BettaFish 舆情分析系统

BettaFish（微舆）是一个无数据库依赖、无模拟数据的多智能体舆情分析系统，采用 QueryAgent + MediaAgent + InsightAgent 三引擎并行架构，通过 ForumEngine 实现 Agent 间协作讨论，执行 3 轮反思循环优化分析，最终同时生成 Word/PDF 文档和高质量 HTML 可视化报告。

输出产物说明

本 Skill 同时生成三种格式的报告，每种格式都必须包含丰富的文本内容，而不仅仅是视觉效果：

报告内容结构要求

所有报告必须包含以下8个核心章节，每个章节都需要详细的文本分析和数据支撑：

CODEBLOCK0

内容丰富度标准

每个章节必须包含：

• - 详细分析段落：至少3-5段深入分析文字，解释数据背后的洞察
• 具体数据支撑：KPI指标、百分比、对比数据等
• 多维度视角：Query/Media/Insight 三引擎的交叉分析
• 案例说明：具体事件、引用、用户评论示例
• 表格展示：事件时间线、数据对比、来源清单等
• 引用块：关键结论、分析师总结、用户原话

禁止：

• - ❌ 只有图表没有文字解释
• ❌ 只有数据没有分析洞察
• ❌ 只有标题没有详细内容
• ❌ 使用占位符或模板文本

1. Word 文档 (.docx)

• - 用途: 正式汇报、打印存档、邮件附件、向上级提交
• 特点:

- 结构清晰、内容完整、格式规范 - 图文并茂：图表配合详细文字说明 - 标准公文格式，适合正式场合

• - 生成方式: 使用 docx subskill 通过 docx-js 生成

2. PDF 文档 (.pdf)

• - 用途: 正式汇报、跨平台分享、不可编辑存档
• 特点: 版式固定、兼容性强、专业外观
• 生成方式: 使用 pdf subskill 通过 reportlab 生成

3. HTML 交互式报告 (.html)

• - 用途: 演示展示、在线分享、交互探索
• 特点: 独特的编辑杂志风格设计、丰富的交互可视化
• 生成方式: 使用 frontend-design subskill 生成

---

报告模板系统

本 Skill 内置 6 种专业舆情分析报告模板，根据用户需求自动匹配最合适的模板结构。

模板类型与适用场景

模板名称	适用场景	核心特点
企业品牌声誉分析	品牌月度/季度声誉监测	品牌形象、用户认知、声誉风险
突发事件与危机公关

危机事件应急分析 | 事件溯源、传播分析、应对策略 | | 社会公共热点事件 | 社会热点追踪 | 演变脉络、传播路径、多方观点 | | 市场竞争格局分析 | 竞品对比、市场份额 | SOV对比、口碑对比、营销策略 | | 特定政策/行业动态 | 政策解读、行业分析 | 政策影响、行业反应、机遇挑战 | | 日常/定期舆情监测 | 周期性监测报告 | 数据看板、趋势追踪、风险预警 |

模板选择逻辑

Step 1: 识别分析类型

根据用户查询自动判断适用的模板：

CODEBLOCK1

Step 2: 加载对应模板结构

根据识别结果，读取 assets/templates/ 目录下对应模板文件，获取详细的章节结构。

模板使用说明

默认行为：

• - 如果用户查询未明确匹配任何模板类型，使用企业品牌声誉分析模板作为默认结构
• 如果用户明确要求"竞品对比"、"危机分析"等，自动切换到对应模板

模板内容填充要求：

• - 每个章节必须包含 3-5 段详细分析文字
• 时间线章节必须包含 结构化表格
• 对比分析必须包含 数据对比表格
• 每个二级章节下必须有 具体案例和数据支撑

---

核心架构

CODEBLOCK2

Agent 职责分工

Agent	职责	数据获取方式	LLM 推荐
QueryAgent	网页搜索、新闻资讯、论坛讨论	WebSearch + WebFetch + Browser	DeepSeek
MediaAgent

短视频/图文内容分析 | 下载视频 → video-frames 提取帧 → 分析 | Gemini-2.5-pro | | InsightAgent | 情感分析、关键词提取、聚类分析 | WebSearch + Python 脚本分析 | Kimi-K2 | | ForumHost | 主持 Agent 讨论、引导研究方向 | LLM 生成 | Qwen-Plus |

设计规范：编辑杂志风格

HTML 报告采用 Editorial/Magazine（编辑杂志）风格，遵循以下设计原则：

视觉风格

设计元素	规范	说明
整体风格	编辑杂志风	高端出版物质感，如《Monocle》《Wallpaper》
色彩方案

深海军蓝 + 暖金色 | 主色 #0a192f，强调色 #ffd700，营造专业权威感 | | 字体搭配 | Playfair Display + Source Serif Pro | 衬线字体组合，传递优雅与可信度 | | 布局特点 | 不对称网格 + 慷慨留白 | 打破常规对称，创造视觉张力 | | 动效设计 | 电影级滚动触发 + 微交互 | 页面加载渐现、图表动画、悬停反馈 |

执行步骤

Step 1: 需求解析与模板选择

1.1 提取分析要素

CODEBLOCK3

1.2 智能模板选择

根据用户查询内容，自动匹配最合适的报告模板：

CODEBLOCK4

模板选择示例：

用户查询	自动选择模板
"分析某咖啡连锁品牌社交媒体口碑"	企业品牌声誉分析
"某音乐节安全事故危机分析"

突发事件与危机公关 |
| "对比可口可乐和百事可乐的舆情表现" | 市场竞争格局分析 |
| "追踪环保新规对饮料行业影响" | 特定政策或行业动态 |
| "本周我司品牌舆情监测" | 日常或定期舆情监测 |

