Yusaki/MiroFish
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

Refactor report logging and enhance report generation features

Browse source 
- Renamed log_section_complete to log_section_content to better reflect its purpose, and added is_subsection parameter for improved logging of subsection content.
- Introduced log_section_full_complete method to log the completion of entire sections, including all subsections, enhancing tracking of report generation status.
- Adjusted maximum tool call limits for sections and chats to optimize performance during report generation.
- Updated system prompts and user prompts in the ReportAgent class to clarify the report's focus on future predictions rather than current analysis.
- Enhanced the Step3Simulation and Step4Report components for improved user experience, including UI updates and better handling of report generation states.
This commit is contained in:
666ghj 2025-12-14 03:28:41 +08:00
parent fde79721e8
commit 9be2c28a5d
4 changed files with 1913 additions and 1579 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

246
backend/app/services/report_agent.py
View file

@ -233,24 +233,52 @@ class ReportLogger:
}
)
def log_section_complete(
def log_section_content(
self,
section_title: str,
section_index: int,
content: str,
tool_calls_count: int
tool_calls_count: int,
is_subsection: bool = False
):
"""记录章节生成完成（完整内容，不截断）"""
"""记录章节/子章节内容生成完成（仅记录内容，不代表整个章节完成）"""
action = "subsection_content" if is_subsection else "section_content"
self.log(
action=action,
stage="generating",
section_title=section_title,
section_index=section_index,
details={
"content": content, # 完整内容，不截断
"content_length": len(content),
"tool_calls_count": tool_calls_count,
"is_subsection": is_subsection,
"message": f"{'子章节' if is_subsection else '主章节'} {section_title} 内容生成完成"
}
)
def log_section_full_complete(
self,
section_title: str,
section_index: int,
full_content: str,
subsection_count: int
):
"""
记录完整章节生成完成（包含所有子章节的合并内容）
前端应监听此日志来判断一个章节是否真正完成，并获取完整内容
"""
self.log(
action="section_complete",
stage="generating",
section_title=section_title,
section_index=section_index,
details={
"content": content, # 完整章节内容，不截断
"content_length": len(content),
"tool_calls_count": tool_calls_count,
"message": f"章节 {section_title} 生成完成"
"content": full_content, # 完整章节内容（含子章节），不截断
"content_length": len(full_content),
"subsection_count": subsection_count,
"message": f"章节 {section_title} 完整生成完成（含 {subsection_count} 个子章节）"
}
)
@ -464,14 +492,14 @@ class ReportAgent:
【重要】Report Agent必须优先调用工具获取模拟数据，而非使用自身知识！
"""
# 最大工具调用次数（每个章节）- 增加上限以鼓励更多检索
MAX_TOOL_CALLS_PER_SECTION = 10
# 最大工具调用次数（每个章节）
MAX_TOOL_CALLS_PER_SECTION = 4
# 最大反思轮数
MAX_REFLECTION_ROUNDS = 2
# 对话中的最大工具调用次数
MAX_TOOL_CALLS_PER_CHAT = 8
MAX_TOOL_CALLS_PER_CHAT = 3
def __init__(
self,
@ -807,24 +835,34 @@ class ReportAgent:
progress_callback("planning", 30, "正在生成报告大纲...")
