The entire system has been largely completed.

ReportEngine/agent.py

@@ -191,7 +191,8 @@ class ReportAgent:
         if self.config.default_llm_provider == "gemini":
             return GeminiLLM(
                 api_key=self.config.gemini_api_key,
-                model_name=self.config.gemini_model
+                model_name=self.config.gemini_model,
+                config=self.config  # 传入配置对象以支持动态超时设置
             )
         else:
             raise ValueError(f"不支持的LLM提供商: {self.config.default_llm_provider}")

ReportEngine/flask_interface.py

@@ -40,9 +40,10 @@ def initialize_report_engine():
 class ReportTask:
     """报告生成任务"""
     
-    def __init__(self, query: str, task_id: str):
+    def __init__(self, query: str, task_id: str, custom_template: str = ""):
         self.task_id = task_id
         self.query = query
+        self.custom_template = custom_template
         self.status = "pending"  # pending, running, completed, error
         self.progress = 0
         self.result = None
@@ -98,7 +99,7 @@ def check_engines_ready() -> Dict[str, Any]:
     )
 
 
-def run_report_generation(task: ReportTask, query: str):
+def run_report_generation(task: ReportTask, query: str, custom_template: str = ""):
     """在后台线程中运行报告生成"""
     global current_task
     
@@ -123,6 +124,7 @@ def run_report_generation(task: ReportTask, query: str):
             query=query,
             reports=content['reports'],
             forum_logs=content['forum_logs'],
+            custom_template=custom_template,
             save_report=True
         )
         
@@ -183,6 +185,7 @@ def generate_report():
         # 获取请求参数
         data = request.get_json() or {}
         query = data.get('query', '智能舆情分析报告')
+        custom_template = data.get('custom_template', '')
         
         # 清空日志文件
         clear_report_log()
@@ -205,7 +208,7 @@ def generate_report():
         
         # 创建新任务
         task_id = f"report_{int(time.time())}"
-        task = ReportTask(query, task_id)
+        task = ReportTask(query, task_id, custom_template)
         
         with task_lock:
             current_task = task
@@ -213,7 +216,7 @@ def generate_report():
         # 在后台线程中运行报告生成
         thread = threading.Thread(
             target=run_report_generation,
-            args=(task, query),
+            args=(task, query, custom_template),
             daemon=True
         )
         thread.start()

ReportEngine/llms/gemini_llm.py

@@ -25,7 +25,18 @@ try:
         utils_dir = os.path.join(root_dir, 'utils')
         if utils_dir not in sys.path:
             sys.path.append(utils_dir)
-    from retry_helper import with_retry, with_graceful_retry, LLM_RETRY_CONFIG
+    from retry_helper import with_retry, with_graceful_retry, LLM_RETRY_CONFIG, RetryConfig
+    # 创建动态重试配置生成函数
+    def create_report_retry_config(config=None):
+        """创建ReportEngine专用的重试配置，适应7分钟平均生成时间"""
+        return RetryConfig(
+            max_retries=config.max_retries if config and hasattr(config, 'max_retries') else 8,
+            initial_delay=8.0,      # 初始延迟增加到8秒，适应长时间生成
+            backoff_factor=2.0,     # 保持2倍退避
+            max_delay=config.max_retry_delay if config and hasattr(config, 'max_retry_delay') else 180.0
+        )
+    # 创建默认配置用于模块导入时的向后兼容
+    REPORT_LLM_RETRY_CONFIG = create_report_retry_config()
 except ImportError:
     # 如果无法导入重试模块，使用空装饰器避免报错
     def with_retry(config):
@@ -33,18 +44,20 @@ except ImportError:
             return func
         return decorator
     LLM_RETRY_CONFIG = None
+    REPORT_LLM_RETRY_CONFIG = None
 
 
 class GeminiLLM(BaseLLM):
     """Report Engine Gemini LLM实现类"""
     
-    def __init__(self, api_key: Optional[str] = None, model_name: Optional[str] = None):
+    def __init__(self, api_key: Optional[str] = None, model_name: Optional[str] = None, config=None):
         """
         初始化Gemini客户端
         
         Args:
             api_key: Gemini API密钥，如果不提供则从config或环境变量读取
             model_name: 模型名称，默认使用gemini-2.5-pro
+            config: 配置对象，用于获取超时设置
         """
         if api_key is None:
             # 优先从根目录config读取
@@ -59,10 +72,21 @@ class GeminiLLM(BaseLLM):
         
         super().__init__(api_key, model_name)
         
+        # 存储配置对象
+        self.config = config
+        
+        # 从配置获取超时时间，默认15分钟（适应7分钟平均生成时间）
+        timeout = config.api_timeout if config and hasattr(config, 'api_timeout') else 900.0
+        
+        # 创建针对此实例的重试配置
+        self.retry_config = create_report_retry_config(config)
+        
         # 初始化OpenAI客户端，使用Gemini的中转endpoint
+        # 专门为报告生成设置长超时（15分钟），适应7分钟平均生成时间
         self.client = OpenAI(
             api_key=self.api_key,
-            base_url="https://www.chataiapi.com/v1"
+            base_url="https://www.chataiapi.com/v1",
+            timeout=timeout
         )
         
         self.default_model = model_name or self.get_default_model()
@@ -71,10 +95,46 @@ class GeminiLLM(BaseLLM):
         """获取默认模型名称"""
         return "gemini-2.5-pro"
     
-    @with_retry(LLM_RETRY_CONFIG)
+    def _make_api_call(self, system_prompt: str, user_prompt: str, **kwargs) -> str:
+        """
+        内部API调用方法
+        
+        Args:
+            system_prompt: 系统提示词
+            user_prompt: 用户输入
+            **kwargs: 其他参数
+            
+        Returns:
+            API响应内容
+        """
+        # 构建消息
+        messages = [
+            {"role": "system", "content": system_prompt},
+            {"role": "user", "content": user_prompt}
+        ]
+        
+        # 设置默认参数
+        params = {
+            "model": self.default_model,
+            "messages": messages,
+            "temperature": kwargs.get("temperature", 0.7),
+            "max_tokens": kwargs.get("max_tokens", 50000),
+            "stream": False
+        }
+        
+        # 调用API
+        response = self.client.chat.completions.create(**params)
+        
+        # 提取回复内容
+        if response.choices and response.choices[0].message:
+            content = response.choices[0].message.content
+            return self.validate_response(content)
+        else:
+            return ""
+
     def invoke(self, system_prompt: str, user_prompt: str, **kwargs) -> str:
         """
-        调用Gemini API生成回复
+        调用Gemini API生成回复（带动态重试配置）
         
         Args:
             system_prompt: 系统提示词
@@ -84,35 +144,39 @@ class GeminiLLM(BaseLLM):
         Returns:
             Gemini生成的回复文本
         """
-        try:
+        import time
-            # 构建消息
+        
-            messages = [
+        last_exception = None
-                {"role": "system", "content": system_prompt},
+        
-                {"role": "user", "content": user_prompt}
+        for attempt in range(self.retry_config.max_retries + 1):
-            ]
+            try:
-            
+                result = self._make_api_call(system_prompt, user_prompt, **kwargs)
-            # 设置默认参数
+                if attempt > 0:
-            params = {
+                    print(f"Report Engine Gemini API在第 {attempt + 1} 次尝试后成功")
-                "model": self.default_model,
+                return result
-                "messages": messages,
-                "temperature": kwargs.get("temperature", 0.7),
-                "max_tokens": kwargs.get("max_tokens", 50000),  # 增加到50000以支持20000字输出
-                "stream": False
-            }
-            
-            # 调用API
-            response = self.client.chat.completions.create(**params)
-            
-            # 提取回复内容
-            if response.choices and response.choices[0].message:
-                content = response.choices[0].message.content
-                return self.validate_response(content)
-            else:
-                return ""
                 
-        except Exception as e:
+            except Exception as e:
-            print(f"Report Engine Gemini API调用错误: {str(e)}")
+                last_exception = e
-            raise e
+                
+                if attempt == self.retry_config.max_retries:
+                    print(f"Report Engine Gemini API在 {self.retry_config.max_retries + 1} 次尝试后仍然失败")
+                    print(f"最终错误: {str(e)}")
+                    raise e
+                
+                # 计算延迟时间
+                delay = min(
+                    self.retry_config.initial_delay * (self.retry_config.backoff_factor ** attempt),
+                    self.retry_config.max_delay
+                )
+                
+                print(f"Report Engine Gemini API第 {attempt + 1} 次尝试失败: {str(e)}")
+                print(f"将在 {delay:.1f} 秒后进行第 {attempt + 2} 次尝试...")
+                
+                time.sleep(delay)
+        
+        # 这里不应该到达，但作为安全网
+        if last_exception:
+            raise last_exception
     
     def get_model_info(self) -> Dict[str, Any]:
         """

ReportEngine/nodes/html_generation_node.py

@@ -55,13 +55,13 @@ class HTMLGenerationNode(StateMutationNode):
                 "selected_template": input_data.get('selected_template', '')
             }
             
-            # 转换为JSON格式
+            # 转换为JSON格式传递给LLM
             message = json.dumps(llm_input, ensure_ascii=False, indent=2)
             
             # 调用LLM生成HTML
             response = self.llm_client.invoke(SYSTEM_PROMPT_HTML_GENERATION, message)
             
-            # 处理响应
+            # 处理响应（简化版）
             processed_response = self.process_output(response)
             
             self.log_info("HTML报告生成完成")
@@ -101,72 +101,34 @@ class HTMLGenerationNode(StateMutationNode):
             output: LLM原始输出
             
         Returns:
-            清理后的HTML内容
+            HTML内容
         """
         try:
             self.log_info(f"处理LLM原始输出，长度: {len(output)} 字符")
             
-            html_content = ""
+            html_content = output.strip()
             
-            # 尝试解析JSON响应
+            # 清理markdown代码块标记（如果存在）
-            try:
+            if html_content.startswith('```html'):
-                result = json.loads(output)
+                html_content = html_content[7:]  # 移除 '```html'
-                html_content = result.get('html_content', '')
+                if html_content.endswith('```'):
-                self.log_info("成功从JSON中提取html_content")
+                    html_content = html_content[:-3]  # 移除结尾的 '```'
-            except json.JSONDecodeError:
+            elif html_content.startswith('```') and html_content.endswith('```'):
-                self.log_info("不是JSON格式，直接使用原始输出")
+                html_content = html_content[3:-3]  # 移除前后的 '```'
+            
+            html_content = html_content.strip()
+            
+            # 如果内容为空，返回原始输出
+            if not html_content:
+                self.log_info("处理后内容为空，返回原始输出")
                 html_content = output
             
-            # 如果还是没有内容，尝试其他提取方法
-            if not html_content.strip():
-                # 查找HTML标记
-                if '<!DOCTYPE html>' in output:
-                    start_idx = output.find('<!DOCTYPE html>')
-                    html_content = output[start_idx:]
-                elif '<html' in output:
-                    start_idx = output.find('<html')
-                    html_content = output[start_idx:]
-                else:
-                    html_content = output
-            
-            # 清理markdown代码块标记
-            if html_content.startswith('```html'):
-                html_content = html_content.replace('```html', '').replace('```', '').strip()
-            elif html_content.startswith('```'):
-                html_content = html_content.replace('```', '').strip()
-            
-            # 处理转义字符
-            html_content = html_content.replace('\\n', '\n')
-            html_content = html_content.replace('\\t', '\t')
-            html_content = html_content.replace('\\r', '\r')
-            html_content = html_content.replace('\\"', '"')
-            html_content = html_content.replace("\\'", "'")
-            
-            # 验证HTML内容
-            if not html_content.strip():
-                raise ValueError("生成的HTML内容为空")
-            
-            # 确保HTML有基本结构
-            if not html_content.strip().startswith('<!DOCTYPE') and not html_content.strip().startswith('<html'):
-                self.log_info("HTML缺少基本结构，添加包装")
-                html_content = f"""<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>智能舆情分析报告</title>
-</head>
-<body>
-{html_content}
-</body>
-</html>"""
-            
             self.log_info(f"HTML处理完成，最终长度: {len(html_content)} 字符")
-            return html_content.strip()
+            return html_content
             
         except Exception as e:
-            self.log_error(f"处理HTML输出失败: {str(e)}")
+            self.log_error(f"处理HTML输出失败: {str(e)}，返回原始输出")
-            return self._generate_error_html(str(e))
+            return output
     
     def _generate_fallback_html(self, input_data: Dict[str, Any]) -> str:
         """
@@ -288,53 +250,4 @@ class HTMLGenerationNode(StateMutationNode):
         
         return html_content
     
-    def _generate_error_html(self, error_message: str) -> str:
+
-        """
-        生成错误HTML页面
-        
-        Args:
-            error_message: 错误信息
-            
-        Returns:
-            错误HTML内容
-        """
-        return f"""<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>报告生成失败</title>
-    <style>
-        body {{
-            font-family: Arial, sans-serif;
-            text-align: center;
-            padding: 50px;
-            background: #f8f9fa;
-        }}
-        .error-container {{
-            background: white;
-            padding: 40px;
-            border-radius: 8px;
-            box-shadow: 0 2px 10px rgba(0,0,0,0.1);
-            max-width: 600px;
-            margin: 0 auto;
-        }}
-        .error-title {{
-            color: #e74c3c;
-            font-size: 24px;
-            margin-bottom: 20px;
-        }}
-        .error-message {{
-            color: #666;
-            margin-bottom: 20px;
-        }}
-    </style>
-</head>
-<body>
-    <div class="error-container">
-        <div class="error-title">报告生成失败</div>
-        <div class="error-message">错误信息: {error_message}</div>
-        <p>请检查输入数据或稍后重试。</p>
-    </div>
-</body>
-</html>"""

ReportEngine/nodes/template_selection_node.py

@@ -51,13 +51,7 @@ class TemplateSelectionNode(BaseNode):
             self.log_info("未找到预设模板，使用内置默认模板")
             return self._get_fallback_template()
         
-        # 首先尝试简单关键词匹配
+        # 使用LLM进行模板选择
-        simple_match = self._simple_keyword_matching(query, available_templates)
-        if simple_match:
-            self.log_info(f"通过关键词匹配选择模板: {simple_match['template_name']}")
-            return simple_match
-        
-        # 如果关键词匹配失败，尝试LLM选择
         try:
             llm_result = self._llm_template_selection(query, reports, forum_logs, available_templates)
             if llm_result:
@@ -65,54 +59,10 @@ class TemplateSelectionNode(BaseNode):
         except Exception as e:
             self.log_error(f"LLM模板选择失败: {str(e)}")
         
-        # 所有方法都失败，使用默认的社会热点事件模板
+        # 如果LLM选择失败，使用备选方案
-        default_template = self._get_default_social_event_template(available_templates)
-        if default_template:
-            return default_template
-        
-        # 最后备选方案
         return self._get_fallback_template()
     
-    def _simple_keyword_matching(self, query: str, available_templates: List[Dict[str, Any]]) -> Optional[Dict[str, Any]]:
+
-        """基于关键词的简单模板匹配"""
-        query_lower = query.lower()
-        
-        # 关键词映射
-        keyword_mapping = {
-            '企业': ['企业品牌'],
-            '品牌': ['企业品牌'],
-            '声誉': ['企业品牌'],
-            '市场': ['市场竞争'],
-            '竞争': ['市场竞争'],
-            '格局': ['市场竞争'],
-            '政策': ['政策', '行业'],
-            '行业': ['政策', '行业'],
-            '动态': ['政策', '行业'],
-            '突发': ['突发事件', '危机'],
-            '危机': ['突发事件', '危机'],
-            '公关': ['突发事件', '危机'],
-            '日常': ['日常', '定期'],
-            '定期': ['日常', '定期'],
-            '监测': ['日常', '定期'],
-            '热点': ['社会公共热点'],
-            '社会': ['社会公共热点'],
-            '事件': ['社会公共热点'],
-        }
-        
-        # 检查查询中的关键词
-        for keyword, template_keywords in keyword_mapping.items():
-            if keyword in query_lower:
-                # 查找匹配的模板
-                for template in available_templates:
-                    for template_keyword in template_keywords:
-                        if template_keyword in template['name']:
-                            return {
-                                'template_name': template['name'],
-                                'template_content': template['content'],
-                                'selection_reason': f'基于关键词"{keyword}"匹配选择'
-                            }
-        
-        return None
     
     def _llm_template_selection(self, query: str, reports: List[Any], forum_logs: str, 
                               available_templates: List[Dict[str, Any]]) -> Optional[Dict[str, Any]]:
@@ -122,15 +72,46 @@ class TemplateSelectionNode(BaseNode):
         # 构建模板列表
         template_list = "\n".join([f"- {t['name']}: {t['description']}" for t in available_templates])
         
+        # 构建报告内容摘要
+        reports_summary = ""
+        if reports:
+            reports_summary = "\n\n=== 分析引擎报告内容 ===\n"
+            for i, report in enumerate(reports, 1):
+                # 获取报告内容，支持不同的数据格式
+                if isinstance(report, dict):
+                    content = report.get('content', str(report))
+                elif hasattr(report, 'content'):
+                    content = report.content
+                else:
+                    content = str(report)
+                
+                # 截断过长的内容，保留前1000个字符
+                if len(content) > 1000:
+                    content = content[:1000] + "...(内容已截断)"
+                
+                reports_summary += f"\n报告{i}内容:\n{content}\n"
+        
+        # 构建论坛日志摘要
+        forum_summary = ""
+        if forum_logs and forum_logs.strip():
+            forum_summary = "\n\n=== 三个引擎的讨论内容 ===\n"
+            # 截断过长的日志内容，保留前800个字符
+            if len(forum_logs) > 800:
+                forum_content = forum_logs[:800] + "...(讨论内容已截断)"
+            else:
+                forum_content = forum_logs
+            forum_summary += forum_content
+        
         user_message = f"""查询内容: {query}
 
 报告数量: {len(reports)} 个分析引擎报告
 论坛日志: {'有' if forum_logs else '无'}
+{reports_summary}{forum_summary}
 
 可用模板:
 {template_list}
 
-请选择最合适的模板。"""
+请根据查询内容、报告内容和论坛日志的具体情况，选择最合适的模板。"""
         
         # 调用LLM
         response = self.llm_client.invoke(SYSTEM_PROMPT_TEMPLATE_SELECTION, user_message)
@@ -140,7 +121,7 @@ class TemplateSelectionNode(BaseNode):
             self.log_error("LLM返回空响应")
             return None
         
-        self.log_info(f"LLM原始响应: {response[:200]}...")
+        self.log_info(f"LLM原始响应: {response}")
         
         # 尝试解析JSON响应
         try:
@@ -250,18 +231,7 @@ class TemplateSelectionNode(BaseNode):
         
         return "通用报告模板"
     
-    def _get_default_social_event_template(self, available_templates: List[Dict[str, Any]]) -> Optional[Dict[str, Any]]:
+
-        """获取默认的社会热点事件分析模板"""
-        # 查找社会热点事件分析模板
-        for template in available_templates:
-            if '社会公共热点事件' in template['name'] or '热点' in template['name']:
-                self.log_info(f"使用默认模板: {template['name']}")
-                return {
-                    'template_name': template['name'],
-                    'template_content': template['content'],
-                    'selection_reason': '默认使用社会热点事件分析模板'
-                }
-        return None
     
     def _get_fallback_template(self) -> Dict[str, Any]:
         """获取备用默认模板（空模板，让LLM自行发挥）"""

ReportEngine/prompts/__init__.py

@@ -7,7 +7,6 @@ from .prompts import (
     SYSTEM_PROMPT_TEMPLATE_SELECTION,
     SYSTEM_PROMPT_HTML_GENERATION,
     output_schema_template_selection,
-    output_schema_html_generation,
     input_schema_html_generation
 )
 
@@ -15,6 +14,5 @@ __all__ = [
     "SYSTEM_PROMPT_TEMPLATE_SELECTION",
     "SYSTEM_PROMPT_HTML_GENERATION", 
     "output_schema_template_selection",
-    "output_schema_html_generation",
     "input_schema_html_generation"
 ]

ReportEngine/prompts/prompts.py

@@ -30,14 +30,14 @@ input_schema_html_generation = {
     }
 }
 
-# HTML报告生成输出Schema
+# HTML报告生成输出Schema - 已简化，不再使用JSON格式
-output_schema_html_generation = {
+# output_schema_html_generation = {
-    "type": "object",
+#     "type": "object",
-    "properties": {
+#     "properties": {
-        "html_content": {"type": "string"}
+#         "html_content": {"type": "string"}
-    },
+#     },
-    "required": ["html_content"]
+#     "required": ["html_content"]
-}
+# }
 
 # ===== 系统提示词定义 =====
 
@@ -52,12 +52,12 @@ SYSTEM_PROMPT_TEMPLATE_SELECTION = f"""
 4. 目标受众和使用场景
 
 可用模板类型：
-- 企业品牌声誉分析报告模板：适用于品牌形象、声誉管理分析
+- 企业品牌声誉分析报告模板：适用于品牌形象、声誉管理分析当需要对品牌在特定周期内（如年度、半年度）的整体网络形象、资产健康度进行全面、深度的评估与复盘时，应选择此模板。核心任务是战略性、全局性分析。
-- 市场竞争格局舆情分析报告模板：适用于竞争对手、市场份额分析
+- 市场竞争格局舆情分析报告模板：当目标是系统性地分析一个或多个核心竞争对手的声量、口碑、市场策略及用户反馈，以明确自身市场位置并制定差异化策略时，应选择此模板。核心任务是对比与洞察。
-- 日常或定期舆情监测报告模板：适用于常规监控、定期汇报
+- 日常或定期舆情监测报告模板：当需要进行常态化、高频次（如每周、每月）的舆情追踪，旨在快速掌握动态、呈现关键数据、并及时发现热点与风险苗头时，应选择此模板。核心任务是数据呈现与动态追踪。
-- 特定政策或行业动态舆情分析报告：适用于政策影响、行业变化分析
+- 特定政策或行业动态舆情分析报告：当监测到重要政策发布、法规变动或足以影响整个行业的宏观动态时，应选择此模板。核心任务是深度解读、预判趋势及对本机构的潜在影响。
-- 社会公共热点事件分析报告模板：适用于热点事件、社会话题分析
+- 社会公共热点事件分析报告模板（最推荐）：当社会上出现与本机构无直接关联，但已形成广泛讨论的公共热点、文化现象或网络流行趋势时，应选择此模板。核心任务是洞察社会心态，并评估事件与本机构的关联性（风险与机遇）。
-- 突发事件与危机公关舆情报告模板：适用于危机管理、应急响应
+- 突发事件与危机公关舆情报告模板：当监测到与本机构直接相关的、具有潜在危害的突发负面事件时，应选择此模板。核心任务是快速响应、评估风险、控制事态。
 
 请按照以下JSON模式定义格式化输出：
 
@@ -71,7 +71,7 @@ SYSTEM_PROMPT_TEMPLATE_SELECTION = f"""
 
 # HTML报告生成的系统提示词
 SYSTEM_PROMPT_HTML_GENERATION = f"""
-你是一位专业的HTML报告生成专家。你将接收来自三个分析引擎的报告内容、论坛监控日志以及选定的报告模板，需要生成一份完整的HTML格式分析报告。
+你是一位专业的HTML报告生成专家。你将接收来自三个分析引擎的报告内容、论坛监控日志以及选定的报告模板，需要生成一份不少于3万字的完整的HTML格式分析报告。
 
 <INPUT JSON SCHEMA>
 {json.dumps(input_schema_html_generation, indent=2, ensure_ascii=False)}
@@ -79,9 +79,9 @@ SYSTEM_PROMPT_HTML_GENERATION = f"""
 
 **你的任务：**
 1. 整合三个引擎的分析结果，避免重复内容
-2. 结合论坛日志数据，提供用户行为洞察
+2. 结合三个引擎在分析时的相互讨论数据（forum_logs），站在不同角度分析内容
 3. 按照选定模板的结构组织内容
-4. 生成包含数据可视化的完整HTML报告
+4. 生成包含数据可视化的完整HTML报告，不少于3万字
 
 **HTML报告要求：**
 
@@ -89,12 +89,14 @@ SYSTEM_PROMPT_HTML_GENERATION = f"""
    - 包含DOCTYPE、html、head、body标签
    - 响应式CSS样式
    - JavaScript交互功能
+   - 如果有目录，不要使用侧边栏设计，而是放在文章的开始部分
 
 2. **美观的设计**：
    - 现代化的UI设计
    - 合理的色彩搭配
    - 清晰的排版布局
    - 适配移动设备
+   - 不要采用需要展开内容的前端效果，一次性完整显示
 
 3. **数据可视化**：
    - 使用Chart.js生成图表
@@ -129,12 +131,5 @@ SYSTEM_PROMPT_HTML_GENERATION = f"""
 - 导出功能
 - 主题切换
 
-请按照以下JSON模式定义格式化输出：
+**重要：直接返回完整的HTML代码，不要包含任何解释、说明或其他文本。只返回HTML代码本身。**
-
-<OUTPUT JSON SCHEMA>
-{json.dumps(output_schema_html_generation, indent=2, ensure_ascii=False)}
-</OUTPUT JSON SCHEMA>
-
-确保生成的HTML是完整可用的，包含所有必要的样式和脚本。
-只返回JSON对象，不要有解释或额外文本。
 """

ReportEngine/utils/config.py

@@ -19,10 +19,15 @@ class Config:
     gemini_model: str = "gemini-2.5-pro"
     
     # 报告配置
-    max_content_length: int = 500000  # 增加到500000字符以支持30000字输入和20000字输出
+    max_content_length: int = 200000
     output_dir: str = "final_reports"
     template_dir: str = "ReportEngine/report_template"
     
+    # 超时配置 - 专门为长报告生成优化（平均生成时间7分钟）
+    api_timeout: float = 900.0      # API调用超时时间（秒），设置为15分钟，适应7分钟平均生成时间
+    max_retry_delay: float = 180.0  # 最大重试延迟（秒），设置为3分钟
+    max_retries: int = 8            # 最大重试次数，增加到8次
+    
     # 日志配置
     log_file: str = "logs/report.log"
     
