本文是山东大学软件学院创新实训项目 MarketClaw 的第一篇技术博客。文章记录了在 Windows 环境下从零搭建 Python 开发环境、解决 PowerShell 执行策略限制、成功调用 DeepSeek API 并完成营销场景测试的完整过程。重点测试了 JSON 模式下的商品信息提取（准确率100%）以及不同 temperature 参数对小红书文案生成的影响。为项目 Skill1（商

本文是山东大学软件学院创新实训项目 MarketClaw 的第一篇技术博客。文章记录了在 Windows 环境下从零搭建 Python 开发环境、解决 PowerShell 执行策略限制、成功调用 DeepSeek API 并完成营销场景测试的完整过程。重点测试了 JSON 模式下的商品信息提取（准确率100%）以及不同 temperature 参数对小红书文案生成的影响。为项目 Skill1（商

本文介绍了 MarketClaw 项目中飞书机器人的开发过程，实现用户通过飞书对话即可调用 DeepSeek 大模型生成小红书营销文案。基于飞书开放平台的长连接模式，使用 lark-oapi SDK 接收用户消息，调用 DeepSeek API 生成结构化文案（标题、正文、标签），并通过 HTTP 接口回复用户。文章详细记录了应用配置、本地环境搭建、核心代码实现、常见问题及解决方案，最终完成了“商

本阶段（2026.04.28–2026.05.03），MarketClaw 团队完成四大突破：飞书机器人接入 DeepSeek，实现商品输入到文案生成的最小对话闭环；集成文案技能与自动化养号脚本，解决小红书内容生成与冷启动限流；开发 PPT-Maker 工具，实现图文创作到自动化发布全流程；解析 LLM+Wiki 架构，为知识管理与防幻觉提供底层方案。团队协同建成从指令输入、内容生产、自动执行到知

本文实现了MarketClaw项目的热点采集与借势营销功能。通过调用聚合API获取实时百度热搜，设计了趋势对比算法，并让用户主动选择热点序号，由DeepSeek生成融合热点的营销文案。文章记录了爬虫失败、API切换、用户交互优化的完整过程，并展示了飞书机器人真实测试截图。

本文介绍了 MarketClaw 项目中飞书机器人的开发过程，实现用户通过飞书对话即可调用 DeepSeek 大模型生成小红书营销文案。基于飞书开放平台的长连接模式，使用 lark-oapi SDK 接收用户消息，调用 DeepSeek API 生成结构化文案（标题、正文、标签），并通过 HTTP 接口回复用户。文章详细记录了应用配置、本地环境搭建、核心代码实现、常见问题及解决方案，最终完成了“商

2026山大软院MarketClaw团队博客摘要 MarketClaw是一款AI驱动的全栈营销智能体平台，实现了从传统规则式营销到智能Agent驱动的范式转变。该平台采用四层架构设计： 前端层：基于Vue 3的现代化管理面板 API网关层：FastAPI构建的55个端点服务 服务层：包含LLM抽象网关、任务编排引擎等7个核心模块 数据层：SQLAlchemy ORM支持的多数据模型 项目创新性地整

本期完成MarketClaw从功能堆叠到可运营平台的整合升级。评论管理实现同步→AI回复→发送全链路闭环；内容生产新增Pillow配图生成与竞品风格调研引擎；平台端重构运营工作台、上线评论收件箱并扩展Skill管理至13项。三大模块协同，使系统真正可操作、可演示。

这一阶段把 MarketClaw 从功能堆叠整理成可用的运营工作台：重构小红书页面为流程化布局，新增评论收件箱支持评论持久化、自动分类、情绪判断和状态管理，打通自动回复脚本与平台的数据同步，扩展 Skill 管理从 3 个到 13 个。核心不是做新功能，而是让已有能力可见、可操作、可串联。

本阶段完成平台化底座（真实大模型+多入口+记忆+资产+统计）、营销智能引擎（双引擎6大板块23领域）、评论区自动化回复（盲点方案成功率100%）、爆款挖掘与评论管理两大Skill，形成从选题到运营的完整闭环，MarketClaw已进化为可多入口演示的智能营销平台。