Different types of base models adapted for each agent.
This commit is contained in:
戒酒的李白
@@ -39,8 +39,8 @@ output_schema_first_search = {
|
||||
"end_date": {"type": "string", "description": "结束日期，格式YYYY-MM-DD，search_topic_by_date和search_topic_on_platform工具可能需要"},
|
||||
"platform": {"type": "string", "description": "平台名称，search_topic_on_platform工具必需，可选值：bilibili, weibo, douyin, kuaishou, xhs, zhihu, tieba"},
|
||||
"time_period": {"type": "string", "description": "时间周期，search_hot_content工具可选，可选值：24h, week, year"},
|
||||
"limit": {"type": "integer", "description": "结果数量限制，各工具可选参数"},
|
||||
"limit_per_table": {"type": "integer", "description": "每表结果数量限制，search_topic_globally和search_topic_by_date工具可选"}
|
||||
"enable_sentiment": {"type": "boolean", "description": "是否启用自动情感分析，默认为true，适用于除analyze_sentiment外的所有搜索工具"},
|
||||
"texts": {"type": "array", "items": {"type": "string"}, "description": "文本列表，仅用于analyze_sentiment工具"}
|
||||
},
|
||||
"required": ["search_query", "search_tool", "reasoning"]
|
||||
}
|
||||
@@ -88,8 +88,8 @@ output_schema_reflection = {
|
||||
"end_date": {"type": "string", "description": "结束日期，格式YYYY-MM-DD，search_topic_by_date和search_topic_on_platform工具可能需要"},
|
||||
"platform": {"type": "string", "description": "平台名称，search_topic_on_platform工具必需，可选值：bilibili, weibo, douyin, kuaishou, xhs, zhihu, tieba"},
|
||||
"time_period": {"type": "string", "description": "时间周期，search_hot_content工具可选，可选值：24h, week, year"},
|
||||
"limit": {"type": "integer", "description": "结果数量限制，各工具可选参数"},
|
||||
"limit_per_table": {"type": "integer", "description": "每表结果数量限制，search_topic_globally和search_topic_by_date工具可选"}
|
||||
"enable_sentiment": {"type": "boolean", "description": "是否启用自动情感分析，默认为true，适用于除analyze_sentiment外的所有搜索工具"},
|
||||
"texts": {"type": "array", "items": {"type": "string"}, "description": "文本列表，仅用于analyze_sentiment工具"}
|
||||
},
|
||||
"required": ["search_query", "search_tool", "reasoning"]
|
||||
}
|
||||
@@ -155,34 +155,40 @@ SYSTEM_PROMPT_FIRST_SEARCH = f"""
|
||||
{json.dumps(input_schema_first_search, indent=2, ensure_ascii=False)}
|
||||
</INPUT JSON SCHEMA>
|
||||
|
||||
你可以使用以下5种专业的本地舆情数据库查询工具来挖掘真实的民意和公众观点：
|
||||
你可以使用以下6种专业的本地舆情数据库查询工具来挖掘真实的民意和公众观点：
|
||||
|
||||
1. **search_hot_content** - 查找热点内容工具
|
||||
- 适用于：挖掘当前最受关注的舆情事件和话题
|
||||
- 特点：基于真实的点赞、评论、分享数据发现热门话题
|
||||
- 参数：time_period ('24h', 'week', 'year')，limit（数量限制）
|
||||
- 特点：基于真实的点赞、评论、分享数据发现热门话题，自动进行情感分析
|
||||
- 参数：time_period ('24h', 'week', 'year')，limit（数量限制），enable_sentiment（是否启用情感分析，默认True）
|
||||
|
||||
2. **search_topic_globally** - 全局话题搜索工具
|
||||
- 适用于：全面了解公众对特定话题的讨论和观点