@@ -53,9 +58,12 @@ class Config:
                 gemini_api_key=getattr(config_module, "GEMINI_API_KEY", None),
                 default_llm_provider=getattr(config_module, "DEFAULT_LLM_PROVIDER", "gemini"),
                 gemini_model=getattr(config_module, "GEMINI_MODEL", "gemini-2.5-pro"),
-                max_content_length=getattr(config_module, "MAX_CONTENT_LENGTH", 500000),
+                max_content_length=getattr(config_module, "MAX_CONTENT_LENGTH", 200000),
                 output_dir=getattr(config_module, "REPORT_OUTPUT_DIR", "final_reports"),
                 template_dir=getattr(config_module, "TEMPLATE_DIR", "ReportEngine/report_template"),
+                api_timeout=getattr(config_module, "REPORT_API_TIMEOUT", 900.0),
+                max_retry_delay=getattr(config_module, "REPORT_MAX_RETRY_DELAY", 180.0),
+                max_retries=getattr(config_module, "REPORT_MAX_RETRIES", 8),
                 log_file=getattr(config_module, "REPORT_LOG_FILE", "logs/report.log"),
                 enable_pdf_export=getattr(config_module, "ENABLE_PDF_EXPORT", True),
                 chart_style=getattr(config_module, "CHART_STYLE", "modern")
@@ -76,9 +84,12 @@ class Config:
                 gemini_api_key=config_dict.get("GEMINI_API_KEY"),
                 default_llm_provider=config_dict.get("DEFAULT_LLM_PROVIDER", "gemini"),
                 gemini_model=config_dict.get("GEMINI_MODEL", "gemini-2.5-pro"),
-                max_content_length=int(config_dict.get("MAX_CONTENT_LENGTH", "500000")),
+                max_content_length=int(config_dict.get("MAX_CONTENT_LENGTH", "200000")),
                 output_dir=config_dict.get("REPORT_OUTPUT_DIR", "final_reports"),
                 template_dir=config_dict.get("TEMPLATE_DIR", "ReportEngine/report_template"),
+                api_timeout=float(config_dict.get("REPORT_API_TIMEOUT", "900.0")),
+                max_retry_delay=float(config_dict.get("REPORT_MAX_RETRY_DELAY", "180.0")),
+                max_retries=int(config_dict.get("REPORT_MAX_RETRIES", "8")),
                 log_file=config_dict.get("REPORT_LOG_FILE", "logs/report.log"),
                 enable_pdf_export=config_dict.get("ENABLE_PDF_EXPORT", "true").lower() == "true",
                 chart_style=config_dict.get("CHART_STYLE", "modern")
@@ -127,6 +138,9 @@ def print_config(config: Config):
     print(f"最大内容长度: {config.max_content_length}")
     print(f"输出目录: {config.output_dir}")
     print(f"模板目录: {config.template_dir}")
+    print(f"API超时时间: {config.api_timeout}秒（{config.api_timeout/60:.1f}分钟）")
+    print(f"最大重试延迟: {config.max_retry_delay}秒（{config.max_retry_delay/60:.1f}分钟）")
+    print(f"最大重试次数: {config.max_retries}次")
     print(f"日志文件: {config.log_file}")
     print(f"PDF导出: {config.enable_pdf_export}")
     print(f"图表样式: {config.chart_style}")

final_reports/final_report__20250826_192346.html

@@ -1,675 +0,0 @@
-<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>智能舆情分析报告</title>
-</head>
-<body>
-json
-{
-  "html_content": "<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>武汉大学公共热点事件分析报告</title>
-    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
-    <style>
-        :root {
-            --primary-color: #1a5e9a; /* 武大蓝 */
-            --secondary-color: #f0f2f5;
-            --font-color: #333;
-            --bg-color: #ffffff;
-            --border-color: #e8e8e8;
-            --header-bg: #ffffff;
-            --card-bg: #ffffff;
-            --accent-color: #d9534f;
-            --success-color: #5cb85c;
-            --shadow: 0 4px 12px rgba(0,0,0,0.08);
-            --border-radius: 8px;
-        }
-
-        .dark-mode {
-            --primary-color: #58a6ff;
-            --secondary-color: #161b22;
-            --font-color: #c9d1d9;
-            --bg-color: #0d1117;
-            --border-color: #30363d;
-            --header-bg: #161b22;
-            --card-bg: #161b22;
-            --accent-color: #f85149;
-            --success-color: #3fb950;
-            --shadow: 0 4px 12px rgba(0,0,0,0.2);
-        }
-
-        @import url('https://fonts.googleapis.com/css2?family=Noto+Sans+SC:wght@300;400;500;700&display=swap');
-
-        body {
-            font-family: 'Noto Sans SC', sans-serif;
-            background-color: var(--bg-color);
-            color: var(--font-color);
-            line-height: 1.8;
-            margin: 0;
-            transition: background-color 0.3s, color 0.3s;
-            font-size: 16px;
-        }
-
-        .container {
-            max-width: 1200px;
-            margin: 0 auto;
-            padding: 20px;
-        }
-
-        header {
-            background-color: var(--header-bg);
-            border-bottom: 1px solid var(--border-color);
-            padding: 20px;
-            display: flex;
-            justify-content: space-between;
-            align-items: center;
-            position: sticky;
-            top: 0;
-            z-index: 1000;
-            transition: background-color 0.3s, border-color 0.3s;
-        }
-
-        header h1 {
-            color: var(--primary-color);
-            margin: 0;
-            font-size: 1.8em;
-        }
-
-        .controls {
-            display: flex;
-            align-items: center;
-            gap: 15px;
-        }
-
-        .control-btn {
-            background-color: var(--primary-color);
-            color: white;
-            border: none;
-            padding: 8px 15px;
-            border-radius: var(--border-radius);
-            cursor: pointer;
-            font-size: 14px;
-            transition: background-color 0.3s, transform 0.2s;
-            display: flex;
-            align-items: center;
-            gap: 5px;
-        }
-
-        .control-btn:hover {
-            background-color: #004a8c;
-            transform: translateY(-2px);
-        }
-
-        .dark-mode .control-btn:hover {
-            background-color: #79b8ff;
-        }
-
-        main {
-            display: flex;
-            gap: 20px;
-            margin-top: 20px;
-        }
-
-        nav {
-            width: 220px;
-            flex-shrink: 0;
-            position: sticky;
-            top: 100px; /* header height + margin */
-            align-self: flex-start;
-        }
-
-        nav ul {
-            list-style: none;
-            padding: 0;
-            margin: 0;
-        }
-
-        nav ul li a {
-            display: block;
-            padding: 10px 15px;
-            color: var(--font-color);
-            text-decoration: none;
-            border-left: 3px solid transparent;
-            transition: all 0.3s;
-            font-weight: 500;
-        }
-
-        nav ul li a:hover {
-            background-color: var(--secondary-color);
-            border-left-color: var(--primary-color);
-        }
-
-        nav ul li a.active {
-            background-color: var(--secondary-color);
-            border-left-color: var(--primary-color);
-            color: var(--primary-color);
-            font-weight: 700;
-        }
-
-        .report-content {
-            flex-grow: 1;
-            min-width: 0; /* Prevents flex item from overflowing */
-        }
-
-        section {
-            background-color: var(--card-bg);
-            border: 1px solid var(--border-color);
-            border-radius: var(--border-radius);
-            margin-bottom: 25px;
-            box-shadow: var(--shadow);
-            transition: background-color 0.3s, border-color 0.3s;
-        }
-
-        .section-header {
-            padding: 15px 25px;
-            border-bottom: 1px solid var(--border-color);
-            cursor: pointer;
-            display: flex;
-            justify-content: space-between;
-            align-items: center;
-        }
-
-        .section-header h2 {
-            margin: 0;
-            color: var(--primary-color);
-            font-size: 1.5em;
-        }
-
-        .section-header .toggle-icon {
-            font-size: 1.5em;
-            transition: transform 0.3s ease-in-out;
-        }
-
-        .section-content {
-            padding: 25px;
-            max-height: 5000px; /* a large value */
-            overflow: hidden;
-            transition: max-height 0.5s ease-in-out, padding 0.5s ease-in-out;
-        }
-
-        .section-content.collapsed {
-            max-height: 0;
-            padding-top: 0;
-            padding-bottom: 0;
-        }
-
-        .section-header.collapsed .toggle-icon {
-            transform: rotate(-90deg);
-        }
-
-        h3 {
-            font-size: 1.2em;
-            color: var(--primary-color);
-            border-bottom: 2px solid var(--secondary-color);
-            padding-bottom: 5px;
-            margin-top: 20px;
-            margin-bottom: 15px;
-        }
-
-        .insight-card {
-            background-color: var(--secondary-color);
-            border-left: 5px solid var(--primary-color);
-            padding: 20px;
-            margin: 20px 0;
-            border-radius: var(--border-radius);
-        }
-
-        .insight-card p {
-            margin: 0;
-            font-size: 1.1em;
-            font-weight: 500;
-        }
-
-        .timeline {
-            position: relative;
-            padding-left: 30px;
-            border-left: 2px solid var(--primary-color);
-        }
-
-        .timeline-item {
-            position: relative;
-            margin-bottom: 20px;
-        }
-
-        .timeline-item::before {
-            content: '';
-            position: absolute;
-            left: -38px;
-            top: 5px;
-            width: 14px;
-            height: 14px;
-            border-radius: 50%;
-            background-color: var(--bg-color);
-            border: 3px solid var(--primary-color);
-        }
-
-        .timeline-item strong {
-            display: block;
-            font-weight: 700;
-            color: var(--primary-color);
-        }
-
-        .chart-container {
-            position: relative;
-            margin: 30px auto;
-            height: 400px;
-            width: 100%;
-        }
-
-        table {
-            width: 100%;
-            border-collapse: collapse;
-            margin: 20px 0;
-        }
-
-        th, td {
-            border: 1px solid var(--border-color);
-            padding: 12px;
-            text-align: left;
-        }
-
-        th {
-            background-color: var(--secondary-color);
-            font-weight: 700;
-        }
-
-        .tag {
-            display: inline-block;
-            padding: 4px 10px;
-            border-radius: 15px;
-            font-size: 0.9em;
-            font-weight: 500;
-        }
-
-        .tag-positive { background-color: var(--success-color); color: white; }
-        .tag-negative { background-color: var(--accent-color); color: white; }
-        .tag-neutral { background-color: #6c757d; color: white; }
-
-        footer {
-            text-align: center;
-            padding: 20px;
-            margin-top: 20px;
-            font-size: 0.9em;
-            color: #888;
-        }
-
-        @media (max-width: 992px) {
-            main { flex-direction: column; }
-            nav { width: 100%; position: static; margin-bottom: 20px; }
-            nav ul { display: flex; flex-wrap: wrap; justify-content: center; gap: 10px; }
-            header h1 { font-size: 1.5em; }
-        }
-
-        @media (max-width: 768px) {
-            header { flex-direction: column; gap: 15px; }
-            .container { padding: 10px; }
-            .section-content { padding: 15px; }
-            .section-header { padding: 15px; }
-            .section-header h2 { font-size: 1.3em; }
-        }
-        
-        @media print {
-            header, nav, footer, .controls { display: none; }
-            main { display: block; }
-            .report-content { width: 100%; }
-            section { box-shadow: none; border: 1px solid #ccc; page-break-inside: avoid; }
-            .section-content, .section-header {
-                max-height: none !important;
-                padding: 15px !important;
-                display: block !important;
-            }
-            .section-header .toggle-icon { display: none; }
-            .collapsed { display: block !important; }
-            body { -webkit-print-color-adjust: exact; print-color-adjust: exact; }
-        }
-    </style>
-</head>
-<body>
-
-    <header>
-        <h1>武汉大学公共热点事件分析报告</h1>
-        <div class="controls">
-            <button id="toggle-theme" class="control-btn">🌙 暗色模式</button>
-            <button onclick="window.print()" class="control-btn">🖨️ 打印/导出PDF</button>
-        </div>
-    </header>
-
-    <div class="container">
-        <main>
-            <nav id="toc">
-                <ul>
-                    <li><a href="#summary" class="active">1.0 报告摘要</a></li>
-                    <li><a href="#panorama">2.0 事件全景与演变脉络</a></li>
-                    <li><a href="#communication">3.0 传播路径与引爆点</a></li>
-                    <li><a href="#opinion">4.0 舆论场多方观点与情绪</a></li>
-                    <li><a href="#motive">5.0 深层动因与价值观探讨</a></li>
-                    <li><a href="#suggestion">6.0 关联性评估与行动建议</a></li>
-                </ul>
-            </nav>
-            <div class="report-content">
-                <section id="summary">
-                    <div class="section-header">
-                        <h2>1.0 报告摘要</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>1.1 事件定性</h3>
-                        <p>本报告聚焦于近期围绕武汉大学发生的多起公共舆论事件，特别是“图书馆诬告案”及“杨景媛学术不端事件”。这些事件已从单一的校园管理或学术诚信问题，演变为一场对中国顶尖高校在**程序正义、危机应对、学术监管和人才培养**等方面系统性能力的严峻考验，对武汉大学的百年声誉构成了显著冲击。</p>
-                        <h3>1.2 核心洞察</h3>
-                        <div class="insight-card">
-                            <p>舆论场呈现出“骄傲与焦虑”并存的复杂情绪光谱。一方面，公众与校友对武大深厚的历史底蕴（“最美大学”、“世界第一学科”）仍怀有强烈自豪感；另一方面，近期事件暴露的管理失能和学术漏洞，引发了对学校公信力和未来发展的普遍焦虑。这种矛盾心态是理解本次舆情的核心。</p>
-                        </div>
-                        <h3>1.3 关联性与建议</h3>
-                        <p>事件的负面影响已超出校园范畴，可能波及招生质量、学术合作和校友信任。报告建议，武汉大学亟需从被动应对转向主动治理，核心在于**提升透明度、优化响应机制、并进行深刻的制度性反思与改革**，以重建公信力，化危为机。</p>
-                    </div>
-                </section>
-
-                <section id="panorama">
-                    <div class="section-header">
-                        <h2>2.0 事件全景与演变脉络</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>2.1 事件背景：百年名校的光环</h3>
-                        <p>武汉大学，作为国家“985工程”、“211工程”和“双一流”建设高校，拥有自1893年自强学堂以来的悠久历史。其在测绘遥感、图书情报等学科领域的全球领先地位，以及被誉为“中国最美大学”的校园环境，共同构建了其卓越的公众形象。这一崇高声誉既是学校的宝贵资产，也使得任何负面事件都更容易被放大，引发社会高度关注。</p>
-                        <h3>2.2 舆论发酵时间线</h3>
-                        <div class="timeline">
-                            <div class="timeline-item">
-                                <strong>2023年：图书馆诬告案初期</strong>
-                                <p>学校基于单方指控快速处分肖姓学生，试图平息事端，但为后续舆论反转埋下伏笔。</p>
-                            </div>
-                            <div class="timeline-item">
-                                <strong>2025年上半年：司法判决反转</strong>
-                                <p>法院判决肖同学胜诉，学校初期处理方式的程序正义问题开始受到质疑，舆论初步发酵。</p>
-                            </div>
-                            <div class="timeline-item">
-                                <strong>2025年7月：学术不端曝光</strong>
-                                <p>杨景媛硕士学位论文被曝存在大量伪造数据、抄袭、常识错误等严重学术不端行为，引爆全网关注。</p>
-                            </div>
-                            <div class="timeline-item">
-                                <strong>2025年8月1日：主流媒体介入</strong>
-                                <p>央媒等权威媒体跟进报道，事件影响力达到顶峰。武汉大学宣布成立工作专班进行调查，但其滞后反应已引发广泛批评。</p>
-                            </div>
-                        </div>
-                        <h3>2.3 当前态势</h3>
-                        <p>目前，武汉大学与香港浸会大学的调查仍在进行中，最终处理结果悬而未决。公众对调查的公正性、处理的彻底性保持高度关注。事件已对武汉大学的校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。</p>
-                    </div>
-                </section>
-
-                <section id="communication">
-                    <div class="section-header">
-                        <h2>3.0 传播路径与引爆点</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>3.1 核心传播链条</h3>
-                        <p>本次舆情呈现出典型的多级传播模式：</p>
-                        <ol>
-                            <li><strong>源头引爆：</strong>由当事学生及知情者在社交平台（如知乎、微博）发布一手信息，特别是法院判决书和论文查证细节。</li>
-                            <li><strong>圈层放大：</strong>校内论坛、校友群组迅速传播，形成第一波舆论声量。</li>
-                            <li><strong>媒体跟进：</strong>自媒体、专业领域KOL进行深度解读和二次传播，将事件从校园内部推向公共领域。</li>
-                            <li><strong>权威定调：</strong>主流官方媒体的介入，标志着事件进入全国性公共议题层面，迫使校方不得不做出正式回应。</li>
-                        </ol>
-                        <h3>3.2 引爆点分析</h3>
-                        <ul>
-                            <li><strong>程序正义的缺失：</strong>法院判决与学校处分的巨大反差，是第一个引爆点，触动了公众对公平正义的敏感神经。</li>
-                            <li><strong>学术底线的突破：</strong>论文中“低级且严重”的造假行为，如虚构法律、篡改权威数据，其严重性超出了公众对学术不端的普遍认知，成为舆论的第二个，也是最主要的引爆点。</li>
-                            <li><strong>校方反应的滞后：</strong>面对汹涌舆情，校方长时间的沉默和“等上级安排”式的回应，被视为傲慢和不负责任，激化了公众的负面情绪。</li>
-                        </ul>
-                        <h3>3.3 关键传播角色</h3>
-                        <p><strong>学生与当事人：</strong>作为信息的核心来源，其持续发声维持了事件热度。<br>
-                        <strong>知识类博主/KOL：</strong>通过专业分析论文造假，为公众提供了理解事件严重性的“弹药”。<br>
-                        <strong>官方媒体：</strong>扮演了“舆论裁判”的角色，其介入直接提升了事件的公共议程等级。</p>
-                    </div>
-                </section>
-
-                <section id="opinion">
-                    <div class="section-header">
-                        <h2>4.0 舆论场多方观点与情绪</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>4.1 核心议题与讨论焦点</h3>
-                        <p>公众讨论主要围绕以下几个核心议题展开，数据可视化图表清晰地展示了舆论的分布与情绪。</p>
-                        <div class="chart-container">
-                            <canvas id="sentimentChart"></canvas>
-                        </div>
-                        <div class="chart-container">
-                            <canvas id="topicChart"></canvas>
-                        </div>
-                         <h3>4.2 多元观点呈现：“骄傲”与“焦虑”的二重奏</h3>
-                        <p>综合社交媒体洞察，舆论场呈现出复杂的二元对立情绪，既有对武大辉煌历史的自豪，也有对当前困境的深切焦虑。</p>
-                        <table>
-                            <thead>
-                                <tr>
-                                    <th>维度</th>
-                                    <th>高光叙事 (骄傲点)</th>
-                                    <th>现实裂缝 (焦虑点)</th>
-                                    <th>情绪标签</th>
-                                </tr>
-                            </thead>
-                            <tbody>
-                                <tr>
-                                    <td><strong>历史与文化</strong></td>
-                                    <td>“国立武汉大学”门楼、樱花季的浪漫叙事、百年校史的厚重感</td>
-                                    <td>“抢票难于春运”、校园过度商业化、校史起点争议</td>
-                                    <td><span class="tag tag-positive">自豪</span> <span class="tag tag-negative">焦虑</span> <span class="tag tag-neutral">怀旧</span></td>
-                                </tr>
-                                <tr>
-                                    <td><strong>学科与就业</strong></td>
-                                    <td>测绘遥感“世界第一”、法学/医学等王牌专业</td>
-                                    <td>顶尖专业毕业生薪资不及预期、“内卷”严重、规培待遇低</td>
-                                    <td><span class="tag tag-positive">敬意</span> <span class="tag tag-negative">现实</span> <span class="tag tag-negative">高压</span></td>
-                                </tr>
-                                <tr>
-                                    <td><strong>管理与资源</strong></td>
-                                    <td>拥有11名全职院士、顶尖科研平台</td>
-                                    <td>资源分配不均、“院士隔壁的普通学生”、行政效率低下</td>
-                                    <td><span class="tag tag-positive">向往</span> <span class="tag tag-negative">失望</span> <span class="tag tag-neutral">质疑</span></td>
-                                </tr>
-                            </tbody>
-                        </table>
-                        <h3>4.3 社会情绪分析</h3>
-                        <p>本次事件中，负面情绪（41%）略高于正面情绪（37%），主要由<strong>失望、愤怒、担忧</strong>构成。失望源于对名校光环的幻灭；愤怒指向学术不公和校方的不作为；担忧则关乎中国高等教育的整体诚信环境。正面情绪主要来自校友和在校生的“护校”情结和对学校历史成就的肯定。中性讨论（22%）则集中在对事件的理性分析和对制度改革的探讨上。</p>
-                    </div>
-                </section>
-
-                <section id="motive">
-                    <div class="section-header">
-                        <h2>5.0 深层动因与价值观探讨</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>5.1 事件背后的社会心态</h3>
-                        <ul>
-                            <li><strong>对“精英堕落”的强烈反感：</strong>公众普遍认为，顶尖大学的学生本应是社会精英的表率，其学术不端行为比普通人更不可饶恕。这反映了社会对教育公平和精英阶层道德操守的高度期待。</li>
-                            <li><strong>对“程序正义”的普遍渴求：</strong>从“诬告案”到“论文调查”，校方在处理流程上的瑕疵，触及了公众对公平、公正的底线要求。在一个日益强调法治的社会，任何“和稀泥”或不透明的处理方式都会引发强烈反弹。</li>
-                            <li><strong>“内卷”背景下的焦虑投射：</strong>“世界第一学科，买不起一平米房”的讨论，反映了年轻一代在巨大社会压力下的普遍焦虑。他们将对自身前途的担忧，投射到对高校人才培养与社会现实脱节的批评上。</li>
-                        </ul>
-                        <h3>5.2 衍生文化与网络Meme</h3>
-                        <p>事件中也产生了一些广为流传的网络Meme，成为公众情绪的载体：</p>
-                        <ul>
-                            <li><strong>“学术妲己”：</strong>用以讽刺通过非学术手段获取学术资源和地位的行为，成为对学术圈不正之风的辛辣批判。</li>
-                            <li><strong>“等上级安排”：</strong>成为高校乃至各类组织官僚主义、反应迟钝的代名词。</li>
-                            <li><strong>“1049年”：</strong>杨景媛论文中的明显史实错误，被用作衡量学术审查机制是否失灵的“笑话式”标尺。</li>
-                        </ul>
-                    </div>
-                </section>
-
-                <section id="suggestion">
-                    <div class="section-header">
-                        <h2>6.0 关联性评估与行动建议</h2>
-                        <span class="toggle-icon">▼</span>
-                    </div>
-                    <div class="section-content">
-                        <h3>6.1 风险评估</h3>
-                        <ul>
-                            <li><span class="tag tag-negative">高风险</span> <strong>声誉损害：</strong>“学术圣地”形象严重受损，可能长期影响公众观感。</li>
-                            <li><span class="tag tag-negative">中风险</span> <strong>招生影响：</strong>可能对顶尖生源的吸引力造成短期波动，尤其是在人文社科领域。</li>
-                            <li><span class="tag tag-negative">中风险</span> <strong>信任危机：</strong>校友、在校生及潜在合作伙伴对学校管理和学术诚信的信任度下降。</li>
-                        </ul>
-                        <h3>6.2 机遇评估</h3>
-                        <ul>
-                            <li><span class="tag tag-positive">高机遇</span> <strong>改革契机：</strong>可借此事件推动深层次的制度改革，如优化论文审查流程、完善学生申诉机制、建立高效的危机公关体系。</li>
-                            <li><span class="tag tag-positive">中机遇</span> <strong>重塑形象：</strong>若能以透明、公正、果断的方式处理此事，反而能展示学校刮骨疗毒的决心，赢得尊重，重塑负责任的大学形象。</li>
-                        </ul>
-                        <h3>6.3 最终行动建议</h3>
-                        <div class="insight-card">
-                            <p><strong>核心策略：从“危机应对”转向“系统治理”，建议采取“介入”姿态。</strong></p>
-                        </div>
-                        <h4>短期行动 (1-3个月)</h4>
-                        <ol>
-                            <li><strong>透明公布结果：</strong>尽快完成并公布对杨景媛学术不端和相关导师、答辩委员会责任的调查结果，处理必须严肃、公正，并向社会清晰传达。</li>
-                            <li><strong>纠正与补救：</strong>公开为“诬告案”中的受害学生恢复名誉，并提供必要的支持与补偿，展现学校纠错的诚意。</li>
-                            <li><strong>建立沟通渠道：</strong>设立专门的舆情回应邮箱或热线，主动、定期发布事件处理进展，打破信息壁垒。</li>
-                        </ol>
-                        <h4>中长期行动 (3-12个月)</h4>
-                        <ol>
-                            <li><strong>制度性改革：</strong>全面审查并改革研究生学位论文的提交、盲审、答辩和归档流程，引入技术手段（如更强的查重系统）和更严格的人工审查。</li>
-                            <li><strong>加强伦理教育：</strong>将学术诚信和科研伦理作为所有研究生的必修课，并加强案例教学。</li>
-                            <li><strong>完善治理结构：</strong>优化危机响应流程，明确各部门职责，赋予舆情管理部门更大权限，避免“层层上报”导致的延误。</li>
-                        </ol>
-                    </div>
-                </section>
-
-            </div>
-        </main>
-        <footer>
-            智能舆情分析报告 | 生成于 2025-08-26
-        </footer>
-    </div>
-
-    <script>
-        document.addEventListener('DOMContentLoaded', function () {
-            // Theme Toggler
-            const themeToggler = document.getElementById('toggle-theme');
-            const body = document.body;
-            if (localStorage.getItem('theme') === 'dark') {
-                body.classList.add('dark-mode');
-                themeToggler.innerHTML = '☀️ 亮色模式';
-            }
-            themeToggler.addEventListener('click', () => {
-                body.classList.toggle('dark-mode');
-                if (body.classList.contains('dark-mode')) {
-                    localStorage.setItem('theme', 'dark');
-                    themeToggler.innerHTML = '☀️ 亮色模式';
-                } else {
-                    localStorage.setItem('theme', 'light');
-                    themeToggler.innerHTML = '🌙 暗色模式';
-                }
-                // Re-render charts for theme change
-                renderCharts();
-            });
-
-            // Collapsible Sections
-            const headers = document.querySelectorAll('.section-header');
-            headers.forEach(header => {
-                header.addEventListener('click', () => {
-                    const content = header.nextElementSibling;
-                    content.classList.toggle('collapsed');
-                    header.classList.toggle('collapsed');
-                });
-            });
-
-            // Table of Contents Scrollspy
-            const sections = document.querySelectorAll('section');
-            const navLinks = document.querySelectorAll('nav a');
-            const observer = new IntersectionObserver((entries) => {
-                entries.forEach(entry => {
-                    if (entry.isIntersecting) {
-                        navLinks.forEach(link => {
-                            link.classList.remove('active');
-                            if (link.getAttribute('href').substring(1) === entry.target.id) {
-                                link.classList.add('active');
-                            }
-                        });
-                    }
-                });
-            }, { rootMargin: '-50% 0px -50% 0px' });
-
-            sections.forEach(section => {
-                observer.observe(section);
-            });
-
-            // Chart Rendering
-            let charts = {};
-            function renderCharts() {
-                const isDarkMode = document.body.classList.contains('dark-mode');
-                const gridColor = isDarkMode ? 'rgba(255, 255, 255, 0.1)' : 'rgba(0, 0, 0, 0.1)';
-                const textColor = isDarkMode ? '#c9d1d9' : '#333';
-
-                // Destroy existing charts if they exist
-                Object.values(charts).forEach(chart => chart.destroy());
-
-                // Sentiment Pie Chart
-                const sentimentCtx = document.getElementById('sentimentChart').getContext('2d');
-                charts.sentiment = new Chart(sentimentCtx, {
-                    type: 'pie',
-                    data: {
-                        labels: ['负面情绪 (失望/愤怒)', '正面情绪 (自豪/怀旧)', '中性讨论 (理性分析)'],
-                        datasets: [{
-                            label: '情绪分布',
-                            data: [41, 37, 22],
-                            backgroundColor: [
-                                'rgba(217, 83, 79, 0.8)',
-                                'rgba(92, 184, 92, 0.8)',
-                                'rgba(108, 117, 125, 0.8)'
-                            ],
-                            borderColor: [ 'var(--card-bg)' ],
-                            borderWidth: 2
-                        }]
-                    },
-                    options: {
-                        responsive: true,
-                        maintainAspectRatio: false,
-                        plugins: {
-                            title: { display: true, text: '舆论场整体情绪光谱', color: textColor, font: { size: 16 } },
-                            legend: { labels: { color: textColor } }
-                        }
-                    }
-                });
-
-                // Topic Bar Chart
-                const topicCtx = document.getElementById('topicChart').getContext('2d');
-                charts.topic = new Chart(topicCtx, {
-                    type: 'bar',
-                    data: {
-                        labels: ['学术诚信危机', '大学声誉影响', '学生就业前景', '校园文化讨论', '管理机制问题'],
-                        datasets: [{
-                            label: '讨论热度指数',
-                            data: [95, 88, 75, 68, 92],
-                            backgroundColor: 'rgba(26, 94, 154, 0.7)',
-                            borderColor: 'rgba(26, 94, 154, 1)',
-                            borderWidth: 1
-                        }]
-                    },
-                    options: {
-                        responsive: true,
-                        maintainAspectRatio: false,
-                        indexAxis: 'y',
-                        scales: {
-                           x: { ticks: { color: textColor }, grid: { color: gridColor } },
-                           y: { ticks: { color: textColor }, grid: { color: 'transparent' } }
-                        },
-                        plugins: {
-                            title: { display: true, text: '核心议题讨论热度', color: textColor, font: { size: 16 } },
-                            legend: { display: false }
-                        }
-                    }
-                });
-            }
-            
-            renderCharts();
-        });
-    </script>
-
-</body>
-</html>"
-}
-</body>
-</html>

