用AI自动追踪电影票房预期：Tavily+GPT实战

场景：你还在手动搜票房新闻？

上周《曼达洛人与格鲁古》的票房预期出来了——首周末8000万美元，预售2500万，和《阿凡达：火与烬》持平。如果你关注电影市场，你会想第一时间知道这些数字，并对比历史数据。但现实是：每天要在十几个网站搜新闻，复制粘贴数字到Excel，再写日报——整个过程30分钟起，还容易漏掉关键信息。

我自己的经历是：前两年做产品运营时，每周要出竞品票房分析，每次都像做数据苦力。后来用AI搭了一套自动化流程，输入电影名称，直接输出结构化的分析报告，耗时从30分钟降到2分钟。

自动化后的效果对比

关键数据支撑：以《曼达洛人与格鲁古》为例，我们从Tavily搜到6篇相关新闻，GPT-4o从中提取了“首周末预期$80M”“全球$160M”“预售$25M”三个核心数字，并自动对比了《天行者崛起》的烂番茄51%——这些对比在原文中并没有直接关联，但AI能根据上下文关联。

工具组合和流程图

• 数据层：Tavily API（实时新闻搜索，支持自定义时间范围）
• 分析层：OpenAI GPT-4o（结构化提取+对比分析）
• 存储层：Notion Database（可选，用于长期追踪）
• 通知层：飞书机器人/ Slack Webhook（自动推送日报）

![AI票房追踪系统架构图 ：Tavily→GPT→Notion/飞书]

工作流：

1. 设置定时触发器（如每天9点）或手动输入电影名称
2. Tavily搜索“<电影名> box office forecast”最新新闻（限定24小时内）
3. GPT分析新闻内容，提取数字并关联历史数据（内置历史数据库）
4. 输出JSON报告，写入Notion库，同时推送到飞书群

关键节点配置：Tavily + GPT 提示词

步骤1：Tavily API调用（Python）

import requests

TAVILY_API_KEY = "你的API Key"
def search_box_office(movie_name):
    url = "https://api.tavily.com/search"
    payload = {
        "api_key": TAVILY_API_KEY,
        "query": f"{movie_name} box office opening weekend forecast",
        "search_depth": "advanced",
        "include_domains": ["boxofficemojo.com","variety.com","deadline.com","the-numbers.com"],
        "time_range": "day"  # 最近24小时
    }
    resp = requests.post(url, json=payload)
    data = resp.json()
    # 取前5条结果的内容拼接
    articles = "\n\n".join([r["content"] for r in data["results"][:5]])
    return articles

result = search_box_office("The Mandalorian and Grogu")
print(result[:200])

配置说明：

• search_depth=advanced 会检索并提取页面正文（包括长文章）
• include_domains 限定权威票房网站，避免娱乐八卦干扰
• time_range=day 保证是最新数据

步骤2：GPT分析提示词（结构化输出）

你是一个票房数据分析助手。我会给你一段或几段关于某电影的票房新闻内容。
请提取以下字段，以JSON格式输出：
- movie_name: 电影名称（标准英文名）
- release_date: 北美上映日期 (YYYY-MM-DD)  ，若未提及则null
- opening_weekend_domestic: 首周末北美票房预期（单位：百万美元，纯数字），若未提及则null
- global_box_office_estimate: 全球票房预期（单位：百万美元），未提及则null
- pre_sales: 预售票房（单位：百万美元），未提及则null
- comparison_text: 新闻中提到的对比影片/数据（原文摘录，若无则空字符串）
- source_confidence: 来源可信度（high/medium/low，基于信息来源的权威性）

如果同一数据有多个预测值，取权威性最高的一个。
如果数据单位是“亿”或“百万”，请统一转换为百万美元数字。

以下是新闻内容：
{articles}

关键设计：

• 明确定义输出字段，方便后续程序直接解析
• 加入source_confidence字段，让AI自己做可信度判断
• 数值统一单位，避免解析错误

步骤3：历史关联与推送（Mock示例）

假设我们已有历史数据库（本地JSON或Notion），结构如下：

{
  "movies": [
    {"name": "The Rise of Skywalker", "opening_weekend_domestic": 177.0, "tomatometer": 51},
    {"name": "Avatar: Fire and Ash", "opening_weekend_domestic": 89.1}
  ]
}

在GPT调用时，我们可以将这段历史数据拼入提示词，让AI对比：

同时参考以下历史数据（JSON）：
{history_json}

请额外输出一个字符串字段 comparison_analysis：
- 如果当前预测数字能与历史数据对比，给出分析（如“《曼达洛人》首周末预测$80M，低于《天行者崛起》的$177M，但预售$25M与《阿凡达2》持平”）
- 如果没有可对比，则输出“暂无直接对比数据”

注意：这步需要你自己维护历史数据，但可以先用GPT的记忆能力，或者每次请求带上固定的历史表（适合电影数量少的情况）。

常见问题和调试技巧

Q1：Tavily搜不到最新数据怎么办？

• 检查time_range参数，尝试设置为week并手动去重
• 扩大include_domains列表，加入“www.hollywoodreporter.com”等
• 使用search_depth=basic提高速度（但可能丢失段落）

Q2：GPT提取的数字不准确，比如“80 million”写成“80.0”但单位漏了？

• 在提示词中明确要求“单位统一为百万美元，纯数字（如80.0）”
• 后处理：用正则匹配\d+(\.\d+)?并检查上下文是否含“million/billion”
• 推荐用function calling定义数据模型，让GPT严格按schema输出（示例）：
  python 复制

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

  from openai import OpenAI
  client = OpenAI()
  response = client.chat.completions.create(
    model="gpt-4o",
    messages=[...],
    functions=[{
        "name": "extract_box_office",
        "parameters": {
            "type": "object",
            "properties": {
                "opening_weekend_domestic": {"type": "number", "description": "单位百万美元"}
            },
            "required": []
        }
    }]
  )

Q3：如何避免重复推送？

• 在Notion数据库中建立“新闻ID”字段（基于Tavily结果URL的md5哈希）
• 写入前先查询是否已存在该ID，若存在则跳过
• 定时任务每次运行后记录最后一条新闻的发布时间，下次只搜更新的内容

Q4：飞书机器人推送格式怎么弄？

def push_feishu(markdown_content):
    url = "https://open.feishu.cn/open-apis/bot/v2/hook/你的Webhook地址"
    data = {
        "msg_type": "interactive",
        "card": {
            "header": {"title": {"tag": "plain_text", "content": "🎬 票房预警"}},
            "elements": [{"tag": "markdown", "content": markdown_content}]
        }
    }
    requests.post(url, json=data)

Markdown内容可以用GPT生成的comparison_analysis字段来展示。

你的下一步行动

以上代码和提示词可以直接复制，替换API Key后运行。如果你想巩固效果，建议：

1. 选一部最近上映的电影（比如《曼达洛与格鲁古》本身就是很好的测试用例）
2. 先跑通Tavily+GPT的基础流程
3. 再增加历史对比和推送

整个过程不需要写超过100行代码。如果你飞书/Notion都懒得搭，也可以直接输出到控制台或写入CSV——关键是，你从此不再需要手动去10个网站对比数字。