feat(report_agent): add detailed tool descriptions and prompts for future prediction report generation
This commit is contained in:
666ghj
parent
d2041f6fb8
commit
dc0a9261d1
1 changed files with 441 additions and 360 deletions
|
|
@ -466,21 +466,398 @@ class Report:
|
|||
}
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════
|
||||
# Prompt 模板常量
|
||||
# ═══════════════════════════════════════════════════════════════
|
||||
|
||||
# ── 工具描述 ──
|
||||
|
||||
TOOL_DESC_INSIGHT_FORGE = """\
|
||||
【深度洞察检索 - 强大的检索工具】
|
||||
这是我们强大的检索函数，专为深度分析设计。它会：
|
||||
1. 自动将你的问题分解为多个子问题
|
||||
2. 从多个维度检索模拟图谱中的信息
|
||||
3. 整合语义搜索、实体分析、关系链追踪的结果
|
||||
4. 返回最全面、最深度的检索内容
|
||||
|
||||
【使用场景】
|
||||
- 需要深入分析某个话题
|
||||
- 需要了解事件的多个方面
|
||||
- 需要获取支撑报告章节的丰富素材
|
||||
|
||||
【返回内容】
|
||||
- 相关事实原文（可直接引用）
|
||||
- 核心实体洞察
|
||||
- 关系链分析"""
|
||||
|
||||
TOOL_DESC_PANORAMA_SEARCH = """\
|
||||
【广度搜索 - 获取全貌视图】
|
||||
这个工具用于获取模拟结果的完整全貌，特别适合了解事件演变过程。它会：
|
||||
1. 获取所有相关节点和关系
|
||||
2. 区分当前有效的事实和历史/过期的事实
|
||||
3. 帮助你了解舆情是如何演变的
|
||||
|
||||
【使用场景】
|
||||
- 需要了解事件的完整发展脉络
|
||||
- 需要对比不同阶段的舆情变化
|
||||
- 需要获取全面的实体和关系信息
|
||||
|
||||
【返回内容】
|
||||
- 当前有效事实（模拟最新结果）
|
||||
- 历史/过期事实（演变记录）
|
||||
- 所有涉及的实体"""
|
||||
|
||||
TOOL_DESC_QUICK_SEARCH = """\
|
||||
【简单搜索 - 快速检索】
|
||||
轻量级的快速检索工具，适合简单、直接的信息查询。
|
||||
|
||||
【使用场景】
|
||||
- 需要快速查找某个具体信息
|
||||
- 需要验证某个事实
|
||||
- 简单的信息检索
|
||||
|
||||
【返回内容】
|
||||
- 与查询最相关的事实列表"""
|
||||
|
||||
TOOL_DESC_INTERVIEW_AGENTS = """\
|
||||
【深度采访 - 真实Agent采访（双平台）】
|
||||
调用OASIS模拟环境的采访API，对正在运行的模拟Agent进行真实采访！
|
||||
这不是LLM模拟，而是调用真实的采访接口获取模拟Agent的原始回答。
|
||||
默认在Twitter和Reddit两个平台同时采访，获取更全面的观点。
|
||||
|
||||
功能流程：
|
||||
1. 自动读取人设文件，了解所有模拟Agent
|
||||
2. 智能选择与采访主题最相关的Agent（如学生、媒体、官方等）
|
||||
3. 自动生成采访问题
|
||||
4. 调用 /api/simulation/interview/batch 接口在双平台进行真实采访
|
||||
5. 整合所有采访结果，提供多视角分析
|
||||
|
||||
【使用场景】
|
||||
- 需要从不同角色视角了解事件看法（学生怎么看？媒体怎么看？官方怎么说？）
|
||||
- 需要收集多方意见和立场
|
||||
- 需要获取模拟Agent的真实回答（来自OASIS模拟环境）
|
||||
- 想让报告更生动，包含"采访实录"
|
||||
|
||||
【返回内容】
|
||||
- 被采访Agent的身份信息
|
||||
- 各Agent在Twitter和Reddit两个平台的采访回答
|
||||
- 关键引言（可直接引用）
|
||||
- 采访摘要和观点对比
|
||||
|
||||
【重要】需要OASIS模拟环境正在运行才能使用此功能！"""
|
||||
|
||||
# ── 大纲规划 prompt ──
|
||||
|
||||
PLAN_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。
|
||||
|
||||
【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个章节，最多5个章节
|
||||
- 不需要子章节，每个章节直接撰写完整内容
|
||||
- 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（一句话概括核心预测发现）",
|
||||
"sections": [
|
||||
{
|
||||
"title": "章节标题",
|
||||
"description": "章节内容描述"
|
||||
}
|
||||
]
|
||||
}
|
||||
|
||||
注意：sections数组最少2个，最多5个元素！"""
|
||||
|
||||
PLAN_USER_PROMPT_TEMPLATE = """\
|
||||
【预测场景设定】
|
||||
我们向模拟世界注入的变量（模拟需求）：{simulation_requirement}
|
||||
|
||||
【模拟世界规模】
|
||||
- 参与模拟的实体数量: {total_nodes}
|
||||
- 实体间产生的关系数量: {total_edges}
|
||||
- 实体类型分布: {entity_types}
|
||||
- 活跃Agent数量: {total_entities}