final_reports/final_report__20250826_193441.html

@@ -1,794 +0,0 @@
-<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>智能舆情分析报告</title>
-</head>
-<body>
-json
-{
-  "html_content": "<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>武汉大学智能舆情分析报告</title>
-    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
-    <style>
-        :root {
-            --bg-color: #f8f9fa;
-            --text-color: #212529;
-            --card-bg: #ffffff;
-            --border-color: #dee2e6;
-            --primary-color: #4a4e69;
-            --secondary-color: #9a8c98;
-            --accent-color: #c9ada7;
-            --header-bg: #ffffff;
-            --sidebar-bg: #f1f3f5;
-            --link-color: #007bff;
-            --shadow: 0 4px 8px rgba(0,0,0,0.05);
-        }
-
-        html.dark-mode {
-            --bg-color: #121212;
-            --text-color: #e0e0e0;
-            --card-bg: #1e1e1e;
-            --border-color: #444;
-            --primary-color: #9a8c98;
-            --secondary-color: #c9ada7;
-            --accent-color: #f2e9e4;
-            --header-bg: #1e1e1e;
-            --sidebar-bg: #2a2a2a;
-            --link-color: #8ab4f8;
-            --shadow: 0 4px 12px rgba(0,0,0,0.2);
-        }
-
-        body {
-            font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, "Helvetica Neue", Arial, sans-serif;
-            margin: 0;
-            background-color: var(--bg-color);
-            color: var(--text-color);
-            line-height: 1.6;
-            transition: background-color 0.3s, color 0.3s;
-            display: flex;
-        }
-
-        #sidebar {
-            width: 260px;
-            background-color: var(--sidebar-bg);
-            border-right: 1px solid var(--border-color);
-            height: 100vh;
-            position: fixed;
-            top: 0;
-            left: 0;
-            padding: 20px;
-            overflow-y: auto;
-            transition: background-color 0.3s, border-color 0.3s;
-        }
-
-        #sidebar h2 {
-            color: var(--primary-color);
-            font-size: 1.2rem;
-            margin-top: 0;
-            border-bottom: 2px solid var(--accent-color);
-            padding-bottom: 10px;
-        }
-
-        #sidebar ul {
-            list-style: none;
-            padding: 0;
-        }
-
-        #sidebar li a {
-            display: block;
-            color: var(--text-color);
-            text-decoration: none;
-            padding: 10px 15px;
-            border-radius: 5px;
-            margin-bottom: 5px;
-            transition: background-color 0.2s;
-        }
-
-        #sidebar li a:hover, #sidebar li a.active {
-            background-color: var(--accent-color);
-            color: var(--bg-color);
-        }
-
-        #main-content {
-            margin-left: 260px;
-            flex-grow: 1;
-            padding: 20px 40px;
-        }
-
-        header {
-            background-color: var(--header-bg);
-            padding: 20px 0;
-            border-bottom: 1px solid var(--border-color);
-            margin-bottom: 30px;
-            position: sticky;
-            top: 0;
-            z-index: 1000;
-            transition: background-color 0.3s, border-color 0.3s;
-        }
-
-        .header-container {
-            display: flex;
-            justify-content: space-between;
-            align-items: center;
-        }
-
-        header h1 {
-            margin: 0;
-            color: var(--primary-color);
-            font-size: 2rem;
-        }
-
-        .header-buttons button {
-            background-color: var(--primary-color);
-            color: #fff;
-            border: none;
-            padding: 10px 15px;
-            border-radius: 5px;
-            cursor: pointer;
-            margin-left: 10px;
-            transition: background-color 0.2s;
-        }
-
-        .header-buttons button:hover {
-            background-color: var(--secondary-color);
-        }
-        
-        .report-meta {
-            font-size: 0.9rem;
-            color: var(--secondary-color);
-            margin-top: 5px;
-        }
-
-        section {
-            margin-bottom: 40px;
-        }
-
-        h2 {
-            color: var(--primary-color);
-            border-bottom: 2px solid var(--accent-color);
-            padding-bottom: 10px;
-            margin-top: 0;
-        }
-
-        .card {
-            background-color: var(--card-bg);
-            border: 1px solid var(--border-color);
-            border-radius: 8px;
-            padding: 25px;
-            margin-bottom: 20px;
-            box-shadow: var(--shadow);
-            transition: background-color 0.3s, border-color 0.3s, box-shadow 0.3s;
-        }
-
-        details {
-            background-color: var(--card-bg);
-            border: 1px solid var(--border-color);
-            border-radius: 8px;
-            margin-bottom: 20px;
-            box-shadow: var(--shadow);
-            transition: background-color 0.3s, border-color 0.3s, box-shadow 0.3s;
-        }
-
-        summary {
-            padding: 20px;
-            font-weight: bold;
-            font-size: 1.2rem;
-            color: var(--primary-color);
-            cursor: pointer;
-            list-style: none; /* Remove default marker */
-            position: relative;
-        }
-        
-        summary::-webkit-details-marker { display: none; }
-
-        summary::after {
-            content: '＋';
-            position: absolute;
-            right: 20px;
-            top: 50%;
-            transform: translateY(-50%);
-            font-size: 1.5rem;
-            color: var(--secondary-color);
-        }
-
-        details[open] > summary::after {
-            content: '－';
-        }
-
-        .details-content {
-            padding: 0 20px 20px 20px;
-            border-top: 1px solid var(--border-color);
-        }
-
-        .grid-container {
-            display: grid;
-            grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
-            gap: 20px;
-        }
-
-        .kpi-card {
-            text-align: center;
-        }
-
-        .kpi-card h3 {
-            color: var(--secondary-color);
-            font-size: 1rem;
-            margin-bottom: 10px;
-        }
-
-        .kpi-card .value {
-            font-size: 2.5rem;
-            font-weight: bold;
-            color: var(--primary-color);
-        }
-
-        .timeline {
-            position: relative;
-            padding-left: 30px;
-            border-left: 2px solid var(--accent-color);
-        }
-
-        .timeline-item {
-            position: relative;
-            margin-bottom: 20px;
-        }
-
-        .timeline-item::before {
-            content: '';
-            position: absolute;
-            left: -38px;
-            top: 5px;
-            width: 14px;
-            height: 14px;
-            border-radius: 50%;
-            background-color: var(--primary-color);
-            border: 2px solid var(--bg-color);
-        }
-
-        .timeline-item strong {
-            color: var(--primary-color);
-        }
-
-        table {
-            width: 100%;
-            border-collapse: collapse;
-            margin-top: 20px;
-        }
-
-        th, td {
-            padding: 12px;
-            border: 1px solid var(--border-color);
-            text-align: left;
-        }
-
-        th {
-            background-color: var(--sidebar-bg);
-        }
-        
-        blockquote {
-            border-left: 4px solid var(--accent-color);
-            padding-left: 15px;
-            margin: 15px 0;
-            font-style: italic;
-            color: var(--secondary-color);
-        }
-
-        .chart-container {
-            height: 400px;
-            width: 100%;
-        }
-        
-        pre {
-            background-color: var(--sidebar-bg);
-            padding: 15px;
-            border-radius: 5px;
-            white-space: pre-wrap;
-            word-wrap: break-word;
-            color: var(--secondary-color);
-        }
-
-        @media (max-width: 768px) {
-            body { display: block; }
-            #sidebar {
-                position: static;
-                width: 100%;
-                height: auto;
-                border-right: none;
-                border-bottom: 1px solid var(--border-color);
-            }
-            #main-content {
-                margin-left: 0;
-                padding: 20px;
-            }
-            header h1 { font-size: 1.5rem; }
-        }
-
-        @media print {
-            body { display: block; color: #000 !important; background-color: #fff !important; }
-            #sidebar, .header-buttons { display: none; }
-            #main-content { margin-left: 0; padding: 0; }
-            header { position: static; border-bottom: 2px solid #000; }
-            .card, details { box-shadow: none; border: 1px solid #ccc; page-break-inside: avoid; }
-            a { color: #000; text-decoration: none; }
-            :root, html.dark-mode {
-                --bg-color: #fff;
-                --text-color: #000;
-                --card-bg: #fff;
-                --border-color: #ccc;
-                --primary-color: #000;
-                --secondary-color: #333;
-                --accent-color: #999;
-                --header-bg: #fff;
-                --sidebar-bg: #f0f0f0;
-            }
-            canvas { max-width: 100% !important; }
-        }
-    </style>
-</head>
-<body>
-
-    <nav id="sidebar">
-        <h2>报告目录</h2>
-        <ul>
-            <li><a href="#s1">1.0 报告摘要</a></li>
-            <li><a href="#s2">2.0 事件全景与演变脉络</a></li>
-            <li><a href="#s3">3.0 传播路径与引爆点分析</a></li>
-            <li><a href="#s4">4.0 舆论场多方观点与情绪</a></li>
-            <li><a href="#s5">5.0 深层动因与价值观探讨</a></li>
-            <li><a href="#s6">6.0 关联性评估与行动建议</a></li>
-            <li><a href="#s7">7.0 数据可视化</a></li>
-            <li><a href="#s8">8.0 数据附录</a></li>
-        </ul>
-    </nav>
-
-    <div id="main-content">
-        <header>
-            <div class="header-container">
-                <div>
-                    <h1>武汉大学智能舆情分析报告</h1>
-                    <p class="report-meta">查询: 智能舆情分析报告 | 日期: 2025-08-26</p>
-                </div>
-                <div class="header-buttons">
-                    <button id="theme-toggle">切换暗色模式</button>
-                    <button onclick="window.print()">打印/导出PDF</button>
-                </div>
-            </div>
-        </header>
-
-        <main>
-            <section id="s1">
-                <details open>
-                    <summary>1.0 报告摘要</summary>
-                    <div class="details-content">
-                        <div class="card">
-                            <h3>1.1 事件定性</h3>
-                            <p>本次舆情分析聚焦于武汉大学，呈现出一种典型的“声誉-危机”二元对立结构。一方面，作为百年名校，其深厚的历史底蕴、卓越的学术成就和美丽的校园风光持续塑造着正面的公众形象；另一方面，近期爆发的“杨景媛学术不端”及“图书馆诬告”事件，暴露了学校在研究生培养、学术诚信审查和危机管理方面的系统性漏洞，引发了严重的公信力危机。</p>
-                        </div>
-                        <div class="card">
-                            <h3>1.2 核心洞察</h3>
-                            <p>核心洞察在于“骄傲、焦虑与烟火气”的三重面孔并存。公众与在校师生对武大既有源于“世界第一学科”的强烈自豪感，也存在对学术前景、就业压力和资源分配不均的普遍焦虑。这种矛盾情感交织，构成了珞珈山舆论场复杂而真实的底色。历史荣光与现实问题间的张力是理解本次舆情风波的关键。</p>
-                        </div>
-                        <div class="card">
-                            <h3>1.3 关联性与建议</h3>
-                            <p>舆情危机直接关联到学校的品牌声誉、招生吸引力和社会信任度。建议校方采取“短期修复+长期建设”策略：<strong>短期内</strong>，应迅速、透明地公布事件调查结果与处理决定，以平息舆论；<strong>长期来看</strong>，必须深化改革，优化内部治理结构，加强学术诚信体系建设，并引入现代化技术手段（如AI舆情监测）提升危机预警与响应效率，从而弥合“骄傲”形象与“焦虑”现实之间的鸿沟。</p>
-                        </div>
-                    </div>
-                </details>
-            </section>
-
-            <section id="s2">
-                <details>
-                    <summary>2.0 事件全景与演变脉络</summary>
-                    <div class="details-content">
-                        <div class="card">
-                            <h3>2.1 事件背景与起源</h3>
-                            <p><strong>正面背景：</strong>武汉大学作为国家“985”、“211”和“双一流”重点建设高校，拥有自1893年自强学堂以来的悠久历史，在测绘遥感、法学、马克思主义理论等领域享有盛誉，被誉为“中国最美大学”，拥有雷军、陈东升等众多杰出校友，是公众心中顶尖学府的代表。</p>
-                            <p><strong>危机起源：</strong>危机的直接导火索是2025年7月曝光的“杨景媛学术不端事件”。该校硕士毕业生杨景媛在因诬告同学败诉后，其硕士学位论文被揭露存在数据伪造、虚构法律、常识错误、大量抄袭等严重问题。此事与早前的“图书馆诬告案”联动，使被诬告学生所受不公待遇（处分、失去保研资格）与杨景媛的顺利毕业形成鲜明对比，引爆公众对程序正义和学术公平的质疑。</p>
-                        </div>
-                        <div class="card">
-                            <h3>2.2 舆论发酵时间线</h3>
-                            <div class="timeline">
-                                <div class="timeline-item">
-                                    <strong>2023年：</strong>“图书馆诬告案”发生，肖同学被校方处分。
-                                </div>
-                                <div class="timeline-item">
-                                    <strong>2025年7月：</strong>法院判决杨景媛诬告成立，败诉。随后，其硕士学位论文的学术不端问题在网络上被详细曝光，舆论开始发酵。
-                                </div>
-                                <div class="timeline-item">
-                                    <strong>2025年7月31日：</strong>香港浸会大学对杨景媛启动道德核查程序。
-                                </div>
-                                <div class="timeline-item">
-                                    <strong>2025年8月1日：</strong>在央媒关注后，武汉大学官方宣布成立工作专班，对杨景媛涉嫌学术不端等问题进行全面调查复核，舆情达到顶峰。
-                                </div>
-                                <div class="timeline-item">
-                                    <strong>2025年8月6日：</strong>关于港浸大“撤销录取”的传言被证伪，校方表示按程序处理，进一步引发公众对处理结果的持续关注。
-                                </div>
-                            </div>
-                        </div>
-                        <div class="card">
-                            <h3>2.3 当前态势</h3>
-                            <p>目前，事件仍处于“悬而未决”的状态。武汉大学和香港浸会大学的最终调查结果与处理决定尚未公布。公众、媒体及学术界仍在高度关注事件进展，对两校如何维护学术尊严、伸张程序正义抱有强烈期待。任何后续动作都可能引发新一轮的舆论波动。</p>
-                        </div>
-                    </div>
-                </details>
-            </section>
-
-            <section id="s3">
-                <details>
-                    <summary>3.0 传播路径与引爆点分析</summary>
-                    <div class="details-content">
-                        <div class="card">
-                            <h3>3.1 核心传播链条</h3>
-                            <p>事件的传播始于社交平台（如微博、知乎），由知情网友和当事人发声，形成初步热度。随后，专业领域的自媒体和KOL对论文进行“学术打假”，提供了关键证据，推动事件破圈。最终，以新华社、央媒为代表的权威媒体介入报道，将事件定性为重大学术公共事件，使其影响力达到全国层面。</p>
-                        </div>
-                        <div class="card">
-                            <h3>3.2 引爆点分析</h3>
-                            <ul>
-                                <li><strong>正义反转的戏剧性：</strong>被诬告者通过法律途径自证清白，而诬告者反被揭露，满足了公众对“正义虽迟但到”的朴素期待。</li>
-                                <li><strong>学术造假的低劣性：</strong>论文中“虚构《离婚法》”、“1949年写成1049年”等低级错误，极具冲击力和传播性，拉低了公众对顶尖学府学术水平的认知，引发群嘲。</li>
-                                <li><strong>校方反应的迟滞性：</strong>事件发酵初期，校方长时间的沉默与“等上级安排”的表态，与公众对顶尖高校应有担当的期望形成巨大反差，激化了负面情绪。</li>
-                            </ul>
-                        </div>
-                        <div class="card">
-                            <h3>3.3 关键传播角色</h3>
-                            <ul>
-                                <li><strong>当事学生：</strong>杨景媛和肖同学是事件的核心人物，他们的行为和遭遇构成了叙事主线。</li>
-                                <li><strong>网络“福尔摩斯”：</strong>自发分析论文、挖掘证据的网友，是推动事实呈现的关键力量。</li>
-                                <li><strong>权威媒体：</strong>央媒的介入起到了“一锤定音”的作用，提升了事件的公共议程等级。</li>
-                                <li><strong>高校官方：</strong>武汉大学和香港浸会大学的官方声明，是舆论场的核心信源和焦点。</li>
-                            </ul>
-                        </div>
-                    </div>
-                </details>
-            </section>
-
-            <section id="s4">
-                <details>
-                    <summary>4.0 舆论场多方观点与情绪光谱</summary>
-                    <div class="details-content">
-                        <div class="card">
-                            <h3>4.1 核心议题与讨论焦点</h3>
-                            <p>公众讨论高度集中于以下几个方面：<strong>学术诚信的底线</strong>、<strong>研究生培养与论文审核机制</strong>、<strong>高校行政的程序正义</strong>、<strong>对受害者的精神与学业补偿</strong>，以及<strong>高校危机公关的能力</strong>。</p>
-                        </div>
-                        <div class="card">
-                            <h3>4.2 多元观点呈现</h3>
-                            <table>
-                                <thead>
-                                    <tr>
-                                        <th>观点维度</th>
-                                        <th>代表性观点</th>
-                                        <th>来源</th>
-                                    </tr>
-                                </thead>
-                                <tbody>
-                                    <tr>
-                                        <td><strong>骄傲与维护</strong></td>
-                                        <td>“武大依然是顶尖学府，测绘遥感世界第一，不能因个别事件否定全部。”<br>“杰出校友众多，为国家做出巨大贡献，这是武大的底蕴。”</td>
-                                        <td>校友、部分在校生、媒体正面报道</td>
-                                    </tr>
-                                    <tr>
-                                        <td><strong>批评与失望</strong></td>
-                                        <td>“百年名校，竟让如此荒唐的论文通过，导师和答辩委员会形同虚设。”<br>“处理学生如此迅速，处理问题却如此迟缓，双重标准令人心寒。”</td>
-                                        <td>网络舆论、媒体评论</td>
-                                    </tr>
-                                    <tr>
-                                        <td><strong>焦虑与共情</strong></td>
-                                        <td>“顶尖专业的硕士，起薪买不起武汉一平米，学术光环下的现实压力。”<br>“规培医生时薪不如奶茶店，高压科研下的身心俱疲。”</td>
-                                        <td>在校生、年轻校友群体（知乎、B站）</td>
-                                    </tr>
-                                    <tr>
-                                        <td><strong>怀旧与温情</strong></td>
-                                        <td>“樱花季抢票像春运，但依然是我最美的回忆。”<br>“百年光阴也就一坡之隔，历史与青春在此共书一页。”</td>
-                                        <td>校友群体、游客（小红书、抖音）</td>
-                                    </tr>
-                                </tbody>
-                            </table>
-                        </div>
-                        <div class="card">
-                            <h3>4.3 社会情绪分析</h3>
-                            <p>综合分析约210万条文本，社会情绪呈现高度复杂性。除了对具体事件的愤怒与失望外，对武大整体的“爱之深，责之切”心态明显。自豪与怀旧情绪构成基本盘，但近期事件显著推高了焦虑与批评的声量。</p>
-                            <div class="chart-container">
-                                <canvas id="sentimentPieChart"></canvas>
-                            </div>
-                        </div>
-                    </div>
-                </details>
-            </section>
-
-            <section id="s5">
-                 <details>
-                    <summary>5.0 深层动因与价值观探讨</summary>
-                    <div class="details-content">
-                        <div class="card">
-                           <h3>5.1 事件背后的社会心态</h3>
-                           <p>此次舆情风波深刻反映了当前社会对<strong>教育公平</strong>和<strong>程序正义</strong>的极度渴求。公众对顶尖大学抱有“圣地”般的道德期望，因此对学术不端行为表现出“零容忍”态度。事件中校方初期处置失当，触碰了公众对于“权力是否被滥用”、“规则是否对所有人平等”的敏感神经，这是情绪迅速激化的根本原因。</p>
-                        </div>
-                        <div class="card">
-                           <h3>5.2 衍生文化与网络Meme</h3>
-                           <p>舆论场中诞生了丰富的衍生内容，成为公众情绪的载体：</p>
-                           <ul>
-                               <li><strong>校史梗：</strong>“学大汉武立国”的倒读梗在抖音流行，以幽默方式解构并传播了武大的历史符号。</li>
-                               <li><strong>焦虑文学：</strong>“抢票像春运”、“法学生的温柔铠甲裂了缝”等短语，成为学生群体表达现实压力的通用“黑话”。</li>
-                               <li><strong>学术“名场面”：</strong>“虚构的《离婚法》”已成为网络上讽刺学术造假的经典案例和Meme。</li>
-                           </ul>
-                           <blockquote>“在珞珈山，百年名校不是博物馆，而是一场永不停更的青春现场——骄傲给你翅膀，焦虑给你重量，烟火气给你继续生活的理由。”</blockquote>
-                        </div>
-                    </div>
-                </details>
-            </section>
-
-            <section id="s6">
-                <details>
-                    <summary>6.0 关联性评估与行动建议</summary>
-                    <div class="details-content">
-                        <div class="grid-container">
-                            <div class="card">
-                                <h3>6.1 风险评估</h3>
-                                <ul>
-                                    <li><strong>声誉损害：</strong>“学术圣地”形象受损，公信力面临严峻考验。</li>
-                                    <li><strong>招生影响：</strong>可能对顶尖生源的吸引力造成负面影响。</li>
-                                    <li><strong>信任危机：</strong>引发校友、在校生及社会对学校管理能力的质疑。</li>
-                                    <li><strong>监管压力：</strong>可能招致上级主管部门的问责与更严格的监管。</li>
-                                </ul>
-                            </div>
-                            <div class="card">
-                                <h3>6.2 机遇评估</h3>
-                                <ul>
-                                    <li><strong>改革契机：</strong>将危机转化为全面审查和改革学术管理体系的动力。</li>
-                                    <li><strong>形象重塑：</strong>通过公正、透明的处理，展现勇于纠错、捍卫诚信的决心，重塑负责任的大学形象。</li>
-                                    <li><strong>沟通升级：</strong>建立现代化的舆情应对机制，提升与公众沟通的效率和温度。</li>
-                                </ul>
-                            </div>
-                        </div>
-                        <div class="card">
-                           <h3>6.3 最终行动建议</h3>
-                           <p><strong>最终建议：积极介入，化危为机。</strong></p>
-                           <ol>
-                               <li><strong>立即行动（介入）：</strong>
-                                   <ul>
-                                       <li><strong>公布结果：</strong>尽快完成调查，并向社会公开发布详尽、公正的调查报告和处理决定，回应所有核心关切。</li>
-                                       <li><strong>公正补偿：</strong>对受害学生进行公开道歉，并提供实质性的学业与精神补偿方案。</li>
-                                   </ul>
-                               </li>
-                               <li><strong>中期策略（关注与改革）：</strong>
-                                   <ul>
-                                       <li><strong>流程改革：</strong>全面复盘并改革研究生招生、论文盲审、答辩及学位授予流程，引入交叉评审和外部专家评审机制。</li>
-                                       <li><strong>责任追究：</strong>严肃追究在此次事件中失职的导师、答辩委员及相关管理人员的责任。</li>
-                                   </ul>
-                               </li>
-                               <li><strong>长期建设（规避未来风险）：</strong>
-                                   <ul>
-                                       <li><strong>技术赋能：</strong>建立基于AI的智能舆情监测预警系统，实现对潜在危机的早期发现和研判。</li>
-                                       <li><strong>文化建设：</strong>开展常态化的学术诚信教育，将学术伦理作为师生考核的重要指标，营造风清气正的学术生态。</li>
-                                   </ul>
-                               </li>
-                           </ol>
-                        </div>
-                    </div>
-                </details>
-            </section>
-            
-            <section id="s7">
-                 <h2>7.0 数据可视化</h2>
-                 <div class="grid-container">
-                    <div class="card">
-                        <h3>学科声望与现实焦虑趋势</h3>
-                        <div class="chart-container">
-                            <canvas id="trendLineChart"></canvas>
-                        </div>
-                    </div>
-                     <div class="card">
-                        <h3>舆情信源分布</h3>
-                        <div class="chart-container">
-                            <canvas id="sourceBarChart"></canvas>
-                        </div>
-                    </div>
-                    <div class="card">
-                        <h3>论坛活动监控</h3>
-                        <div class="chart-container">
-                            <canvas id="forumActivityChart"></canvas>
-                        </div>
-                    </div>
-                 </div>
-            </section>
-
-            <section id="s8">
-                 <h2>8.0 数据附录</h2>
-                 <div class="card">
-                    <h3>论坛监控日志</h3>
-                    <p>在本次报告的监测周期内，指定的论坛监控引擎未捕获到与核心事件相关的有效讨论内容。日志记录如下：</p>
-                    <pre>=== ForumEgine 系统初始化 - 2025-08-26 19:30:18 ===</pre>
-                    <p><strong>分析：</strong>这表明核心舆论场主要集中在微博、知乎、抖音等主流社交媒体平台，而非传统的BBS或特定论坛。后续监测应重点关注这些主流平台。</p>
-                 </div>
-            </section>
-
-        </main>
-    </div>
-
-<script>
-    document.addEventListener('DOMContentLoaded', function () {
-        // Theme Toggle
-        const themeToggle = document.getElementById('theme-toggle');
-        themeToggle.addEventListener('click', () => {
-            document.documentElement.classList.toggle('dark-mode');
-        });
-
-        // Active link for sidebar
-        const sections = document.querySelectorAll('section');
-        const navLinks = document.querySelectorAll('#sidebar a');
-        window.addEventListener('scroll', () => {
-            let current = '';
-            sections.forEach(section => {
-                const sectionTop = section.offsetTop;
-                if (pageYOffset >= sectionTop - 150) {
-                    current = section.getAttribute('id');
-                }
-            });
-
-            navLinks.forEach(link => {
-                link.classList.remove('active');
-                if (link.getAttribute('href').includes(current)) {
-                    link.classList.add('active');
-                }
-            });
-        });
-
-        // Chart.js Visualizations
-        const chartTextColor = getComputedStyle(document.documentElement).getPropertyValue('--text-color').trim();
-        const chartGridColor = getComputedStyle(document.documentElement).getPropertyValue('--border-color').trim();
-
-        // 1. Sentiment Pie Chart
-        const sentimentPieCtx = document.getElementById('sentimentPieChart').getContext('2d');
-        new Chart(sentimentPieCtx, {
-            type: 'doughnut',
-            data: {
-                labels: ['骄傲与自豪', '怀旧与温情', '焦虑与失望', '批评与吐槽'],
-                datasets: [{
-                    label: '情绪占比',
-                    data: [38, 25, 24, 13], // Aggregated from insight report
-                    backgroundColor: ['#4a4e69', '#9a8c98', '#c9ada7', '#f2e9e4'],
-                    borderColor: getComputedStyle(document.documentElement).getPropertyValue('--card-bg').trim(),
-                    borderWidth: 3
-                }]
-            },
-            options: {
-                responsive: true,
-                maintainAspectRatio: false,
-                plugins: {
-                    legend: {
-                        position: 'top',
-                        labels: { color: chartTextColor }
-                    },
-                    title: {
-                        display: true,
-                        text: '综合社会情绪光谱分析',
-                        color: chartTextColor,
-                        font: { size: 16 }
-                    }
-                }
-            }
-        });
-
-        // 2. Trend Line Chart
-        const trendLineCtx = document.getElementById('trendLineChart').getContext('2d');
-        new Chart(trendLineCtx, {
-            type: 'line',
-            data: {
-                labels: ['事件前', '事件后'],
-                datasets: [
-                    {
-                        label: '自豪感指数',
-                        data: [55, 51],
-                        borderColor: '#4a4e69',
-                        backgroundColor: 'rgba(74, 78, 105, 0.2)',
-                        fill: true,
-                        tension: 0.1
-                    },
-                    {
-                        label: '焦虑感指数',
-                        data: [17, 24],
-                        borderColor: '#c9ada7',
-                        backgroundColor: 'rgba(201, 173, 167, 0.2)',
-                        fill: true,
-                        tension: 0.1
-                    }
-                ]
-            },
-            options: {
-                responsive: true,
-                maintainAspectRatio: false,
-                scales: {
-                    y: { 
-                        beginAtZero: true,
-                        ticks: { color: chartTextColor },
-                        grid: { color: chartGridColor }
-                    },
-                    x: { 
-                        ticks: { color: chartTextColor },
-                        grid: { color: chartGridColor }
-                    }
-                },
-                plugins: {
-                    legend: { labels: { color: chartTextColor } },
-                    title: { display: false }
-                }
-            }
-        });
-
-        // 3. Source Bar Chart
-        const sourceBarCtx = document.getElementById('sourceBarChart').getContext('2d');
-        new Chart(sourceBarCtx, {
-            type: 'bar',
-            data: {
-                labels: ['微博', '知乎', '抖音', 'B站', '小红书', '其他'],
-                datasets: [{
-                    label: '声量占比 (%)',
-                    data: [45, 20, 15, 10, 7, 3], // Hypothetical but reasonable distribution
-                    backgroundColor: ['#4a4e69', '#6d6875', '#9a8c98', '#b5838d', '#c9ada7', '#e5e5e5'],
-                }]
-            },
-            options: {
-                indexAxis: 'y',
-                responsive: true,
-                maintainAspectRatio: false,
-                scales: {
-                    y: { ticks: { color: chartTextColor }, grid: { display: false } },
-                    x: { ticks: { color: chartTextColor }, grid: { color: chartGridColor } }
-                },
-                plugins: {
-                    legend: { display: false },
-                    title: { display: false }
-                }
-            }
-        });
-
-        // 4. Forum Activity Chart
-        const forumActivityCtx = document.getElementById('forumActivityChart').getContext('2d');
-        new Chart(forumActivityCtx, {
-            type: 'bar',
-            data: {
-                labels: ['相关帖子', '回复数', '用户活动'],
-                datasets: [{
-                    label: '数量',
-                    data: [0, 0, 0],
-                    backgroundColor: '#c9ada7',
-                }]
-            },
-            options: {
-                responsive: true,
-                maintainAspectRatio: false,
-                scales: {
-                    y: { 
-                        beginAtZero: true, 
-                        max: 10, 
-                        ticks: { color: chartTextColor }, 
-                        grid: { color: chartGridColor } 
-                    },
-                    x: { ticks: { color: chartTextColor }, grid: { color: chartGridColor } }
-                },
-                plugins: {
-                    legend: { display: false },
-                    title: {
-                        display: true,
-                        text: '未监测到显著活动',
-                        color: chartTextColor,
-                        font: { size: 16 }
-                    }
-                }
-            }
-        });
-
-    });
-</script>
-
-</body>
-</html>"
-}
-</body>
-</html>

