舆情监测与智能研判 Agent — 课程设计进行时

舆情监测项目截图

项目初期的一些工作记录

项目背景

这是本学期的一门课程设计，我和 10 人团队一起从零搭建一套舆情监测与智能研判 Agent 系统。项目周期约 4-5 周，目标是实现”自动采集 → 情感分析 → 走势追踪 → 预警研判”全流程智能化。

系统提供 Web Dashboard 和 对话式舆情助手 两大入口，面向媒体监测、政务舆情、企业品牌监测等场景。

技术栈一览

选了这套全家桶：

层级技术
前端React 18 + ECharts 5 + Ant Design
后端FastAPI + Celery + Redis
AILangChain / LangGraph + DeepSeek API
数据库PostgreSQL + Elasticsearch
爬虫Scrapy + RSS
部署Docker + GitHub Actions

目前完成的工作（Week 2）

数据采集

  • B站爬虫 已部署，用 asyncpg 直连 PostgreSQL 入库
  • 通用写入函数 insert_article() / insert_articles() 已封装
  • RSS 订阅模块开发中

数据库

  • 课题组服务器 PostgreSQL 16 部署完成
  • public_sentiment 库，articles 表（字段：id, author, title, content, time, platform, direction, score, keyword, parent_keyword）
  • 支持远程连接（sentiment_user 用户）

情感分析与规则引擎

  • rule_engine.py 改造成 LangChain @tool，整合情绪/高危/愤怒词典
  • stage_alert.py 同样接入 Agent 工具链
  • Agent prompt 已扩展为 6 步流程 + 综合研判

爬虫接入 & 数据导入

  • 独立 import_crawled_data.py 模块，支持增量写入
  • 密码和 API Key 通过 .env 管理，不进 Git

课题组服务器

服务器已到位，基本环境全部配置完成。

正在做的（Week 2-3）

  • 前端 Dashboard：React + ECharts 的趋势图、词云、预警看板
  • 对话式舆情助手：基于 LangChain Agent，用户可以用自然语言查询舆情
  • 话题聚类：BERTopic 接入，从采集数据中自动发现热点话题
  • 预警系统：阈值 + LLM 双重研判，推送结构化预警报告

一点感想

这是我第一次以 PM 身份带一个完整项目，从需求拆解、分工、技术选型到进度追踪，每一步都是学习。

Agent 系统的核心思路其实很简洁：把 LLM 作为推理引擎，围绕它搭一圈工具（爬虫、分析器、数据库查询、报告生成器），让 Agent 自主编排流程。 数据进来了，Agent 自己决定要不要分析、要不要预警、拿什么格式输出。

后面几周会陆续更新进展。