🍌 Banana Intelligence Suite — gopnikresearch

Telegram Persona Intelligence — маркетинговый анализ пользователей Telegram на уровне кибер-криминалиста

---

Что делает?

Принимает JSON-экспорт сообщений Telegram пользователя (или нескольких пользователей) и строит:

• Полный HTML-отчёт с тепловой картой активности, radar chart, облаком слов, доменным анализом
• Python pre-analysis: хронотип, стиль коммуникации, лингвистические паттерны, социальный граф, аномалии и противоречия — всё вычислено локально до отправки в AI
• AI-анализ с Claude: психолингвистика, скрытые боли, покупательское поведение, маркетинговый бриф, вердикт

---

Структура

gopnikresearch/
├── persona_digest.py        # Парсер одного пользователя → JSON digest
├── persona_interpreter.py   # Python pre-analysis engine (паттерны, аномалии, лингвистика)
├── persona_report.py        # HTML отчёт одного пользователя
├── audience_digest.py       # Парсер нескольких пользователей → сводный JSON
├── audience_report.py       # HTML аудиторный отчёт
├── inject_analysis.py       # Инжектор AI-анализа в готовый HTML
├── banana_launcher.py       # GUI лаунчер (Tkinter) для массового анализа
├── setup.py                 # Установка: проверка, скиллы Claude Code, self-test
└── install.py               # Кросс-платформенный установщик с GitHub

---

Быстрый старт

Вариант 1 — через Claude Code (рекомендуется)

Просто вставь этот промпт в Claude Code:

Клонируй и установи Banana Intelligence Suite:
git clone https://github.com/fsbtactic-code/gopnikresearch ~/gopnikresearch
python ~/gopnikresearch/install.py

После этого доступны скиллы: /banana-persona, /banana-audience, /banana-mass

Вариант 2 — вручную

git clone https://github.com/fsbtactic-code/gopnikresearch
cd gopnikresearch
python setup.py

---

Использование

Один пользователь (через Claude Code)

/banana-persona C:/path/to/user-12345-messages.json

Аудитория (несколько файлов)

/banana-audience C:/path/to/user-1.json C:/path/to/user-2.json

Массовый анализ — GUI

/banana-mass

Прямой запуск (без Claude Code)

# HTML отчёт
python persona_report.py user-12345-messages.json --open

# Аудиторный отчёт
python audience_report.py user-1.json user-2.json --out report.html

# Только pre-analysis (для Claude)
python persona_interpreter.py user-12345-messages.json

# GUI лаунчер
python banana_launcher.py

---

Архитектура (pipeline)

user-XXX.json
     │
     ▼
persona_digest.py          ← базовая статистика
     │
     ▼
persona_interpreter.py     ← локальная pre-analysis (0 AI токенов):
     │   • хронотип, расписание, окна активности
     │   • стиль коммуникации (диалоговый/вещательный)
     │   • лингвистика: ошибки, code-switching, паразиты, нарциссизм
     │   • социальный граф: роль, концентрация, охват
     │   • аномалии и противоречия (platform mismatch, persona split и т.д.)
     │
     ▼
Claude получает ~700 токенов готовых выводов
     │   (не считает — интерпретирует маркетинговые следствия)
     ▼
inject_analysis.py         ← вставляет AI-карточки в HTML

---

Требования

• Python 3.8+
• Стандартная библиотека (json, re, math, subprocess, argparse, tkinter)
• Интернет для Google Fonts в отчётах (опционально, graceful degradation)
• Claude Code для /banana-* скиллов

---

Формат входных данных

JSON-файл сообщений из Telegram (формат banana parser):

[
  {
    "text": "привет, меня зовут Дарья...",
    "date": "2024-01-15T14:32:00",
    "isReply": false,
    "chatid": 123456,
    "chatTitle": "Фриланс / работа",
    "mediaKind": null
  }
]

---

Лицензия

MIT — используй, форкай, улучшай.