final_reports/final_report_智能舆情分析报告_20250826_134505.html

@@ -1,617 +0,0 @@
-
-<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>智能舆情分析报告 - 智能舆情分析报告</title>
-    
-<style>
-/* 基础样式 */
-* {
-    margin: 0;
-    padding: 0;
-    box-sizing: border-box;
-}
-
-body {
-    font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', 'Roboto', 'Helvetica Neue', Arial, sans-serif;
-    line-height: 1.6;
-    color: #333;
-    background-color: #f8f9fa;
-}
-
-.report-container {
-    max-width: 1200px;
-    margin: 0 auto;
-    background: white;
-    box-shadow: 0 0 20px rgba(0,0,0,0.1);
-}
-
-/* 头部样式 */
-.report-header {
-    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
-    color: white;
-    padding: 40px 30px;
-    text-align: center;
-}
-
-.report-title {
-    font-size: 2.5em;
-    margin-bottom: 20px;
-    font-weight: 700;
-}
-
-.report-meta {
-    display: flex;
-    justify-content: center;
-    flex-wrap: wrap;
-    gap: 20px;
-    margin-bottom: 20px;
-}
-
-.meta-item {
-    background: rgba(255,255,255,0.1);
-    padding: 8px 16px;
-    border-radius: 20px;
-    backdrop-filter: blur(10px);
-}
-
-.meta-label {
-    font-weight: 600;
-    margin-right: 5px;
-}
-
-/* 操作按钮 */
-.action-buttons {
-    margin-top: 20px;
-}
-
-.btn {
-    display: inline-block;
-    padding: 10px 20px;
-    margin: 0 5px;
-    border: none;
-    border-radius: 5px;
-    cursor: pointer;
-    font-size: 14px;
-    text-decoration: none;
-    transition: all 0.3s;
-}
-
-.btn-primary {
-    background: #3498db;
-    color: white;
-}
-
-.btn-secondary {
-    background: #95a5a6;
-    color: white;
-}
-
-.btn-outline {
-    background: transparent;
-    color: white;
-    border: 1px solid white;
-}
-
-.btn:hover {
-    transform: translateY(-2px);
-    box-shadow: 0 4px 8px rgba(0,0,0,0.2);
-}
-
-/* 目录样式 */
-.table-of-contents {
-    padding: 30px;
-    background: #f8f9fa;
-    border-bottom: 1px solid #e9ecef;
-}
-
-.table-of-contents h2 {
-    margin-bottom: 15px;
-    color: #2c3e50;
-}
-
-.toc-list {
-    list-style: none;
-    columns: 2;
-    column-gap: 40px;
-}
-
-.toc-list li {
-    margin-bottom: 8px;
-    break-inside: avoid;
-}
-
-.toc-list a {
-    color: #3498db;
-    text-decoration: none;
-    padding: 5px 0;
-    display: block;
-    transition: color 0.3s;
-}
-
-.toc-list a:hover {
-    color: #2980b9;
-    text-decoration: underline;
-}
-
-/* 章节样式 */
-.report-section {
-    padding: 40px 30px;
-    border-bottom: 1px solid #e9ecef;
-}
-
-.section-header {
-    display: flex;
-    align-items: center;
-    justify-content: space-between;
-    margin-bottom: 25px;
-}
-
-.section-title {
-    color: #2c3e50;
-    font-size: 1.8em;
-    font-weight: 600;
-}
-
-.source-badge {
-    background: #e74c3c;
-    color: white;
-    padding: 4px 12px;
-    border-radius: 15px;
-    font-size: 0.8em;
-    font-weight: 500;
-}
-
-.section-content {
-    font-size: 1.1em;
-    line-height: 1.8;
-}
-
-.section-content h1,
-.section-content h2,
-.section-content h3,
-.section-content h4 {
-    margin: 20px 0 15px 0;
-    color: #2c3e50;
-}
-
-.section-content p {
-    margin-bottom: 15px;
-    text-align: justify;
-}
-
-.section-content ul,
-.section-content ol {
-    margin: 15px 0 15px 30px;
-}
-
-.section-content li {
-    margin-bottom: 8px;
-}
-
-.section-content strong {
-    color: #e74c3c;
-}
-
-.section-content a {
-    color: #3498db;
-    text-decoration: none;
-}
-
-.section-content a:hover {
-    text-decoration: underline;
-}
-
-/* 尾部样式 */
-.report-footer {
-    background: #2c3e50;
-    color: white;
-    padding: 40px 30px 20px;
-}
-
-.footer-content {
-    display: grid;
-    grid-template-columns: 1fr 1fr;
-    gap: 40px;
-    margin-bottom: 20px;
-}
-
-.footer-section h3 {
-    margin-bottom: 15px;
-    color: #ecf0f1;
-}
-
-.source-list {
-    list-style: none;
-}
-
-.source-list li {
-    margin-bottom: 5px;
-    padding-left: 15px;
-    position: relative;
-}
-
-.source-list li:before {
-    content: "→";
-    position: absolute;
-    left: 0;
-    color: #3498db;
-}
-
-.footer-bottom {
-    text-align: center;
-    padding-top: 20px;
-    border-top: 1px solid #34495e;
-    color: #bdc3c7;
-    font-size: 0.9em;
-}
-
-/* 响应式设计 */
-@media (max-width: 768px) {
-    .report-container {
-        margin: 0;
-        box-shadow: none;
-    }
-    
-    .report-header {
-        padding: 30px 20px;
-    }
-    
-    .report-title {
-        font-size: 2em;
-    }
-    
-    .report-meta {
-        flex-direction: column;
-        align-items: center;
-    }
-    
-    .table-of-contents,
-    .report-section {
-        padding: 20px;
-    }
-    
-    .toc-list {
-        columns: 1;
-    }
-    
-    .section-header {
-        flex-direction: column;
-        align-items: flex-start;
-        gap: 10px;
-    }
-    
-    .footer-content {
-        grid-template-columns: 1fr;
-        gap: 20px;
-    }
-}
-
-/* 打印样式 */
-@media print {
-    body {
-        background: white;
-    }
-    
-    .report-container {
-        box-shadow: none;
-        max-width: none;
-    }
-    
-    .action-buttons {
-        display: none;
-    }
-    
-    .report-section {
-        page-break-inside: avoid;
-    }
-}
-
-/* 暗色模式 */
-.dark-mode {
-    background-color: #1a1a1a;
-    color: #e0e0e0;
-}
-
-.dark-mode .report-container {
-    background: #2d2d2d;
-}
-
-.dark-mode .table-of-contents {
-    background: #3a3a3a;
-}
-
-.dark-mode .report-section {
-    border-bottom-color: #4a4a4a;
-}
-
-.dark-mode .section-title {
-    color: #e0e0e0;
-}
-
-.dark-mode .section-content {
-    color: #c0c0c0;
-}
-</style>
-
-</head>
-<body>
-    <div class="report-container">
-        
-<header class="report-header">
-    <div class="header-content">
-        <h1 class="report-title">智能舆情分析报告 - 智能舆情分析报告</h1>
-        <div class="report-meta">
-            <div class="meta-item">
-                <span class="meta-label">查询内容:</span>
-                <span class="meta-value">智能舆情分析报告</span>
-            </div>
-            <div class="meta-item">
-                <span class="meta-label">生成时间:</span>
-                <span class="meta-value">2025年08月26日 13:45:05</span>
-            </div>
-            <div class="meta-item">
-                <span class="meta-label">使用模板:</span>
-                <span class="meta-value">市场竞争格局舆情分析报告模板</span>
-            </div>
-        </div>
-        
-<div class="action-buttons">
-    <button onclick="window.print()" class="btn btn-primary">
-        <i class="icon-print"></i> 打印报告
-    </button>
-    <button onclick="exportToPDF()" class="btn btn-secondary">
-        <i class="icon-download"></i> 导出PDF
-    </button>
-    <button onclick="toggleDarkMode()" class="btn btn-outline">
-        <i class="icon-moon"></i> 暗色模式
-    </button>
-</div>
-
-    </div>
-</header>
-
-        
-<nav class="table-of-contents">
-    <h2>目录</h2>
-    <ul class="toc-list">
-        <li><a href="#section-1">1. 执行摘要</a></li><li><a href="#section-2">2. QueryEngine分析结果</a></li><li><a href="#section-3">3. MediaEngine分析结果</a></li><li><a href="#section-4">4. InsightEngine分析结果</a></li><li><a href="#section-5">5. 综合结论与建议</a></li>
-    </ul>
-</nav>
-
-        
-<section class="report-section" id="section-1">
-    <div class="section-header">
-        <h2 class="section-title">1. 执行摘要</h2>
-        <span class="source-badge">Integrated</span>
-    </div>
-    <div class="section-content">
-        <p>本报告基于3个数据源的综合分析，包括：</p>
-<ul>
-<li>QueryEngine: 提供了3769字符的详细分析</li>
-<li>MediaEngine: 提供了3279字符的详细分析</li>
-<li>InsightEngine: 提供了2217字符的详细分析</li>
-</ul>
-
-<p>通过多维度的数据整合和分析，本报告旨在为决策提供全面、准确的舆情洞察。</p>
-    </div>
-</section>
-
-
-<section class="report-section" id="section-2">
-    <div class="section-header">
-        <h2 class="section-title">2. QueryEngine分析结果</h2>
-        <span class="source-badge">QueryEngine</span>
-    </div>
-    <div class="section-content">
-        <p>科研实力方面，武汉大学2024年发表SCIE和SSCI国际论文10654篇，位居全球前列，高被引科学家23人次（全球第55位），展现出强大的学术影响力。学校科研成果丰硕，包括在重要学术期刊发表论文、申请发明专利、出版专著、获得省部级以上成果奖、获批国家级人才项目等。仅2023年一年，就有学院获批国家社科基金项目8项（含重点项目2项），省部级项目3项，以及多项省厅级和横向课题。学校还取得了87项省部级科技进步奖和人文社科优秀成果奖，62项市级奖项，科研经费合同总额达3.7亿元，出版专著98部。特别是在高场固体核磁分析领域达到领先水平，为结构生物学、材料科学、清洁能源等前沿领域提供重要支撑。</p>
-
-<h2>结论</h2>
-    </div>
-</section>
-
-
-<section class="report-section" id="section-3">
-    <div class="section-header">
-        <h2 class="section-title">3. MediaEngine分析结果</h2>
-        <span class="source-badge">MediaEngine</span>
-    </div>
-    <div class="section-content">
-        <h2>结论</h2>
-
-<h1>深度研究报告</h1>
-
-<p>好的，这是根据您提供的数据格式化的Markdown报告。</p>
-    </div>
-</section>
-
-
-<section class="report-section" id="section-4">
-    <div class="section-header">
-        <h2 class="section-title">4. InsightEngine分析结果</h2>
-        <span class="source-badge">InsightEngine</span>
-    </div>
-    <div class="section-content">
-        <p>> <strong>结论</strong>：历史是武大人共同的“开放剧本”，人人可改台词，却从未离场。</p>
-
-<p>> <strong>结论</strong>：学科光芒没有熄灭，只是被年轻人的房租、夜班、脱发折射得更立体。</p>
-
-<p>> <strong>结论</strong>：顶尖师资是珞珈山最强磁场，也是“内部不平等”最显眼坐标。</p>
-    </div>
-</section>
-
-
-<section class="report-section" id="section-5">
-    <div class="section-header">
-        <h2 class="section-title">5. 综合结论与建议</h2>
-        <span class="source-badge">Integrated</span>
-    </div>
-    <div class="section-content">
-        <p>基于多源数据的综合分析，我们得出以下结论：</p>
-
-<p>1. <strong>数据完整性</strong>: 本次分析整合了多个维度的数据源，确保了分析结果的全面性和可靠性。</p>
-
-<p>2. <strong>趋势识别</strong>: 通过对比分析不同数据源的信息，识别出了关键的舆情发展趋势。</p>
-
-<p>3. <strong>用户行为</strong>: 论坛数据反映了用户的真实态度和参与度，为舆情评估提供了重要参考。</p>
-
-<p>4. <strong>建议措施</strong>: 建议持续监控相关话题的发展，及时调整应对策略。</p>
-    </div>
-</section>
-
-        
-<div class="charts-container">
-    <div class="chart-grid">
-        <div class="chart-item">
-            <canvas id="sentimentChart"></canvas>
-        </div>
-        <div class="chart-item">
-            <canvas id="sourceChart"></canvas>
-        </div>
-        <div class="chart-item">
-            <canvas id="timelineChart"></canvas>
-        </div>
-        <div class="chart-item">
-            <canvas id="forumChart"></canvas>
-        </div>
-    </div>
-</div>
-
-<script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
-<script>
-// 情感分析饼图
-const sentimentCtx = document.getElementById('sentimentChart').getContext('2d');
-const sentimentChart = new Chart(sentimentCtx, {"type": "pie", "title": "情感分布分析", "data": {"labels": ["正面", "中性", "负面"], "data": [0, 0, 0], "backgroundColor": ["#4CAF50", "#FFC107", "#F44336"]}, "options": {"responsive": true, "plugins": {"legend": {"position": "bottom"}, "title": {"display": true, "text": "舆情情感倾向分布"}}}});
-
-// 数据源柱状图
-const sourceCtx = document.getElementById('sourceChart').getContext('2d');
-const sourceChart = new Chart(sourceCtx, {"type": "bar", "title": "数据源分布", "data": {"labels": ["查询引擎", "媒体引擎", "洞察引擎"], "datasets": [{"label": "数据量", "data": [0, 0, 0], "backgroundColor": ["#2196F3", "#9C27B0", "#FF9800"], "borderColor": ["#2196F3", "#9C27B0", "#FF9800"], "borderWidth": 1}]}, "options": {"responsive": true, "plugins": {"legend": {"display": false}, "title": {"display": true, "text": "各数据源贡献度"}}, "scales": {"y": {"beginAtZero": true}}}});
-
-// 时间线图表
-const timelineCtx = document.getElementById('timelineChart').getContext('2d');
-const timelineChart = new Chart(timelineCtx, {"type": "line", "title": "活动时间线", "data": {"labels": ["13:00"], "datasets": [{"label": "活动量", "data": [1], "borderColor": "#3498db", "backgroundColor": "rgba(52, 152, 219, 0.1)", "tension": 0.4, "fill": true}]}, "options": {"responsive": true, "plugins": {"legend": {"display": true}, "title": {"display": true, "text": "论坛活动时间分布"}}, "scales": {"y": {"beginAtZero": true}}}});
-
-// 论坛统计图表
-const forumCtx = document.getElementById('forumChart').getContext('2d');
-const forumChart = new Chart(forumCtx, {"type": "doughnut", "title": "论坛数据统计", "data": {"labels": ["帖子数", "评论数", "活跃用户"], "datasets": [{"data": [0, 0, 0], "backgroundColor": ["#e74c3c", "#f39c12", "#2ecc71"], "borderWidth": 2, "borderColor": "#ffffff"}]}, "options": {"responsive": true, "plugins": {"legend": {"position": "bottom"}, "title": {"display": true, "text": "论坛活动概况"}}}});
-</script>
-
-<style>
-.charts-container {{
-    padding: 20px;
-    background: #f8f9fa;
-    border-radius: 8px;
-    margin: 20px 0;
-}}
-
-.chart-grid {{
-    display: grid;
-    grid-template-columns: repeat(auto-fit, minmax(400px, 1fr));
-    gap: 20px;
-}}
-
-.chart-item {{
-    background: white;
-    padding: 15px;
-    border-radius: 8px;
-    box-shadow: 0 2px 4px rgba(0,0,0,0.1);
-}}
-
-.chart-item canvas {{
-    max-height: 300px;
-}}
-
-@media (max-width: 768px) {{
-    .chart-grid {{
-        grid-template-columns: 1fr;
-    }}
-}}
-</style>
-
-        
-<footer class="report-footer">
-    <div class="footer-content">
-        <div class="footer-section">
-            <h3>数据源信息</h3>
-            <ul class="source-list">
-                <li>无特定源文件</li>
-            </ul>
-        </div>
-        <div class="footer-section">
-            <h3>生成信息</h3>
-            <p>报告生成耗时: 0.00 秒</p>
-            <p>数据处理引擎: 智能舆情分析系统</p>
-            <p>版本: v1.0.0</p>
-        </div>
-    </div>
-    <div class="footer-bottom">
-        <p>&copy; 2024 智能舆情分析平台. 本报告由AI自动生成，仅供参考。</p>
-    </div>
-</footer>
-
-    </div>
-    
-    
-<script>
-// 暗色模式切换
-function toggleDarkMode() {
-    document.body.classList.toggle('dark-mode');
-    const isDark = document.body.classList.contains('dark-mode');
-    localStorage.setItem('darkMode', isDark);
-}
-
-// 页面加载时恢复暗色模式设置
-document.addEventListener('DOMContentLoaded', function() {
-    const isDark = localStorage.getItem('darkMode') === 'true';
-    if (isDark) {
-        document.body.classList.add('dark-mode');
-    }
-});
-
-// 平滑滚动
-document.querySelectorAll('a[href^="#"]').forEach(anchor => {
-    anchor.addEventListener('click', function (e) {
-        e.preventDefault();
-        const target = document.querySelector(this.getAttribute('href'));
-        if (target) {
-            target.scrollIntoView({
-                behavior: 'smooth',
-                block: 'start'
-            });
-        }
-    });
-});
-</script>
-
-    
-<script src="https://cdnjs.cloudflare.com/ajax/libs/html2pdf.js/0.10.1/html2pdf.bundle.min.js"></script>
-<script>
-function exportToPDF() {
-    const element = document.querySelector('.report-container');
-    const opt = {
-        margin: 1,
-        filename: 'report.pdf',
-        image: { type: 'jpeg', quality: 0.98 },
-        html2canvas: { scale: 2 },
-        jsPDF: { unit: 'in', format: 'letter', orientation: 'portrait' }
-    };
-    
-    // 隐藏操作按钮
-    const buttons = document.querySelector('.action-buttons');
-    if (buttons) {
-        buttons.style.display = 'none';
-    }
-    
-    html2pdf().set(opt).from(element).save().then(() => {
-        // 恢复操作按钮
-        if (buttons) {
-            buttons.style.display = 'block';
-        }
-    });
-}
-</script>
-
-</body>
-</html>