# 构建规划prompt
system_prompt = """你是一个专业的舆情分析报告撰写专家。你需要根据用户的模拟需求和已有的知识图谱信息，规划一份精炼的模拟分析报告大纲。
system_prompt = """你是一个「未来预测报告」的撰写专家，拥有对模拟世界的「上帝视角」——你可以洞察模拟中每一位Agent的行为、言论和互动。
【重要】报告章节数量限制：
- 报告最多包含5个主章节
【核心理念】
我们构建了一个模拟世界，并向其中注入了特定的「模拟需求」作为变量。模拟世界的演化结果，就是对未来可能发生情况的预测。你正在观察的不是"实验数据"，而是"未来的预演"。
【你的任务】
撰写一份「未来预测报告」，回答：
1. 在我们设定的条件下，未来发生了什么？
2. 各类Agent（人群）是如何反应和行动？
3. 这个模拟揭示了哪些值得关注的未来趋势和风险？
【报告定位】
- ✅ 这是一份基于模拟的未来预测报告，揭示"如果这样，未来会怎样"
- ✅ 聚焦于预测结果：事件走向、群体反应、涌现现象、潜在风险
- ✅ 模拟世界中的Agent言行就是对未来人群行为的预测
- ❌ 不是对现实世界现状的分析
- ❌ 不是泛泛而谈的舆情综述
【章节数量限制】
- 最少2个主章节，最多5个主章节
- 每个章节可以有0-2个子章节
- 内容要精炼，避免冗余
报告应聚焦以下核心内容（选择最相关的3-5项）：
1. 执行摘要 - 简要总结模拟结果和关键发现
2. 模拟背景 - 描述模拟的初始条件和场景设定
3. 关键发现 - 分析模拟中的重要发现和趋势
4. 舆情分析 - 分析舆论走向、情绪变化、关键意见领袖等
5. 建议与展望 - 基于分析结果提出建议
- 内容要精炼，聚焦于核心预测发现
- 章节结构由你根据预测结果自主设计
请输出JSON格式的报告大纲，格式如下：
{
"title": "报告标题",
"summary": "报告摘要（一句话概括）",
"summary": "报告摘要（一句话概括核心预测发现）",
"sections": [
{
"title": "章节标题",
@ -836,23 +874,28 @@ class ReportAgent:
]
}
注意：sections数组最多包含5个元素！"""
注意：sections数组最少2个，最多5个元素！"""
user_prompt = f"""模拟需求：
{self.simulation_requirement}
user_prompt = f"""【预测场景设定】
我们向模拟世界注入的变量（模拟需求）：{self.simulation_requirement}
已有的知识图谱信息：
- 总节点数: {context.get('graph_statistics', {}).get('total_nodes', 0)}
- 总边数: {context.get('graph_statistics', {}).get('total_edges', 0)}
- 实体类型: {list(context.get('graph_statistics', {}).get('entity_types', {}).keys())}
- 实体数量: {context.get('total_entities', 0)}
【模拟世界规模】
- 参与模拟的实体数量: {context.get('graph_statistics', {}).get('total_nodes', 0)}
- 实体间产生的关系数量: {context.get('graph_statistics', {}).get('total_edges', 0)}
- 实体类型分布: {list(context.get('graph_statistics', {}).get('entity_types', {}).keys())}
- 活跃Agent数量: {context.get('total_entities', 0)}
相关事实：
【模拟预测到的部分未来事实样本】
{json.dumps(context.get('related_facts', [])[:10], ensure_ascii=False, indent=2)}
请根据以上信息，生成一份针对此模拟场景的报告大纲。
请以「上帝视角」审视这个未来预演：
1. 在我们设定的条件下，未来呈现出了什么样的状态？
2. 各类人群（Agent）是如何反应和行动的？
3. 这个模拟揭示了哪些值得关注的未来趋势？
【再次提醒】报告必须控制在最多5个章节以内，内容要精炼聚焦。"""
根据预测结果，设计最合适的报告章节结构。
【再次提醒】报告章节数量：最少2个，最多5个，内容要精炼聚焦于核心预测发现。"""
try:
response = self.llm.chat_json(
@ -896,16 +939,14 @@ class ReportAgent:
except Exception as e:
logger.error(f"大纲规划失败: {str(e)}")
# 返回默认大纲（5个章节）
# 返回默认大纲（3个章节，作为fallback）
return ReportOutline(
title="模拟分析报告",
summary="基于模拟结果的分析报告",
title="未来预测报告",
summary="基于模拟预测的未来趋势与风险分析",
sections=[
ReportSection(title="执行摘要"),
ReportSection(title="模拟背景与场景设定"),
ReportSection(title="关键发现与趋势分析"),
ReportSection(title="舆情走向与情绪演化"),
ReportSection(title="总结与建议")
ReportSection(title="预测场景与核心发现"),
ReportSection(title="人群行为预测分析"),
