企业官网建设流程全解析

媒易网络网站建设培训,wordpress评论500,滨城区建设局网站,百度做免费推广的步骤一、项目简介 “微舆” 是一个从0实现的创新型 多智能体 舆情分析系统#xff0c;帮助大家破除信息茧房#xff0c;还原舆情原貌#xff0c;预测未来走向#xff0c;辅助决策。用户只需像聊天一样提出分析需求#xff0c;智能体开始全自动分析 国内外30主流社媒 与 数百万…一、项目简介“微舆” 是一个从0实现的创新型 多智能体 舆情分析系统帮助大家破除信息茧房还原舆情原貌预测未来走向辅助决策。用户只需像聊天一样提出分析需求智能体开始全自动分析 国内外30主流社媒 与 数百万条大众评论。不仅仅体现在报告质量上相比同类产品我们拥有六大优势AI驱动的全域监控AI爬虫集群7x24小时不间断作业全面覆盖微博、小红书、抖音、快手等10国内外关键社媒。不仅实时捕获热点内容更能下钻至海量用户评论让您听到最真实、最广泛的大众声音。超越LLM的复合分析引擎我们不仅依赖设计的5类专业Agent更融合了微调模型、统计模型等中间件。通过多模型协同工作确保了分析结果的深度、准度与多维视角。强大的多模态能力突破图文限制能深度解析抖音、快手等短视频内容并精准提取现代搜索引擎中的天气、日历、股票等结构化多模态信息卡片让您全面掌握舆情动态。Agent“论坛”协作机制为不同Agent赋予独特的工具集与思维模式引入辩论主持人模型通过“论坛”机制进行链式思维碰撞与辩论。这不仅避免了单一模型的思维局限与交流导致的同质化更催生出更高质量的集体智能与决策支持。公私域数据无缝融合平台不仅分析公开舆情还提供高安全性的接口支持您将内部业务数据库与舆情数据无缝集成。打通数据壁垒为垂直业务提供“外部趋势内部洞察”的强大分析能力。轻量化与高扩展性框架基于纯Python模块化设计实现轻量化、一键式部署。代码结构清晰开发者可轻松集成自定义模型与业务逻辑实现平台的快速扩展与深度定制。始于舆情而不止于舆情。“微舆”的目标是成为驱动一切业务场景的简洁通用的数据分析引擎。举个例子. 你只需简单修改Agent工具集的api参数与prompt就可以把他变成一个金融领域的市场分析系统附一个比较活跃的L站项目讨论帖https://linux.do/t/topic/1009280告别传统的数据看板在“微舆”一切由一个简单的问题开始您只需像对话一样提出您的分析需求️ 系统架构整体架构图Insight Agent私有数据库挖掘私有舆情数据库深度分析AI代理Media Agent多模态内容分析具备强大多模态能力的AI代理Query Agent精准信息搜索具备国内外网页搜索能力的AI代理Report Agent智能报告生成内置模板的多轮报告生成AI代理一次完整分析流程步骤阶段名称主要操作参与组件循环特性1用户提问Flask主应用接收查询Flask主应用-2并行启动三个Agent同时开始工作Query Agent、Media Agent、Insight Agent-3初步分析各Agent使用专属工具进行概览搜索各Agent 专属工具集-4策略制定基于初步结果制定分块研究策略各Agent内部决策模块-5-N循环阶段论坛协作 深度研究ForumEngine 所有Agent多轮循环5.1深度研究各Agent基于论坛主持人引导进行专项搜索各Agent 反思机制 论坛引导每轮循环5.2论坛协作ForumEngine监控Agent发言并生成主持人总结ForumEngine LLM主持人每轮循环5.3交流融合各Agent根据讨论调整研究方向各Agent forum_reader工具每轮循环N1结果整合Report Agent收集所有分析结果和论坛内容Report Agent-N2报告生成动态选择模板和样式多轮生成最终报告Report Agent 模板引擎- 快速开始如果你是初次学习一个Agent系统的搭建可以从一个非常简单的demo开始Deep Search Agent Demo环境要求操作系统: Windows、Linux、MacOSPython版本: 3.9Conda: Anaconda或Miniconda数据库: MySQL可选择我们的云数据库服务内存: 建议2GB以上1. 创建Conda环境# 创建conda环境conda create -n your_conda_name python3.11conda activate your_conda_name2. 安装依赖包# 基础依赖安装pip install -r requirements.txt# 如果不想使用本地情感分析模型算力需求很小默认安装cpu版本可以将该文件中的“机器学习”部分注释掉再执行指令3. 安装Playwright浏览器驱动# 安装浏览器驱动用于爬虫功能playwright install chromium4. 配置系统4.1 配置API密钥复制一份config.py.example文件命名为config.py编辑config.py文件填入您的API密钥您也可以选择自己的模型、搜索代理详情见config文件内# MySQL数据库配置DB_HOST localhostDB_PORT 3306DB_USER your_usernameDB_PASSWORD your_passwordDB_NAME your_db_nameDB_CHARSET utf8mb4# LLM配置# 您可以更改每个部分LLM使用的API只要兼容OpenAI请求格式都可以# Insight AgentINSIGHT_ENGINE_API_KEY your_api_keyINSIGHT_ENGINE_BASE_URL https://api.moonshot.cn/v1INSIGHT_ENGINE_MODEL_NAME kimi-k2-0711-preview# Media Agent...4.2 数据库初始化选择1使用本地数据库MindSpider爬虫系统跟舆情系统是各自独立的所以需要再去MindSpider\config.py配置一下复制MindSpider文件夹下的config.py.example文件命名为config.py# 本地MySQL数据库初始化cd MindSpiderpython schema/init_database.py选择2使用云数据库服务推荐我们提供便捷的云数据库服务包含日均10万真实舆情数据目前免费申请真实舆情数据实时更新多维度标签分类高可用云端服务专业技术支持联系我们申请免费云数据库访问 670939375qq.com为进行数据合规性审查与服务升级云数据库自2025年10月1日起暂停接收新的使用申请5. 