final_reports/final_report_武汉大学舆情分析_20250826_121457.html

@@ -1,543 +0,0 @@
-<!DOCTYPE html>
-<html lang="zh-CN">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>武汉大学舆情分析报告</title>
-    <style>
-        /* --- 全局样式与变量 --- */
-        :root {
-            --primary-color: #0056b3; /* 主题色 - 深蓝 */
-            --secondary-color: #007bff; /* 辅助色 - 亮蓝 */
-            --text-color: #333;
-            --light-text-color: #666;
-            --bg-color: #f8f9fa;
-            --card-bg-color: #ffffff;
-            --border-color: #dee2e6;
-            --shadow: 0 4px 8px rgba(0,0,0,0.05);
-            --font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, "Helvetica Neue", Arial, "Noto Sans", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji";
-            
-            /* 情感与风险颜色 */
-            --positive-color: #28a745;
-            --neutral-color: #6c757d;
-            --negative-color: #dc3545;
-            --medium-risk-color: #fd7e14;
-            --high-risk-color: #dc3545;
-            --low-risk-color: #17a2b8;
-        }
-
-        body {
-            font-family: var(--font-family);
-            background-color: var(--bg-color);
-            color: var(--text-color);
-            margin: 0;
-            padding: 0;
-            line-height: 1.6;
-            font-size: 16px;
-        }
-
-        /* --- 容器与布局 --- */
-        .report-container {
-            max-width: 1200px;
-            margin: 20px auto;
-            padding: 20px;
-        }
-
-        .grid-container {
-            display: grid;
-            grid-template-columns: 1fr;
-            gap: 20px;
-        }
-
-        @media (min-width: 992px) {
-            .grid-container {
-                grid-template-columns: repeat(2, 1fr);
-            }
-            .grid-col-span-2 {
-                grid-column: span 2;
-            }
-        }
-
-        /* --- 卡片样式 --- */
-        .card {
-            background-color: var(--card-bg-color);
-            border-radius: 8px;
-            box-shadow: var(--shadow);
-            padding: 25px;
-            border: 1px solid var(--border-color);
-            transition: transform 0.2s ease-in-out, box-shadow 0.2s ease-in-out;
-        }
-        .card:hover {
-            transform: translateY(-5px);
-            box-shadow: 0 8px 16px rgba(0,0,0,0.1);
-        }
-
-        .card-header {
-            border-bottom: 1px solid var(--border-color);
-            padding-bottom: 15px;
-            margin-bottom: 20px;
-            display: flex;
-            align-items: center;
-            gap: 10px;
-        }
-
-        .card-header h2 {
-            margin: 0;
-            font-size: 1.5em;
-            color: var(--primary-color);
-        }
-        
-        .card-header .icon {
-            font-size: 1.5em;
-            color: var(--primary-color);
-        }
-
-        /* --- 报告头部 --- */
-        .report-header {
-            text-align: center;
-            margin-bottom: 30px;
-            padding: 20px;
-            background: linear-gradient(135deg, var(--primary-color), var(--secondary-color));
-            color: white;
-            border-radius: 8px;
-            position: relative;
-        }
-
-        .report-header h1 {
-            margin: 0;
-            font-size: 2.5em;
-            font-weight: 600;
-        }
-
-        .report-header p {
-            margin: 5px 0 0;
-            font-size: 1.1em;
-            opacity: 0.9;
-        }
-        
-        .print-button {
-            position: absolute;
-            top: 20px;
-            right: 20px;
-            background-color: rgba(255, 255, 255, 0.2);
-            color: white;
-            border: 1px solid white;
-            padding: 8px 15px;
-            border-radius: 5px;
-            cursor: pointer;
-            transition: background-color 0.3s;
-        }
-        .print-button:hover {
-            background-color: rgba(255, 255, 255, 0.4);
-        }
-
-        /* --- 特定模块样式 --- */
-        /* 执行摘要 */
-        .executive-summary p {
-            font-size: 1.1em;
-            color: var(--light-text-color);
-        }
-
-        /* 关键发现 */
-        .finding-item {
-            display: flex;
-            align-items: flex-start;
-            gap: 15px;
-            padding: 15px 0;
-            border-bottom: 1px solid #f0f0f0;
-        }
-        .finding-item:last-child {
-            border-bottom: none;
-        }
-        .finding-importance {
-            flex-shrink: 0;
-            width: 10px;
-            height: 10px;
-            border-radius: 50%;
-            margin-top: 8px;
-        }
-        .importance-medium { background-color: var(--medium-risk-color); }
-        .importance-high { background-color: var(--high-risk-color); }
-        .importance-low { background-color: var(--low-risk-color); }
-
-        .finding-content h3 {
-            margin: 0 0 5px 0;
-            font-size: 1.1em;
-        }
-        .finding-content p {
-            margin: 0;
-            color: var(--light-text-color);
-        }
-        .finding-source {
-            font-size: 0.8em;
-            color: #999;
-            font-style: italic;
-        }
-
-        /* 情感分析 */
-        .sentiment-container {
-            display: flex;
-            flex-direction: column;
-            gap: 20px;
-        }
-        @media (min-width: 768px) {
-            .sentiment-container {
-                flex-direction: row;
-                align-items: center;
-            }
-        }
-        .sentiment-chart {
-            flex: 1;
-            min-height: 250px;
-            position: relative;
-        }
-        .sentiment-details {
-            flex: 1;
-        }
-        .sentiment-details .overall {
-            font-size: 1.2em;
-            font-weight: bold;
-            margin-bottom: 15px;
-        }
-        .sentiment-details .overall-value-neutral { color: var(--neutral-color); }
-        .sentiment-details .overall-value-positive { color: var(--positive-color); }
-        .sentiment-details .overall-value-negative { color: var(--negative-color); }
-        
-        .sentiment-details ul {
-            list-style-type: none;
-            padding-left: 0;
-            margin: 0;
-        }
-        .sentiment-details li {
-            background-color: #f1f3f5;
-            padding: 8px 12px;
-            border-radius: 4px;
-            margin-bottom: 8px;
-        }
-
-        /* 风险评估 */
-        .risk-level {
-            font-size: 1.5em;
-            font-weight: bold;
-            text-align: center;
-            padding: 15px;
-            border-radius: 5px;
-            margin-bottom: 20px;
-        }
-        .risk-level.medium {
-            background-color: #fff3e0;
-            color: var(--medium-risk-color);
-            border: 1px solid var(--medium-risk-color);
-        }
-        .risk-assessment-grid {
-            display: grid;
-            grid-template-columns: 1fr;
-            gap: 20px;
-        }
-        @media (min-width: 576px) {
-            .risk-assessment-grid {
-                grid-template-columns: 1fr 1fr;
-            }
-        }
-        .risk-assessment-grid h3 {
-            font-size: 1.1em;
-            color: var(--secondary-color);
-            margin-top: 0;
-        }
-        .risk-assessment-grid ul {
-            padding-left: 20px;
-            margin: 0;
-        }
-
-        /* 建议措施 */
-        .recommendations-table {
-            width: 100%;
-            border-collapse: collapse;
-        }
-        .recommendations-table th, .recommendations-table td {
-            padding: 12px 15px;
-            text-align: left;
-            border-bottom: 1px solid var(--border-color);
-        }
-        .recommendations-table th {
-            background-color: #f8f9fa;
-            font-weight: 600;
-        }
-        .recommendations-table tbody tr:hover {
-            background-color: #f1f3f5;
-        }
-        .priority-badge {
-            display: inline-block;
-            padding: 4px 10px;
-            border-radius: 12px;
-            font-size: 0.85em;
-            color: white;
-            font-weight: 500;
-        }
-        .priority-medium { background-color: var(--medium-risk-color); }
-        .priority-high { background-color: var(--high-risk-color); }
-        .priority-low { background-color: var(--low-risk-color); }
-
-        /* 附录 */
-        .appendix {
-            margin-top: 30px;
-            text-align: center;
-            font-size: 0.9em;
-            color: var(--light-text-color);
-        }
-
-        /* --- 打印样式 --- */
-        @media print {
-            body {
-                background-color: #fff;
-                font-size: 12pt;
-                color: #000;
-            }
-            .report-container {
-                width: 100%;
-                margin: 0;
-                padding: 0;
-                box-shadow: none;
-            }
-            .card {
-                box-shadow: none;
-                border: 1px solid #ccc;
-                page-break-inside: avoid;
-            }
-            .report-header {
-                background: #eee;
-                color: #000;
-                padding: 15px;
-                border-radius: 0;
-            }
-            .report-header h1 {
-                font-size: 2em;
-            }
-            .print-button {
-                display: none;
-            }
-            .grid-container {
-                grid-template-columns: 1fr !important;
-            }
-            .sentiment-container {
-                flex-direction: column !important;
-            }
-            .sentiment-chart {
-                max-width: 500px;
-                margin: 0 auto;
-            }
-            a {
-                text-decoration: none;
-                color: #000;
-            }
-        }
-    </style>
-</head>
-<body>
-
-    <div class="report-container">
-        <header class="report-header">
-            <button class="print-button" onclick="window.print()">🖨️ 打印/导出PDF</button>
-            <h1>武汉大学舆情分析报告</h1>
-            <p id="generation-time"></p>
-        </header>
-
-        <main class="grid-container">
-            <!-- 执行摘要 -->
-            <section class="card grid-col-span-2 executive-summary">
-                <div class="card-header">
-                    <span class="icon">📝</span>
-                    <h2>执行摘要</h2>
-                </div>
-                <p>基于对'未知主题'的多维度分析，本报告整合了深度洞察、媒体监测和查询分析的结果。</p>
-            </section>
-
-            <!-- 关键发现 -->
-            <section class="card grid-col-span-2">
-                <div class="card-header">
-                    <span class="icon">💡</span>
-                    <h2>关键发现</h2>
-                </div>
-                <div id="key-findings-list">
-                    <div class="finding-item">
-                        <div class="finding-importance importance-medium"></div>
-                        <div class="finding-content">
-                            <h3>数据收集完成</h3>
-                            <p>成功收集了来自三个分析引擎的数据</p>
-                            <span class="finding-source">来源: 系统</span>
-                        </div>
-                    </div>
-                </div>
-            </section>
-
-            <!-- 情感分析 -->
-            <section class="card grid-col-span-2">
-                <div class="card-header">
-                    <span class="icon">📊</span>
-                    <h2>情感分析</h2>
-                </div>
-                <div class="sentiment-container">
-                    <div class="sentiment-chart">
-                        <canvas id="sentimentChart" aria-label="情感分布饼图" role="img"></canvas>
-                    </div>
-                    <div class="sentiment-details">
-                        <p class="overall">
-                            整体情感倾向: <span class="overall-value-neutral">中性</span>
-                        </p>
-                        <h3>关键情感驱动因素:</h3>
-                        <ul>
-                            <li>数据分析</li>
-                            <li>系统处理</li>
-                        </ul>
-                    </div>
-                </div>
-            </section>
-
-            <!-- 风险评估 -->
-            <section class="card">
-                <div class="card-header">
-                    <span class="icon">⚠️</span>
-                    <h2>风险评估</h2>
-                </div>
-                <div class="risk-level medium">
-                    风险等级: 中等
-                </div>
-                <div class="risk-assessment-grid">
-                    <div>
-                        <h3>主要风险因素</h3>
-                        <ul>
-                            <li>数据处理限制</li>
-                        </ul>
-                    </div>
-                    <div>
-                        <h3>缓解建议</h3>
-                        <ul>
-                            <li>建议人工复核分析结果</li>
-                        </ul>
-                    </div>
-                </div>
-            </section>
-
-            <!-- 建议措施 -->
-            <section class="card">
-                <div class="card-header">
-                    <span class="icon">🚀</span>
-                    <h2>建议措施</h2>
-                </div>
-                <table class="recommendations-table">
-                    <thead>
-                        <tr>
-                            <th>类别</th>
-                            <th>建议</th>
-                            <th>优先级</th>
-                        </tr>
-                    </thead>
-                    <tbody>
-                        <tr>
-                            <td>数据质量</td>
-                            <td>建议对分析结果进行人工验证</td>
-                            <td><span class="priority-badge priority-medium">中</span></td>
-                        </tr>
-                    </tbody>
-                </table>
-            </section>
-            
-            <!-- 时间线事件 (处理空数据) -->
-            <section class="card grid-col-span-2">
-                <div class="card-header">
-                    <span class="icon">🗓️</span>
-                    <h2>关键时间线事件</h2>
-                </div>
-                <p>本次分析未发现关键时间节点事件。</p>
-            </section>
-
-        </main>
-
-        <footer class="appendix">
-            <p>本报告由自动化分析系统生成。数据来源：内部数据引擎。© 2024</p>
-        </footer>
-    </div>
-
-    <!-- 引入Chart.js库 -->
-    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
-    <script>
-        // 动态设置报告生成时间
-        document.getElementById('generation-time').textContent = `报告生成于: ${new Date().toLocaleString('zh-CN')}`;
-
-        // 等待DOM加载完成后执行图表渲染
-        document.addEventListener('DOMContentLoaded', function () {
-            // 从输入数据中获取情感分析结果
-            const sentimentData = {
-                positive: 0.33,
-                neutral: 0.34,
-                negative: 0.33
-            };
-
-            const ctx = document.getElementById('sentimentChart').getContext('2d');
-            
-            new Chart(ctx, {
-                type: 'doughnut',
-                data: {
-                    labels: ['积极', '中性', '消极'],
-                    datasets: [{
-                        label: '情感分布',
-                        data: [
-                            sentimentData.positive * 100, 
-                            sentimentData.neutral * 100, 
-                            sentimentData.negative * 100
-                        ],
-                        backgroundColor: [
-                            '#28a745', // 积极 (绿色)
-                            '#6c757d', // 中性 (灰色)
-                            '#dc3545'  // 消极 (红色)
-                        ],
-                        borderColor: '#ffffff',
-                        borderWidth: 3,
-                        hoverOffset: 4
-                    }]
-                },
-                options: {
-                    responsive: true,
-                    maintainAspectRatio: false,
-                    cutout: '60%',
-                    plugins: {
-                        legend: {
-                            position: 'bottom',
-                            labels: {
-                                padding: 20,
-                                usePointStyle: true,
-                                pointStyle: 'circle'
-                            }
-                        },
-                        tooltip: {
-                            callbacks: {
-                                label: function(context) {
-                                    let label = context.label || '';
-                                    if (label) {
-                                        label += ': ';
-                                    }
-                                    if (context.parsed !== null) {
-                                        label += context.parsed.toFixed(2) + '%';
-                                    }
-                                    return label;
-                                }
-                            }
-                        },
-                        title: {
-                            display: true,
-                            text: '情感倾向分布',
-                            font: {
-                                size: 16
-                            },
-                            padding: {
-                                top: 10,
-                                bottom: 20
-                            }
-                        }
-                    }
-                }
-            });
-        });
-    </script>
-</body>
-</html>

final_reports/report_state__20250826_184533.json

@@ -1,15 +0,0 @@
-{
-  "task_id": "report_20250826_184255",
-  "query": "",
-  "status": "completed",
-  "progress": 100.0,
-  "selected_template": "",
-  "has_html_content": true,
-  "html_content_length": 17006,
-  "metadata": {
-    "query": "",
-    "template_used": "日常或定期舆情监测报告模板",
-    "generation_time": 0.0,
-    "timestamp": "2025-08-26T18:42:55.400697"
-  }
-}

final_reports/report_state__20250826_190427.json

@@ -1,15 +0,0 @@
-{
-  "task_id": "report_20250826_185902",
-  "query": "",
-  "status": "completed",
-  "progress": 100.0,
-  "selected_template": "",
-  "has_html_content": true,
-  "html_content_length": 25060,
-  "metadata": {
-    "query": "",
-    "template_used": "日常或定期舆情监测报告模板",
-    "generation_time": 0.0,
-    "timestamp": "2025-08-26T18:59:02.477536"
-  }
-}

final_reports/report_state__20250826_192346.json

@@ -1,15 +0,0 @@
-{
-  "task_id": "report_20250826_192004",
-  "query": "",
-  "status": "completed",
-  "progress": 100.0,
-  "selected_template": "",
-  "has_html_content": true,
-  "html_content_length": 26801,
-  "metadata": {
-    "query": "",
-    "template_used": "社会公共热点事件分析报告模板",
-    "generation_time": 0.0,
-    "timestamp": "2025-08-26T19:20:04.076516"
-  }
-}

final_reports/report_state__20250826_193441.json

@@ -1,15 +0,0 @@
-{
-  "task_id": "report_20250826_193022",
-  "query": "",
-  "status": "completed",
-  "progress": 100.0,
-  "selected_template": "",
-  "has_html_content": true,
-  "html_content_length": 30350,
-  "metadata": {
-    "query": "",
-    "template_used": "社会公共热点事件分析报告模板",
-    "generation_time": 0.0,
-    "timestamp": "2025-08-26T19:30:22.039836"
-  }
-}

insight_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 2.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

insight_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 3.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

insight_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 4.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

insight_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 5.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

insight_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 6.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

insight_engine_streamlit_reports/deep_search_report_武汉大学_20250825_180214 copy.md

@@ -0,0 +1,82 @@
+# 珞珈山舆情全景报告  
+**“百年名校的骄傲、焦虑与烟火气”**  
+> 数据周期：2024-03-01 至 2024-04-30  
+> 监测平台：微博、抖音、B 站、小红书、知乎、贴吧、树洞等 12 个信源  
+> 情感样本：≈ 210 万条有效文本、3.8 亿次阅读、420 万条互动
+
+---
+
+## 一、百年校史：从“薛定谔的起点”到“共享的青春现场”
+
+| 维度 | 高光片段 | 争议点 | 情绪占比 |
+|---|---|---|---|
+| 1893 VS 1913 | 抖音#国立武汉大学门楼# 1.2 万条模仿“学大汉武立国”倒读梗 | 贴吧“80 周年还是 100 周年”贴 15 页楼，**“荒诞”21%** | 自豪 38% / 吐槽 34% |
+| 樱花季 | 微博#武大樱花预约# 3.8 亿阅读 | “抢票像春运”暴躁 34%，安慰陌生人 27% | 浪漫 42% / 焦虑 28% |
+| 校友记忆 | 知乎匿名答 2.7 万赞：*“百年光阴也就一坡之隔”* | 00 后主播带货雪糕：“母校变景点？” | 怀旧 45% / 商业化 21% |
+
+> **结论**：历史是武大人共同的“开放剧本”，人人可改台词，却从未离场。
+
+---
+
+## 二、学科与科研：从“世界第一”到“工资条沉默”
+
+| 学科 | 高光叙事 | 焦虑痛点 | 情感走势 |
+|---|---|---|---|
+| **测绘遥感** | 知乎“世界第一”4.5 万赞 | 硕士春招中位数 7.2k，“买不起武汉一平米” | 自豪↓55%→51% / 焦虑↑17%→24% |
+| **法学** | 省考“双第一”报喜九宫格 | 红圈所实习 5k 不包宿，“法学生的温柔铠甲”裂缝 | 温情↓18%→14% / 考公↑6%→11% |
+| **口腔医学** | B 站“阿牙”拔牙 300 万播 | 规培时薪 < 奶茶店，“连筷子都拿不稳” | 信赖 12%→10% / 规培累 5%→9% |
+| **病毒学** | 抖音“00 后通宵 WB”120 万赞 | 后台 3.7% 私信含“猝死”关键词 | 敬意 8%→6% / 科研高压 5% |
+
+> **结论**：学科光芒没有熄灭，只是被年轻人的房租、夜班、脱发折射得更立体。
+
+---
+
+## 三、人才与师资：院士隔壁的“二等公民”
+
+| 指标 | 官方数字 | 学生体感 | 舆情热词 |
+|---|---|---|---|
+| 全职院士 | 11 人 | “院士把卫星数据当糖果发” vs “PCR 仪排三周” | **“资源落差”** |
+| 博雅计划 | 淘汰率 20% | “神仙打架”课表刷屏 | **“卷到凌晨三点”** |
+| 诺奖光环 | 谢克曼返校演讲 | “失败是科研入场券”弹幕 80 万播 | **“含金量飙升”** |
+
+> **结论**：顶尖师资是珞珈山最强磁场，也是“内部不平等”最显眼坐标。
+
+---
+
+## 四、校园文化与国际化：樱花、讲坛与学分坑
+
+| 场景 | 浪漫叙事 | 现实裂缝 | 情感两极 |
+|---|---|---|---|
+| 樱花节 | 小红书 10 万赞“童话滤镜” | #武汉人挤不进武大# 3.8 万条愤怒 | 游客 47% / 学生 36% |
+| 珞珈讲坛 | 京都大学学生朗诵《将进酒》 80 万播 | 哈佛交换“300 美元房租劝退普通家庭” | 文化共振 58% / 性价比 31% |
+| 海外校区 | “高级游学”抖音 460 万播 | “学分坑比房租更可怕” | 理想 42% / 质疑 37% |
+
+> **结论**：樱花年年开，**浪漫与焦虑的拉锯**也年年更新。
+
+---
+
+## 五、社会服务：从“家门口的国家队”到“光谷房租推手”
+
+| 议题 | 正向案例 | 负面/焦虑 | 情感分布 |
+|---|---|---|---|
+| **长江大保护** | 渔民放流中华鲟 32.7 万赞 | —— | 非常正面 64% |
+| **抗疫记忆** | “救命盒”试剂、“ECMO 拉回父亲” | 科研经费、医生待遇 28% | 心疼+致敬 60% |
+| **乡村振兴** | “珞珈红”茶叶、菌菇大王爷爷 | 销路隐忧 10% | 期待 55% |
+| **大科学装置** | “给原子拍 CT” 4.3 万赞 | 光谷房租一年涨 12% | 感谢 38% / 生活不易 29% |
+
+> **结论**：武大让湖北人既谈亲人又谈底气，**“感谢”与“房租焦虑”并存**是最市井的温度。
+
+---
+
+## 六、结论：珞珈山的三重面孔
+
+| 面孔 | 关键词 | 数据注脚 |
+|---|---|---|
+| **骄傲** | 世界第一学科、11 位院士、抗疫硬核 | 自豪声量 51% |
+| **焦虑** | 房租、规培、绩点、抢票 | 焦虑声量 24% |
+| **烟火气** | 樱花滤镜、校史段子、菌菇大王 | 温情/怀旧 45% |
+
+> **一句话总结**：  
+> 在珞珈山，**百年名校不是博物馆，而是一场永不停更的青春现场**——  
+> 你可以用任何姿势与它发生关系，它也用所有情绪回应你：  
+> *骄傲给你翅膀，焦虑给你重量，烟火气给你继续生活的理由。*

insight_engine_streamlit_reports/deep_search_report_武汉大学舆情_20250825_104743 copy 2.md

@@ -0,0 +1,31 @@
+# 武汉大学舆情分析报告
+
+## 武汉大学舆情概述与定义
+
+武汉大学舆情是指在高等教育和社会背景下，围绕武汉大学及其相关事件产生的公众意见、情绪和态度的总和。舆情监测范围涵盖学术活动、校园管理、师生行为、社会服务等多个方面，常见类型包括正面热点（如学术成就、学生善行）、负面事件（如管理争议、安全事件）以及周期性事件（如招生、毕业季）。在高等教育领域，舆情管理至关重要，因为积极的舆情能提升学校声誉和社会影响力，而消极舆情可能冲击学生价值观和学校形象，甚至引发公关危机。有效的舆情监测需借助专业系统（如乐思、蚁坊软件），这些系统为政府和教育部门提供专业的互联网舆情监测服务，包括舆情分析、预警和疏导，实现全网络舆论实时采集和快速发现。例如，蚁坊软件舆情监测系统平台通过大数据技术为舆情监测提供先机，支持舆情监测、全网络舆论分析和预警工作；乐思舆情监测则强调信息全面性和定向搜索能力，共同支持高校舆情管理中的预警机制和应对策略，以维护学校稳定和发展。此外，舆情监测技术还可辅助教学建模分析，提升品牌营销能力，体现了其在教育领域的多维应用价值。技术应用案例包括AI驱动的智能体，通过调用API和数据训练，更好地发挥数据价值，以及自适应噪声抵消等关键技术研究，这些创新进一步增强了舆情监测的精度和实用性。
+
+## 近期武汉大学舆情事件分析
+
+武汉大学近期舆情事件主要集中在杨景媛学术不端事件和图书馆诬告案两大核心问题上。2025年7月，武汉大学硕士毕业生杨景媛因长期诬告肖姓学弟性骚扰败诉后，其硕士学位论文《中印生育行为影响家庭暴力的经济学分析》被曝光存在严重学术造假问题，包括虚构不存在的《离婚法》、数据来源伪造（将世卫组织公布的36.1%数据篡改为28.3%）、历史常识错误（如将1949年误写为1049年）以及逻辑错误、预设结论、大量抄袭、变量操纵等系统性学术不端行为。这一事件不仅暴露了杨景媛个人学术诚信的缺失，更揭示了武汉大学在研究生培养、论文审核机制以及学术伦理建设方面的系统性漏洞。公众反应强烈，质疑导师指导责任和答辩委员会审查失效，同时批评校方在事件曝光后的迟缓应对态度——直到8月1日央媒关注后才宣布组建工作专班进行全面调查复核。此外，该事件与图书馆诬告案交织：肖同学因被诬告遭受记过处分，丧失保研与法考资格，其家庭更因网暴陷入长期创伤（爷爷受刺激去世、外公成植物人）；而杨景媛却获得保研资格并被香港浸会大学录取（后证实为研究助理而非博士录取），甚至在败诉后公开炫耀成就，引发对高校程序正义和道德审查机制的广泛质疑。香港浸会大学虽于7月31日发出道德核查函并启动独立审查程序，但8月6日流传的"撤销录取资格"消息被证实为谣言，校方仅表示按纪律程序处理而未公布具体决定，这种处理方式与公众对学术不端"零容忍"的期待形成鲜明落差。事件已对武汉大学校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。值得注意的是，杨景媛在调查期间曾试图通过百度网盘上传论文修正文件为自己辩解，但根据中国学术管理规定，已归档学位论文原则上不允许修改，这一行为进一步引发公众对学术规范执行力的质疑。目前校方对论文修改争议仍保持沉默，武汉大学和香港浸会大学的最终处理结果仍悬而未决，公众持续关注事件进展。
+
+## 舆情应对策略与措施
+
+武汉大学在舆情管理方面展现出多层次的应对策略，但近年来的危机事件暴露了其机制中的挑战。以2023年图书馆诬告案为例，学校初期基于单方指控快速处分学生，试图通过‘先处理为敬’的方式平息舆情，却在法院判决反转后引发更严重的舆论反噬，凸显了危机处理中调查不足、反应滞后和急于问责的问题。官方回应方面，校长张平文的‘等上级安排’言论反映了内部决策迟缓，导致‘高度重视’仅停留在内部层面，形成悬殊的公众感知温差，损害了信任；校方在事件中未提供具体调查依据，信息空窗期过长，加剧了隐瞒印象。学校通过保卫部发布通报澄清谣言（如2025年机动车逼停事件），并采取报案等法律行动，体现了沟通和行动结合的策略，但学用脱节问题（如依赖‘落地劝删’等落后手段和缺乏动态舆情监测机制）表明需加强实战能力，避免理论知识与实际处置脱节。舆情研判不足导致未能预判风向反转，应对话术机械被动，错失修复信任窗口。此外，事件还揭示了学校对‘极端女权’等社会舆论现象的应对不足，需更深入理解民意背景。总体而言，武大需优化响应速度、确保调查公正性、建立透明沟通机制（如及时发布‘一对一’式核查回应和补救措施），并通过动态跟踪和预警体系缓解负面舆情，以修复声誉和提升舆情管理效能。
+
+## 舆情对武汉大学声誉的影响
+
+武汉大学近年来面临多起舆情事件，对学校声誉、招生、学术合作和社会形象产生了显著影响。根据知微数据分析，2021年武汉大学'和服赏樱'冲突事件影响力指数达65.4，高于同类事件均值10.8%，引发广泛舆论关注。事件初期，负面观点占比较高，质疑学校狭隘和保安暴力行为。但通过及时公关回应，武汉大学发布情况说明，强调游客未预约和言语挑衅，舆论风向逆转，支持学校决定的比例从26%升至48%。这体现了正面回应在舆情管理中的有效性，有助于维护社会形象。
+
+然而，其他事件如2025年的校园交通冲突，部分自媒体传播'教职工子女蛮横别停学生'等不实信息，导致负面讨论滋生，网民质疑校园管理特权问题，例如取消车辆通行授权三个月的惩罚措施细节和校外人员校园行驶权限。尽管校方迅速澄清涉事驾驶员为校外退休职工子女、无特权行为，并报案处理谣言，事件仍暴露了谣言对声誉的潜在危害。此外，学术相关争议如肖某某纪律处分和杨某某论文调查，通过媒体和社交平台扩散，影响学术合作信任度。
+
+招生方面，2024年武汉大学招生总人数有所增加，面向全国招生7215人，强基计划招生专业从8个增加到9个，显示学校在扩大招生规模上的努力。然而，校长张平文在宣传片中不当言论曾引发网络质疑，需警惕对招生的潜在负面影响。值得注意的是，全国高等教育性别格局变化显著，2023年本科在校生女性占比达52.22%，招生中女生占比高达63%，但顶尖高校如C9联盟女性占比仅37.7%，武汉大学作为综合性大学，需关注专业性别分化（如计算机学院男女比4.88:1，新闻传播学院女生超80%）对招生多样性和社会形象的影响。
+
+总体而言，舆情事件对招生和合作可能带来短期波动，但武汉大学的应对策略——如快速响应和透明沟通——在一定程度上 mitigates 负面影响，凸显高校需加强舆情监测和公关智慧以保护声誉。新华社等媒体评论指出舆情应对应避免'唯上不唯实'，强调高校需提升行政敏感度，防止事件处理失能进一步损害形象。
+
+## 未来舆情趋势与建议
+
+武汉大学未来可能面临的舆情挑战主要集中在透明度不足、沟通效率低下和预防机制缺失等方面。基于搜索结果，武汉大学在图书馆事件中暴露出反应滞后、信息空窗期过长的问题，导致公众信任流失。未来需加强舆情监测和预警体系，采用人工智能技术（如BERT模型、情感分析）实时跟踪网络舆论动态，提升研判能力。建议建立快速响应机制，确保调查流程公开透明，避免模糊策略；优化内部沟通流程，减少层层汇报导致的延误；同时引入区块链技术或深度学习模型（如CNN）加强校园舆情分析，实现多维度事件处理。此外，应定期复盘舆情案例，完善危机公关预案，通过专业、善意的沟通回应公众关切，修复声誉损害。结合前沿技术趋势，武汉大学可借鉴大数据、云计算和人工智能在智慧城市管理中的创新应用，推动舆情管理手段和模式升级，如利用人工智能和区块链提升供应链韧性和协同效益，加强2024年后的业务效率改善。通过整合5G、半导体等新一代信息技术，加快智能化的舆情预警和响应系统建设，提升透明度和沟通效率，预防潜在危机。值得注意的是，在2024年金融科技创新大赛中，武汉大学团队展示了区块链和人工智能的应用潜力，如“区块链大战供应链融碳生金”项目，这为舆情管理提供了技术参考，可探索区块链用于数据透明存证和AI驱动的情感分析，以增强舆情应对的实时性和可信度。同时，关注AI伦理和治理框架，如避免算法偏见和隐私风险，确保技术应用符合国际标准，提升整体舆情管理的可持续性和普惠性。
+
+## 结论
+
+综合以上分析，武汉大学舆情管理面临显著挑战，尤其在学术诚信、透明度和响应机制方面。近期事件如杨景媛学术不端和图书馆诬告案暴露了系统性漏洞，对学校声誉造成冲击。未来，武汉大学需加强技术应用（如AI和区块链）、优化沟通策略，并建立预防性机制，以提升舆情应对能力，维护长期声誉和发展。

insight_engine_streamlit_reports/deep_search_report_武汉大学舆情_20250825_104743 copy.md

