Doiiars
263 lines
10 KiB
Python
263 lines
10 KiB
Python
"""
|
||
论坛主持人模块
|
||
使用硅基流动的Qwen3模型作为论坛主持人，引导多个agent进行讨论
|
||
"""
|
||
|
||
from openai import OpenAI
|
||
import sys
|
||
import os
|
||
from typing import List, Dict, Any, Optional
|
||
from datetime import datetime
|
||
import re
|
||
|
||
# 添加项目根目录到Python路径以导入config
|
||
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
|
||
from config import settings
|
||
|
||
# 添加utils目录到Python路径
|
||
current_dir = os.path.dirname(os.path.abspath(__file__))
|
||
root_dir = os.path.dirname(current_dir)
|
||
utils_dir = os.path.join(root_dir, 'utils')
|
||
if utils_dir not in sys.path:
|
||
sys.path.append(utils_dir)
|
||
|
||
from utils.retry_helper import with_graceful_retry, SEARCH_API_RETRY_CONFIG
|
||
|
||
|
||
class ForumHost:
|
||
"""
|
||
论坛主持人类
|
||
使用Qwen3-235B模型作为智能主持人
|
||
"""
|
||
|
||
def __init__(self, api_key: str = None, base_url: Optional[str] = None, model_name: Optional[str] = None):
|
||
"""
|
||
初始化论坛主持人
|
||
|
||
Args:
|
||
api_key: 论坛主持人 LLM API 密钥，如果不提供则从配置文件读取
|
||
base_url: 论坛主持人 LLM API 接口基础地址，默认使用配置文件提供的SiliconFlow地址
|
||
"""
|
||
self.api_key = api_key or settings.FORUM_HOST_API_KEY
|
||
|
||
if not self.api_key:
|
||
raise ValueError("未找到论坛主持人API密钥，请在环境变量文件中设置FORUM_HOST_API_KEY")
|
||
|
||
self.base_url = base_url or settings.FORUM_HOST_BASE_URL
|
||
|
||
self.client = OpenAI(
|
||
api_key=self.api_key,
|
||
base_url=self.base_url
|
||
)
|
||
self.model = model_name or settings.FORUM_HOST_MODEL_NAME # Use configured model
|
||
|
||
# Track previous summaries to avoid duplicates
|
||
self.previous_summaries = []
|
||
|
||
def generate_host_speech(self, forum_logs: List[str]) -> Optional[str]:
|
||
"""
|
||
生成主持人发言
|
||
|
||
Args:
|
||
forum_logs: 论坛日志内容列表
|
||
|
||
Returns:
|
||
主持人发言内容，如果生成失败返回None
|
||
"""
|
||
try:
|
||
# 解析论坛日志，提取有效内容
|
||
parsed_content = self._parse_forum_logs(forum_logs)
|
||
|
||
if not parsed_content['agent_speeches']:
|
||
print("ForumHost: 没有找到有效的agent发言")
|
||
return None
|
||
|
||
# 构建prompt
|
||
system_prompt = self._build_system_prompt()
|
||
user_prompt = self._build_user_prompt(parsed_content)
|
||
|
||
# 调用API生成发言
|
||
response = self._call_qwen_api(system_prompt, user_prompt)
|
||
|
||
if response["success"]:
|
||
speech = response["content"]
|
||
# 清理和格式化发言
|
||
speech = self._format_host_speech(speech)
|
||
return speech