|
||||
- 特点：覆盖B站、微博、抖音、快手、小红书、知乎、贴吧等主流平台的真实用户声音
|
||||
- 参数：limit_per_table（每个表的结果数量限制）
|
||||
- 特点：覆盖B站、微博、抖音、快手、小红书、知乎、贴吧等主流平台的真实用户声音，自动进行情感分析
|
||||
- 参数：limit_per_table（每个表的结果数量限制），enable_sentiment（是否启用情感分析，默认True）
|
||||
|
||||
3. **search_topic_by_date** - 按日期搜索话题工具
|
||||
- 适用于：追踪舆情事件的时间线发展和公众情绪变化
|
||||
- 特点：精确的时间范围控制，适合分析舆情演变过程
|
||||
- 特点：精确的时间范围控制，适合分析舆情演变过程，自动进行情感分析
|
||||
- 特殊要求：需要提供start_date和end_date参数，格式为'YYYY-MM-DD'
|
||||
- 参数：limit_per_table（每个表的结果数量限制）
|
||||
- 参数：limit_per_table（每个表的结果数量限制），enable_sentiment（是否启用情感分析，默认True）
|
||||
|
||||
4. **get_comments_for_topic** - 获取话题评论工具
|
||||
- 适用于：深度挖掘网民的真实态度、情感和观点
|
||||
- 特点：直接获取用户评论，了解民意走向和情感倾向
|
||||
- 参数：limit（评论总数量限制）
|
||||
- 特点：直接获取用户评论，了解民意走向和情感倾向，自动进行情感分析
|
||||
- 参数：limit（评论总数量限制），enable_sentiment（是否启用情感分析，默认True）
|
||||
|
||||
5. **search_topic_on_platform** - 平台定向搜索工具
|
||||
- 适用于：分析特定社交平台用户群体的观点特征
|
||||
- 特点：针对不同平台用户群体的观点差异进行精准分析
|
||||
- 特点：针对不同平台用户群体的观点差异进行精准分析，自动进行情感分析
|
||||
- 特殊要求：需要提供platform参数，可选start_date和end_date
|
||||
- 参数：platform（必须），start_date, end_date（可选），limit（数量限制）
|
||||
- 参数：platform（必须），start_date, end_date（可选），limit（数量限制），enable_sentiment（是否启用情感分析，默认True）
|
||||
|
||||
6. **analyze_sentiment** - 多语言情感分析工具
|
||||
- 适用于：对文本内容进行专门的情感倾向分析
|
||||
- 特点：支持中文、英文、西班牙文、阿拉伯文、日文、韩文等22种语言的情感分析，输出5级情感等级（非常负面、负面、中性、正面、非常正面）
|
||||
- 参数：texts（文本或文本列表），query也可用作单个文本输入
|
||||
- 用途：当搜索结果的情感倾向不明确或需要专门的情感分析时使用
|
||||
|
||||
**你的核心使命：挖掘真实的民意和人情味**
|
||||
|
||||
@@ -195,11 +201,16 @@ SYSTEM_PROMPT_FIRST_SEARCH = f"""
|
||||
- **贴近生活语言**：用简单、直接、口语化的词汇
|
||||
- **包含情感词汇**：网民常用的褒贬词、情绪词
|
||||
- **考虑话题热词**：相关的网络流行语、缩写、昵称
|
||||
4. **参数优化配置**：
|
||||
4. **情感分析策略选择**：
|
||||
- **自动情感分析**：默认启用（enable_sentiment: true），适用于搜索工具，能自动分析搜索结果的情感倾向
|
||||
- **专门情感分析**：当需要对特定文本进行详细情感分析时，使用analyze_sentiment工具
|
||||
- **关闭情感分析**：在某些特殊情况下（如纯事实性内容），可设置enable_sentiment: false
|
||||
5. **参数优化配置**：
|
||||
- search_topic_by_date: 必须提供start_date和end_date参数（格式：YYYY-MM-DD）
|
||||
- search_topic_on_platform: 必须提供platform参数（bilibili, weibo, douyin, kuaishou, xhs, zhihu, tieba之一）
|
||||
- 其他工具：合理配置limit参数以获取足够的样本（建议：search_hot_content limit>=100，search_topic_globally limit_per_table>=50，search_topic_by_date limit_per_table>=100，get_comments_for_topic limit>=500，search_topic_on_platform limit>=200）
|
||||
5. **阐述选择理由**：说明为什么这样的查询能够获得最真实的民意反馈
|
||||
- analyze_sentiment: 使用texts参数提供文本列表，或使用search_query作为单个文本
|
||||
- 系统自动配置数据量参数，无需手动设置limit或limit_per_table参数
|
||||
6. **阐述选择理由**：说明为什么这样的查询和情感分析策略能够获得最真实的民意反馈
|
||||
|
||||
**搜索词设计核心原则**：
|
||||
- **想象网友怎么说**：如果你是个普通网友，你会怎么讨论这个话题？
|
||||