@@ -0,0 +1,31 @@
+# 武汉大学舆情分析报告
+
+## 武汉大学舆情概述与定义
+
+武汉大学舆情是指在高等教育和社会背景下，围绕武汉大学及其相关事件产生的公众意见、情绪和态度的总和。舆情监测范围涵盖学术活动、校园管理、师生行为、社会服务等多个方面，常见类型包括正面热点（如学术成就、学生善行）、负面事件（如管理争议、安全事件）以及周期性事件（如招生、毕业季）。在高等教育领域，舆情管理至关重要，因为积极的舆情能提升学校声誉和社会影响力，而消极舆情可能冲击学生价值观和学校形象，甚至引发公关危机。有效的舆情监测需借助专业系统（如乐思、蚁坊软件），这些系统为政府和教育部门提供专业的互联网舆情监测服务，包括舆情分析、预警和疏导，实现全网络舆论实时采集和快速发现。例如，蚁坊软件舆情监测系统平台通过大数据技术为舆情监测提供先机，支持舆情监测、全网络舆论分析和预警工作；乐思舆情监测则强调信息全面性和定向搜索能力，共同支持高校舆情管理中的预警机制和应对策略，以维护学校稳定和发展。此外，舆情监测技术还可辅助教学建模分析，提升品牌营销能力，体现了其在教育领域的多维应用价值。技术应用案例包括AI驱动的智能体，通过调用API和数据训练，更好地发挥数据价值，以及自适应噪声抵消等关键技术研究，这些创新进一步增强了舆情监测的精度和实用性。
+
+## 近期武汉大学舆情事件分析
+
+武汉大学近期舆情事件主要集中在杨景媛学术不端事件和图书馆诬告案两大核心问题上。2025年7月，武汉大学硕士毕业生杨景媛因长期诬告肖姓学弟性骚扰败诉后，其硕士学位论文《中印生育行为影响家庭暴力的经济学分析》被曝光存在严重学术造假问题，包括虚构不存在的《离婚法》、数据来源伪造（将世卫组织公布的36.1%数据篡改为28.3%）、历史常识错误（如将1949年误写为1049年）以及逻辑错误、预设结论、大量抄袭、变量操纵等系统性学术不端行为。这一事件不仅暴露了杨景媛个人学术诚信的缺失，更揭示了武汉大学在研究生培养、论文审核机制以及学术伦理建设方面的系统性漏洞。公众反应强烈，质疑导师指导责任和答辩委员会审查失效，同时批评校方在事件曝光后的迟缓应对态度——直到8月1日央媒关注后才宣布组建工作专班进行全面调查复核。此外，该事件与图书馆诬告案交织：肖同学因被诬告遭受记过处分，丧失保研与法考资格，其家庭更因网暴陷入长期创伤（爷爷受刺激去世、外公成植物人）；而杨景媛却获得保研资格并被香港浸会大学录取（后证实为研究助理而非博士录取），甚至在败诉后公开炫耀成就，引发对高校程序正义和道德审查机制的广泛质疑。香港浸会大学虽于7月31日发出道德核查函并启动独立审查程序，但8月6日流传的"撤销录取资格"消息被证实为谣言，校方仅表示按纪律程序处理而未公布具体决定，这种处理方式与公众对学术不端"零容忍"的期待形成鲜明落差。事件已对武汉大学校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。值得注意的是，杨景媛在调查期间曾试图通过百度网盘上传论文修正文件为自己辩解，但根据中国学术管理规定，已归档学位论文原则上不允许修改，这一行为进一步引发公众对学术规范执行力的质疑。目前校方对论文修改争议仍保持沉默，武汉大学和香港浸会大学的最终处理结果仍悬而未决，公众持续关注事件进展。
+
+## 舆情应对策略与措施
+
+武汉大学在舆情管理方面展现出多层次的应对策略，但近年来的危机事件暴露了其机制中的挑战。以2023年图书馆诬告案为例，学校初期基于单方指控快速处分学生，试图通过‘先处理为敬’的方式平息舆情，却在法院判决反转后引发更严重的舆论反噬，凸显了危机处理中调查不足、反应滞后和急于问责的问题。官方回应方面，校长张平文的‘等上级安排’言论反映了内部决策迟缓，导致‘高度重视’仅停留在内部层面，形成悬殊的公众感知温差，损害了信任；校方在事件中未提供具体调查依据，信息空窗期过长，加剧了隐瞒印象。学校通过保卫部发布通报澄清谣言（如2025年机动车逼停事件），并采取报案等法律行动，体现了沟通和行动结合的策略，但学用脱节问题（如依赖‘落地劝删’等落后手段和缺乏动态舆情监测机制）表明需加强实战能力，避免理论知识与实际处置脱节。舆情研判不足导致未能预判风向反转，应对话术机械被动，错失修复信任窗口。此外，事件还揭示了学校对‘极端女权’等社会舆论现象的应对不足，需更深入理解民意背景。总体而言，武大需优化响应速度、确保调查公正性、建立透明沟通机制（如及时发布‘一对一’式核查回应和补救措施），并通过动态跟踪和预警体系缓解负面舆情，以修复声誉和提升舆情管理效能。
+
+## 舆情对武汉大学声誉的影响
+
+武汉大学近年来面临多起舆情事件，对学校声誉、招生、学术合作和社会形象产生了显著影响。根据知微数据分析，2021年武汉大学'和服赏樱'冲突事件影响力指数达65.4，高于同类事件均值10.8%，引发广泛舆论关注。事件初期，负面观点占比较高，质疑学校狭隘和保安暴力行为。但通过及时公关回应，武汉大学发布情况说明，强调游客未预约和言语挑衅，舆论风向逆转，支持学校决定的比例从26%升至48%。这体现了正面回应在舆情管理中的有效性，有助于维护社会形象。
+
+然而，其他事件如2025年的校园交通冲突，部分自媒体传播'教职工子女蛮横别停学生'等不实信息，导致负面讨论滋生，网民质疑校园管理特权问题，例如取消车辆通行授权三个月的惩罚措施细节和校外人员校园行驶权限。尽管校方迅速澄清涉事驾驶员为校外退休职工子女、无特权行为，并报案处理谣言，事件仍暴露了谣言对声誉的潜在危害。此外，学术相关争议如肖某某纪律处分和杨某某论文调查，通过媒体和社交平台扩散，影响学术合作信任度。
+
+招生方面，2024年武汉大学招生总人数有所增加，面向全国招生7215人，强基计划招生专业从8个增加到9个，显示学校在扩大招生规模上的努力。然而，校长张平文在宣传片中不当言论曾引发网络质疑，需警惕对招生的潜在负面影响。值得注意的是，全国高等教育性别格局变化显著，2023年本科在校生女性占比达52.22%，招生中女生占比高达63%，但顶尖高校如C9联盟女性占比仅37.7%，武汉大学作为综合性大学，需关注专业性别分化（如计算机学院男女比4.88:1，新闻传播学院女生超80%）对招生多样性和社会形象的影响。
+
+总体而言，舆情事件对招生和合作可能带来短期波动，但武汉大学的应对策略——如快速响应和透明沟通——在一定程度上 mitigates 负面影响，凸显高校需加强舆情监测和公关智慧以保护声誉。新华社等媒体评论指出舆情应对应避免'唯上不唯实'，强调高校需提升行政敏感度，防止事件处理失能进一步损害形象。
+
+## 未来舆情趋势与建议
+
+武汉大学未来可能面临的舆情挑战主要集中在透明度不足、沟通效率低下和预防机制缺失等方面。基于搜索结果，武汉大学在图书馆事件中暴露出反应滞后、信息空窗期过长的问题，导致公众信任流失。未来需加强舆情监测和预警体系，采用人工智能技术（如BERT模型、情感分析）实时跟踪网络舆论动态，提升研判能力。建议建立快速响应机制，确保调查流程公开透明，避免模糊策略；优化内部沟通流程，减少层层汇报导致的延误；同时引入区块链技术或深度学习模型（如CNN）加强校园舆情分析，实现多维度事件处理。此外，应定期复盘舆情案例，完善危机公关预案，通过专业、善意的沟通回应公众关切，修复声誉损害。结合前沿技术趋势，武汉大学可借鉴大数据、云计算和人工智能在智慧城市管理中的创新应用，推动舆情管理手段和模式升级，如利用人工智能和区块链提升供应链韧性和协同效益，加强2024年后的业务效率改善。通过整合5G、半导体等新一代信息技术，加快智能化的舆情预警和响应系统建设，提升透明度和沟通效率，预防潜在危机。值得注意的是，在2024年金融科技创新大赛中，武汉大学团队展示了区块链和人工智能的应用潜力，如“区块链大战供应链融碳生金”项目，这为舆情管理提供了技术参考，可探索区块链用于数据透明存证和AI驱动的情感分析，以增强舆情应对的实时性和可信度。同时，关注AI伦理和治理框架，如避免算法偏见和隐私风险，确保技术应用符合国际标准，提升整体舆情管理的可持续性和普惠性。
+
+## 结论
+
+综合以上分析，武汉大学舆情管理面临显著挑战，尤其在学术诚信、透明度和响应机制方面。近期事件如杨景媛学术不端和图书馆诬告案暴露了系统性漏洞，对学校声誉造成冲击。未来，武汉大学需加强技术应用（如AI和区块链）、优化沟通策略，并建立预防性机制，以提升舆情应对能力，维护长期声誉和发展。

logs/forum.log

@@ -1 +1 @@
-=== ForumEgine 系统初始化 - 2025-08-26 19:38:27 ===
+=== ForumEgine 系统初始化 - 2025-08-26 21:56:10 ===

logs/insight.log

@@ -1,16 +1,15 @@
-[19:38:27] 启动 insight 应用...
+[21:56:10] 启动 insight 应用...
-[19:38:28] 2025-08-26 19:38:28.588
+[21:56:11] 2025-08-26 21:56:11.288
-[19:38:28] Warning: the config option 'server.enableCORS=false' is not compatible with
+[21:56:11] Warning: the config option 'server.enableCORS=false' is not compatible with
-[19:38:28] 'server.enableXsrfProtection=true'.
+[21:56:11] 'server.enableXsrfProtection=true'.
-[19:38:28] As a result, 'server.enableCORS' is being overridden to 'true'.
+[21:56:11] As a result, 'server.enableCORS' is being overridden to 'true'.
-[19:38:28] More information:
+[21:56:11] More information:
-[19:38:28] In order to protect against CSRF attacks, we send a cookie with each request.
+[21:56:11] In order to protect against CSRF attacks, we send a cookie with each request.
-[19:38:28] To do so, we must specify allowable origins, which places a restriction on
+[21:56:11] To do so, we must specify allowable origins, which places a restriction on
-[19:38:28] cross-origin resource sharing.
+[21:56:11] cross-origin resource sharing.
-[19:38:28] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
+[21:56:11] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
-[19:38:30] 2025-08-26 19:38:30.221 Did not auto detect external IP.
+[21:56:12] You can now view your Streamlit app in your browser.
-[19:38:30] Please go to https://docs.streamlit.io/ for debugging hints.
+[21:56:12] Local URL: http://localhost:8501
-[19:38:30] You can now view your Streamlit app in your browser.
+[21:56:12] Network URL: http://10.122.232.27:8501
-[19:38:30] Local URL: http://localhost:8501
+[21:56:12] External URL: http://59.64.129.42:8501
-[19:38:30] Network URL: http://10.122.232.27:8501
+[21:56:25] WeiboMultilingualSentimentAnalyzer 已创建，调用 initialize() 来加载模型
-[19:38:47] WeiboMultilingualSentimentAnalyzer 已创建，调用 initialize() 来加载模型

logs/media.log

@@ -1,11 +1,11 @@
-[19:38:30] 启动 media 应用...
+[21:56:12] 启动 media 应用...
-[19:38:31] 2025-08-26 19:38:31.735
+[21:56:13] 2025-08-26 21:56:13.451
-[19:38:31] Warning: the config option 'server.enableCORS=false' is not compatible with
+[21:56:13] Warning: the config option 'server.enableCORS=false' is not compatible with
-[19:38:31] 'server.enableXsrfProtection=true'.
+[21:56:13] 'server.enableXsrfProtection=true'.
-[19:38:31] As a result, 'server.enableCORS' is being overridden to 'true'.
+[21:56:13] As a result, 'server.enableCORS' is being overridden to 'true'.
-[19:38:31] More information:
+[21:56:13] More information:
-[19:38:31] In order to protect against CSRF attacks, we send a cookie with each request.
+[21:56:13] In order to protect against CSRF attacks, we send a cookie with each request.
-[19:38:31] To do so, we must specify allowable origins, which places a restriction on
+[21:56:13] To do so, we must specify allowable origins, which places a restriction on
-[19:38:31] cross-origin resource sharing.
+[21:56:13] cross-origin resource sharing.
-[19:38:31] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
+[21:56:13] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
-[19:38:32] 2025-08-26 19:38:32.010 Port 8502 is already in use
+[21:56:13] 2025-08-26 21:56:13.668 Port 8502 is already in use

logs/query.log

@@ -1,11 +1,11 @@
-[19:38:30] 启动 query 应用...
+[21:56:12] 启动 query 应用...
-[19:38:31] 2025-08-26 19:38:31.745
+[21:56:13] 2025-08-26 21:56:13.454
-[19:38:31] Warning: the config option 'server.enableCORS=false' is not compatible with
+[21:56:13] Warning: the config option 'server.enableCORS=false' is not compatible with
-[19:38:31] 'server.enableXsrfProtection=true'.
+[21:56:13] 'server.enableXsrfProtection=true'.
-[19:38:31] As a result, 'server.enableCORS' is being overridden to 'true'.
+[21:56:13] As a result, 'server.enableCORS' is being overridden to 'true'.
-[19:38:31] More information:
+[21:56:13] More information:
-[19:38:31] In order to protect against CSRF attacks, we send a cookie with each request.
+[21:56:13] In order to protect against CSRF attacks, we send a cookie with each request.
-[19:38:31] To do so, we must specify allowable origins, which places a restriction on
+[21:56:13] To do so, we must specify allowable origins, which places a restriction on
-[19:38:31] cross-origin resource sharing.
+[21:56:13] cross-origin resource sharing.
-[19:38:31] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
+[21:56:13] If cross origin resource sharing is required, please disable server.enableXsrfProtection.
-[19:38:32] 2025-08-26 19:38:32.008 Port 8503 is already in use
+[21:56:13] 2025-08-26 21:56:13.668 Port 8503 is already in use

logs/report.log

@@ -1,20 +1,29 @@
-2025-08-26 19:39:03,249 - ReportEngine - INFO - 已加载 query 报告: 3509 字符
+2025-08-26 21:25:52,488 - ReportEngine - INFO - 已加载 query 报告: 2217 字符
-2025-08-26 19:39:03,251 - ReportEngine - INFO - 已加载 media 报告: 3279 字符
+2025-08-26 21:25:52,491 - ReportEngine - INFO - 已加载 media 报告: 2217 字符
-2025-08-26 19:39:03,252 - ReportEngine - INFO - 已加载 insight 报告: 2217 字符
+2025-08-26 21:25:52,492 - ReportEngine - INFO - 已加载 insight 报告: 2217 字符
-2025-08-26 19:39:03,253 - ReportEngine - INFO - 已加载论坛日志: 47 字符
+2025-08-26 21:25:52,496 - ReportEngine - INFO - 已加载论坛日志: 47 字符
-2025-08-26 19:39:03,254 - ReportEngine - INFO - 开始生成报告: 智能舆情分析报告
+2025-08-26 21:25:52,497 - ReportEngine - INFO - 开始生成报告: 智能舆情分析报告
-2025-08-26 19:39:03,257 - ReportEngine - INFO - 输入数据 - 报告数量: 3, 论坛日志长度: 47
+2025-08-26 21:25:52,498 - ReportEngine - INFO - 输入数据 - 报告数量: 3, 论坛日志长度: 47
-2025-08-26 19:39:03,257 - ReportEngine - INFO - 选择报告模板...
+2025-08-26 21:25:52,499 - ReportEngine - INFO - 选择报告模板...
-2025-08-26 19:39:03,258 - ReportEngine - INFO - [TemplateSelectionNode] 开始模板选择...
+2025-08-26 21:25:52,502 - ReportEngine - INFO - [TemplateSelectionNode] 开始模板选择...
-2025-08-26 19:39:03,261 - ReportEngine - INFO - [TemplateSelectionNode] 尝试使用LLM进行模板选择...
+2025-08-26 21:25:52,511 - ReportEngine - INFO - [TemplateSelectionNode] 尝试使用LLM进行模板选择...
-2025-08-26 19:39:14,686 - ReportEngine - INFO - [TemplateSelectionNode] LLM原始响应: ```json
+2025-08-26 21:26:11,585 - ReportEngine - INFO - [TemplateSelectionNode] LLM原始响应: ```json
 {
-  "template_name": "日常或定期舆情监测报告模板",
+  "template_name": "企业品牌声誉分析报告模板",
-  "selection_reason": "查询内容“智能舆情分析报告”主题宽泛，未指定特定品牌、竞争对手或突发事件，且提及多个分析引擎和日志，表明这是一种常规性、周期性的监测需求，因此最适合使用日常或定期监测报告模板。"
+  "selection_reason": "报告核心是针对特定实体“珞珈山”（武汉大学）在固定周期内（两个月）的网络形象进行全面、多维度的深度分析，涵盖了历史声誉、核心学科口碑、师生舆情等多个层面。这完全符合“企业品牌声誉分析报告模板”用于对品牌进行全面、深度评估与复盘的核心任务，旨在进行战略性、全局性的分析，而非日常监测或针对单一事件。"
 }
-```...
+```
-2025-08-26 19:39:14,686 - ReportEngine - INFO - [TemplateSelectionNode] LLM选择模板: 日常或定期舆情监测报告模板
+2025-08-26 21:26:11,586 - ReportEngine - INFO - [TemplateSelectionNode] LLM选择模板: 企业品牌声誉分析报告模板
-2025-08-26 19:39:14,686 - ReportEngine - INFO - 选择模板: 日常或定期舆情监测报告模板
+2025-08-26 21:26:11,586 - ReportEngine - INFO - 选择模板: 企业品牌声誉分析报告模板
-2025-08-26 19:39:14,687 - ReportEngine - INFO - 选择理由: 查询内容“智能舆情分析报告”主题宽泛，未指定特定品牌、竞争对手或突发事件，且提及多个分析引擎和日志，表明这是一种常规性、周期性的监测需求，因此最适合使用日常或定期监测报告模板。
+2025-08-26 21:26:11,586 - ReportEngine - INFO - 选择理由: 报告核心是针对特定实体“珞珈山”（武汉大学）在固定周期内（两个月）的网络形象进行全面、多维度的深度分析，涵盖了历史声誉、核心学科口碑、师生舆情等多个层面。这完全符合“企业品牌声誉分析报告模板”用于对品牌进行全面、深度评估与复盘的核心任务，旨在进行战略性、全局性的分析，而非日常监测或针对单一事件。
-2025-08-26 19:39:14,687 - ReportEngine - INFO - 多轮生成HTML报告...
+2025-08-26 21:26:11,587 - ReportEngine - INFO - 多轮生成HTML报告...
-2025-08-26 19:39:14,687 - ReportEngine - INFO - [HTMLGenerationNode] 开始生成HTML报告...
+2025-08-26 21:26:11,587 - ReportEngine - INFO - [HTMLGenerationNode] 开始生成HTML报告...
+2025-08-26 21:28:24,877 - ReportEngine - INFO - [HTMLGenerationNode] 处理LLM原始输出，长度: 30739 字符
+2025-08-26 21:28:24,877 - ReportEngine - INFO - [HTMLGenerationNode] HTML处理完成，最终长度: 30727 字符
+2025-08-26 21:28:24,877 - ReportEngine - INFO - [HTMLGenerationNode] HTML报告生成完成
+2025-08-26 21:28:24,877 - ReportEngine - INFO - HTML报告生成完成
+2025-08-26 21:28:24,878 - ReportEngine - INFO - 报告已保存到: final_reports\final_report__20250826_212824.html
+2025-08-26 21:28:24,879 - ReportEngine - INFO - 状态已保存到: final_reports\report_state__20250826_212824.json
+2025-08-26 21:28:24,879 - ReportEngine - INFO - 报告生成完成，耗时: 152.38 秒
+2025-08-26 21:56:12,352 - ReportEngine - INFO - Report Agent已初始化
+2025-08-26 21:56:12,352 - ReportEngine - INFO - 使用LLM: {'provider': 'Gemini', 'model': 'gemini-2.5-pro', 'api_base': 'https://www.chataiapi.com/v1', 'purpose': 'Report Generation'}

logs/report_baseline.json

@@ -1,5 +1,5 @@
 {
-  "insight": 9,
+  "insight": 16,
-  "media": 9,
+  "media": 16,
-  "query": 9
+  "query": 16
 }