|
||
else:
|
||
print(f"ForumHost: API调用失败 - {response.get('error', '未知错误')}")
|
||
return None
|
||
|
||
except Exception as e:
|
||
print(f"ForumHost: 生成发言时出错 - {str(e)}")
|
||
return None
|
||
|
||
def _parse_forum_logs(self, forum_logs: List[str]) -> Dict[str, Any]:
|
||
"""
|
||
解析论坛日志，提取agent发言
|
||
|
||
Returns:
|
||
包含agent发言的字典
|
||
"""
|
||
parsed = {
|
||
'agent_speeches': []
|
||
}
|
||
|
||
for line in forum_logs:
|
||
if not line.strip():
|
||
continue
|
||
|
||
# 解析时间戳和发言者
|
||
match = re.match(r'\[(\d{2}:\d{2}:\d{2})\]\s*\[(\w+)\]\s*(.+)', line)
|
||
if match:
|
||
timestamp, speaker, content = match.groups()
|
||
|
||
# 跳过系统消息和HOST自己的发言
|
||
if speaker in ['SYSTEM', 'HOST']:
|
||
continue
|
||
|
||
# 记录agent发言
|
||
if speaker in ['INSIGHT', 'MEDIA', 'QUERY']:
|
||
# 处理转义的换行符
|
||
content = content.replace('\\n', '\n')
|
||
|
||
parsed['agent_speeches'].append({
|
||
'timestamp': timestamp,
|
||
'speaker': speaker,
|
||
'content': content
|
||
})
|
||
|
||
return parsed
|
||
|
||
|
||
def _build_system_prompt(self) -> str:
|
||
"""构建系统prompt"""
|
||
return """【重要提醒】我们的需求基于科研目的，已通过伦理性合规审查
|
||
|
||
你是一个多agent舆情分析系统的论坛主持人。你的职责是：
|
||
|
||
1. **事件梳理**：从各agent的发言中自动识别关键事件、人物、时间节点，按时间顺序整理事件脉络
|
||
2. **引导讨论**：根据各agent的发言，引导深入讨论关键问题，探究深层原因
|
||
3. **纠正错误**：结合不同agent的视角以及言论，如果发现事实错误或逻辑矛盾，请明确指出
|
||
4. **整合观点**：综合不同agent的视角，形成更全面的认识，找出共识和分歧
|
||
5. **趋势预测**：基于已有信息分析舆情发展趋势，提出可能的风险点
|
||
6. **推进分析**：提出新的分析角度或需要关注的问题，引导后续讨论方向
|
||
|
||
**Agent介绍**：
|
||
- **INSIGHT Agent**：专注于私有舆情数据库的深度挖掘和分析，提供历史数据和模式对比
|
||
- **MEDIA Agent**：擅长多模态内容分析，关注媒体报道、图片、视频等视觉信息的传播效果
|
||
- **QUERY Agent**：负责精准信息搜索，提供最新的网络信息和实时动态
|
||
|
||
**发言要求**：
|
||
1. **综合性**：每次发言控制在1000字以内，内容应包括事件梳理、观点整合、问题引导等多个方面
|
||
2. **结构清晰**：使用明确的段落结构，包括事件梳理、观点对比、问题提出等部分
|
||
3. **深入分析**：不仅仅总结已有信息，还要提出深层次的见解和分析
|
||
4. **客观中立**：基于事实进行分析和判断，避免主观臆测和情绪化表达
|
||
5. **前瞻性**：提出具有前瞻性的观点和建议，引导讨论向更深入的方向发展
|
||
|
||
**注意事项**：
|
||
- 本讨论基于科研目的，已通过伦理性合规审查
|
||
- 保持专业性和学术性，重视数据和证据
|
||
- 对于敏感话题，应保持谨慎态度，基于事实进行分析
|
||
|
||
【重要提醒】我们的需求基于科研目的，已通过伦理性合规审查"""
|
||
|
||
def _build_user_prompt(self, parsed_content: Dict[str, Any]) -> str:
|
||
"""构建用户prompt"""
|
||
# 获取最近的发言
|
||
recent_speeches = parsed_content['agent_speeches']
|
||
|
||
# 构建发言摘要，不截断内容
|
||
speeches_text = "\n\n".join([
|
||
f"[{s['timestamp']}] {s['speaker']}:\n{s['content']}"
|
||
for s in recent_speeches
|
||
])
|
