教程

从零搭一个抖音竞品监控 Agent

端到端教程：搭一个每天自动跟踪竞品抖音账号、检测新视频、生成分析简报的 Agent，月费不到 $1.20。

作者 SandBase Team
#douyin #ai-agent #tutorial #competitor-monitoring #python

先说结论 — 一个完整的 Python agent，每天监控 10 个竞品抖音账号：检测新视频、追踪互动变化、用 LLM 生成竞品简报。费用：数据约 $0.90/月 + LLM 分析约 $0.30/月 = $1.20/月。完整代码在下面，cron 或任何调度器都能跑。

每天早上人工刷 10 个竞品抖音账号、记笔记、写总结？一个月你花 15 小时做这件事。$1.20/月的 agent 每天 7 点自动完成，一天不漏。

Agent 做什么

每天早 7 点：

  1. 拉每个竞品的用户资料（粉丝数、简介变化）
  2. 拉他们的最新视频列表（最近 20 条）
  3. 和昨天的快照对比，找出新发的视频
  4. 对新视频拉详细互动数据
  5. 全部数据喂给 LLM 分析
  6. 输出结构化简报（推 Slack、发邮件或存文件）

需要什么

  • SandBase API Key（数据和 LLM 都用同一把）
  • Python 3.10+
  • openai 包（pip install openai）

完整代码

#!/usr/bin/env python3
"""抖音竞品监控 agent。

追踪竞品账号、检测新视频、分析趋势。
每天 cron 跑一次：0 7 * * * python3 /path/to/monitor.py
"""

import json
import os
from datetime import datetime, timezone
from pathlib import Path

from openai import OpenAI

# --- 配置 ---
COMPETITORS = [
    {"uid": "competitor_1_uid", "name": "品牌 A"},
    {"uid": "competitor_2_uid", "name": "品牌 B"},
    {"uid": "competitor_3_uid", "name": "品牌 C"},
    {"uid": "competitor_4_uid", "name": "品牌 D"},
    {"uid": "competitor_5_uid", "name": "品牌 E"},
    {"uid": "competitor_6_uid", "name": "品牌 F"},
    {"uid": "competitor_7_uid", "name": "品牌 G"},
    {"uid": "competitor_8_uid", "name": "品牌 H"},
    {"uid": "competitor_9_uid", "name": "品牌 I"},
    {"uid": "competitor_10_uid", "name": "品牌 J"},
]

SNAPSHOT_DIR = Path("./snapshots")
SNAPSHOT_DIR.mkdir(exist_ok=True)

client = OpenAI(
    base_url="https://api.sandbase.ai/v1",
    api_key=os.environ["SANDBASE_API_KEY"],
)


def fetch_profile(uid: str) -> dict:
    """拿用户资料。"""
    resp = client.chat.completions.create(
        model="douyin/app-v3/user-profile",
        messages=[],
        extra_body={"uid": uid},
    )
    return json.loads(resp.choices[0].message.content)


def fetch_video_list(uid: str, count: int = 20) -> list:
    """拿最近视频列表。"""
    resp = client.chat.completions.create(
        model="douyin/creator/item-list",
        messages=[],
        extra_body={"uid": uid, "count": count},
    )
    return json.loads(resp.choices[0].message.content)


def fetch_video_detail(aweme_id: str) -> dict:
    """拿单条视频的详细指标。"""
    resp = client.chat.completions.create(
        model="douyin/app-v3/video-detail",
        messages=[],
        extra_body={"aweme_id": aweme_id},
    )
    return json.loads(resp.choices[0].message.content)


def load_previous(name: str) -> dict:
    path = SNAPSHOT_DIR / f"{name}.json"
    if path.exists():
        return json.loads(path.read_text())
    return {"videos": [], "follower_count": 0}


def save_snapshot(name: str, data: dict):
    path = SNAPSHOT_DIR / f"{name}.json"
    path.write_text(json.dumps(data, ensure_ascii=False, indent=2))


def detect_new(current: list, previous: list) -> list:
    prev_ids = {v.get("aweme_id") for v in previous}
    return [v for v in current if v.get("aweme_id") not in prev_ids]


def generate_briefing(all_data: list[dict]) -> str:
    """LLM 生成竞品简报。"""
    prompt = f"""你是一个专注抖音的竞品分析师。

分析以下竞品活动数据，产出简洁的每日简报。

重点关注：
1. 谁发了新内容，什么主题/形式
2. 显著粉丝变化（>1% 涨跌）
3. 互动异常高的视频（相对其平均水平）
4. 跨竞品的内容策略共性或转变

数据：
{json.dumps(all_data, ensure_ascii=False, indent=2)}

输出结构化简报：
- 一句话总结（不超过 3 句）
- 新内容亮点（按竞品）
- 互动异常
- 给我们品牌的建议动作
"""
    resp = client.chat.completions.create(
        model="anthropic/claude-sonnet-4",
        messages=[{"role": "user", "content": prompt}],
        max_tokens=2000,
    )
    return resp.choices[0].message.content


def run():
    today = datetime.now(timezone.utc).strftime("%Y-%m-%d")
    print(f"[{today}] 开始竞品监控...")

    all_data = []
    calls = 0

    for comp in COMPETITORS:
        uid, name = comp["uid"], comp["name"]
        print(f"  检查 {name}...")

