Swiggy Analyzer

Swiggy Instamart购买模式分析器

](https://www.python.org/downloads/)  

人工智能购物助手，分析您的Swiggy Instamart购买历史，预测您可能需要的商品，然后与Swiggy MCP集成，进行实时购物车管理。

✨ 特性

🧠 智能模式分析

• 购买频率分析 -跟踪您购买每件商品的频率
• 近期评分 -根据过去的模式确定应重新订购的商品
• 数量智能 -了解您的典型购买数量
• 加权算法 -40%频率+40%最近度+20%数量

🌐 漂亮的Web界面

• 实时仪表盘 -查看订单历史、推荐和购物车
• 一键添加到购物车 -将AI推荐直接添加到您的Swiggy购物车
• 实时购物车同步 -实时查看您的Swiggy Instamart购物车
• 响应式设计 -适用于台式机、平板电脑和移动设备

🔗 Swiggy MCP集成

• 实时购物车管理 -获取并更新您实际的Swiggy购物车
• 订单历史跟踪 -同步过去7天的订单
• 产品搜索 -搜索Swiggy Instamart库存
• 地址管理 -使用您保存的送货地址

🔒 隐私和安全

• OAuth 2.0 PKCE -安全身份验证流程
• 加密令牌存储 -在本地SQLite数据库中加密的令牌
• 仅本地数据 -所有分析都在您的机器上运行
• 无云同步 -您的数据永远不会离开您的设备

🚀 快速开始

先决条件

• Python 3.9或更高版本
• macOS（用于日程安排功能）
• Swiggy Instamart帐户

安装

# Clone the repository
git clone https://github.com/hiransuvrat/swiggy-analyzer.git
cd swiggy-analyzer

# Create virtual environment
python3 -m venv .venv
source .venv/bin/activate

# Install dependencies
pip install -r requirements.txt

# Install the package
pip install -e .

认证

# Login to Swiggy (opens browser for OAuth)
swiggy-analyzer auth login

# Check authentication status
swiggy-analyzer auth status

启动Web UI

# Start the web server
./run_web.sh

# Open in browser
./open_web_ui.sh

# Or manually visit: http://localhost:5000

📖 用法

网络界面

web UI提供三个主面板：

1. 建议小组 （左）

- 基于人工智能的物品建议 - 颜色编码分数（绿色=高优先级） - 一键添加到购物车 - 每项建议的推理

1. 订单历史面板 正确的

- 按时间顺序排列 - 项目详细信息和数量 - 购买频率洞察

1. 购物车面板 （底部）

- 实时Swiggy购物车显示 - 总价明细 - 快速购物车管理

CLI命令

# Sync order history from Swiggy
swiggy-analyzer sync now

# Get AI recommendations (CLI)
swiggy-analyzer analyze run

# View basket
swiggy-analyzer basket view

# Manage authentication
swiggy-analyzer auth login
swiggy-analyzer auth status
swiggy-analyzer auth logout

🏗️ 建筑

┌─────────────────────────────────────────────────────┐
│                   Web UI (Flask)                    │
│              Bootstrap 5 + Vanilla JS               │
└─────────────────────┬───────────────────────────────┘
                      │
┌─────────────────────▼───────────────────────────────┐
│              Core Analysis Engine                   │
│  ┌──────────────┐  ┌──────────────┐  ┌───────────┐ │
│  │   Pattern    │  │    Scoring   │  │ Predictor │ │
│  │   Detector   │  │    Engine    │  │           │ │
│  └──────────────┘  └──────────────┘  └───────────┘ │
└─────────────────────┬───────────────────────────────┘
                      │
┌─────────────────────▼───────────────────────────────┐
│              Swiggy MCP Client                      │
│        (JSON-RPC 2.0 over HTTPS)                    │
│  ┌──────────────┐  ┌──────────────┐  ┌───────────┐ │
│  │   get_cart   │  │  get_orders  │  │  search   │ │
│  │ update_cart  │  │get_addresses │  │  checkout │ │
│  └──────────────┘  └──────────────┘  └───────────┘ │
└─────────────────────┬───────────────────────────────┘
                      │
┌─────────────────────▼───────────────────────────────┐
│          Swiggy Instamart MCP Server                │
│         https://mcp.swiggy.com/im                   │
└─────────────────────────────────────────────────────┘