|
||||
|
||||
【模拟预测到的部分未来事实样本】
|
||||
{related_facts_json}
|
||||
|
||||
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？
|
||||
|
||||
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。"""
|
||||
|
||||
# ── 章节生成 prompt ──
|
||||
|
||||
SECTION_SYSTEM_PROMPT_TEMPLATE = """\
|
||||
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: {report_title}
|
||||
报告摘要: {report_summary}
|
||||
预测场景（模拟需求）: {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3次工具（最多5次）来观察模拟的世界，它代表了未来
|
||||
|
||||
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. 【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
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【⚠️ 格式规范 - 极其重要！】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
【一个章节 = 最小内容单位】
|
||||
- 每个章节是报告的最小分块单位
|
||||
- ❌ 禁止在章节内使用任何 Markdown 标题（#、##、###、#### 等）
|
||||
- ❌ 禁止在内容开头添加章节主标题
|
||||
- ✅ 章节标题由系统自动添加，你只需撰写纯正文内容
|
||||
- ✅ 使用**粗体**、段落分隔、引用、列表来组织内容，但不要用标题
|
||||
|
||||
【正确示例】
|
||||
```
|
||||
本章节分析了事件的舆论传播态势。通过对模拟数据的深入分析，我们发现...
|
||||
|
||||
**首发引爆阶段**
|
||||
|
||||
微博作为舆情的第一现场，承担了信息首发的核心功能：
|
||||
|
||||
> "微博贡献了68%的首发声量..."
|
||||
|
||||
**情绪放大阶段**
|
||||
|
||||
抖音平台进一步放大了事件影响力：
|
||||
|
||||
- 视觉冲击力强
|
||||
- 情绪共鸣度高
|
||||
```
|
||||
|
||||
【错误示例】
|
||||
```
|
||||
## 执行摘要 ← 错误！不要添加任何标题
|
||||
### 一、首发阶段 ← 错误！不要用###分小节
|
||||
#### 1.1 详细分析 ← 错误！不要用####细分
|
||||
|
||||
本章节分析了...
|
||||
```
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【可用检索工具】（每章节调用3-5次）
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
{tools_description}
|
||||
|
||||
【工具使用建议 - 请混合使用不同工具，不要只用一种】
|
||||
- insight_forge: 深度洞察分析，自动分解问题并多维度检索事实和关系
|
||||
- panorama_search: 广角全景搜索，了解事件全貌、时间线和演变过程
|
||||
- quick_search: 快速验证某个具体信息点
|
||||
- interview_agents: 采访模拟Agent，获取不同角色的第一人称观点和真实反应
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【ReACT工作流程】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
1. Thought: [分析需要什么信息，规划检索策略]
|
||||
2. Action: [调用一个工具获取信息]（每轮只能调用一个工具！）
|
||||
<tool_call>
|
||||
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
|
||||
</tool_call>
|
||||
3. Observation: [系统返回工具结果]
|
||||
4. 重复步骤1-3，直到收集到足够信息
|
||||
5. Final Answer: [基于检索结果撰写章节内容]
|
||||
|
||||
⚠️ 重要规则：
|
||||
- 每轮只能调用一个工具，不要在一次回复中放多个 <tool_call>
|
||||
- 当你认为信息足够时，必须以 "Final Answer:" 开头输出最终内容
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【章节内容要求】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
1. 内容必须基于工具检索到的模拟数据
|
||||
2. 大量引用原文来展示模拟效果
|
||||
3. 使用Markdown格式（但禁止使用标题）：
|
||||
- 使用 **粗体文字** 标记重点（代替子标题）
|
||||
- 使用列表（-或1.2.3.）组织要点
|
||||
- 使用空行分隔不同段落
|
||||
- ❌ 禁止使用 #、##、###、#### 等任何标题语法
|
||||
4. 【引用格式规范 - 必须单独成段】
|
||||
引用必须独立成段，前后各有一个空行，不能混在段落中：
|
||||
|
||||
✅ 正确格式：
|
||||
```
|
||||
校方的回应被认为缺乏实质内容。
|
||||
|
||||
> "校方的应对模式在瞬息万变的社交媒体环境中显得僵化和迟缓。"
|
||||
|
||||
这一评价反映了公众的普遍不满。
|
||||
```
|
||||
|
||||
❌ 错误格式：
|
||||
```
|
||||
校方的回应被认为缺乏实质内容。> "校方的应对模式..." 这一评价反映了...