        profile = fetch_profile(uid)
        videos = fetch_video_list(uid)
        calls += 2

        prev = load_previous(name)
        new_videos = detect_new(videos, prev.get("videos", []))

        details = []
        for v in new_videos[:5]:
            details.append(fetch_video_detail(v["aweme_id"]))
            calls += 1

        all_data.append({
            "name": name,
            "follower_count": profile.get("follower_count", 0),
            "follower_change": profile.get("follower_count", 0) - prev.get("follower_count", 0),
            "new_videos_count": len(new_videos),
            "new_videos": details,
        })

        save_snapshot(name, {
            "videos": videos,
            "follower_count": profile.get("follower_count", 0),
            "date": today,
        })

    print(f"  生成简报（{calls} 次数据调用）...")
    briefing = generate_briefing(all_data)
    calls += 1

    out = SNAPSHOT_DIR / f"briefing-{today}.md"
    out.write_text(f"# 竞品简报：{today}\n\n{briefing}")
    print(f"  简报已存：{out}")
    print(f"  总调用：{calls}，预估费用：${calls * 0.001 + 0.01:.4f}")


if __name__ == "__main__":
    run()

逐步拆解

第 1 步：用户资料（10 次调用，$0.01）

每个竞品账号查一次粉丝数、昵称、简介。和昨天对比发现：涨粉 5%？掉粉？改了简介（暗示品牌转型）？

第 2 步：视频列表（10 次调用，$0.01）

拉最近 20 条视频 ID + 发布时间。和昨天的快照 diff 就知道谁今天发了新视频。大部分竞品每天 0-3 条，delta 很小。

第 3 步：新视频详情（0-15 次，$0-$0.015）

只对新视频拉详细数据（播放量、点赞、评论、分享）。每个竞品最多查 5 条新视频，控制成本。

第 4 步：LLM 分析（1 次，约 $0.01）

整批数据一次性喂给 Claude Sonnet 4。输出结构化简报，含可执行建议。

费用

组件每天调用单价日费用
用户资料10$0.001$0.010
视频列表10$0.001$0.010
新视频详情~10$0.001$0.010
LLM 简报1~$0.01$0.010
合计~31$0.040/天

月费：$1.20/月，监控 10 个竞品。

对比一下：初级分析师每天 30 分钟做同样的事，时薪 ¥150 = ¥2,250/月。Agent 做得更好（每天一条不漏、10 个账号全查完）、费用是人工的 0.3%。

怎么跑

Cron（最简单）

0 7 * * * SANDBASE_API_KEY=sk-... python3 /path/to/monitor.py >> /var/log/monitor.log 2>&1

GitHub Actions（私有仓库免费）

name: 竞品监控
on:
  schedule:
    - cron: '0 23 * * *'  # 北京时间 7 AM = UTC 23:00 前一天
jobs:
  monitor:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.12'
      - run: pip install openai
      - run: python monitor.py
        env:
          SANDBASE_API_KEY: ${{ secrets.SANDBASE_API_KEY }}

扩展思路

加告警：粉丝变化超阈值时立刻发 Slack webhook，不等每日简报。

加微博交叉验证：竞品抖音爆了一条视频时，查他们微博是否同步发了（用 weibo/app/user-timeline），揭示跨平台分发策略。

加趋势：存 30 天快照，让 LLM 识别周趋势：“品牌 A 本月产品演示类内容比上月多 40%“。

局限

  • 需要知道 UID：得有竞品的抖音用户 ID，从公开主页 URL 可以拿到
  • 频率注意：30 次并发没问题。扩到 100 个竞品（300 次）时隔开几分钟
  • 数据时效：互动数据是查询时刻的快照。刚发 1 小时的视频互动还没起来，不代表最终表现
  • 只有公开数据：私信、私密视频、限制账号不可访问

FAQ

能监控超过 10 个账号吗？

能。费用线性增长：20 个 ≈ $2.40/月，50 个 ≈ $6/月。超过 50 个建议批次间加 2 秒间隔。

竞品删视频能检测到吗？

能。昨天有今天没有的视频 ID = 被删了。在 detect_new 基础上加 deleted = prev_ids - current_ids。

能用 GPT-4o 替代 Claude Sonnet 4 吗？

能。把 model="anthropic/claude-sonnet-4" 改成 model="openai/gpt-4o"，同一个端点、同一把 key。单次分析调用成本差异可忽略。

怎么拿竞品 UID？

从公开主页 URL：https://www.douyin.com/user/{uid}。也可以用 douyin/search/user-search 搜名字后从结果里提取。

抖音接口详情看 310 个抖音接口。社媒数据整体选型看 选型指南。

猜你喜欢

Cover image for 搭个舆情监控 Agent：微博 + 抖音
教程

搭个舆情监控 Agent：微博 + 抖音

教程：搭一个每 15 分钟巡检微博热搜和抖音热榜的 Agent，LLM 判断相关性后 webhook 告警，月费约 $36。

Cover image for 用 Agent 自动筛小红书 KOL
教程

用 Agent 自动筛小红书 KOL

教程：搭一个 10 分钟筛完 200 个小红书博主的 Agent，含互动评分、内容匹配、粉丝质量分析，总费用不到 $6。

Cover image for 310 个抖音数据接口正式上线 SandBase
产品更新

310 个抖音数据接口正式上线 SandBase

SandBase 生态现已接入 310 个抖音数据接口，覆盖搜索、创作者分析、视频数据、热榜、星图达人等，全部通过 /v1/run 调用。