启动系统5.1 完整系统启动推荐# 在项目根目录下激活conda环境conda activate your_conda_name# 启动主应用即可python app.py注1一次运行终止后streamlit app可能结束异常仍然占用端口此时搜索占用端口的进程kill掉即可注2数据爬取需要单独操作见5.3指引注3如果服务器远程部署出现页面显示问题见PR#45访问 http://localhost:5000 即可使用完整系统5.2 单独启动某个Agent# 启动QueryEnginestreamlit run SingleEngineApp/query_engine_streamlit_app.py --server.port 8503# 启动MediaEngine streamlit run SingleEngineApp/media_engine_streamlit_app.py --server.port 8502# 启动InsightEnginestreamlit run SingleEngineApp/insight_engine_streamlit_app.py --server.port 85015.3 爬虫系统单独使用这部分有详细的配置文档MindSpider使用说明MindSpider 运行示例# 进入爬虫目录cd MindSpider# 项目初始化python main.py --setup# 运行完整爬虫流程python main.py --complete --date 2024-01-20# 仅运行话题提取python main.py --broad-topic --date 2024-01-20# 仅运行深度爬取python main.py --deep-sentiment --platforms xhs dy wb⚙️ 高级配置修改关键参数Agent配置参数每个Agent都有专门的配置文件可根据需求调整下面是部分示例# QueryEngine/utils/config.pyclass Config: max_reflections 2 # 反思轮次 max_search_results 15 # 最大搜索结果数 max_content_length 8000 # 最大内容长度 # MediaEngine/utils/config.py class Config: comprehensive_search_limit 10# 综合搜索限制 web_search_limit 15 # 网页搜索限制 # InsightEngine/utils/config.pyclass Config: default_search_topic_globally_limit 200 # 全局搜索限制 default_get_comments_limit 500 # 评论获取限制 max_search_results_for_llm 50 # 传给LLM的最大结果数情感分析模型配置# InsightEngine/tools/sentiment_analyzer.pySENTIMENT_CONFIG { model_type: multilingual, # 可选: bert, multilingual, qwen等 confidence_threshold: 0.8, # 置信度阈值 batch_size: 32, # 批处理大小 max_sequence_length: 512, # 最大序列长度}接入不同的LLM模型支持任意openAI调用格式的LLM提供商只需要在/config.py中填写对应的KEY、BASE_URL、MODEL_NAME即可。更改情感分析模型系统集成了多种情感分析方法可根据需求选择1. 多语言情感分析cd SentimentAnalysisModel/WeiboMultilingualSentimentpython predict.py --text This product is amazing! --lang en2. 小参数Qwen3微调cd SentimentAnalysisModel/WeiboSentiment_SmallQwenpython predict_universal.py --text 这次活动办得很成功3. 基于BERT的微调模型# 使用BERT中文模型cd SentimentAnalysisModel/WeiboSentiment_Finetuned/BertChinese-Lorapython predict.py --text 这个产品真的很不错4. GPT-2 LoRA微调模型cd SentimentAnalysisModel/WeiboSentiment_Finetuned/GPT2-Lorapython predict.py --text 今天心情不太好5. 传统机器学习方法cd SentimentAnalysisModel/WeiboSentiment_MachineLearningpython predict.py --model_type svm --text 服务态度需要改进接入自定义业务数据库1. 修改数据库连接配置# config.py 中添加您的业务数据库配置BUSINESS_DB_HOST your_business_db_hostBUSINESS_DB_PORT 3306BUSINESS_DB_USER your_business_userBUSINESS_DB_PASSWORD your_business_passwordBUSINESS_DB_NAME your_business_database2. 创建自定义数据访问工具# InsightEngine/tools/custom_db_tool.pyclass CustomBusinessDBTool: 自定义业务数据库查询工具 def __init__(self): self.connection_config { host: config.BUSINESS_DB_HOST, port: config.BUSINESS_DB_PORT, user: config.BUSINESS_DB_USER, password: config.BUSINESS_DB_PASSWORD, database: config.BUSINESS_DB_NAME, } def search_business_data(self, query: str, table: str): 查询业务数据 # 实现您的业务逻辑 pass def get_customer_feedback(self, product_id: str): 获取客户反馈数据 # 实现客户反馈查询逻辑 pass3. 集成到InsightEngine# InsightEngine/agent.py 中集成自定义工具from .tools.custom_db_tool import CustomBusinessDBToolclass DeepSearchAgent: def __init__(self, configNone): # ... 其他初始化代码 self.custom_db_tool CustomBusinessDBTool() def execute_custom_search(self, query: str): 执行自定义业务数据搜索 return self.custom_db_tool.search_business_data(query, your_table)自定义报告模板1. 在Web界面中上传系统支持上传自定义模板文件.md或.txt格式可在生成报告时选择使用。2. 创建模板文件在ReportEngine/report_template/目录下创建新的模板我们的Agent会自行选用最合适的模板。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】