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 2.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 3.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 4.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 5.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

media_engine_streamlit_reports/deep_search_report_武汉大学_20250825_180214.md

@@ -0,0 +1,82 @@
+# 珞珈山舆情全景报告  
+**“百年名校的骄傲、焦虑与烟火气”**  
+> 数据周期：2024-03-01 至 2024-04-30  
+> 监测平台：微博、抖音、B 站、小红书、知乎、贴吧、树洞等 12 个信源  
+> 情感样本：≈ 210 万条有效文本、3.8 亿次阅读、420 万条互动
+
+---
+
+## 一、百年校史：从“薛定谔的起点”到“共享的青春现场”
+
+| 维度 | 高光片段 | 争议点 | 情绪占比 |
+|---|---|---|---|
+| 1893 VS 1913 | 抖音#国立武汉大学门楼# 1.2 万条模仿“学大汉武立国”倒读梗 | 贴吧“80 周年还是 100 周年”贴 15 页楼，**“荒诞”21%** | 自豪 38% / 吐槽 34% |
+| 樱花季 | 微博#武大樱花预约# 3.8 亿阅读 | “抢票像春运”暴躁 34%，安慰陌生人 27% | 浪漫 42% / 焦虑 28% |
+| 校友记忆 | 知乎匿名答 2.7 万赞：*“百年光阴也就一坡之隔”* | 00 后主播带货雪糕：“母校变景点？” | 怀旧 45% / 商业化 21% |
+
+> **结论**：历史是武大人共同的“开放剧本”，人人可改台词，却从未离场。
+
+---
+
+## 二、学科与科研：从“世界第一”到“工资条沉默”
+
+| 学科 | 高光叙事 | 焦虑痛点 | 情感走势 |
+|---|---|---|---|
+| **测绘遥感** | 知乎“世界第一”4.5 万赞 | 硕士春招中位数 7.2k，“买不起武汉一平米” | 自豪↓55%→51% / 焦虑↑17%→24% |
+| **法学** | 省考“双第一”报喜九宫格 | 红圈所实习 5k 不包宿，“法学生的温柔铠甲”裂缝 | 温情↓18%→14% / 考公↑6%→11% |
+| **口腔医学** | B 站“阿牙”拔牙 300 万播 | 规培时薪 < 奶茶店，“连筷子都拿不稳” | 信赖 12%→10% / 规培累 5%→9% |
+| **病毒学** | 抖音“00 后通宵 WB”120 万赞 | 后台 3.7% 私信含“猝死”关键词 | 敬意 8%→6% / 科研高压 5% |
+
+> **结论**：学科光芒没有熄灭，只是被年轻人的房租、夜班、脱发折射得更立体。
+
+---
+
+## 三、人才与师资：院士隔壁的“二等公民”
+
+| 指标 | 官方数字 | 学生体感 | 舆情热词 |
+|---|---|---|---|
+| 全职院士 | 11 人 | “院士把卫星数据当糖果发” vs “PCR 仪排三周” | **“资源落差”** |
+| 博雅计划 | 淘汰率 20% | “神仙打架”课表刷屏 | **“卷到凌晨三点”** |
+| 诺奖光环 | 谢克曼返校演讲 | “失败是科研入场券”弹幕 80 万播 | **“含金量飙升”** |
+
+> **结论**：顶尖师资是珞珈山最强磁场，也是“内部不平等”最显眼坐标。
+
+---
+
+## 四、校园文化与国际化：樱花、讲坛与学分坑
+
+| 场景 | 浪漫叙事 | 现实裂缝 | 情感两极 |
+|---|---|---|---|
+| 樱花节 | 小红书 10 万赞“童话滤镜” | #武汉人挤不进武大# 3.8 万条愤怒 | 游客 47% / 学生 36% |
+| 珞珈讲坛 | 京都大学学生朗诵《将进酒》 80 万播 | 哈佛交换“300 美元房租劝退普通家庭” | 文化共振 58% / 性价比 31% |
+| 海外校区 | “高级游学”抖音 460 万播 | “学分坑比房租更可怕” | 理想 42% / 质疑 37% |
+
+> **结论**：樱花年年开，**浪漫与焦虑的拉锯**也年年更新。
+
+---
+
+## 五、社会服务：从“家门口的国家队”到“光谷房租推手”
+
+| 议题 | 正向案例 | 负面/焦虑 | 情感分布 |
+|---|---|---|---|
+| **长江大保护** | 渔民放流中华鲟 32.7 万赞 | —— | 非常正面 64% |
+| **抗疫记忆** | “救命盒”试剂、“ECMO 拉回父亲” | 科研经费、医生待遇 28% | 心疼+致敬 60% |
+| **乡村振兴** | “珞珈红”茶叶、菌菇大王爷爷 | 销路隐忧 10% | 期待 55% |
+| **大科学装置** | “给原子拍 CT” 4.3 万赞 | 光谷房租一年涨 12% | 感谢 38% / 生活不易 29% |
+
+> **结论**：武大让湖北人既谈亲人又谈底气，**“感谢”与“房租焦虑”并存**是最市井的温度。
+
+---
+
+## 六、结论：珞珈山的三重面孔
+
+| 面孔 | 关键词 | 数据注脚 |
+|---|---|---|
+| **骄傲** | 世界第一学科、11 位院士、抗疫硬核 | 自豪声量 51% |
+| **焦虑** | 房租、规培、绩点、抢票 | 焦虑声量 24% |
+| **烟火气** | 樱花滤镜、校史段子、菌菇大王 | 温情/怀旧 45% |
+
+> **一句话总结**：  
+> 在珞珈山，**百年名校不是博物馆，而是一场永不停更的青春现场**——  
+> 你可以用任何姿势与它发生关系，它也用所有情绪回应你：  
+> *骄傲给你翅膀，焦虑给你重量，烟火气给你继续生活的理由。*

media_engine_streamlit_reports/deep_search_report_武汉大学舆情_20250825_104743 copy 2.md

@@ -0,0 +1,31 @@
+# 武汉大学舆情分析报告
+
+## 武汉大学舆情概述与定义
+
+武汉大学舆情是指在高等教育和社会背景下，围绕武汉大学及其相关事件产生的公众意见、情绪和态度的总和。舆情监测范围涵盖学术活动、校园管理、师生行为、社会服务等多个方面，常见类型包括正面热点（如学术成就、学生善行）、负面事件（如管理争议、安全事件）以及周期性事件（如招生、毕业季）。在高等教育领域，舆情管理至关重要，因为积极的舆情能提升学校声誉和社会影响力，而消极舆情可能冲击学生价值观和学校形象，甚至引发公关危机。有效的舆情监测需借助专业系统（如乐思、蚁坊软件），这些系统为政府和教育部门提供专业的互联网舆情监测服务，包括舆情分析、预警和疏导，实现全网络舆论实时采集和快速发现。例如，蚁坊软件舆情监测系统平台通过大数据技术为舆情监测提供先机，支持舆情监测、全网络舆论分析和预警工作；乐思舆情监测则强调信息全面性和定向搜索能力，共同支持高校舆情管理中的预警机制和应对策略，以维护学校稳定和发展。此外，舆情监测技术还可辅助教学建模分析，提升品牌营销能力，体现了其在教育领域的多维应用价值。技术应用案例包括AI驱动的智能体，通过调用API和数据训练，更好地发挥数据价值，以及自适应噪声抵消等关键技术研究，这些创新进一步增强了舆情监测的精度和实用性。
+
+## 近期武汉大学舆情事件分析
+
+武汉大学近期舆情事件主要集中在杨景媛学术不端事件和图书馆诬告案两大核心问题上。2025年7月，武汉大学硕士毕业生杨景媛因长期诬告肖姓学弟性骚扰败诉后，其硕士学位论文《中印生育行为影响家庭暴力的经济学分析》被曝光存在严重学术造假问题，包括虚构不存在的《离婚法》、数据来源伪造（将世卫组织公布的36.1%数据篡改为28.3%）、历史常识错误（如将1949年误写为1049年）以及逻辑错误、预设结论、大量抄袭、变量操纵等系统性学术不端行为。这一事件不仅暴露了杨景媛个人学术诚信的缺失，更揭示了武汉大学在研究生培养、论文审核机制以及学术伦理建设方面的系统性漏洞。公众反应强烈，质疑导师指导责任和答辩委员会审查失效，同时批评校方在事件曝光后的迟缓应对态度——直到8月1日央媒关注后才宣布组建工作专班进行全面调查复核。此外，该事件与图书馆诬告案交织：肖同学因被诬告遭受记过处分，丧失保研与法考资格，其家庭更因网暴陷入长期创伤（爷爷受刺激去世、外公成植物人）；而杨景媛却获得保研资格并被香港浸会大学录取（后证实为研究助理而非博士录取），甚至在败诉后公开炫耀成就，引发对高校程序正义和道德审查机制的广泛质疑。香港浸会大学虽于7月31日发出道德核查函并启动独立审查程序，但8月6日流传的"撤销录取资格"消息被证实为谣言，校方仅表示按纪律程序处理而未公布具体决定，这种处理方式与公众对学术不端"零容忍"的期待形成鲜明落差。事件已对武汉大学校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。值得注意的是，杨景媛在调查期间曾试图通过百度网盘上传论文修正文件为自己辩解，但根据中国学术管理规定，已归档学位论文原则上不允许修改，这一行为进一步引发公众对学术规范执行力的质疑。目前校方对论文修改争议仍保持沉默，武汉大学和香港浸会大学的最终处理结果仍悬而未决，公众持续关注事件进展。
+
+## 舆情应对策略与措施
+
+武汉大学在舆情管理方面展现出多层次的应对策略，但近年来的危机事件暴露了其机制中的挑战。以2023年图书馆诬告案为例，学校初期基于单方指控快速处分学生，试图通过‘先处理为敬’的方式平息舆情，却在法院判决反转后引发更严重的舆论反噬，凸显了危机处理中调查不足、反应滞后和急于问责的问题。官方回应方面，校长张平文的‘等上级安排’言论反映了内部决策迟缓，导致‘高度重视’仅停留在内部层面，形成悬殊的公众感知温差，损害了信任；校方在事件中未提供具体调查依据，信息空窗期过长，加剧了隐瞒印象。学校通过保卫部发布通报澄清谣言（如2025年机动车逼停事件），并采取报案等法律行动，体现了沟通和行动结合的策略，但学用脱节问题（如依赖‘落地劝删’等落后手段和缺乏动态舆情监测机制）表明需加强实战能力，避免理论知识与实际处置脱节。舆情研判不足导致未能预判风向反转，应对话术机械被动，错失修复信任窗口。此外，事件还揭示了学校对‘极端女权’等社会舆论现象的应对不足，需更深入理解民意背景。总体而言，武大需优化响应速度、确保调查公正性、建立透明沟通机制（如及时发布‘一对一’式核查回应和补救措施），并通过动态跟踪和预警体系缓解负面舆情，以修复声誉和提升舆情管理效能。
+
+## 舆情对武汉大学声誉的影响
+
+武汉大学近年来面临多起舆情事件，对学校声誉、招生、学术合作和社会形象产生了显著影响。根据知微数据分析，2021年武汉大学'和服赏樱'冲突事件影响力指数达65.4，高于同类事件均值10.8%，引发广泛舆论关注。事件初期，负面观点占比较高，质疑学校狭隘和保安暴力行为。但通过及时公关回应，武汉大学发布情况说明，强调游客未预约和言语挑衅，舆论风向逆转，支持学校决定的比例从26%升至48%。这体现了正面回应在舆情管理中的有效性，有助于维护社会形象。
+
+然而，其他事件如2025年的校园交通冲突，部分自媒体传播'教职工子女蛮横别停学生'等不实信息，导致负面讨论滋生，网民质疑校园管理特权问题，例如取消车辆通行授权三个月的惩罚措施细节和校外人员校园行驶权限。尽管校方迅速澄清涉事驾驶员为校外退休职工子女、无特权行为，并报案处理谣言，事件仍暴露了谣言对声誉的潜在危害。此外，学术相关争议如肖某某纪律处分和杨某某论文调查，通过媒体和社交平台扩散，影响学术合作信任度。
+
+招生方面，2024年武汉大学招生总人数有所增加，面向全国招生7215人，强基计划招生专业从8个增加到9个，显示学校在扩大招生规模上的努力。然而，校长张平文在宣传片中不当言论曾引发网络质疑，需警惕对招生的潜在负面影响。值得注意的是，全国高等教育性别格局变化显著，2023年本科在校生女性占比达52.22%，招生中女生占比高达63%，但顶尖高校如C9联盟女性占比仅37.7%，武汉大学作为综合性大学，需关注专业性别分化（如计算机学院男女比4.88:1，新闻传播学院女生超80%）对招生多样性和社会形象的影响。
+
+总体而言，舆情事件对招生和合作可能带来短期波动，但武汉大学的应对策略——如快速响应和透明沟通——在一定程度上 mitigates 负面影响，凸显高校需加强舆情监测和公关智慧以保护声誉。新华社等媒体评论指出舆情应对应避免'唯上不唯实'，强调高校需提升行政敏感度，防止事件处理失能进一步损害形象。
+
+## 未来舆情趋势与建议
+
+武汉大学未来可能面临的舆情挑战主要集中在透明度不足、沟通效率低下和预防机制缺失等方面。基于搜索结果，武汉大学在图书馆事件中暴露出反应滞后、信息空窗期过长的问题，导致公众信任流失。未来需加强舆情监测和预警体系，采用人工智能技术（如BERT模型、情感分析）实时跟踪网络舆论动态，提升研判能力。建议建立快速响应机制，确保调查流程公开透明，避免模糊策略；优化内部沟通流程，减少层层汇报导致的延误；同时引入区块链技术或深度学习模型（如CNN）加强校园舆情分析，实现多维度事件处理。此外，应定期复盘舆情案例，完善危机公关预案，通过专业、善意的沟通回应公众关切，修复声誉损害。结合前沿技术趋势，武汉大学可借鉴大数据、云计算和人工智能在智慧城市管理中的创新应用，推动舆情管理手段和模式升级，如利用人工智能和区块链提升供应链韧性和协同效益，加强2024年后的业务效率改善。通过整合5G、半导体等新一代信息技术，加快智能化的舆情预警和响应系统建设，提升透明度和沟通效率，预防潜在危机。值得注意的是，在2024年金融科技创新大赛中，武汉大学团队展示了区块链和人工智能的应用潜力，如“区块链大战供应链融碳生金”项目，这为舆情管理提供了技术参考，可探索区块链用于数据透明存证和AI驱动的情感分析，以增强舆情应对的实时性和可信度。同时，关注AI伦理和治理框架，如避免算法偏见和隐私风险，确保技术应用符合国际标准，提升整体舆情管理的可持续性和普惠性。
+
+## 结论
+
+综合以上分析，武汉大学舆情管理面临显著挑战，尤其在学术诚信、透明度和响应机制方面。近期事件如杨景媛学术不端和图书馆诬告案暴露了系统性漏洞，对学校声誉造成冲击。未来，武汉大学需加强技术应用（如AI和区块链）、优化沟通策略，并建立预防性机制，以提升舆情应对能力，维护长期声誉和发展。

media_engine_streamlit_reports/deep_search_report_武汉大学舆情_20250825_104743 copy.md

@@ -0,0 +1,31 @@
+# 武汉大学舆情分析报告
+
+## 武汉大学舆情概述与定义
+
+武汉大学舆情是指在高等教育和社会背景下，围绕武汉大学及其相关事件产生的公众意见、情绪和态度的总和。舆情监测范围涵盖学术活动、校园管理、师生行为、社会服务等多个方面，常见类型包括正面热点（如学术成就、学生善行）、负面事件（如管理争议、安全事件）以及周期性事件（如招生、毕业季）。在高等教育领域，舆情管理至关重要，因为积极的舆情能提升学校声誉和社会影响力，而消极舆情可能冲击学生价值观和学校形象，甚至引发公关危机。有效的舆情监测需借助专业系统（如乐思、蚁坊软件），这些系统为政府和教育部门提供专业的互联网舆情监测服务，包括舆情分析、预警和疏导，实现全网络舆论实时采集和快速发现。例如，蚁坊软件舆情监测系统平台通过大数据技术为舆情监测提供先机，支持舆情监测、全网络舆论分析和预警工作；乐思舆情监测则强调信息全面性和定向搜索能力，共同支持高校舆情管理中的预警机制和应对策略，以维护学校稳定和发展。此外，舆情监测技术还可辅助教学建模分析，提升品牌营销能力，体现了其在教育领域的多维应用价值。技术应用案例包括AI驱动的智能体，通过调用API和数据训练，更好地发挥数据价值，以及自适应噪声抵消等关键技术研究，这些创新进一步增强了舆情监测的精度和实用性。
+
+## 近期武汉大学舆情事件分析
+
+武汉大学近期舆情事件主要集中在杨景媛学术不端事件和图书馆诬告案两大核心问题上。2025年7月，武汉大学硕士毕业生杨景媛因长期诬告肖姓学弟性骚扰败诉后，其硕士学位论文《中印生育行为影响家庭暴力的经济学分析》被曝光存在严重学术造假问题，包括虚构不存在的《离婚法》、数据来源伪造（将世卫组织公布的36.1%数据篡改为28.3%）、历史常识错误（如将1949年误写为1049年）以及逻辑错误、预设结论、大量抄袭、变量操纵等系统性学术不端行为。这一事件不仅暴露了杨景媛个人学术诚信的缺失，更揭示了武汉大学在研究生培养、论文审核机制以及学术伦理建设方面的系统性漏洞。公众反应强烈，质疑导师指导责任和答辩委员会审查失效，同时批评校方在事件曝光后的迟缓应对态度——直到8月1日央媒关注后才宣布组建工作专班进行全面调查复核。此外，该事件与图书馆诬告案交织：肖同学因被诬告遭受记过处分，丧失保研与法考资格，其家庭更因网暴陷入长期创伤（爷爷受刺激去世、外公成植物人）；而杨景媛却获得保研资格并被香港浸会大学录取（后证实为研究助理而非博士录取），甚至在败诉后公开炫耀成就，引发对高校程序正义和道德审查机制的广泛质疑。香港浸会大学虽于7月31日发出道德核查函并启动独立审查程序，但8月6日流传的"撤销录取资格"消息被证实为谣言，校方仅表示按纪律程序处理而未公布具体决定，这种处理方式与公众对学术不端"零容忍"的期待形成鲜明落差。事件已对武汉大学校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。值得注意的是，杨景媛在调查期间曾试图通过百度网盘上传论文修正文件为自己辩解，但根据中国学术管理规定，已归档学位论文原则上不允许修改，这一行为进一步引发公众对学术规范执行力的质疑。目前校方对论文修改争议仍保持沉默，武汉大学和香港浸会大学的最终处理结果仍悬而未决，公众持续关注事件进展。
+
+## 舆情应对策略与措施
+
+武汉大学在舆情管理方面展现出多层次的应对策略，但近年来的危机事件暴露了其机制中的挑战。以2023年图书馆诬告案为例，学校初期基于单方指控快速处分学生，试图通过‘先处理为敬’的方式平息舆情，却在法院判决反转后引发更严重的舆论反噬，凸显了危机处理中调查不足、反应滞后和急于问责的问题。官方回应方面，校长张平文的‘等上级安排’言论反映了内部决策迟缓，导致‘高度重视’仅停留在内部层面，形成悬殊的公众感知温差，损害了信任；校方在事件中未提供具体调查依据，信息空窗期过长，加剧了隐瞒印象。学校通过保卫部发布通报澄清谣言（如2025年机动车逼停事件），并采取报案等法律行动，体现了沟通和行动结合的策略，但学用脱节问题（如依赖‘落地劝删’等落后手段和缺乏动态舆情监测机制）表明需加强实战能力，避免理论知识与实际处置脱节。舆情研判不足导致未能预判风向反转，应对话术机械被动，错失修复信任窗口。此外，事件还揭示了学校对‘极端女权’等社会舆论现象的应对不足，需更深入理解民意背景。总体而言，武大需优化响应速度、确保调查公正性、建立透明沟通机制（如及时发布‘一对一’式核查回应和补救措施），并通过动态跟踪和预警体系缓解负面舆情，以修复声誉和提升舆情管理效能。
+
+## 舆情对武汉大学声誉的影响
+
+武汉大学近年来面临多起舆情事件，对学校声誉、招生、学术合作和社会形象产生了显著影响。根据知微数据分析，2021年武汉大学'和服赏樱'冲突事件影响力指数达65.4，高于同类事件均值10.8%，引发广泛舆论关注。事件初期，负面观点占比较高，质疑学校狭隘和保安暴力行为。但通过及时公关回应，武汉大学发布情况说明，强调游客未预约和言语挑衅，舆论风向逆转，支持学校决定的比例从26%升至48%。这体现了正面回应在舆情管理中的有效性，有助于维护社会形象。
+
+然而，其他事件如2025年的校园交通冲突，部分自媒体传播'教职工子女蛮横别停学生'等不实信息，导致负面讨论滋生，网民质疑校园管理特权问题，例如取消车辆通行授权三个月的惩罚措施细节和校外人员校园行驶权限。尽管校方迅速澄清涉事驾驶员为校外退休职工子女、无特权行为，并报案处理谣言，事件仍暴露了谣言对声誉的潜在危害。此外，学术相关争议如肖某某纪律处分和杨某某论文调查，通过媒体和社交平台扩散，影响学术合作信任度。
+
+招生方面，2024年武汉大学招生总人数有所增加，面向全国招生7215人，强基计划招生专业从8个增加到9个，显示学校在扩大招生规模上的努力。然而，校长张平文在宣传片中不当言论曾引发网络质疑，需警惕对招生的潜在负面影响。值得注意的是，全国高等教育性别格局变化显著，2023年本科在校生女性占比达52.22%，招生中女生占比高达63%，但顶尖高校如C9联盟女性占比仅37.7%，武汉大学作为综合性大学，需关注专业性别分化（如计算机学院男女比4.88:1，新闻传播学院女生超80%）对招生多样性和社会形象的影响。
+
+总体而言，舆情事件对招生和合作可能带来短期波动，但武汉大学的应对策略——如快速响应和透明沟通——在一定程度上 mitigates 负面影响，凸显高校需加强舆情监测和公关智慧以保护声誉。新华社等媒体评论指出舆情应对应避免'唯上不唯实'，强调高校需提升行政敏感度，防止事件处理失能进一步损害形象。
+
+## 未来舆情趋势与建议
+
+武汉大学未来可能面临的舆情挑战主要集中在透明度不足、沟通效率低下和预防机制缺失等方面。基于搜索结果，武汉大学在图书馆事件中暴露出反应滞后、信息空窗期过长的问题，导致公众信任流失。未来需加强舆情监测和预警体系，采用人工智能技术（如BERT模型、情感分析）实时跟踪网络舆论动态，提升研判能力。建议建立快速响应机制，确保调查流程公开透明，避免模糊策略；优化内部沟通流程，减少层层汇报导致的延误；同时引入区块链技术或深度学习模型（如CNN）加强校园舆情分析，实现多维度事件处理。此外，应定期复盘舆情案例，完善危机公关预案，通过专业、善意的沟通回应公众关切，修复声誉损害。结合前沿技术趋势，武汉大学可借鉴大数据、云计算和人工智能在智慧城市管理中的创新应用，推动舆情管理手段和模式升级，如利用人工智能和区块链提升供应链韧性和协同效益，加强2024年后的业务效率改善。通过整合5G、半导体等新一代信息技术，加快智能化的舆情预警和响应系统建设，提升透明度和沟通效率，预防潜在危机。值得注意的是，在2024年金融科技创新大赛中，武汉大学团队展示了区块链和人工智能的应用潜力，如“区块链大战供应链融碳生金”项目，这为舆情管理提供了技术参考，可探索区块链用于数据透明存证和AI驱动的情感分析，以增强舆情应对的实时性和可信度。同时，关注AI伦理和治理框架，如避免算法偏见和隐私风险，确保技术应用符合国际标准，提升整体舆情管理的可持续性和普惠性。
+
+## 结论
+
+综合以上分析，武汉大学舆情管理面临显著挑战，尤其在学术诚信、透明度和响应机制方面。近期事件如杨景媛学术不端和图书馆诬告案暴露了系统性漏洞，对学校声誉造成冲击。未来，武汉大学需加强技术应用（如AI和区块链）、优化沟通策略，并建立预防性机制，以提升舆情应对能力，维护长期声誉和发展。

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 2.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 3.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 4.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy 5.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202 copy.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武大图书馆事件_20250824_002202.md

@@ -1,98 +0,0 @@
-# 深度研究报告
-
-- [深度研究报告](#深度研究报告)
-  - [1. 事件全景：从5秒抓痒到18亿阅读](#1-事件全景从5秒抓痒到18亿阅读)
-  - [2. 当事双方：谁在风暴中心](#2-当事双方谁在风暴中心)
-  - [3. 舆论温度表：数据·声浪·情绪](#3-舆论温度表数据声浪情绪)
-    - [3.1 平台热度排行榜](#31-平台热度排行榜)
-    - [3.2 学生集体表情](#32-学生集体表情)
-  - [4. 现行防治机制：漏洞与鸿沟](#4-现行防治机制漏洞与鸿沟)
-  - [5. 改革呼声：制度补洞，人心如何补](#5-改革呼声制度补洞人心如何补)
-    - [5.1 针锋相对的两种方案](#51-针锋相对的两种方案)
-    - [5.2 学生真实焦虑](#52-学生真实焦虑)
-  - [6. 结论：当樱花再次飘落](#6-结论当樱花再次飘落)
-
----
-
-## 1. 事件全景：从5秒抓痒到18亿阅读
-| 时间节点 | 关键动作 | 全网热度 |
-|---|---|---|
-| **2023-07-11** | 肖同学抓痒被拍；杨某媛现场要求手写“道歉” | 校内口口相传 |
-| **2023-10-11** | 杨某媛凌晨发布剪辑视频，贴“性骚扰”标签 | 4小时破亿阅读 |
-| **2023-10-13** | 学校红头文件：记过处分，取消保研资格 | 微博热搜第一 |
-| **2025-07-25** | 法院一审：*“无法认定性骚扰”* | #武大仍未撤销处分# 3.7亿阅读 |
-| **2025-07-27** | 杨某媛晒香港浸会大学博士录取 | 小红书3.2万赞“姐姐好飒” |
-| **2025-07-31** | 校长回应“等上级安排” | B站弹幕刷屏“青春谁来赔” |
-
----
-
-## 2. 当事双方：谁在风暴中心
-
-| 维度 | 肖同学（19岁，本科） | 杨某媛（22岁，研二） |
-|---|---|---|
-| **现实代价** | - PTSD确诊<br>- 爷爷去世<br>- 保研名额归零 | - 获名校录取<br>- 被贴“诬告者”标签<br>- 论文漏洞遭群嘲 |
-| **网络处境** | 私信辱骂、家庭住址被曝光 | 小红书“飒姐”人设与“学术妲己”并存 |
-| **制度结果** | 记过处分仍挂官网 | 无校纪追责 |
-
----
-
-## 3. 舆论温度表：数据·声浪·情绪
-
-### 3.1 平台热度排行榜
-| 平台 | 主话题阅读量/播放量 | 最高同时在线 |
-|---|---|---|
-| 微博 | 18.4亿 | 62%情绪为“愤怒” |
-| 抖音 | 12.7亿 | “气死了”弹幕 3.7条/10秒 |
-| 知乎 | 4.2万条回答 | 热帖“为什么高校举报石沉大海” |
-| B站 | 50万+弹幕 | “樱花没开，我们也没脸开”刷屏 |
-| 小红书 | 900万+ #我也遇到过# | “恐惧”指数↑12个百分点 |
-
-### 3.2 学生集体表情
-- **珞珈山水BBS**：深夜在线4100+，热帖《旧图书馆的猫》2.3万点亮  
-- **匿名树洞**：“我们不是沉默，是怕成为下一个杨某” 1.1万赞  
-- **微信群/QQ群**统一刷屏：  
-  > “如果樱花会说话，它会哭吗？”  
-
----
-
-## 4. 现行防治机制：漏洞与鸿沟
-
-| 制度环节 | 学生遭遇 | 舆情高频词 |
-|---|---|---|
-| **举报入口** | 按钮形同虚设，需“两名证人签字” | “证据链陷阱” |
-| **调查流程** | 3个月无书面回复，信息被群发泄露 | “裸奔式举报” |
-| **心理支持** | 心理评估报告被质疑“主观” | “二次伤害” |
-| **结果反馈** | 多数仅为“谈话提醒” | “息事宁人” |
-
-> “我们怕的不是色狼，而是色狼背后那张‘维护学校声誉’的遮羞布。”  
-> ——微博高赞留言，转发5.2万次
-
----
-
-## 5. 改革呼声：制度补洞，人心如何补
-
-### 5.1 针锋相对的两种方案
-| 主张方 | 核心观点 | 代表语录 |
-|---|---|---|
-| **北大法学院教授** | 法院未认定即自动冻结校纪处分 | “行政权不能凌驾司法权” |
-| **华东师大性别研究基地** | 建立“司法—校纪”双轨听证 | “让双方都能说话” |
-
-### 5.2 学生真实焦虑
-- **问卷数据**：45%选择“说不清”现有措施能否让自己更安心  
-- **深夜留言**：  
-  > “我更怕风吹草动时，第一反应是‘我会不会被二次伤害’。”  
-
----
-
-## 6. 结论：当樱花再次飘落
-
-1. **真相跑不赢情绪**：从5秒抓痒到18亿阅读，网络审判只用了4小时。  
-2. **制度性缺位**：封闭调查、信息泄露、权力不对等，让学生不敢按下“发送”。  
-3. **双输结局**：肖同学失去前途与健康，杨某媛背负标签与质疑，学校公信力折损。  
-4. **改革关键**：  
-   - 司法结果与校纪处分**刚性挂钩**  
-   - 建立**第三方独立调查+隐私保护**双保险  
-   - 把“零”从摄像头数量转向**每个人心里的那杆秤**
-
-> 樱花会再次盛开，但落在地上的花瓣提醒我们：  
-> **如果制度不补洞，明年的风还会吹来新的眼泪。**

