A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎,预测万物
Python agent-memoryfinancial-forecastingfuture-predictionknowledge-graphllmsmulti-agent-simulationpublic-opinion-analysispython3social-predictionswarm-intelligence
feat(report_agent): add detailed tool descriptions and prompts for future prediction report generation
666ghjdc0a9261d1a1
diff --git a/backend/app/services/report_agent.py b/backend/app/services/report_agent.pyindex 3a93cb9e..dfafeb52 100644--- a/backend/app/services/report_agent.py+++ b/backend/app/services/report_agent.py@@ -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)"@@ -560,70 +917,23 @@ 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)"- }- },- "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""",- "parameters": {- "query": "搜索查询字符串",- "limit": "返回结果数量(可选,默认10)"- }- },- "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!""",+ "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)"+ }+ },+ "quick_search": {+ "name": "quick_search",+ "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)"+ }+ },+ "interview_agents": {+ "name": "interview_agents",+ "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_contextresult = 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_toolsunused_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