conversations, a browser-side dashboard, and a full PM case study (PRD, metrics framework, trends report, retro).

GitHub原文发布未知首次收录 2026-10-04上架 2026-10-04 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Loupe 将原始对话日志转化为产品经理所需的用户洞察，回答谁在使用助手、使用强度、使用目的以及在哪里体验失败等问题。项目基于 WildChat-4.8M 的 320 万条真实人机对话构建与演示，提供数据处理流水线、浏览器端仪表盘以及完整的 PM 案例研究（含机会简报、指标框架、趋势报告与复盘），并附带可复现的标注、分类与指标聚合脚本。

# LLM # product-management # analytics # duckdb # wildchat

核心能力与快速开始

★ 0 · Python

能做什么: 从原始对话日志中提取用户分析结论；提供浏览器端仪表盘；附带完整产品管理案例研究文档（机会简报、趋势报告、复盘）；通过 Makefile 提供可复现流水线：数据扁平化、分层采样、意图标注（Anthropic Message Batches）、字符 n-gram 分类、指标聚合输出 parquet；在聚合层面进行最小单元抑制（小于 20 的单元归入 suppressed_or_unknown 残差行）以保护隐私。
适用场景: 产品经理分析 GenAI 助手的用户构成、使用强度、使用意图与失败点；研究人员基于 WildChat 数据集复现趋势结论；团队参考其指标框架与 PM 文档方法；构建仅发布聚合数据的隐私友好型分析流程。
项目形态: 可直接使用的工具
部署方式: 未说明。仓库通过 GitHub Pages 发布流水线与仪表盘，本地复现依赖 make 命令，但未说明生产部署条件。
主要依赖: README 的 make setup 提及使用 uv、Python 3.12 与依赖项；make label 步骤使用 Anthropic Message Batches 且有 LOUPE_LABEL_BUDGET_USD 预算上限；make flatten 会从 Hugging Face 流式读取全部 86 个分片（约 30 分钟）。具体 API 成本未说明。
使用限制: 发现仅描述 WildChat 数据集的人群，该数据来自研究者托管的一个免费公开聊天机器人，并非 ChatGPT 本身的产品数据；原始分片与文本不提交（位于被 gitignore 的 data/ 与 samples/），仅发布 aggregates/；意图标注依赖 Anthropic 批量 API 且设有预算保护，未说明具体费用；仓库未声明许可证。
许可证: 未说明
最近推送: 2026-10-04 01:25

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-04 07:00 · 卡片整理：2026-10-04 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

提供可复现的数据处理流水线脚本，包括数据扁平化、采样、标注、分类与指标聚合，并配有单元测试，可用于构建和测试对话日志分析流程。

查看内容依据

make setup # uv, Python 3.12, dependencies make test # unit tests on a hand-built fixture make flatten # streams all 86 shards from Hugging Face, one at a time (~30 min) make sample # 20k stratified conversations for intent labeling make label # Anthropic Message Batches; refuses to run above LOUPE_LABEL_BUDGET_USD make classify # char n-gram classifier; stops if held-out accuracy < 0.85 make metrics # writes aggregates/*.parquet and aggregates/meta.json

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

将 GenAI 助手的原始对话日志转化为产品经理所需的用户洞察，回答谁在使用助手、使用强度、使用目的以及在哪里体验失败等问题；仓库还提供机会简报、指标框架、趋势报告与复盘等 PM 案例研究材料，可用于用户研究与数据分析工作。

查看内容依据

Loupe turns raw conversation logs into the answers a product manager needs: who uses the assistant, how intensely, for what, and where it fails them.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

unified-db：面向 Apple Silicon 的 GPU 加速 SQLite 查询工具

unified-db 是一款面向 Apple Silicon（M1 及以后）macOS 的应用，利用统一内存架构直接执行 GPU 加速的 SQLite 查询，无需把数据拷贝到 GPU，从而提升查询速度。项目提供图形界面，支持连接 SQLite 数据库文件、输入并运行 SQL 语句、查看结果、导出结果以及监控查询性能。官方描述其目标为让非技术用户也能较简单地管理和分析数据。

OpenInference：面向 AI 应用的 OpenTelemetry 追踪规范与插件

OpenInference 是 OpenTelemetry 的补充规范和插件集合，用于对 AI 应用进行追踪，可观察 LLM 调用、向量库检索以及搜索引擎、API 等外部工具的使用。它提供与传输方式和文件格式无关的规范，并为多种机器学习 SDK 和框架提供多语言插桩，包括 OpenAI、LangChain、LlamaIndex、Anthropic、MistralAI、Bedrock、VertexAI、CrewAI、Haystack、DSPy、MCP 等。它原生支持 Arize Phoenix 和 Arize AX，也可接入任何兼容 OpenTelemetry 的后端。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

midgley：基于 LLM 多智能体的汽油价格预测框架

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。