ReportSection(title="趋势展望与风险提示")
]
)
@ -949,32 +990,47 @@ class ReportAgent:
sub_heading_level = 3 # 子标题使用三级（###）
sub_sub_heading_level = 4 # 更小的子标题使用四级（####）
system_prompt = f"""你是一个专业的舆情分析报告撰写专家，正在撰写报告的一个章节。
system_prompt = f"""你是一个「未来预测报告」的撰写专家，正在撰写报告的一个章节。
报告标题: {outline.title}
报告摘要: {outline.summary}
模拟需求: {self.simulation_requirement}
预测场景（模拟需求）: {self.simulation_requirement}
当前要撰写的章节: {section.title}
═══════════════════════════════════════════════════════════════
【核心理念】
═══════════════════════════════════════════════════════════════
模拟世界是对未来的预演。我们向模拟世界注入了特定条件（模拟需求），
模拟中Agent的行为和互动，就是对未来人群行为的预测。
你的任务是：
- 揭示在设定条件下，未来发生了什么
- 预测各类人群（Agent）是如何反应和行动的
- 发现值得关注的未来趋势、风险和机会
❌ 不要写成对现实世界现状的分析
✅ 要聚焦于"未来会怎样"——模拟结果就是预测的未来
═══════════════════════════════════════════════════════════════
【最重要的规则 - 必须遵守】
═══════════════════════════════════════════════════════════════
1. 【必须调用工具获取数据】
- 你正在撰写的是基于模拟结果的分析报告
- 所有内容必须来自模拟图谱中的真实数据
1. 【必须调用工具观察模拟世界】
- 你正在以「上帝视角」观察未来的预演
- 所有内容必须来自模拟世界中发生的事件和Agent言行
- 禁止使用你自己的知识来编写报告内容
- 每个章节至少调用1-3次工具获取相关信息
- 每个章节至少调用2次工具（最多4次）来观察模拟的世界，它代表了未来
2. 【必须引用模拟结果原文】
- 检索到的事实原文是最有价值的内容
- 在报告中使用引用格式展示这些原文，例如：
> "原文内容..."
- 这些原文证明了模拟的真实效果
2. 【必须引用Agent的原始言行】
- Agent的发言和行为是对未来人群行为的预测
- 在报告中使用引用格式展示这些预测，例如：
> "某类人群会表示：原文内容..."
- 这些引用是模拟预测的核心证据
3. 【尊重模拟结果】
- 报告内容必须反映模拟中实际发生的情况
3. 【忠实呈现预测结果】
- 报告内容必须反映模拟世界中的代表未来的模拟结果
- 不要添加模拟中不存在的信息
- 如果某方面信息不足，如实说明
@ -1017,7 +1073,7 @@ class ReportAgent:
```
═══════════════════════════════════════════════════════════════
【可用检索工具】（建议每章节调用2-5次）
【可用检索工具】（每章节调用2-4次）
═══════════════════════════════════════════════════════════════
{self._get_tools_description()}
@ -1026,6 +1082,7 @@ class ReportAgent:
- insight_forge: 用于深度分析，会自动分解问题并多维度检索
- panorama_search: 用于了解全貌和演变过程
- quick_search: 用于快速验证某个具体信息
- interview_agents: 用于采访模拟Agent，获取不同角色的真实观点和看法
═══════════════════════════════════════════════════════════════
【ReACT工作流程】
@ -1037,7 +1094,7 @@ class ReportAgent:
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
</tool_call>
3. Observation: [分析工具返回的结果]
4. 重复步骤1-3，直到收集到足够信息（建议2-5轮）
4. 重复步骤1-3，直到收集到足够信息（最多5轮）
5. Final Answer: [基于检索结果撰写章节内容]
═══════════════════════════════════════════════════════════════
@ -1111,9 +1168,9 @@ class ReportAgent:
{"role": "user", "content": user_prompt}
]
# ReACT循环 - 优化后增加工具调用次数
# ReACT循环
tool_calls_count = 0
max_iterations = self.MAX_TOOL_CALLS_PER_SECTION + 3 # 增加迭代次数
max_iterations = 5 # 最大迭代轮数
min_tool_calls = 2 # 最少工具调用次数
# 报告上下文，用于InsightForge的子问题生成
@ -1173,13 +1230,16 @@ class ReportAgent:
final_answer = response.split("Final Answer:")[-1].strip()
