- 博客(18)
- 收藏
- 关注
RSS订阅原创 智评罗盘 EcoSentinel 项目进度（八）
从数据到决策的完整闭环数据采集→ 多格式导入、智能映射数据治理→ 自动化清洗、版本追溯深度分析→ NLP挖掘、用户画像、竞品对比智能问答→ RAG检索、多轮对话、引用溯源预测预警→ 趋势预判、风险识别、预防措施决策输出→ 报告生成、营销文案、精准触达技术亮点多Agent协同架构：6个专业Agent并行处理，提升分析效率RAG智能问答：结合真实评论数据，答案可溯源可核验时间序列预测：从"事后分析"升级为"事前预测"精准触达方案：将用户分层转化为可执行的运营动作。
2026-06-20 10:18:34
318
原创 智评罗盘 EcoSentinel 项目进度（七）
报告开头需要一段200字的执行摘要，概括核心发现。SUMMARY_PROMPT = """基于以下分析数据，撰写200字执行摘要：数据集：{dataset_name}评论总量：{total_count}平均评分：{avg_rating}好评率：{positive_rate}%主要主题：{top_topics}情感趋势：{sentiment_trend}用户群体：{user_clusters}竞品差距：{competitor_gap}要求：1. 开篇一句话概括整体口碑状况。
2026-06-15 23:48:11
336
原创 实训个人：AI 智能评论回复助手的设计与实现
本次 AI 智能评论回复助手的开发，核心是将大模型能力与电商评论回复的业务场景深度结合，从「数据模型 - 服务层 - 接口层」三层架构出发，解决了大模型应用落地的适配性、可靠性、业务闭环等核心问题。业务需求拆解与数据模型设计（约 2 天）；评论分析与 Prompt 工程（约 3 天，反复调试 Prompt 模板以提升生成效果）；大模型调用的工程化封装（并发控制、失败兜底，约 2 天）；接口层开发与业务闭环（批量生成、审核、配置，约 3 天）；测试与优化（边界场景测试、性能优化，约 2 天）
2026-06-12 23:48:57
338
4
原创 基于 RAG+LLM 构建商品评论智能 FAQ 知识库实现商品问答
自动化：从 “人工编写 FAQ” 到 “AI 自动生成 + 人工校订”，效率提升 80% 以上；可信度：每一条 FAQ 都有真实评论佐证，用户可查看答案来源；易用性：完整的接口体系支持前端快速集成，异步任务 + 流式响应提升用户体验；健壮性：覆盖无数据、无索引、LLM 调用失败等异常场景，系统稳定性高。本次商品智能 FAQ 知识库的构建，核心是 “技术适配业务”—— 不仅要实现 RAG+LLM 的技术闭环，更要考虑运营侧、消费者侧、开发侧的实际需求。
2026-06-12 23:30:10
204
原创 全链路智能营销内容创作升级：AI 驱动的广告图生成技术实践
多模态融合层：实现视觉大模型与文本文案的协同分析，完成商品卖点的视觉 + 文本双维度提取；工程化落地层：设计异步生成 + 兜底降级的方案，解决 AI 生成耗时、成功率波动的问题；数据管理层：构建海报的全生命周期管理体系，支持存储、查询、封面设置、删除等核心操作；兼容性保障：兼顾接口响应速度与生成质量，适配电商场景的实际使用需求。
2026-06-12 23:14:05
352
原创 智评罗盘EcoSentinel 项目进度（六）
在第六阶段，我们尝试推动项目在数据应用层面进行进一步的延伸，侧重于开展用户相关深度解读。用户画像体系梳理用户群体特征，竞品分析体系呈现行业竞品状态，市场趋势追踪反映行业动态变化。基于数据内容，同步输出用户特征、竞品差异及市场动态相关信息。结合本阶段的实践能够发现，量化数据可以更好支撑深度分析工作，用户分群也有助于推进精细化运营。清晰梳理出不同用户群体的特征和需求，能让运营策略更有针对性，落地效果更好。
