多 Agent Harness 舆情智能分析平台

基于 FastAPI + Vue3 + LangGraph + MySQL 构建的多 Agent 舆情分析 Harness 平台。系统输入一个舆情主题后，由 Harness 编排层统一调度多个专业 Agent，汇总本地数据库、网络媒体和权威来源的信息，并生成结构化分析报告。

核心能力：

• 私域舆情数据挖掘
• 媒体传播路径分析
• 权威信息核查
• 多 Agent 协作讨论
• HTML 舆情报告生成

Harness 工程化设计

本项目重点不只是调用大模型，而是实现了一套面向复杂任务的 Agent Harness：把模型、工具、数据源、事件流和报告生成流程组织成可运行、可观测、可部署的工程系统。

• 任务编排：SearchService 同时拉起 Insight、Media、Query 三个研究引擎，覆盖私域数据、媒体传播和权威核查视角。
• 工作流控制：各引擎内部使用 LangGraph 组织“生成大纲、搜索、摘要、反思、再搜索、格式化报告”的研究流程。
• 事件通信：EventBus 统一发布进度、摘要、错误和论坛消息，前端通过 SSE 实时展示 Agent 运行状态。
• 协作汇总：ForumEngine 监听多引擎中间结果，模拟主持人协作讨论；ReportEngine 汇总三路报告与论坛日志，生成最终 HTML 报告。
• 部署闭环：通过 Docker Compose 编排前端、后端和 MySQL，支持本地演示与服务器部署。

架构图

%%{init: {"themeVariables": {"fontSize": "18px"}, "flowchart": {"nodeSpacing": 70, "rankSpacing": 80}}}%%
flowchart TB
  User([用户输入舆情主题])

  subgraph Entry[前端与服务入口]
    Frontend[Vue3 前端]
    Backend[FastAPI 后端]
  end

  subgraph HarnessLayer[Agent Harness 编排层]
    Harness[任务编排 / 事件通信 / 状态追踪]
  end

  subgraph Engines[多 Agent 并行研究]
    Insight[InsightEngine<br/>私域数据分析]
    Media[MediaEngine<br/>媒体检索]
    Query[QueryEngine<br/>权威核查]
  end

  subgraph Output[协作研判与报告生成]
    Forum[ForumEngine<br/>协作讨论]
    Report[ReportEngine<br/>智能报告生成]
  end

  Spider[SentinelSpider 爬虫] --> MySQL[(MySQL 舆情数据库)]

  User --> Frontend --> Backend --> Harness
  Harness --> Insight
  Harness --> Media
  Harness --> Query
  MySQL --> Insight
  Insight --> Forum
  Media --> Forum
  Query --> Forum
  Forum --> Report

运行前准备

本地开发环境：

Python 3.12+
uv
Node.js 20+
MySQL 8.0

Docker 部署环境：

Docker
Docker Compose

配置

复制配置模板：

cp .env.example .env

主要需要填写这些配置：

# 数据库
DB_DIALECT=mysql
DB_HOST=127.0.0.1
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_db_password
DB_NAME=media_crawler
DB_CHARSET=utf8mb4

# Docker MySQL 映射端口，本机 3306 被占用时用 3307
DB_EXPOSE_PORT=3307

# 前端端口
FRONTEND_PORT=80

# Agent 大模型配置
INSIGHT_ENGINE_API_KEY=your_key
INSIGHT_ENGINE_BASE_URL=https://api.deepseek.com
INSIGHT_ENGINE_MODEL_NAME=deepseek-v4-pro

MEDIA_ENGINE_API_KEY=your_key
MEDIA_ENGINE_BASE_URL=https://api.deepseek.com
MEDIA_ENGINE_MODEL_NAME=deepseek-v4-pro

QUERY_ENGINE_API_KEY=your_key
QUERY_ENGINE_BASE_URL=https://api.deepseek.com
QUERY_ENGINE_MODEL_NAME=deepseek-v4-pro

REPORT_ENGINE_API_KEY=your_key
REPORT_ENGINE_BASE_URL=https://api.deepseek.com
REPORT_ENGINE_MODEL_NAME=deepseek-v4-pro

FORUM_HOST_API_KEY=your_key
FORUM_HOST_BASE_URL=https://api.deepseek.com
FORUM_HOST_MODEL_NAME=deepseek-v4-pro

KEYWORD_OPTIMIZER_API_KEY=your_key
KEYWORD_OPTIMIZER_BASE_URL=https://api.deepseek.com
KEYWORD_OPTIMIZER_MODEL_NAME=deepseek-v4-pro

# 搜索工具
SEARCH_TOOL_TYPE=TavilyAPI
TAVILY_API_KEY=your_tavily_api_key

如果不需要本地情感分析模型，保持默认关闭即可：

SENTIMENT_ANALYSIS_ENABLED=false
ENABLE_SENTIMENT_PER_SEARCH=false

本地运行

安装后端依赖：

uv sync

启动后端：

uv run python main.py

后端 API 文档：

http://localhost:5000/docs

启动前端：

cd frontend
npm install
npm run dev

前端访问地址：

http://localhost:5173

Docker 运行

构建并启动：

docker compose up -d --build

查看容器状态：

docker compose ps

查看日志：

docker compose logs -f backend
docker compose logs -f frontend
docker compose logs -f db

默认访问地址：

前端：http://localhost/
后端：http://localhost:5000
MySQL：127.0.0.1:3307

如果服务器 80 端口被占用，修改 .env：

FRONTEND_PORT=8080

然后重新启动：

docker compose up -d

数据库初始化和导入

Docker 启动时会自动创建数据库表，但不会自动带入你本机已有的爬虫数据。

从本机 MySQL 导出：

mysqldump -h 127.0.0.1 -P 3306 -u root -p --default-character-set=utf8mb4 --hex-blob --routines --triggers --single-transaction --result-file=media_crawler.sql media_crawler

导入 Docker MySQL：

cmd /c "mysql -h 127.0.0.1 -P 3307 -u root -p --default-character-set=utf8mb4 media_crawler < media_crawler.sql"

验证导入结果：

mysql -h 127.0.0.1 -P 3307 -u root -p -e "USE media_crawler; SHOW TABLES; SELECT COUNT(*) FROM douyin_aweme;"

部署到服务器时，需要把 media_crawler.sql 单独传到服务器并重新导入。

爬虫采集示例

进入 MediaCrawler 目录：

cd tools/SentinelSpider/DeepSentimentCrawling/MediaCrawler

按关键词采集抖音数据并写入数据库：

python main.py --platform dy --lt qrcode --type search --keywords "给阿嫲的情书" --save_data_option db

常见写入表：

douyin_aweme
douyin_aweme_comment
daily_news
daily_topics

服务器部署

在服务器拉取代码：

git clone https://github.com/XiaoFeiCode/AgentResearchPlatform.git
cd AgentResearchPlatform

创建配置：

cp .env.example .env
nano .env

启动服务：

docker compose up -d --build

如果需要导入本机数据，先上传 media_crawler.sql，然后执行：

docker exec -i sentinelai-db mysql -uroot -p media_crawler < media_crawler.sql

访问：

http://服务器IP/

运行示例

示例文件位于：

docs/examples/

当前示例包含一次完整运行后生成的最终 HTML 报告，主题为：

给阿嫲的情书

可直接打开：

docs/examples/final_report_智能舆情分析报告_20260530_154827.html