logger.info(f"章节 {section.title} 生成完成（工具调用: {tool_calls_count}次）")
# 记录章节完成日志
# 记录章节内容生成完成日志（注意：这只是内容完成，不代表整个章节完成）
# 如果是子章节，section_index >= 100
is_subsection = section_index >= 100
if self.report_logger:
self.report_logger.log_section_complete(
self.report_logger.log_section_content(
section_title=section.title,
section_index=section_index,
content=final_answer,
tool_calls_count=tool_calls_count
tool_calls_count=tool_calls_count,
is_subsection=is_subsection
)
return final_answer
@ -1284,13 +1344,15 @@ class ReportAgent:
else:
final_answer = response
# 记录章节完成日志
# 记录章节内容生成完成日志（注意：这只是内容完成，不代表整个章节完成）
is_subsection = section_index >= 100
if self.report_logger:
self.report_logger.log_section_complete(
self.report_logger.log_section_content(
section_title=section.title,
section_index=section_index,
content=final_answer,
tool_calls_count=tool_calls_count
tool_calls_count=tool_calls_count,
is_subsection=is_subsection
)
return final_answer
@ -1475,6 +1537,20 @@ class ReportAgent:
)
completed_section_titles.append(section.title)
# 【重要】记录完整章节完成日志，包含合并后的完整内容
# 构建完整章节内容（主章节 + 所有子章节）
full_section_content = f"## {section.title}\n\n{section_content}\n\n"
for sub_title, sub_content in subsection_contents:
full_section_content += f"### {sub_title}\n\n{sub_content}\n\n"
if self.report_logger:
self.report_logger.log_section_full_complete(
section_title=section.title,
section_index=section_num,
full_content=full_section_content.strip(),
subsection_count=len(subsection_contents)
)
logger.info(f"章节已保存（包含{len(subsection_contents)}个子章节）: {report_id}/section_{section_num:02d}.md")
# 更新进度
@ -1580,40 +1656,48 @@ class ReportAgent:
chat_history = chat_history or []
system_prompt = f"""你是一个专业的舆情分析助手，负责回答关于模拟分析报告的问题。
system_prompt = f"""你是一个拥有「上帝视角」的未来预测助手，负责回答关于模拟预测结果的问题。
═══════════════════════════════════════════════════════════════
【背景信息】
【预测场景背景】
═══════════════════════════════════════════════════════════════
模拟需求: {self.simulation_requirement}
图谱ID: {self.graph_id}
预测条件（模拟需求）: {self.simulation_requirement}
模拟世界ID: {self.graph_id}
模拟世界是对未来的预演。你的任务是帮助用户理解：在设定条件下，未来会发生什么？各类人群会如何反应？
═══════════════════════════════════════════════════════════════
【最重要的规则 - 必须遵守】
═══════════════════════════════════════════════════════════════
1. 【必须调用工具获取数据】
- 你的回答必须基于模拟图谱中的真实数据
1. 【必须调用工具获取预测数据】
- 你的回答必须基于模拟世界中的预测结果
- 禁止使用你自己的知识来回答问题
- 每次回答前至少调用1次工具获取相关信息
- 每次回答前至少调用1次工具获取预测数据
2. 【必须引用模拟结果原文】
- 检索到的事实原文是最有价值的内容
- 在回答中使用引用格式展示这些原文，例如：
> "原文内容..."
- 原文引用证明了答案的可靠性
2. 【必须引用Agent的原始言行】
- Agent的发言和行为是对未来人群行为的预测
- 在回答中使用引用格式展示这些预测，例如：
> "某类人群会表示：原文内容..."
