244 lines
7.3 KiB
Markdown
244 lines
7.3 KiB
Markdown
# 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](https://github.com/666ghj/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
|
||
|
||
```env
|
||
# 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
|
||
- [x] 前端 UI（Vue 3，支持明暗主题）
|
||
- [x] 品牌迁移（MiroFish → Foresight 先见之明）
|
||
- [x] 前端部署（腾讯云 COS + CDN + HTTPS）
|
||
- [x] Dark Mode 全屏响应式布局
|
||
- [x] 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 |
|