|
||||
```
|
||||
5. 保持与其他章节的逻辑连贯性
|
||||
6. 【避免重复】仔细阅读下方已完成的章节内容，不要重复描述相同的信息
|
||||
7. 【再次强调】不要添加任何标题！用**粗体**代替小节标题"""
|
||||
|
||||
SECTION_USER_PROMPT_TEMPLATE = """\
|
||||
已完成的章节内容（请仔细阅读，避免重复）：
|
||||
{previous_content}
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【当前任务】撰写章节: {section_title}
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
【重要提醒】
|
||||
1. 仔细阅读上方已完成的章节，避免重复相同的内容！
|
||||
2. 开始前必须先调用工具获取模拟数据
|
||||
3. 请混合使用不同工具，不要只用一种
|
||||
4. 报告内容必须来自检索结果，不要使用自己的知识
|
||||
|
||||
【⚠️ 格式警告 - 必须遵守】
|
||||
- ❌ 不要写任何标题（#、##、###、####都不行）
|
||||
- ❌ 不要写"{section_title}"作为开头
|
||||
- ✅ 章节标题由系统自动添加
|
||||
- ✅ 直接写正文，用**粗体**代替小节标题
|
||||
|
||||
请开始：
|
||||
1. 首先思考（Thought）这个章节需要什么信息
|
||||
2. 然后调用工具（Action）获取模拟数据
|
||||
3. 收集足够信息后输出 Final Answer（纯正文，无任何标题）"""
|
||||
|
||||
# ── ReACT 循环内消息模板 ──
|
||||
|
||||
REACT_OBSERVATION_TEMPLATE = """\
|
||||
Observation（检索结果）:
|
||||
|
||||
═══ 工具 {tool_name} 返回 ═══
|
||||
{result}
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
已调用工具 {tool_calls_count}/{max_tool_calls} 次（已用: {used_tools_str}）{unused_hint}
|
||||
- 如果信息充分：以 "Final Answer:" 开头输出章节内容（必须引用上述原文）
|
||||
- 如果需要更多信息：调用一个工具继续检索
|
||||
═══════════════════════════════════════════════════════════════"""
|
||||
|
||||
REACT_INSUFFICIENT_TOOLS_MSG = (
|
||||
"【注意】你只调用了{tool_calls_count}次工具，至少需要{min_tool_calls}次。"
|
||||
"请再调用工具获取更多模拟数据，然后再输出 Final Answer。{unused_hint}"
|
||||
)
|
||||
|
||||
REACT_INSUFFICIENT_TOOLS_MSG_ALT = (
|
||||
"当前只调用了 {tool_calls_count} 次工具，至少需要 {min_tool_calls} 次。"
|
||||
"请调用工具获取模拟数据。{unused_hint}"
|
||||
)
|
||||
|
||||
REACT_TOOL_LIMIT_MSG = (
|
||||
"工具调用次数已达上限（{tool_calls_count}/{max_tool_calls}），不能再调用工具。"
|
||||
'请立即基于已获取的信息，以 "Final Answer:" 开头输出章节内容。'
|
||||
)
|
||||
|
||||
REACT_UNUSED_TOOLS_HINT = "\n💡 你还没有使用过: {unused_list}，建议尝试不同工具获取多角度信息"
|
||||
|
||||
REACT_FORCE_FINAL_MSG = "已达到工具调用限制，请直接输出 Final Answer: 并生成章节内容。"
|
||||
|
||||
# ── Chat prompt ──
|
||||
|
||||
CHAT_SYSTEM_PROMPT_TEMPLATE = """\
|
||||
你是一个简洁高效的模拟预测助手。
|
||||
|
||||
【背景】
|
||||
预测条件: {simulation_requirement}
|
||||
|
||||
【已生成的分析报告】
|
||||
{report_content}
|
||||
|
||||
【规则】
|
||||
1. 优先基于上述报告内容回答问题
|
||||
2. 直接回答问题，避免冗长的思考论述
|
||||
3. 仅在报告内容不足以回答时，才调用工具检索更多数据
|
||||
4. 回答要简洁、清晰、有条理