1.3 加载模板结构

读取选定的模板文件，获取详细的章节结构：

CODEBLOCK5

1.4 关键词优化

基于选定的模板类型，生成针对性的搜索关键词：

CODEBLOCK6

---

Step 2: 并行启动三 Agent（ForumEngine 协作）

所有 Agent 同时启动，独立执行，通过 ForumEngine 共享发现：

QueryAgent 执行流程：

1. 1. 使用 WebSearch 搜索新闻/论坛/博客
2. 使用 Browser 访问关键页面获取详细内容
3. 使用 WebFetch 获取页面结构化数据
4. 提取关键信息，生成初步摘要
5. 发布发现到 ForumEngine

MediaAgent 执行流程：

1. 1. 使用 WebSearch 搜索短视频/图文内容链接
2. 下载相关视频文件到本地
3. 使用 video-frames subskill 提取关键帧
4. 分析视频帧内容（画面、文字、场景）
5. 发布发现到 ForumEngine

InsightAgent 执行流程：

1. 1. 使用 WebSearch 获取补充数据
2. 执行情感分析（基于规则引擎）
3. 提取关键词和热点话题
4. 使用 search_clustering.py 对搜索结果聚类采样
5. 发布发现到 ForumEngine

Step 3: ForumEngine Agent 讨论（3轮反思循环）

ForumEngine 机制：

• - 每个 Agent 将发现以结构化格式提交到论坛
• ForumHost（主持人）每收集到 3 条 Agent 发言后生成引导
• 主持人提出新的研究问题和方向
• Agent 根据引导进行下一轮搜索和分析

3轮反思循环：
CODEBLOCK7

Step 4: 数据整合与知识图谱构建

1. 1. 收集三 Agent 和 ForumEngine 的所有发现
2. 使用 graph_generator.py 构建知识图谱
3. 生成 D3.js 力导向图数据

Step 5: 双格式报告生成（基于选定模板）

⚠️ 关键：严格按照 Step 1 选定的模板结构生成报告

5.1 读取模板结构

CODEBLOCK8

5.2 内容生成规范

每个章节必须包含：

• - 详细分析段落：3-5段深入分析文字
• 数据表格：时间线、对比表等
• 高亮框：重要发现
• 引用块：分析师总结
• 三引擎交叉分析：Query/Media/Insight视角

内容类型判断：

• - 标题含"时间线" → 生成结构化时间线表格
• 标题含"对比" → 生成数据对比表格
• 其他 → 生成3-5段分析段落

5.3 同时生成三种格式

A. Word文档（使用docx subskill）

• - 结构：封面 + 目录 + 8章正文 + 附录
• 字体：正文宋体、标题黑体
• 格式：1.5倍行距、首行缩进2字符
• 使用docx-js通过JavaScript生成

B. PDF文档（使用pdf subskill）

• - 版式固定、中文字体支持
• 使用reportlab通过Python生成
• 必须注册中文字体（SimSun/SimHei）

C. HTML报告（使用frontend-design subskill）

• - 编辑杂志风格设计
• 深海军蓝(#0a192f)背景 + 金色(#ffd700)强调
• Playfair Display + Source Serif Pro字体
• 包含ECharts图表和D3.js知识图谱
• 分页导航 + 键盘操作支持

5.4 报告质量检查

• - [ ] 三Agent并行执行完成
• [ ] ForumEngine完成3轮讨论
• [ ] 所有数据来自真实WebSearch
• [ ] 同时生成Word、PDF、HTML三种格式
• [ ] 每个章节包含3-5段详细分析文字
• [ ] 包含数据表格和图表
• [ ] HTML报告有章节导航

数据采集规范

QueryAgent 数据获取

使用智能体自带工具，禁止模拟数据：

CODEBLOCK9

Curl 使用示例：
CODEBLOCK10

MediaAgent 视频分析

真实视频分析流程：

CODEBLOCK11

InsightAgent 数据分析

使用 Python 脚本进行分析：

CODEBLOCK12

内置工具使用

1. 搜索结果聚类采样（search_clustering.py）

CODEBLOCK13

2. 情感分析（sentiment_analyzer.py）

CODEBLOCK14

3. 知识图谱构建（graph_generator.py）

CODEBLOCK15

ForumEngine 协作协议

Agent 发言格式

CODEBLOCK16

主持人引导格式

CODEBLOCK17

质量检查清单

生成报告前检查：

• - [ ] 三 Agent 并行执行完成
• [ ] ForumEngine 完成 3 轮讨论
• [ ] 所有数据来自真实 WebSearch，无模拟数据
• [ ] 视频分析使用 video-frames 提取帧
• [ ] 搜索结果经过聚类采样处理
• [ ] 同时生成 Word、PDF、HTML 三种格式
• [ ] Word 使用 docx subskill 生成，格式规范
• [ ] PDF 使用 pdf subskill 生成
• [ ] HTML 使用 frontend-design subskill，编辑杂志风格
• [ ] 情感分布饼图使用艺术化设计
• [ ] 趋势图有电影级动画效果
• [ ] 知识图谱可交互（D3.js 力导向图）
• [ ] 支持 PDF 导出功能
• [ ] 不使用任何数据库和深度学习模型

Subskills 调用方式

video-frames

CODEBLOCK18

docx

CODEBLOCK19

frontend-design

CODEBLOCK20

pdf

CODEBLOCK21

版本历史

• - v1.0.0 - 初始版本

- 实现 QueryAgent + MediaAgent + InsightAgent 三引擎并行架构 - 实现 ForumEngine Agent 间协作讨论 - 实现 3 轮反思循环优化 - 集成 video-frames、docx、frontend-design、pdf subskills - 同时输出 Word、PDF、HTML 三种格式 - 无数据库依赖，无模拟数据 - 搜索结果聚类采样