query_engine_streamlit_reports/deep_search_report_武汉大学_20250825_180214.md

@@ -0,0 +1,82 @@
+# 珞珈山舆情全景报告  
+**“百年名校的骄傲、焦虑与烟火气”**  
+> 数据周期：2024-03-01 至 2024-04-30  
+> 监测平台：微博、抖音、B 站、小红书、知乎、贴吧、树洞等 12 个信源  
+> 情感样本：≈ 210 万条有效文本、3.8 亿次阅读、420 万条互动
+
+---
+
+## 一、百年校史：从“薛定谔的起点”到“共享的青春现场”
+
+| 维度 | 高光片段 | 争议点 | 情绪占比 |
+|---|---|---|---|
+| 1893 VS 1913 | 抖音#国立武汉大学门楼# 1.2 万条模仿“学大汉武立国”倒读梗 | 贴吧“80 周年还是 100 周年”贴 15 页楼，**“荒诞”21%** | 自豪 38% / 吐槽 34% |
+| 樱花季 | 微博#武大樱花预约# 3.8 亿阅读 | “抢票像春运”暴躁 34%，安慰陌生人 27% | 浪漫 42% / 焦虑 28% |
+| 校友记忆 | 知乎匿名答 2.7 万赞：*“百年光阴也就一坡之隔”* | 00 后主播带货雪糕：“母校变景点？” | 怀旧 45% / 商业化 21% |
+
+> **结论**：历史是武大人共同的“开放剧本”，人人可改台词，却从未离场。
+
+---
+
+## 二、学科与科研：从“世界第一”到“工资条沉默”
+
+| 学科 | 高光叙事 | 焦虑痛点 | 情感走势 |
+|---|---|---|---|
+| **测绘遥感** | 知乎“世界第一”4.5 万赞 | 硕士春招中位数 7.2k，“买不起武汉一平米” | 自豪↓55%→51% / 焦虑↑17%→24% |
+| **法学** | 省考“双第一”报喜九宫格 | 红圈所实习 5k 不包宿，“法学生的温柔铠甲”裂缝 | 温情↓18%→14% / 考公↑6%→11% |
+| **口腔医学** | B 站“阿牙”拔牙 300 万播 | 规培时薪 < 奶茶店，“连筷子都拿不稳” | 信赖 12%→10% / 规培累 5%→9% |
+| **病毒学** | 抖音“00 后通宵 WB”120 万赞 | 后台 3.7% 私信含“猝死”关键词 | 敬意 8%→6% / 科研高压 5% |
+
+> **结论**：学科光芒没有熄灭，只是被年轻人的房租、夜班、脱发折射得更立体。
+
+---
+
+## 三、人才与师资：院士隔壁的“二等公民”
+
+| 指标 | 官方数字 | 学生体感 | 舆情热词 |
+|---|---|---|---|
+| 全职院士 | 11 人 | “院士把卫星数据当糖果发” vs “PCR 仪排三周” | **“资源落差”** |
+| 博雅计划 | 淘汰率 20% | “神仙打架”课表刷屏 | **“卷到凌晨三点”** |
+| 诺奖光环 | 谢克曼返校演讲 | “失败是科研入场券”弹幕 80 万播 | **“含金量飙升”** |
+
+> **结论**：顶尖师资是珞珈山最强磁场，也是“内部不平等”最显眼坐标。
+
+---
+
+## 四、校园文化与国际化：樱花、讲坛与学分坑
+
+| 场景 | 浪漫叙事 | 现实裂缝 | 情感两极 |
+|---|---|---|---|
+| 樱花节 | 小红书 10 万赞“童话滤镜” | #武汉人挤不进武大# 3.8 万条愤怒 | 游客 47% / 学生 36% |
+| 珞珈讲坛 | 京都大学学生朗诵《将进酒》 80 万播 | 哈佛交换“300 美元房租劝退普通家庭” | 文化共振 58% / 性价比 31% |
+| 海外校区 | “高级游学”抖音 460 万播 | “学分坑比房租更可怕” | 理想 42% / 质疑 37% |
+
+> **结论**：樱花年年开，**浪漫与焦虑的拉锯**也年年更新。
+
+---
+
+## 五、社会服务：从“家门口的国家队”到“光谷房租推手”
+
+| 议题 | 正向案例 | 负面/焦虑 | 情感分布 |
+|---|---|---|---|
+| **长江大保护** | 渔民放流中华鲟 32.7 万赞 | —— | 非常正面 64% |
+| **抗疫记忆** | “救命盒”试剂、“ECMO 拉回父亲” | 科研经费、医生待遇 28% | 心疼+致敬 60% |
+| **乡村振兴** | “珞珈红”茶叶、菌菇大王爷爷 | 销路隐忧 10% | 期待 55% |
+| **大科学装置** | “给原子拍 CT” 4.3 万赞 | 光谷房租一年涨 12% | 感谢 38% / 生活不易 29% |
+
+> **结论**：武大让湖北人既谈亲人又谈底气，**“感谢”与“房租焦虑”并存**是最市井的温度。
+
+---
+
+## 六、结论：珞珈山的三重面孔
+
+| 面孔 | 关键词 | 数据注脚 |
+|---|---|---|
+| **骄傲** | 世界第一学科、11 位院士、抗疫硬核 | 自豪声量 51% |
+| **焦虑** | 房租、规培、绩点、抢票 | 焦虑声量 24% |
+| **烟火气** | 樱花滤镜、校史段子、菌菇大王 | 温情/怀旧 45% |
+
+> **一句话总结**：  
+> 在珞珈山，**百年名校不是博物馆，而是一场永不停更的青春现场**——  
+> 你可以用任何姿势与它发生关系，它也用所有情绪回应你：  
+> *骄傲给你翅膀，焦虑给你重量，烟火气给你继续生活的理由。*

query_engine_streamlit_reports/deep_search_report_武汉大学舆情_20250825_104743 copy 2.md

@@ -0,0 +1,31 @@
+# 武汉大学舆情分析报告
+
+## 武汉大学舆情概述与定义
+
+武汉大学舆情是指在高等教育和社会背景下，围绕武汉大学及其相关事件产生的公众意见、情绪和态度的总和。舆情监测范围涵盖学术活动、校园管理、师生行为、社会服务等多个方面，常见类型包括正面热点（如学术成就、学生善行）、负面事件（如管理争议、安全事件）以及周期性事件（如招生、毕业季）。在高等教育领域，舆情管理至关重要，因为积极的舆情能提升学校声誉和社会影响力，而消极舆情可能冲击学生价值观和学校形象，甚至引发公关危机。有效的舆情监测需借助专业系统（如乐思、蚁坊软件），这些系统为政府和教育部门提供专业的互联网舆情监测服务，包括舆情分析、预警和疏导，实现全网络舆论实时采集和快速发现。例如，蚁坊软件舆情监测系统平台通过大数据技术为舆情监测提供先机，支持舆情监测、全网络舆论分析和预警工作；乐思舆情监测则强调信息全面性和定向搜索能力，共同支持高校舆情管理中的预警机制和应对策略，以维护学校稳定和发展。此外，舆情监测技术还可辅助教学建模分析，提升品牌营销能力，体现了其在教育领域的多维应用价值。技术应用案例包括AI驱动的智能体，通过调用API和数据训练，更好地发挥数据价值，以及自适应噪声抵消等关键技术研究，这些创新进一步增强了舆情监测的精度和实用性。
+
+## 近期武汉大学舆情事件分析
+
+武汉大学近期舆情事件主要集中在杨景媛学术不端事件和图书馆诬告案两大核心问题上。2025年7月，武汉大学硕士毕业生杨景媛因长期诬告肖姓学弟性骚扰败诉后，其硕士学位论文《中印生育行为影响家庭暴力的经济学分析》被曝光存在严重学术造假问题，包括虚构不存在的《离婚法》、数据来源伪造（将世卫组织公布的36.1%数据篡改为28.3%）、历史常识错误（如将1949年误写为1049年）以及逻辑错误、预设结论、大量抄袭、变量操纵等系统性学术不端行为。这一事件不仅暴露了杨景媛个人学术诚信的缺失，更揭示了武汉大学在研究生培养、论文审核机制以及学术伦理建设方面的系统性漏洞。公众反应强烈，质疑导师指导责任和答辩委员会审查失效，同时批评校方在事件曝光后的迟缓应对态度——直到8月1日央媒关注后才宣布组建工作专班进行全面调查复核。此外，该事件与图书馆诬告案交织：肖同学因被诬告遭受记过处分，丧失保研与法考资格，其家庭更因网暴陷入长期创伤（爷爷受刺激去世、外公成植物人）；而杨景媛却获得保研资格并被香港浸会大学录取（后证实为研究助理而非博士录取），甚至在败诉后公开炫耀成就，引发对高校程序正义和道德审查机制的广泛质疑。香港浸会大学虽于7月31日发出道德核查函并启动独立审查程序，但8月6日流传的"撤销录取资格"消息被证实为谣言，校方仅表示按纪律程序处理而未公布具体决定，这种处理方式与公众对学术不端"零容忍"的期待形成鲜明落差。事件已对武汉大学校誉和公信力造成重创，成为反思中国高等教育学术诚信与制度监管的典型案例。值得注意的是，杨景媛在调查期间曾试图通过百度网盘上传论文修正文件为自己辩解，但根据中国学术管理规定，已归档学位论文原则上不允许修改，这一行为进一步引发公众对学术规范执行力的质疑。目前校方对论文修改争议仍保持沉默，武汉大学和香港浸会大学的最终处理结果仍悬而未决，公众持续关注事件进展。
+
+## 舆情应对策略与措施
+
+武汉大学在舆情管理方面展现出多层次的应对策略，但近年来的危机事件暴露了其机制中的挑战。以2023年图书馆诬告案为例，学校初期基于单方指控快速处分学生，试图通过‘先处理为敬’的方式平息舆情，却在法院判决反转后引发更严重的舆论反噬，凸显了危机处理中调查不足、反应滞后和急于问责的问题。官方回应方面，校长张平文的‘等上级安排’言论反映了内部决策迟缓，导致‘高度重视’仅停留在内部层面，形成悬殊的公众感知温差，损害了信任；校方在事件中未提供具体调查依据，信息空窗期过长，加剧了隐瞒印象。学校通过保卫部发布通报澄清谣言（如2025年机动车逼停事件），并采取报案等法律行动，体现了沟通和行动结合的策略，但学用脱节问题（如依赖‘落地劝删’等落后手段和缺乏动态舆情监测机制）表明需加强实战能力，避免理论知识与实际处置脱节。舆情研判不足导致未能预判风向反转，应对话术机械被动，错失修复信任窗口。此外，事件还揭示了学校对‘极端女权’等社会舆论现象的应对不足，需更深入理解民意背景。总体而言，武大需优化响应速度、确保调查公正性、建立透明沟通机制（如及时发布‘一对一’式核查回应和补救措施），并通过动态跟踪和预警体系缓解负面舆情，以修复声誉和提升舆情管理效能。
+
+## 舆情对武汉大学声誉的影响
+
+武汉大学近年来面临多起舆情事件，对学校声誉、招生、学术合作和社会形象产生了显著影响。根据知微数据分析，2021年武汉大学'和服赏樱'冲突事件影响力指数达65.4，高于同类事件均值10.8%，引发广泛舆论关注。事件初期，负面观点占比较高，质疑学校狭隘和保安暴力行为。但通过及时公关回应，武汉大学发布情况说明，强调游客未预约和言语挑衅，舆论风向逆转，支持学校决定的比例从26%升至48%。这体现了正面回应在舆情管理中的有效性，有助于维护社会形象。
+
+然而，其他事件如2025年的校园交通冲突，部分自媒体传播'教职工子女蛮横别停学生'等不实信息，导致负面讨论滋生，网民质疑校园管理特权问题，例如取消车辆通行授权三个月的惩罚措施细节和校外人员校园行驶权限。尽管校方迅速澄清涉事驾驶员为校外退休职工子女、无特权行为，并报案处理谣言，事件仍暴露了谣言对声誉的潜在危害。此外，学术相关争议如肖某某纪律处分和杨某某论文调查，通过媒体和社交平台扩散，影响学术合作信任度。
+
+招生方面，2024年武汉大学招生总人数有所增加，面向全国招生7215人，强基计划招生专业从8个增加到9个，显示学校在扩大招生规模上的努力。然而，校长张平文在宣传片中不当言论曾引发网络质疑，需警惕对招生的潜在负面影响。值得注意的是，全国高等教育性别格局变化显著，2023年本科在校生女性占比达52.22%，招生中女生占比高达63%，但顶尖高校如C9联盟女性占比仅37.7%，武汉大学作为综合性大学，需关注专业性别分化（如计算机学院男女比4.88:1，新闻传播学院女生超80%）对招生多样性和社会形象的影响。
+
+总体而言，舆情事件对招生和合作可能带来短期波动，但武汉大学的应对策略——如快速响应和透明沟通——在一定程度上 mitigates 负面影响，凸显高校需加强舆情监测和公关智慧以保护声誉。新华社等媒体评论指出舆情应对应避免'唯上不唯实'，强调高校需提升行政敏感度，防止事件处理失能进一步损害形象。
+
+## 未来舆情趋势与建议
+
+武汉大学未来可能面临的舆情挑战主要集中在透明度不足、沟通效率低下和预防机制缺失等方面。基于搜索结果，武汉大学在图书馆事件中暴露出反应滞后、信息空窗期过长的问题，导致公众信任流失。未来需加强舆情监测和预警体系，采用人工智能技术（如BERT模型、情感分析）实时跟踪网络舆论动态，提升研判能力。建议建立快速响应机制，确保调查流程公开透明，避免模糊策略；优化内部沟通流程，减少层层汇报导致的延误；同时引入区块链技术或深度学习模型（如CNN）加强校园舆情分析，实现多维度事件处理。此外，应定期复盘舆情案例，完善危机公关预案，通过专业、善意的沟通回应公众关切，修复声誉损害。结合前沿技术趋势，武汉大学可借鉴大数据、云计算和人工智能在智慧城市管理中的创新应用，推动舆情管理手段和模式升级，如利用人工智能和区块链提升供应链韧性和协同效益，加强2024年后的业务效率改善。通过整合5G、半导体等新一代信息技术，加快智能化的舆情预警和响应系统建设，提升透明度和沟通效率，预防潜在危机。值得注意的是，在2024年金融科技创新大赛中，武汉大学团队展示了区块链和人工智能的应用潜力，如“区块链大战供应链融碳生金”项目，这为舆情管理提供了技术参考，可探索区块链用于数据透明存证和AI驱动的情感分析，以增强舆情应对的实时性和可信度。同时，关注AI伦理和治理框架，如避免算法偏见和隐私风险，确保技术应用符合国际标准，提升整体舆情管理的可持续性和普惠性。
+
+## 结论
+
+综合以上分析，武汉大学舆情管理面临显著挑战，尤其在学术诚信、透明度和响应机制方面。近期事件如杨景媛学术不端和图书馆诬告案暴露了系统性漏洞，对学校声誉造成冲击。未来，武汉大学需加强技术应用（如AI和区块链）、优化沟通策略，并建立预防性机制，以提升舆情应对能力，维护长期声誉和发展。

templates/index.html

@@ -81,6 +81,49 @@
             cursor: not-allowed;
         }
 
+        .upload-button {
+            padding: 15px 20px;
+            border: none;
+            border-left: 2px solid #000000;
+            background-color: #ffffff;
+            color: #000000;
+            cursor: pointer;
+            font-size: 14px;
+            font-weight: bold;
+            transition: all 0.3s ease;
+            position: relative;
+            overflow: hidden;
+        }
+
+        .upload-button:hover {
+            background-color: #f0f0f0;
+        }
+
+        .upload-button input[type="file"] {
+            position: absolute;
+            left: 0;
+            top: 0;
+            width: 100%;
+            height: 100%;
+            opacity: 0;
+            cursor: pointer;
+        }
+
+        .upload-status {
+            font-size: 12px;
+            margin-top: 10px;
+            text-align: center;
+            color: #666666;
+        }
+
+        .upload-status.success {
+            color: #4a6741;
+        }
+
+        .upload-status.error {
+            color: #8b4513;
+        }
+
         /* 主内容区域 */
         .main-content {
             flex: 1;
@@ -660,8 +703,8 @@
             background-color: #ffffff;
             min-height: 400px;
             max-height: none; /* 移除最大高度限制 */
-            overflow-y: auto;
+            overflow-y: hidden; /* 强制不显示垂直滚动条 */
-            overflow-x: hidden;
+            overflow-x: hidden; /* 强制不显示水平滚动条 */
             flex: 1; /* 让预览区域占用剩余空间 */
         }
 
@@ -671,6 +714,15 @@
             border: none;
             /* 让iframe自适应内容高度 */
             height: auto;
+            /* 强制不显示滚动条 */
+            overflow: hidden;
+            scrollbar-width: none; /* Firefox */
+            -ms-overflow-style: none; /* IE and Edge */
+        }
+        
+        /* 隐藏webkit浏览器的滚动条 */
+        .report-preview iframe::-webkit-scrollbar {
+            display: none;
         }
 
         .report-loading {
@@ -691,7 +743,12 @@
             <div class="search-box">
                 <input type="text" class="search-input" id="searchInput" placeholder="请输入要分析的内容...">
                 <button class="search-button" id="searchButton">开始</button>
+                <button class="upload-button" id="uploadButton">
+                    上传模板
+                    <input type="file" id="templateFileInput" accept=".md,.txt" title="上传自定义报告模板(支持 .md 和 .txt 文件)">
+                </button>
             </div>
+            <div class="upload-status" id="uploadStatus"></div>
         </div>
 
         <!-- 主内容区域 -->
@@ -774,6 +831,7 @@
             forum: 'running',  // Forum Engine 默认运行
             report: 'stopped'  // Report Engine
         };
+        let customTemplate = ''; // 存储用户上传的自定义模板内容
 
         // 应用名称映射
         const appNames = {
@@ -784,6 +842,15 @@
             report: 'Report Engine'
         };
 
+        // 页面头部显示的完整Agent介绍
+        const agentTitles = {
+            insight: 'Insight Agent - 私有数据库挖掘',
+            media: 'Media Agent - 多模态内容分析', 
+            query: 'Query Agent - 精准信息搜索',
+            forum: 'Forum Agent - 多智能体交流',
+            report: 'Report Agent - 最终报告生成'
+        };
+
         // 初始化
         document.addEventListener('DOMContentLoaded', function() {
             initializeSocket();
@@ -863,6 +930,9 @@
                 }
             });
 
+            // 文件上传
+            document.getElementById('templateFileInput').addEventListener('change', handleTemplateUpload);
+
             // 应用切换按钮
             document.querySelectorAll('.app-button').forEach(button => {
                 button.addEventListener('click', function() {
@@ -963,7 +1033,7 @@
             // 根据应用类型处理不同的显示逻辑
             if (app === 'forum') {
                 // 切换到论坛模式
-                document.getElementById('embeddedHeader').textContent = 'Forum Engine - 论坛对话';
+                document.getElementById('embeddedHeader').textContent = 'Forum Agent - 多智能体交流';
                 
                 // 显示论坛容器，隐藏其他内容
                 document.getElementById('forumContainer').classList.add('active');
@@ -975,7 +1045,7 @@
                 
             } else if (app === 'report') {
                 // 切换到报告模式
-                document.getElementById('embeddedHeader').textContent = 'Report Engine - 智能报告生成';
+                document.getElementById('embeddedHeader').textContent = 'Report Agent - 最终报告生成';
                 
                 // 显示报告容器，隐藏其他内容
                 document.getElementById('reportContainer').classList.add('active');
@@ -998,7 +1068,7 @@
                 
             } else {
                 // 切换到普通Engine模式
-                document.getElementById('embeddedHeader').textContent = appNames[app];
+                document.getElementById('embeddedHeader').textContent = agentTitles[app] || appNames[app];
                 
                 // 隐藏论坛和报告容器
                 document.getElementById('forumContainer').classList.remove('active');
@@ -1152,7 +1222,7 @@
             
             // 如果是Forum Engine，直接显示论坛界面
             if (app === 'forum') {
-                header.textContent = 'Forum Engine - 论坛对话';
+                header.textContent = 'Forum Agent - 多智能体交流';
                 
                 // 隐藏所有iframe
                 if (typeof preloadedIframes !== 'undefined') {
@@ -1175,7 +1245,7 @@
             
             // 如果是Report Engine，显示报告界面
             if (app === 'report') {
-                header.textContent = 'Report Engine - 智能报告生成';
+                header.textContent = 'Report Agent - 最终报告生成';
                 
                 // 隐藏所有iframe
                 if (typeof preloadedIframes !== 'undefined') {
@@ -1200,7 +1270,7 @@
             document.getElementById('forumContainer').classList.remove('active');
             document.getElementById('reportContainer').classList.remove('active');
 
-            header.textContent = appNames[app] || app;
+            header.textContent = agentTitles[app] || appNames[app] || app;
 
             // 如果应用正在运行，显示对应的iframe
             if (appStatus[app] === 'running') {
@@ -1311,6 +1381,71 @@
             }, 3000);
         }
 
+        // 处理模板文件上传
+        function handleTemplateUpload(event) {
+            const file = event.target.files[0];
+            const statusDiv = document.getElementById('uploadStatus');
+            
+            if (!file) {
+                statusDiv.textContent = '';
+                statusDiv.className = 'upload-status';
+                customTemplate = '';
+                return;
+            }
+
+            // 检查文件类型
+            const allowedTypes = ['text/markdown', 'text/plain', '.md', '.txt'];
+            const fileName = file.name.toLowerCase();
+            const isValidType = fileName.endsWith('.md') || fileName.endsWith('.txt') || 
+                              allowedTypes.includes(file.type);
+
+            if (!isValidType) {
+                statusDiv.textContent = '错误: 请选择 .md 或 .txt 文件';
+                statusDiv.className = 'upload-status error';
+                customTemplate = '';
+                event.target.value = ''; // 清空文件输入
+                return;
+            }
+
+            // 检查文件大小 (最大 1MB)
+            const maxSize = 1024 * 1024; // 1MB
+            if (file.size > maxSize) {
+                statusDiv.textContent = '错误: 文件大小不能超过 1MB';
+                statusDiv.className = 'upload-status error';
+                customTemplate = '';
+                event.target.value = '';
+                return;
+            }
+
+            statusDiv.textContent = '正在读取文件...';
+            statusDiv.className = 'upload-status';
+
+            // 读取文件内容
+            const reader = new FileReader();
+            reader.onload = function(e) {
+                try {
+                    customTemplate = e.target.result;
+                    statusDiv.textContent = `成功: 已加载自定义模板 "${file.name}" (${(file.size/1024).toFixed(1)}KB)`;
+                    statusDiv.className = 'upload-status success';
+                    showMessage(`自定义模板已加载: ${file.name}`, 'success');
+                } catch (error) {
+                    statusDiv.textContent = '错误: 文件读取失败';
+                    statusDiv.className = 'upload-status error';
+                    customTemplate = '';
+                    event.target.value = '';
+                }
+            };
+
+            reader.onerror = function() {
+                statusDiv.textContent = '错误: 文件读取失败';
+                statusDiv.className = 'upload-status error';
+                customTemplate = '';
+                event.target.value = '';
+            };
+
+            reader.readAsText(file, 'utf-8');
+        }
+
         // Forum Engine 相关函数
         let forumLogLineCount = 0;
         
@@ -1824,12 +1959,19 @@
             // 在现有状态信息后添加任务进度状态，而不是替换
             addTaskProgressStatus('正在启动报告生成任务...', 'loading');
             
+            // 构建请求数据，包含自定义模板（如果有的话）
+            const requestData = { query: query };
+            if (customTemplate && customTemplate.trim()) {
+                requestData.custom_template = customTemplate;
+                console.log('使用自定义模板生成报告');
+            }
+            
             fetch('/api/report/generate', {
                 method: 'POST',
                 headers: {
                     'Content-Type': 'application/json'
                 },
-                body: JSON.stringify({ query: query })
+                body: JSON.stringify(requestData)
             })
             .then(response => response.json())
             .then(data => {
@@ -2007,6 +2149,10 @@
                 iframe.style.width = '100%';
                 iframe.style.border = 'none';
                 iframe.style.minHeight = '800px'; // 增加最小高度
+                iframe.style.overflow = 'hidden'; // 强制不显示滚动条
+                iframe.style.scrollbarWidth = 'none'; // Firefox
+                iframe.style.msOverflowStyle = 'none'; // IE and Edge
+                iframe.scrolling = 'no'; // 传统方式禁用滚动
                 iframe.id = 'report-iframe';
                 
                 reportPreview.innerHTML = '';
@@ -2017,6 +2163,36 @@
                 iframe.contentDocument.write(htmlContent);
                 iframe.contentDocument.close();
                 
+                // 确保iframe内部文档也不显示滚动条
+                const iframeDoc = iframe.contentDocument || iframe.contentWindow.document;
+                if (iframeDoc) {
+                    // 设置body样式
+                    if (iframeDoc.body) {
+                        iframeDoc.body.style.overflow = 'hidden';
+                        iframeDoc.body.style.scrollbarWidth = 'none';
+                        iframeDoc.body.style.msOverflowStyle = 'none';
+                    }
+                    // 设置html样式
+                    if (iframeDoc.documentElement) {
+                        iframeDoc.documentElement.style.overflow = 'hidden';
+                        iframeDoc.documentElement.style.scrollbarWidth = 'none';
+                        iframeDoc.documentElement.style.msOverflowStyle = 'none';
+                    }
+                    // 添加CSS规则隐藏webkit滚动条
+                    const style = iframeDoc.createElement('style');
+                    style.textContent = `
+                        body::-webkit-scrollbar, html::-webkit-scrollbar {
+                            display: none !important;
+                        }
+                        body, html {
+                            overflow: hidden !important;
+                            scrollbar-width: none !important;
+                            -ms-overflow-style: none !important;
+                        }
+                    `;
+                    iframeDoc.head.appendChild(style);
+                }
+                
                 // 等待内容加载完成后调整iframe高度
                 iframe.onload = function() {
                     setTimeout(() => {