|
||||
|
||||
【可用工具】（仅在需要时使用，最多调用1-2次）
|
||||
{tools_description}
|
||||
|
||||
【工具调用格式】
|
||||
<tool_call>
|
||||
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
|
||||
</tool_call>
|
||||
|
||||
【回答风格】
|
||||
- 简洁直接，不要长篇大论
|
||||
- 使用 > 格式引用关键内容
|
||||
- 优先给出结论，再解释原因"""
|
||||
|
||||
CHAT_OBSERVATION_SUFFIX = "\n\n请简洁回答问题。"
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════
|
||||
# ReportAgent 主类
|
||||
# ═══════════════════════════════════════════════════════════════
|
||||
|
||||
|
||||
class ReportAgent:
|
||||
"""
|
||||
Report Agent - 模拟报告生成Agent
|
||||
|
||||
|
||||
采用ReACT（Reasoning + Acting）模式：
|
||||
1. 规划阶段：分析模拟需求，规划报告目录结构
|
||||
2. 生成阶段：逐章节生成内容，每章节可多次调用工具获取信息
|
||||
3. 反思阶段：检查内容完整性和准确性
|
||||
|
||||
【核心检索工具 - 优化后】
|
||||
- insight_forge: 深度洞察检索（强大，自动分解问题，多维度检索）
|
||||
- panorama_search: 广度搜索（获取全貌，包括历史/过期内容）
|
||||
- quick_search: 简单搜索（快速检索）
|
||||
|
||||
【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）
|
||||
|
|
@ -528,31 +905,11 @@ class ReportAgent:
|
|||
logger.info(f"ReportAgent 初始化完成: graph_id={graph_id}, simulation_id={simulation_id}")
|
||||
|
||||
def _define_tools(self) -> Dict[str, Dict[str, Any]]:
|
||||
"""
|
||||
定义可用工具
|
||||
|
||||
【重要】这三个工具是专门为从模拟图谱中检索信息设计的，
|
||||
必须优先使用这些工具获取数据，而不是使用LLM自身的知识！
|
||||
"""
|
||||
"""定义可用工具"""
|
||||
return {
|
||||
"insight_forge": {
|
||||
"name": "insight_forge",
|
||||
"description": """【深度洞察检索 - 强大的检索工具】
|
||||
这是我们强大的检索函数，专为深度分析设计。它会：
|
||||
1. 自动将你的问题分解为多个子问题
|
||||
2. 从多个维度检索模拟图谱中的信息
|
||||
3. 整合语义搜索、实体分析、关系链追踪的结果
|
||||
4. 返回最全面、最深度的检索内容
|
||||
|
||||
【使用场景】
|
||||
- 需要深入分析某个话题
|
||||
- 需要了解事件的多个方面
|
||||
- 需要获取支撑报告章节的丰富素材
|
||||
|
||||
【返回内容】
|
||||
- 相关事实原文（可直接引用）
|
||||
- 核心实体洞察
|
||||
- 关系链分析""",
|
||||
"description": TOOL_DESC_INSIGHT_FORGE,
|
||||
"parameters": {
|
||||
"query": "你想深入分析的问题或话题",
|
||||
"report_context": "当前报告章节的上下文（可选，有助于生成更精准的子问题）"
|
||||
|
|
@ -560,21 +917,7 @@ class ReportAgent:
|
|||
},
|
||||
"panorama_search": {
|
||||
"name": "panorama_search",
|
||||
"description": """【广度搜索 - 获取全貌视图】
|
||||
这个工具用于获取模拟结果的完整全貌，特别适合了解事件演变过程。它会：
|
||||
1. 获取所有相关节点和关系
|
||||
2. 区分当前有效的事实和历史/过期的事实
|
||||
3. 帮助你了解舆情是如何演变的
|
||||
|
||||
【使用场景】
|
||||
- 需要了解事件的完整发展脉络
|
||||
- 需要对比不同阶段的舆情变化
|
||||
