MicroFish/PRD.md

Foresight 先见之明 — 产品需求文档 (PRD)

1. 产品概述

Foresight（先见之明）是一个基于知识图谱和 LLM 的社交媒体舆情模拟平台。用户上传文档资料，系统自动构建知识图谱、生成虚拟 Agent 画像，并模拟社交媒体上的传播与互动行为，最终生成分析报告。

核心价值：在事件发生前预判舆论走向，帮助品牌、政府、机构提前制定应对策略。

上游项目：基于 MiroFish v0.1.2 二次开发。

---

2. 目标用户

用户类型	使用场景
品牌公关团队	新品发布前预判舆论反应
政府舆情分析师	政策出台前模拟民意
内容创作者	预测爆款视频的传播路径
研究人员	社交网络传播行为研究

---

3. 系统架构

用户浏览器
  │
  ├── 前端 (Vue 3 + Vite)
  │     部署: 腾讯云 COS + CDN
  │     域名: foresight.yizhou.chat
  │
  └── 后端 (Flask + Python)
        端口: 5001
        │
        ├── LLM API (MiniMax M2.7 Highspeed)
        │     用途: 本体生成、画像生成、配置生成、报告生成
        │
        └── Zep Cloud API
              用途: 知识图谱存储、搜索、记忆更新

---

4. 核心功能流程（5 步流水线）

Step 1: 图谱构建

输入: 用户上传文档（PDF/MD/TXT）+ 模拟需求描述

流程:

1. 文档解析 → 文本提取
2. LLM 分析文档 → 生成本体（10 个实体类型 + 6-10 个关系类型）
3. 文本分块 → 批量导入 Zep → 构建知识图谱
4. 返回图谱可视化（节点 + 边）

API 端点:

• POST /api/graph/ontology/generate — 本体生成
• POST /api/graph/build — 图谱构建
• GET /api/graph/task/<task_id> — 构建进度查询

Token 消耗:

服务	小文档 (10 实体)	大文档 (50 实体)
LLM (本体生成)	3K-8K	5K-12K
Zep (图谱构建)	5K-10K	20K-50K

Step 2: 环境配置

输入: 已构建的知识图谱

流程:

1. 从 Zep 读取图谱实体和关系
2. 按实体类型筛选，为每个实体生成 Agent 画像（LLM）
3. 生成模拟配置：时间线、事件、Agent 活动参数、平台配置

API 端点:

• POST /api/simulation/prepare — 准备模拟环境

Token 消耗:

服务	小规模 (10 实体)	大规模 (50 实体)
LLM (画像生成)	20K-40K	50K-100K
LLM (配置生成)	20K-35K	40K-50K
Zep (实体读取)	1K-2K	5K-10K

Step 3: 模拟运行

输入: Agent 画像 + 模拟配置

流程:

1. 创建虚拟社交平台环境
2. Agent 按配置执行社交行为（发帖、评论、转发、点赞等）
3. 实时记录互动日志
4. 可选：将 Agent 行为写回 Zep 图谱（记忆更新）

API 端点:

• POST /api/simulation/run — 启动模拟
• GET /api/simulation/status/<sim_id> — 查询状态
• GET /api/simulation/history — 历史记录

Token 消耗:

服务	说明
Zep (记忆更新，可选)	每个 Agent 动作 100-300 tokens，大规模模拟可达 1M+

Step 4: 报告生成

输入: 模拟结果 + 知识图谱

流程:

1. LLM 规划报告大纲（5 个章节）
2. 每个章节使用 ReACT 循环（推理→工具调用→生成）
3. 工具调用包括：图谱搜索（InsightForge/Panorama）、节点详情查询
4. 最终输出结构化分析报告

API 端点:

• POST /api/report/generate — 生成报告

Token 消耗:

服务	小规模	大规模
LLM (ReACT 多轮)	50K-80K	100K-150K
Zep (图谱搜索)	5K-10K	10K-20K

报告生成是整个流水线中Token 消耗最大的环节。

Step 5: 交互问答

输入: 用户问题

流程:

1. 用户自由提问
2. 系统结合图谱搜索 + LLM 回答

API 端点:

• POST /api/report/chat — 实时问答

Token 消耗: 每条消息 2K-4K tokens (LLM + Zep)

---

5. Token 消耗总览

单次完整流水线估算

阶段	主要 API	10 实体	50 实体
图谱构建	LLM + Zep	8K-18K	25K-62K
环境配置	LLM + Zep	41K-77K	95K-160K
模拟运行	Zep (可选)	0-100K	0-1M+
报告生成	LLM + Zep	55K-90K	110K-170K
合计 (不含模拟记忆)		~100K-185K	~230K-392K

API 费用构成

外部服务	用途	计费方式
MiniMax M2.7 Highspeed	所有 LLM 推理（本体/画像/配置/报告/问答）	按 token 计费
Zep Cloud	知识图谱（存储/搜索/记忆更新）	按 API 调用计费

---

6. 技术栈

前端

技术	版本	用途
Vue 3	3.x	UI 框架
Vite	7.x	构建工具
D3.js / Force Graph	-	图谱可视化

后端

技术	版本	用途
Python	3.x	运行时
Flask	-	Web 框架
OpenAI SDK	-	LLM 客户端（兼容 MiniMax）
zep-cloud	3.13.0	Zep 知识图谱 SDK

部署

组件	平台	说明
前端静态文件	腾讯云 COS + CDN	foresight.yizhou.chat
SSL 证书	Let's Encrypt	通过 acme.sh 签发
后端 API	待部署	需要云服务器运行 Flask

---

7. 配置项

# LLM 配置
LLM_API_KEY=<MiniMax API Key>
LLM_BASE_URL=https://api.minimax.chat/v1
LLM_MODEL_NAME=MiniMax-M2.5

# Zep 配置
ZEP_API_KEY=<Zep Cloud API Key>

# 服务端口
FLASK_PORT=5001

---

8. 当前状态与待办

已完成

• 前端 UI（Vue 3，支持明暗主题）
• 品牌迁移（MiroFish → Foresight 先见之明）
• 前端部署（腾讯云 COS + CDN + HTTPS）
• Dark Mode 全屏响应式布局
• 国际化支持（中/英）

待完成

• 后端云部署：当前后端只能在本地运行（localhost:5001），需部署到腾讯云 CVM 或轻量服务器
• 前端 API 地址配置：设置 VITE_API_BASE_URL 指向云端后端
• 图谱生成功能验证：端到端测试完整流水线
• 模拟结果持久化：当前模拟结果存在内存中，需接入数据库
• 用户认证：多用户场景下的身份管理

---

9. 关键文件索引

路径	用途
frontend/src/api/index.js	API 客户端配置（baseURL）
frontend/src/views/Process.vue	图谱构建主界面
frontend/src/views/SimulationView.vue	模拟运行界面
frontend/src/views/ReportView.vue	报告查看界面
backend/run.py	后端入口
backend/app/api/graph.py	图谱相关 API 端点
backend/app/api/simulation.py	模拟相关 API 端点
backend/app/api/report.py	报告相关 API 端点
backend/app/services/ontology_generator.py	本体生成服务（LLM）
backend/app/services/graph_builder.py	图谱构建服务（Zep）
backend/app/services/oasis_profile_generator.py	Agent 画像生成（LLM + Zep）
backend/app/services/simulation_config_generator.py	模拟配置生成（LLM）
backend/app/services/report_agent.py	报告生成（ReACT，LLM + Zep）
backend/app/utils/llm_client.py	LLM 客户端封装
.env	API Keys 和配置