🔧 配置

编辑 config.yaml 自定义：

analysis:
  min_score: 50.0          # Minimum recommendation score
  max_items: 20            # Max recommendations to show
  weights:
    frequency: 0.40        # Weight for purchase frequency
    recency: 0.40          # Weight for time since last purchase
    quantity: 0.20         # Weight for quantity patterns

mcp:
  base_url: "https://mcp.swiggy.com/im"
  timeout: 30
  retry_attempts: 3
  rate_limit: 100          # Max requests per minute

📊 API终点

Web API

• GET /api/status -身份验证和数据库状态
• GET /api/orders -订单历史（最近50个）
• GET /api/recommendations -人工智能建议
• GET /api/basket -当前购物车内容
• POST /api/basket/add -将商品添加到购物车
• POST /api/basket/clear -清空购物车
• POST /api/sync -同步来自Swiggy的订单

所有端点返回JSON success 字段和适当的数据/错误消息。

🛠️ 发展

项目结构

swiggy-analyzer/
├── swiggy_analyzer/
│   ├── analysis/          # Pattern detection & scoring
│   ├── auth/              # OAuth authentication
│   ├── basket/            # Cart management
│   ├── cli/               # Command-line interface
│   ├── config/            # Configuration management
│   ├── mcp/               # Swiggy MCP client
│   ├── scheduler/         # Background job scheduling
│   └── web/               # Flask web application
├── tests/                 # Unit tests
├── config.yaml            # Configuration file
├── requirements.txt       # Python dependencies
└── setup.py              # Package installation

运行测试

# Install test dependencies
pip install -e ".[dev]"

# Run tests
pytest

# With coverage
pytest --cov=swiggy_analyzer

代码风格

# Format code
black swiggy_analyzer/

# Check types
mypy swiggy_analyzer/

# Lint
flake8 swiggy_analyzer/

🔐 MCP集成详细信息

该项目使用官方的Swiggy MCP服务器，并使用适当的JSON-RPC 2.0协议：

可用工具

• get_cart -获取包含商品和价格的当前购物车
• update_cart -在购物车中添加/删除商品
• clear_cart -清空购物车
• get_orders -订单历史（过去7天）
• search_products -搜索Swiggy Instamart目录
• get_addresses -已保存的收货地址
• checkout -下单（仅COD）

认证

使用OAuth 2.0 PKCE流：

1. 打开浏览器进行Swiggy登录
2. 用户授权应用程序
3. 访问令牌已加密并存储在本地
4. 到期时自动刷新令牌

📝 重要说明

局限性

• 订单历史：MCP只能提取过去7天的订单
• 仅限Instamart：仅限杂货订单（不包括食品配送）
• 支付：结账仅支持货到付款
• 会话冲突：使用MCP时不要使用Swiggy应用程序

数据隐私

• 所有数据本地存储在SQLite数据库中
• 使用Fernet加密的OAuth令牌（对称加密）
• 无遥测或分析
• 无云同步
• 您的数据永远不会离开您的机器

🤝 贡献

欢迎投稿！拜托：

1. 克隆该仓库
2. 创建要素分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

• Swiggy 对于MCP服务器
• 模型上下文协议 规格
• 烧瓶 Web 框架
• 独自创立 UI框架

🔗 链接

• 仓库: https://github.com/hiransuvrat/swiggy-analyzer
• 问题: https://github.com/hiransuvrat/swiggy-analyzer/issues
• Swiggy MCP文档: https://github.com/Swiggy/swiggy-mcp-server-manifest

📧 联系

Suvrat Hiran - @hiransuvrat

______________________________________________________________________

⭐ 如果你觉得这个仓库有用，就把它标上！