- 需要获取全面的实体和关系信息
|
||||
|
||||
【返回内容】
|
||||
- 当前有效事实（模拟最新结果）
|
||||
- 历史/过期事实（演变记录）
|
||||
- 所有涉及的实体""",
|
||||
"description": TOOL_DESC_PANORAMA_SEARCH,
|
||||
"parameters": {
|
||||
"query": "搜索查询，用于相关性排序",
|
||||
"include_expired": "是否包含过期/历史内容（默认True）"
|
||||
|
|
@ -582,16 +925,7 @@ class ReportAgent:
|
|||
},
|
||||
"quick_search": {
|
||||
"name": "quick_search",
|
||||
"description": """【简单搜索 - 快速检索】
|
||||
轻量级的快速检索工具，适合简单、直接的信息查询。
|
||||
|
||||
【使用场景】
|
||||
- 需要快速查找某个具体信息
|
||||
- 需要验证某个事实
|
||||
- 简单的信息检索
|
||||
|
||||
【返回内容】
|
||||
- 与查询最相关的事实列表""",
|
||||
"description": TOOL_DESC_QUICK_SEARCH,
|
||||
"parameters": {
|
||||
"query": "搜索查询字符串",
|
||||
"limit": "返回结果数量（可选，默认10）"
|
||||
|
|
@ -599,31 +933,7 @@ class ReportAgent:
|
|||
},
|
||||
"interview_agents": {
|
||||
"name": "interview_agents",
|
||||
"description": """【深度采访 - 真实Agent采访（双平台）】
|
||||
调用OASIS模拟环境的采访API，对正在运行的模拟Agent进行真实采访！
|
||||
这不是LLM模拟，而是调用真实的采访接口获取模拟Agent的原始回答。
|
||||
默认在Twitter和Reddit两个平台同时采访，获取更全面的观点。
|
||||
|
||||
功能流程：
|
||||
1. 自动读取人设文件，了解所有模拟Agent
|
||||
2. 智能选择与采访主题最相关的Agent（如学生、媒体、官方等）
|
||||
3. 自动生成采访问题
|
||||
4. 调用 /api/simulation/interview/batch 接口在双平台进行真实采访
|
||||
5. 整合所有采访结果，提供多视角分析
|
||||
|
||||
【使用场景】
|
||||
- 需要从不同角色视角了解事件看法（学生怎么看？媒体怎么看？官方怎么说？）
|
||||
- 需要收集多方意见和立场
|
||||
- 需要获取模拟Agent的真实回答（来自OASIS模拟环境）
|
||||
- 想让报告更生动，包含"采访实录"
|
||||
|
||||
【返回内容】
|
||||
- 被采访Agent的身份信息
|
||||
- 各Agent在Twitter和Reddit两个平台的采访回答
|
||||
- 关键引言（可直接引用）
|
||||
- 采访摘要和观点对比
|
||||
|
||||
【重要】需要OASIS模拟环境正在运行才能使用此功能！""",
|
||||
"description": TOOL_DESC_INTERVIEW_AGENTS,
|
||||
"parameters": {
|
||||
"interview_topic": "采访主题或需求描述（如：'了解学生对宿舍甲醛事件的看法'）",
|
||||
"max_agents": "最多采访的Agent数量（可选，默认5）"
|
||||
|
|
@ -646,10 +956,7 @@ class ReportAgent:
|
|||
logger.info(f"执行工具: {tool_name}, 参数: {parameters}")
|
||||
|
||||
try:
|
||||
# ========== 核心检索工具（优化后） ==========
|
||||
|
||||
if tool_name == "insight_forge":
|
||||
# 深度洞察检索 - 强大的工具
|
||||
query = parameters.get("query", "")
|
||||
ctx = parameters.get("report_context", "") or report_context
|
||||
result = self.zep_tools.insight_forge(
|
||||
|
|
@ -821,65 +1128,15 @@ class ReportAgent:
|
|||
if progress_callback:
|
||||
progress_callback("planning", 30, "正在生成报告大纲...")
