舆情分析专家模板帮助文档

1. 模板概述

模板简介

舆情分析专家是基于 PydanticAI 框架构建的智能舆情分析系统，能够自动收集、分析和总结网络舆情信息，为企业和组织提供实时的舆情监测和分析服务。

适用场景

• 品牌声誉监测与管理
• 危机预警与舆情监控
• 竞品分析与市场调研
• 公众意见收集与分析
• 社交媒体舆情追踪

核心功能

• 自动化信息搜集与筛选
• 智能情感分析与分类
• 舆情趋势预测
• 可视化报告生成

2. 技术架构

使用框架

• 框架：PydanticAI
• Agent 类型：单 Agent 架构
• 核心能力：集成 LLM、搜索工具、Sandbox 环境

Agent 架构说明

采用单 Agent 设计，该 Agent 具备多项能力：

• 信息检索能力（通过搜索工具）
• 数据分析能力（通过 Sandbox 环境）
• 自然语言理解与生成（通过 LLM）

技术要求

• 支持主流大语言模型（用户可自选）
• 需要配置搜索 API 访问权限
• 需要 Sandbox 环境支持

3. 功能说明

主要功能模块

信息采集模块

• 多源信息抓取（新闻、社交媒体、论坛等）
• 关键词智能匹配
• 实时数据更新

分析处理模块

• 情感倾向分析（正面/负面/中性）
• 热点话题提取
• 传播路径追踪
• 影响力评估

报告生成模块

• 结构化分析报告
• 数据可视化图表
• 趋势预测建议

Agent 能力

1. 自主搜索：根据关键词自动检索相关信息
2. 智能分析：对海量信息进行情感分析和分类
3. 代码执行：在 Sandbox 中执行数据处理和可视化代码
4. 报告生成：自动生成专业的舆情分析报告

工作流程

用户输入查询 → Agent 执行搜索 → 信息收集 → 
数据清洗 → 情感分析 → Sandbox 数据处理 → 
生成可视化图表 → 输出分析报告

4. 配置指南

在控制台配置

模型配置

• 在 AgentRun 控制台选择适合的大语言模型
• 建议使用支持长上下文的模型以处理大量舆情数据
• 可根据分析精度需求选择不同参数的模型

Sandbox 配置

• 启用 Sandbox 环境
• 配置允许的 Python 库（如 pandas、matplotlib）
• 设置执行时间和资源限制

5. 使用示例

应用场景示例

场景 1：品牌声誉监测

用户输入：分析最近一周关于"XX品牌"的网络舆情

Agent 执行流程：

1. 使用搜索工具检索相关新闻、微博、论坛帖子
2. 提取关键信息和评论内容
3. 进行情感分析和分类
4. 在 Sandbox 中生成趋势图表
5. 输出完整的分析报告

输出示例：

# XX品牌舆情分析报告（2024.XX.XX - 2024.XX.XX）

## 舆情概览
- 总信息量：1,250 条
- 正面舆情：65%
- 负面舆情：15%
- 中性舆情：20%

## 热点话题
1. 新品发布（热度：85%）
2. 售后服务（热度：45%）
3. 价格调整（热度：30%）

## 情感分析趋势
[趋势图表]

## 重点关注
- 发现 3 个潜在危机点
- 建议采取应对措施...

6. 常见问题

Q1：搜索结果不准确怎么办？

• 在控制台优化搜索关键词设置
• 调整搜索范围和时间窗口
• 增加搜索深度获取更多结果

Q2：分析速度较慢？

• 选择更高性能的模型
• 减少搜索结果数量
• 使用快速分析模式

Q3：如何提高分析准确度？

• 选择专门针对情感分析优化的模型
• 调整情感判定阈值
• 启用深度分析模式

注意事项

1. 数据隐私：确保不分析涉及个人隐私的敏感信息
2. 搜索配额：注意搜索 API 的调用限制
3. 结果时效性：舆情信息具有时效性，建议定期更新分析
4. 模型选择：不同模型对中文情感分析能力差异较大，建议测试后选择
5. 可视化限制：Sandbox 中的图表生成受资源限制，避免处理超大数据集

---

通过 AgentRun 控制台的可视化配置，无需编写代码即可快速部署和定制您的舆情分析系统。