2026-06-07 20:26:56
329
原创 智评罗盘EcoSentinel 项目进度（五）
进入项目第五阶段，我们对原有各类独立工具进行整合，搭建起一体化智能服务体系。整套系统由六个智能单元协同工作，可完成综合性分析工作。面对用户提出的业务问题，系统能够拆解任务、并行处理并汇总输出结果。借助 RAG 相关技术能力，用户可通过自然语言检索数据，获取结合真实评论形成的答复及信息来源。随着上述两项功能逐步落地，智评罗盘的操作难度有所下降。产品适用人群不再局限于专业从业者，普通用户也可借助自然语言完成相关操作。
2026-06-07 19:17:02
175
原创 情感分析 Agent 开发实践：设计、实现与工程化思考
需求分析与架构设计数据清洗与格式化工具（120+ 行）基础情感批量计算（100+ 行）五维情感解析（200+ 行）时序趋势与异常检测（150+ 行）缓存、异常处理、降级策略（80+ 行）单元测试 + 联调适配（150+ 行）核心代码约 750 行，属于系统中最核心、最独立、最底层的基础模块。没有使用高级框架，全部自己实现，鲁棒性、可复用性、可扩展性都达到了工程化标准。情感分析 Agent 看似只是 “分类模型”，但真正要在多智能体系统中落地，需要做大量结构化、工程化、鲁棒性的工作。
2026-06-05 23:22:28
340
原创 个人工作：基于Function Calling实现数据摘要Agent交互式问答功能升
旧版数据摘要Agent采用全量预聚合的静态运行方案，整体执行流程如下：系统启动后并行调用情感分析、LDA主题聚类、差评归因、用户聚类等全部子智能体，完成全维度评论数据计算；将所有分析指标统一拼接为完整文本上下文，一次性传入大语言模型；大模型基于固定上下文，单次生成简短摘要、完整摘要、风险预警三类结果；通过SSE流式接口向前端返回最终摘要内容。
2026-05-31 00:21:58
382
原创 实训个人：营销文案agent中应用的rag全链路实现
文案相关性：从初期的 65% 提升至 92%（人工评估）；合规性：违规用语出现率从 15% 降至 0；生成效率：单条文案生成时间从 30 秒降至 5 秒；业务指标：基于 RAG 的文案转化率较人工创作提升 15%（线下 AB 测试）。代码开发：核心代码 8000 + 行，包含数据层、存储层、检索层、重排层、提示层、生成层、反馈层 7 大模块，涵盖 Python、SQL、Docker、Milvus 等多技术栈；
2026-05-06 23:34:00
398
原创 智评罗盘 EcoSentinel 项目进度（四）
我们团队的小复盘：刚开启这个阶段的工作时，我们整体有点松懈，只专注修复了那些一眼就能看出来的功能Bug，忽略了性能短板、交互细节、代码规范这些隐藏的问题。我们主要围绕性能、交互、Bug修复、边界逻辑、工程规范这五个点逐一优化，解决了系统卡顿、操作生硬、多设备适配错乱、容易报错、代码不规整等问题，把项目基础打扎实，方便我们之后持续更新功能、迭代新版本。经过多轮调试优化和基础压测，系统在大数据量、高频操作的场景下流畅度提升显著，页面和接口的响应速度都优化了不少，为后续的功能迭代和版本演示打下了扎实的性能基础。
2026-05-04 19:05:54
390
原创 智评罗盘 EcoSentinel 项目进度（三）
我们重点解决了前后端数据联动卡顿、不同步的问题，打通了数据库存储数据、后端算法计算结果、前端页面展示数据的实时同步链路。存储层面我们优化了原有数据库表结构，按照四大业务维度拆分数据表，梳理清楚各表的关联关系，新增数据版本管理和增量更新机制，彻底解决了之前数据同步延迟、数据覆盖丢失的问题，保障所有数据准确、完整、实时。我们先梳理了所有核心业务场景，敲定生态环境、资源利用、发展态势、风险隐患四大核心数据维度，制定了全套标准化数据规范，明确了字段定义、文件格式、缺失值处理、冗余数据剔除等统一规则。