|
||||
|
||||
# 构建规划prompt
|
||||
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。
|
||||
|
||||
【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个章节，最多5个章节
|
||||
- 不需要子章节，每个章节直接撰写完整内容
|
||||
- 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（一句话概括核心预测发现）",
|
||||
"sections": [
|
||||
{
|
||||
"title": "章节标题",
|
||||
"description": "章节内容描述"
|
||||
}
|
||||
]
|
||||
}
|
||||
|
||||
注意：sections数组最少2个，最多5个元素！"""
|
||||
|
||||
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}
|
||||
|
||||
【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)}
|
||||
|
||||
【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？
|
||||
|
||||
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。"""
|
||||
system_prompt = PLAN_SYSTEM_PROMPT
|
||||
user_prompt = PLAN_USER_PROMPT_TEMPLATE.format(
|
||||
simulation_requirement=self.simulation_requirement,
|
||||
total_nodes=context.get('graph_statistics', {}).get('total_nodes', 0),
|
||||
total_edges=context.get('graph_statistics', {}).get('total_edges', 0),
|
||||
entity_types=list(context.get('graph_statistics', {}).get('entity_types', {}).keys()),
|
||||
total_entities=context.get('total_entities', 0),
|
||||
related_facts_json=json.dumps(context.get('related_facts', [])[:10], ensure_ascii=False, indent=2),
|
||||
)
|
||||
|
||||
try:
|
||||
response = self.llm.chat_json(
|
||||
|
|
@ -960,153 +1217,13 @@ class ReportAgent:
|
|||
if self.report_logger:
|
||||
self.report_logger.log_section_start(section.title, section_index)
|
||||
|
||||
# 构建系统prompt - 优化后强调工具使用和引用原文
|
||||
# 确定当前章节的标题级别
|
||||
section_level = 2 # 默认为二级标题（##）
|
||||
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「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}
|
||||
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3次工具（最多5次）来观察模拟的世界，它代表了未来
|
||||
|
||||
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. 【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
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【⚠️ 格式规范 - 极其重要！】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
【一个章节 = 最小内容单位】
|
||||
- 每个章节是报告的最小分块单位
|
||||
- ❌ 禁止在章节内使用任何 Markdown 标题（#、##、###、#### 等）
|
||||
- ❌ 禁止在内容开头添加章节主标题
|
||||
- ✅ 章节标题由系统自动添加，你只需撰写纯正文内容
|
||||
- ✅ 使用**粗体**、段落分隔、引用、列表来组织内容，但不要用标题
|
||||
|
||||
【正确示例】
|
||||
```
|
||||
本章节分析了事件的舆论传播态势。通过对模拟数据的深入分析，我们发现...
|
||||
|
||||
**首发引爆阶段**
|
||||
|
||||
微博作为舆情的第一现场，承担了信息首发的核心功能：
|
||||
|
||||
> "微博贡献了68%的首发声量..."
|
||||
|
||||
**情绪放大阶段**
|
||||
|
||||
抖音平台进一步放大了事件影响力：
|
||||
|
||||
- 视觉冲击力强
|
||||
- 情绪共鸣度高
|
||||
```
|
||||
|
||||
【错误示例】
|
||||
```
|
||||
## 执行摘要 ← 错误！不要添加任何标题
|
||||
### 一、首发阶段 ← 错误！不要用###分小节
|
||||
#### 1.1 详细分析 ← 错误！不要用####细分
|
||||
|
||||
本章节分析了...
|
||||
```
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【可用检索工具】（每章节调用3-5次）
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
{self._get_tools_description()}
|
||||
|
||||
【工具使用建议 - 请混合使用不同工具，不要只用一种】
|
||||
- insight_forge: 深度洞察分析，自动分解问题并多维度检索事实和关系
|
||||
- panorama_search: 广角全景搜索，了解事件全貌、时间线和演变过程
|
||||
- quick_search: 快速验证某个具体信息点
|
||||
- interview_agents: 采访模拟Agent，获取不同角色的第一人称观点和真实反应
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【ReACT工作流程】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
1. Thought: [分析需要什么信息，规划检索策略]
|
||||
2. Action: [调用一个工具获取信息]（每轮只能调用一个工具！）
|
||||
<tool_call>
|
||||
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
|
||||
</tool_call>
|
||||
3. Observation: [系统返回工具结果]
|
||||
4. 重复步骤1-3，直到收集到足够信息
|
||||
5. Final Answer: [基于检索结果撰写章节内容]
|
||||
|
||||
⚠️ 重要规则：
|
||||
- 每轮只能调用一个工具，不要在一次回复中放多个 <tool_call>
|
||||
- 当你认为信息足够时，必须以 "Final Answer:" 开头输出最终内容
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【章节内容要求】
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
1. 内容必须基于工具检索到的模拟数据
|
||||
2. 大量引用原文来展示模拟效果
|
||||
3. 使用Markdown格式（但禁止使用标题）：
|
||||
- 使用 **粗体文字** 标记重点（代替子标题）
|
||||
- 使用列表（-或1.2.3.）组织要点
|
||||
- 使用空行分隔不同段落
|
||||
- ❌ 禁止使用 #、##、###、#### 等任何标题语法
|
||||
4. 【引用格式规范 - 必须单独成段】
|
||||
引用必须独立成段，前后各有一个空行，不能混在段落中：
|
||||
|
||||
✅ 正确格式：
|
||||
```
|
||||
校方的回应被认为缺乏实质内容。
|
||||
|
||||
> "校方的应对模式在瞬息万变的社交媒体环境中显得僵化和迟缓。"
|
||||
|
||||
这一评价反映了公众的普遍不满。
|
||||
```
|
||||
|
||||
❌ 错误格式：
|
||||
```
|
||||
校方的回应被认为缺乏实质内容。> "校方的应对模式..." 这一评价反映了...