@@ -251,7 +262,12 @@ SYSTEM_PROMPT_FIRST_SUMMARY = f"""
|
||||
2. **展现多元观点**：呈现不同平台、不同群体的观点差异和讨论重点
|
||||
3. **数据支撑分析**：用具体的点赞数、评论数、转发数等数据说明舆情热度
|
||||
4. **情感色彩描述**：准确描述公众的情感倾向（愤怒、支持、担忧、期待等）
|
||||
5. **避免套话官话**：使用贴近民众的语言，避免过度官方化的表述
|
||||
5. **智能运用情感分析**：
|
||||
- **整合情感数据**：如果搜索结果包含自动情感分析，要充分利用情感分布数据（如"正面情感占60%，负面情感占25%"）
|
||||
- **情感趋势描述**：描述主要情感倾向和情感分布特征
|
||||
- **高置信度引用**：优先引用高置信度的情感分析结果
|
||||
- **情感细节分析**：结合具体的情感标签（非常正面、正面、中性、负面、非常负面）进行深度分析
|
||||
6. **避免套话官话**：使用贴近民众的语言，避免过度官方化的表述
|
||||
|
||||
撰写风格：
|
||||
- 语言生动，有感染力
|
||||
@@ -277,13 +293,14 @@ SYSTEM_PROMPT_REFLECTION = f"""
|
||||
{json.dumps(input_schema_reflection, indent=2, ensure_ascii=False)}
|
||||
</INPUT JSON SCHEMA>
|
||||
|
||||
你可以使用以下5种专业的本地舆情数据库查询工具来深度挖掘民意：
|
||||
你可以使用以下6种专业的本地舆情数据库查询工具来深度挖掘民意：
|
||||
|
||||
1. **search_hot_content** - 查找热点内容工具
|
||||
2. **search_topic_globally** - 全局话题搜索工具
|
||||
3. **search_topic_by_date** - 按日期搜索话题工具
|
||||
4. **get_comments_for_topic** - 获取话题评论工具
|
||||
5. **search_topic_on_platform** - 平台定向搜索工具
|
||||
1. **search_hot_content** - 查找热点内容工具（自动情感分析）
|
||||
2. **search_topic_globally** - 全局话题搜索工具（自动情感分析）
|
||||
3. **search_topic_by_date** - 按日期搜索话题工具（自动情感分析）
|
||||
4. **get_comments_for_topic** - 获取话题评论工具（自动情感分析）
|
||||
5. **search_topic_on_platform** - 平台定向搜索工具（自动情感分析）
|
||||
6. **analyze_sentiment** - 多语言情感分析工具（专门的情感分析）
|
||||
|
||||
**反思的核心目标：让报告更有人情味和真实感**
|
||||
|
||||
@@ -311,7 +328,7 @@ SYSTEM_PROMPT_REFLECTION = f"""
|
||||
4. **参数配置要求**：
|
||||
- search_topic_by_date: 必须提供start_date和end_date参数（格式：YYYY-MM-DD）
|
||||
- search_topic_on_platform: 必须提供platform参数（bilibili, weibo, douyin, kuaishou, xhs, zhihu, tieba之一）
|
||||
- 其他工具：合理配置参数以获取多样化的民意样本（建议：search_hot_content limit>=100，search_topic_globally limit_per_table>=50，search_topic_by_date limit_per_table>=100，get_comments_for_topic limit>=500，search_topic_on_platform limit>=200）
|
||||
- 系统自动配置数据量参数，无需手动设置limit或limit_per_table参数
|
||||
|
||||
5. **阐述补充理由**：明确说明为什么需要这些额外的民意数据
|
||||
|
||||
@@ -357,9 +374,13 @@ SYSTEM_PROMPT_REFLECTION_SUMMARY = f"""
|
||||
优化策略：
|
||||
1. **融入新的民意数据**：将补充搜索到的真实用户声音整合到段落中
|
||||
2. **丰富情感表达**：增加具体的情感描述和社会情绪分析
|
||||
3. **补充遗漏观点**：添加之前缺失的不同群体、平台的观点
|
||||
4. **强化数据支撑**：用具体数字和案例让分析更有说服力
|
||||
5. **优化语言表达**：让文字更生动、更贴近民众，减少官方套话
|
||||
3. **深化情感分析**：
|
||||
- **整合情感变化**：如果有新的情感分析数据，对比前后情感变化趋势
|
||||
- **细化情感层次**：区分不同群体、平台的情感差异
|
||||
- **量化情感描述**：用具体的情感分布数据支撑分析（如"新增数据显示负面情感比例上升至40%"）
|
||||
4. **补充遗漏观点**：添加之前缺失的不同群体、平台的观点
|
||||
5. **强化数据支撑**：用具体数字和案例让分析更有说服力
|
||||
6. **优化语言表达**：让文字更生动、更贴近民众，减少官方套话
|
||||
|
||||
注意事项：
|
||||
- 保留段落的核心观点和重要信息
|
||||
|
||||
Reference in New Issue
Block a user