2026-05-02 20:43:26
362
原创 创新实训个人：主agent意图识别功能实现
prompt = f"""用户问题：{request.message}以下是各分析模块的结果：请根据以上数据，用自然语言简洁地回答用户的问题。"""设计思考上下文截断：限制在 2000 字内，平衡 “信息完整性” 与 “Token 消耗”；用户问题前置：让 LLM 优先聚焦用户核心诉求，避免回答偏离；指令简洁化：仅要求 “自然语言简洁回答”，避免过度约束导致回答僵硬。
2026-05-01 18:01:54
394
原创 创新实训个人：多agent工程实践
这套多 Agent 电商评论分析系统的核心价值，在于将 “LLM 的智能” 与 “工程化的稳定” 结合 —— 既通过 Agent 分工实现了专业的多维度分析，又通过异步、流式、实时通信保证了用户体验，同时通过工程化手段保障了系统的稳定性。
2026-05-01 17:42:05
447
原创 智评罗盘 EcoSentinel 项目进度（二）
而且项目前期没有数据统计功能，没办法统计导入、清洗的数据量，数据处理成果无法量化、追溯，很难把控数据治理的质量。可落地硬指标：搭建完成文件上传、智能映射、批量导入、脏数据清洗、版本快照回溯、数据统计总览的全自动化数据治理链路，数据清洗效率达到95%以上，所有核心报错全部解决，数据治理功能完整、效果可核验。说明：我们搭建了数据版本快照管理机制，每次数据清洗完成后，系统会自动生成独立的数据版本，完整记录清洗参数、脏数据统计量、数据处理总量、操作时间、原始版本等核心信息，搭建起标准化的数据迭代台账。
2026-04-26 16:48:35
349
原创 智评罗盘 EcoSentinel 项目进度（一）
这一阶段我们主要专注于搭建项目的底层基建，把整套基础支撑体系都落地做好了。我们搭建好了一套可以标准化、方便后续迭代的前后端工程底座，整理好了团队开发、接口联调、代码提交的整套规矩，也适配好了稳定好用、全员通用的异步任务开发方式。现在前后端联调可以正常顺畅使用，补齐了之前开发规范上的空缺，之前团队开发风格杂乱、底层代码不统一、项目搭建没有固定标准的问题，也都得到了改善。整套底层基建搭建完毕后，也为我们第二阶段的开发工作做好了充分准备。
2026-04-25 12:06:51
394
1
原创 创新实训：后端架构与接口框架设计与落地
我们这个项目用的是前后端分离的方式，后端我用的是 FastAPI 框架。在最开始设计的时候，我就打算用分层架构来写，因为这种结构比较清楚，代码不会乱，之后改起来、加功能也比较方便。API 层：接收前端发过来的请求，检查参数对不对，然后返回固定格式的数据服务层：放真正的业务逻辑，比如数据处理、分析、智能体调度、调用大模型数据层：和数据库交互，负责增删改查模型层：定义数据表结构、请求格式、返回格式。
2026-04-17 18:45:29
402
原创 创新实训：多agent系统总体架构的设计与落地
这套基于 LLM 的多 Agent 工作流系统，核心是“把复杂业务拆成小Agent,用异步+状态持久化保证可靠性，用WebSocket提升体验”。更难得的是，作者由此自然地引出重要的技术理念：技术落地必须兼顾“当下能用”和“未来可扩展”，因此单一职责、异步化、可观测性是核心原则。具体实现上，SQLAlchemy的ORM设计让数据层十分清晰，FastAPI的异步特性与Agent耗时执行的场景高度契合，WebSocket直接、巧妙地解决实时反馈问题。
2026-04-17 17:42:14
411
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人