|
||||
```
|
||||
5. 保持与其他章节的逻辑连贯性
|
||||
6. 【避免重复】仔细阅读下方已完成的章节内容，不要重复描述相同的信息
|
||||
7. 【再次强调】不要添加任何标题！用**粗体**代替小节标题"""
|
||||
system_prompt = SECTION_SYSTEM_PROMPT_TEMPLATE.format(
|
||||
report_title=outline.title,
|
||||
report_summary=outline.summary,
|
||||
simulation_requirement=self.simulation_requirement,
|
||||
section_title=section.title,
|
||||
tools_description=self._get_tools_description(),
|
||||
)
|
||||
|
||||
# 构建用户prompt - 每个已完成章节各传入最大4000字
|
||||
if previous_sections:
|
||||
|
|
@ -1119,29 +1236,10 @@ class ReportAgent:
|
|||
else:
|
||||
previous_content = "（这是第一个章节）"
|
||||
|
||||
user_prompt = f"""已完成的章节内容（请仔细阅读，避免重复）：
|
||||
{previous_content}
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
【当前任务】撰写章节: {section.title}
|
||||
═══════════════════════════════════════════════════════════════
|
||||
|
||||
【重要提醒】
|
||||
1. 仔细阅读上方已完成的章节，避免重复相同的内容！
|
||||
2. 开始前必须先调用工具获取模拟数据
|
||||
3. 请混合使用不同工具，不要只用一种
|
||||
4. 报告内容必须来自检索结果，不要使用自己的知识
|
||||
|
||||
【⚠️ 格式警告 - 必须遵守】
|
||||
- ❌ 不要写任何标题（#、##、###、####都不行）
|
||||
- ❌ 不要写"{section.title}"作为开头
|
||||
- ✅ 章节标题由系统自动添加
|
||||
- ✅ 直接写正文，用**粗体**代替小节标题
|
||||
|
||||
请开始：
|
||||
1. 首先思考（Thought）这个章节需要什么信息
|
||||
2. 然后调用工具（Action）获取模拟数据
|
||||
3. 收集足够信息后输出 Final Answer（纯正文，无任何标题）"""
|
||||
user_prompt = SECTION_USER_PROMPT_TEMPLATE.format(
|
||||
previous_content=previous_content,
|
||||
section_title=section.title,
|
||||
)
|
||||
|
||||
messages = [
|
||||
{"role": "system", "content": system_prompt},
|
||||
|
|
@ -1211,7 +1309,11 @@ class ReportAgent:
|
|||
unused_hint = f"（这些工具还未使用，推荐用一下他们: {', '.join(unused_tools)}）" if unused_tools else ""
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": f"【注意】你只调用了{tool_calls_count}次工具，至少需要{min_tool_calls}次。请再调用工具获取更多模拟数据，然后再输出 Final Answer。{unused_hint}"
|
||||
"content": REACT_INSUFFICIENT_TOOLS_MSG.format(
|
||||
tool_calls_count=tool_calls_count,
|
||||
min_tool_calls=min_tool_calls,
|
||||
unused_hint=unused_hint,
|
||||
),
|
||||
})
|
||||
continue
|
||||
|
||||
|
|
@ -1235,7 +1337,10 @@ class ReportAgent:
|
|||
messages.append({"role": "assistant", "content": response})
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": f"工具调用次数已达上限（{tool_calls_count}/{self.MAX_TOOL_CALLS_PER_SECTION}），不能再调用工具。请立即基于已获取的信息，以 \"Final Answer:\" 开头输出章节内容。"
|
||||
"content": REACT_TOOL_LIMIT_MSG.format(
|
||||
tool_calls_count=tool_calls_count,
|
||||
max_tool_calls=self.MAX_TOOL_CALLS_PER_SECTION,
|
||||
),
|
||||
})
|
||||
continue
|
||||
|
||||
|
|
@ -1275,22 +1380,19 @@ class ReportAgent:
|
|||
unused_tools = all_tools - used_tools
|
||||
unused_hint = ""
|
||||
if unused_tools and tool_calls_count < self.MAX_TOOL_CALLS_PER_SECTION:
|
||||
unused_list = "、".join(unused_tools)
|
||||
unused_hint = f"\n💡 你还没有使用过: {unused_list}，建议尝试不同工具获取多角度信息"
|
||||
unused_hint = REACT_UNUSED_TOOLS_HINT.format(unused_list="、".join(unused_tools))
|
||||
|
||||
messages.append({"role": "assistant", "content": response})
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": f"""Observation（检索结果）:
|
||||
|
||||