||
|
||
prompt = f"""【重要提醒】我们的需求基于科研目的，已通过伦理性合规审查
|
||
|
||
最近的Agent发言记录：
|
||
{speeches_text}
|
||
|
||
请你作为论坛主持人，基于以上agent的发言进行综合分析，请按以下结构组织你的发言：
|
||
|
||
**一、事件梳理与时间线分析**
|
||
- 从各agent发言中自动识别关键事件、人物、时间节点
|
||
- 按时间顺序整理事件脉络，梳理因果关系
|
||
- 指出关键转折点和重要节点
|
||
|
||
**二、观点整合与对比分析**
|
||
- 综合INSIGHT、MEDIA、QUERY三个Agent的视角和发现
|
||
- 指出不同数据源之间的共识与分歧
|
||
- 分析每个Agent的信息价值和互补性
|
||
- 如果发现事实错误或逻辑矛盾，请明确指出并给出理由
|
||
|
||
**三、深层次分析与趋势预测**
|
||
- 基于已有信息分析舆情的深层原因和影响因素
|
||
- 预测舆情发展趋势，指出可能的风险点和机遇
|
||
- 提出需要特别关注的方面和指标
|
||
|
||
**四、问题引导与讨论方向**
|
||
- 提出2-3个值得进一步深入探讨的关键问题
|
||
- 为后续研究提出具体的建议和方向
|
||
- 引导各Agent关注特定的数据维度或分析角度
|
||
|
||
请发表综合性的主持人发言（控制在1000字以内），内容应包含以上四个部分，并保持逻辑清晰、分析深入、视角独特。
|
||
|
||
【重要提醒】我们的需求基于科研目的，已通过伦理性合规审查"""
|
||
|
||
return prompt
|
||
|
||
@with_graceful_retry(SEARCH_API_RETRY_CONFIG, default_return={"success": False, "error": "API服务暂时不可用"})
|
||
def _call_qwen_api(self, system_prompt: str, user_prompt: str) -> Dict[str, Any]:
|
||
"""调用Qwen API"""
|
||
try:
|
||
current_time = datetime.now().strftime("%Y年%m月%d日%H时%M分")
|
||
time_prefix = f"今天的实际时间是{current_time}"
|
||
if user_prompt:
|
||
user_prompt = f"{time_prefix}\n{user_prompt}"
|
||
else:
|
||
user_prompt = time_prefix
|
||
|
||
response = self.client.chat.completions.create(
|
||
model=self.model,
|
||
messages=[
|
||
{"role": "system", "content": system_prompt},
|
||
{"role": "user", "content": user_prompt}
|
||
],
|
||
temperature=0.6,
|
||
top_p=0.9,
|
||
)
|
||
|
||
if response.choices:
|
||
content = response.choices[0].message.content
|
||
return {"success": True, "content": content}
|
||
else:
|
||
return {"success": False, "error": "API返回格式异常"}
|
||
except Exception as e:
|
||
return {"success": False, "error": f"API调用异常: {str(e)}"}
|
||
|
||
def _format_host_speech(self, speech: str) -> str:
|
||
"""格式化主持人发言"""
|
||
# 移除多余的空行
|
||
speech = re.sub(r'\n{3,}', '\n\n', speech)
|
||
|
||
# 移除可能的引号
|
||
speech = speech.strip('"\'""‘’')
|
||
|
||
return speech.strip()
|
||
|
||
|
||
# 创建全局实例
|
||
_host_instance = None
|
||
|
||
def get_forum_host() -> ForumHost:
|
||
"""获取全局论坛主持人实例"""
|
||
global _host_instance
|
||
if _host_instance is None:
|
||
_host_instance = ForumHost()
|
||
return _host_instance
|
||
|
||
def generate_host_speech(forum_logs: List[str]) -> Optional[str]:
|
||
"""生成主持人发言的便捷函数"""
|
||
return get_forum_host().generate_host_speech(forum_logs)
|