- 这些引用是预测的核心证据
3. 【尊重模拟结果】
- 回答必须反映模拟中实际发生的情况
3. 【忠实呈现预测结果】
- 回答必须反映模拟世界中的预测结果
- 不要添加模拟中不存在的信息
- 如果某方面信息不足，如实说明
═══════════════════════════════════════════════════════════════
【可用检索工具】
【可用检索工具】（最多调用3次）
═══════════════════════════════════════════════════════════════
{self._get_tools_description()}
【工具使用建议】
- insight_forge: 用于深度分析，会自动分解问题并多维度检索
- panorama_search: 用于了解全貌和演变过程
- quick_search: 用于快速验证某个具体信息
- interview_agents: 用于采访模拟Agent，获取不同角色的真实观点和看法
【工具调用格式】
<tool_call>
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
@ -1644,9 +1728,9 @@ class ReportAgent:
【提醒】请先调用工具获取模拟数据，再回答问题。推荐使用 insight_forge 进行深度检索。"""
})
# ReACT循环 - 增加迭代次数以支持更多工具调用
# ReACT循环
tool_calls_made = []
max_iterations = self.MAX_TOOL_CALLS_PER_CHAT
max_iterations = 3 # 最大迭代轮数
min_tool_calls = 1 # 最少工具调用次数
for iteration in range(max_iterations):

28
backend/app/services/zep_tools.py
View file

@ -169,11 +169,11 @@ class InsightForgeResult:
def to_text(self) -> str:
"""转换为详细的文本格式，供LLM理解"""
text_parts = [
f"## 深度洞察检索结果",
f"原始问题: {self.query}",
f"模拟需求: {self.simulation_requirement}",
f"\n### 检索统计",
f"- 相关事实: {self.total_facts}条",
f"## 未来预测深度分析",
f"分析问题: {self.query}",
f"预测场景: {self.simulation_requirement}",
f"\n### 预测数据统计",
f"- 相关预测事实: {self.total_facts}条",
f"- 涉及实体: {self.total_entities}个",
f"- 关系链: {self.total_relationships}条"
]
@ -248,13 +248,13 @@ class PanoramaResult:
def to_text(self) -> str:
"""转换为文本格式"""
text_parts = [
f"## 广度搜索结果（全貌视图）",
f"查询: {self.query}",
f"\n### 统计信息",
f"- 总节点数: {self.total_nodes}",
f"- 总边数: {self.total_edges}",
f"- 当前有效事实: {self.active_count}条",
f"- 历史/过期事实: {self.historical_count}条"
f"## 未来全景预测",
f"预测主题: {self.query}",
f"\n### 预测世界概览",
f"- 总实体数: {self.total_nodes}",
f"- 总关系数: {self.total_edges}",
f"- 当前有效预测: {self.active_count}条",
f"- 历史演变记录: {self.historical_count}条"
]
# 当前有效的事实
@ -1091,10 +1091,10 @@ class ZepToolsService:
将复杂问题分解为多个可以独立检索的子问题
"""
system_prompt = """你是一个专业的问题分析专家。你的任务是将一个复杂问题分解为多个可以独立检索的子问题。
system_prompt = """你是一个专业的问题分析专家。你的任务是将一个复杂问题分解为多个可以在模拟世界中独立观察的子问题。
要求：
1. 每个子问题应该足够具体，可以在知识图谱中检索到相关信息
1. 每个子问题应该足够具体，可以在模拟世界中找到相关的Agent行为或事件
2. 子问题应该覆盖原问题的不同维度（如：谁、什么、为什么、怎么样、何时、何地）
3. 子问题应该与模拟场景相关
4. 返回JSON格式：{"sub_queries": ["子问题1", "子问题2", ...]}"""

2
frontend/src/components/Step3Simulation.vue
View file

@ -655,7 +655,7 @@ const handleNextStep = async () => {
try {
const res = await generateReport({
simulation_id: props.simulationId,
force_regenerate: false
force_regenerate: true
})
if (res.success && res.data) {

3216
frontend/src/components/Step4Report.vue
View file

File diff suppressed because it is too large Load diff