═══ 工具 {call['name']} 返回 ═══
|
||||
{result}
|
||||
|
||||
═══════════════════════════════════════════════════════════════
|
||||
已调用工具 {tool_calls_count}/{self.MAX_TOOL_CALLS_PER_SECTION} 次（已用: {', '.join(used_tools)}）{unused_hint}
|
||||
- 如果信息充分：以 "Final Answer:" 开头输出章节内容（必须引用上述原文）
|
||||
- 如果需要更多信息：调用一个工具继续检索
|
||||
═══════════════════════════════════════════════════════════════"""
|
||||
"content": REACT_OBSERVATION_TEMPLATE.format(
|
||||
tool_name=call["name"],
|
||||
result=result,
|
||||
tool_calls_count=tool_calls_count,
|
||||
max_tool_calls=self.MAX_TOOL_CALLS_PER_SECTION,
|
||||
used_tools_str=", ".join(used_tools),
|
||||
unused_hint=unused_hint,
|
||||
),
|
||||
})
|
||||
continue
|
||||
|
||||
|
|
@ -1304,7 +1406,11 @@ class ReportAgent:
|
|||
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": f"当前只调用了 {tool_calls_count} 次工具，至少需要 {min_tool_calls} 次。请调用工具获取模拟数据。{unused_hint}"
|
||||
"content": REACT_INSUFFICIENT_TOOLS_MSG_ALT.format(
|
||||
tool_calls_count=tool_calls_count,
|
||||
min_tool_calls=min_tool_calls,
|
||||
unused_hint=unused_hint,
|
||||
),
|
||||
})
|
||||
continue
|
||||
|
||||
|
|
@ -1324,10 +1430,7 @@ class ReportAgent:
|
|||
|
||||
# 达到最大迭代次数，强制生成内容
|
||||
logger.warning(f"章节 {section.title} 达到最大迭代次数，强制生成")
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": "已达到工具调用限制，请直接输出 Final Answer: 并生成章节内容。"
|
||||
})
|
||||
messages.append({"role": "user", "content": REACT_FORCE_FINAL_MSG})
|
||||
|
||||
response = self.llm.chat(
|
||||
messages=messages,
|
||||
|
|
@ -1626,33 +1729,11 @@ class ReportAgent:
|
|||
except Exception as e:
|
||||
logger.warning(f"获取报告内容失败: {e}")
|
||||
|
||||
# 构建系统提示
|
||||
system_prompt = f"""你是一个简洁高效的模拟预测助手。
|
||||
|
||||
【背景】
|
||||
预测条件: {self.simulation_requirement}
|
||||
|
||||
【已生成的分析报告】
|
||||
{report_content if report_content else "（暂无报告）"}
|
||||
|
||||
【规则】
|
||||
1. 优先基于上述报告内容回答问题
|
||||
2. 直接回答问题，避免冗长的思考论述
|
||||
3. 仅在报告内容不足以回答时，才调用工具检索更多数据
|
||||
4. 回答要简洁、清晰、有条理
|
||||
|
||||
【可用工具】（仅在需要时使用，最多调用1-2次）
|
||||
{self._get_tools_description()}
|
||||
|
||||
【工具调用格式】
|
||||
<tool_call>
|
||||
{{"name": "工具名称", "parameters": {{"参数名": "参数值"}}}}
|
||||
</tool_call>
|
||||
|
||||
【回答风格】
|
||||
- 简洁直接，不要长篇大论
|
||||
- 使用 > 格式引用关键内容
|
||||
- 优先给出结论，再解释原因"""
|
||||
system_prompt = CHAT_SYSTEM_PROMPT_TEMPLATE.format(
|
||||
simulation_requirement=self.simulation_requirement,
|
||||
report_content=report_content if report_content else "（暂无报告）",
|
||||
tools_description=self._get_tools_description(),
|
||||
)
|
||||
|
||||
# 构建消息
|
||||
messages = [{"role": "system", "content": system_prompt}]
|
||||
|
|
@ -1707,8 +1788,8 @@ class ReportAgent:
|
|||
messages.append({"role": "assistant", "content": response})
|
||||
observation = "\n".join([f"[{r['tool']}结果]\n{r['result']}" for r in tool_results])
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": observation + "\n\n请简洁回答问题。"
|
||||
"role": "user",
|
||||
"content": observation + CHAT_OBSERVATION_SUFFIX
|
||||
})
|
||||
|
||||
# 达到最大迭代，获取最终响应
|
||||
|
|
|
|||
Loading…
Reference in a new issue