Skip to content

chatgarypt-cpu/Adarian-

BranchesTags

Repository files navigation

Adarian — 平行世界舆情推演系统

GitHub

面向公共突发事件舆情研判场景的多智能体推演系统，基于宏微观结合的舆情演化模拟。 通过让多个具有独立人格的 LLM 驱动智能体在微型社交网络中进行多轮交互，观察群体情绪的涌现与演化， 最终识别多个平行世界的风险类型并生成舆情研判报告。

核心理念：不是预测单一未来，而是探索一组可能路径。通过多模型平行推演暴露盲区、识别分歧、 发现不同模型感知到的风险维度差异。

核心能力

  • 事件结构化建模 — 从舆情文本中抽取事件主体、时间线、议题焦点、关键冲突点与传播触发因素
  • 群体画像生成 — 基于传播行为与内容特征，构建不同立场、关注点、情绪倾向的网民群体
  • 关系网络建模 — 描述群体之间的信息流动、影响关系与潜在扩散路径
  • 多轮模拟推演 — 微型社交网络中的 Tick 0~N 群体互动，观察情绪涌现与演化
  • 多模型平行世界 — 基于不同 LLM 模型生成多条舆情演化路径，对比分歧与共性
  • 风险分层分析 — 识别舆情风险等级、关键触发因素、扩散节点与治理窗口
  • 报告生成 — 输出结构化舆情研判报告（含附录审计）

系统架构

种子文本 / 事件描述
  │
  ▼ Phase 1 — 实体提取与群体生成
事件实体 + 意见传播群体（含立场 / 易感性 / 确认偏差等参数）
  │
  ▼ Phase 2 — 社交拓扑构建
带信息流拓扑的微型社交网络
  │
  ▼ Phase 3 — 多轮模拟推演
Tick 0~N 群体互动，情绪涌现与立场演变
  │
  ▼ 分析层
风险分析 + 拐点检测 + 立场演变 + 风险类型分类（确定性算法）
  │
  ▼ 数据集编排（parser）
simulation_dataset.json — 自包含的完整推演数据集
  │
  ▼ 报告生成
结构化舆情研判报告（含附录 B 审计产物）

快速开始

前置条件

工具 版本要求
Python >= 3.10
Node.js >= 18（构建前端）
npm >= 9

第 1 步：克隆并安装 Python 依赖

git clone git@github.com:chatgarypt-cpu/Adarian-.git
cd Adarian-

# 创建虚拟环境
python3 -m venv .venv

# 安装依赖（两种方式任选其一）
.venv/bin/pip install -r requirements.txt
# 或: .venv/bin/pip install -e .

第 2 步：配置 LLM API

复制 .env.example 为 .env：

cp .env.example .env

填入你的 LLM API 信息：

LLM_API_KEY=your_api_key_here
LLM_BASE_URL=https://api.deepseek.com     # 你的 LLM endpoint URL
LLM_PROVIDER=deepseek                      # deepseek / openai / qwen 等
DEFAULT_MODEL=deepseek-chat                # 默认模型名

注意：系统需要连接一个兼容 OpenAI 接口的 LLM 服务来驱动多智能体推演。
model_router.py 支持按任务类型路由不同模型，并提供内网不通时的自动 fallback。具体配置见 .env.example。

第 3 步：构建前端

cd frontend/
npm install
npm run build
cd ..

构建产物在 frontend/dist/，Flask 后端会自动服务。

第 4 步：运行

Web 控制台（推荐）

macOS — 双击 start.command，或命令行：

./adarian.sh serve
# 浏览器打开 http://127.0.0.1:9788

后台模式：

./adarian.sh up
# Web UI 在 9788，CLI 可用其他命令

单次 Pipeline 执行

./adarian.sh run [种子文件路径]
# 默认种子: seeds/test8.txt

多模型平行推演

./adarian.sh batch --models qwen36-35b,ds,minimax --tag my-batch

检查已有批次产物

./adarian.sh inspect <batch-dir-path>

等价于 python -m adarian <子命令>（需在 src/ 上级目录执行）。

查看产物

输出目录：outputs/runs/YYYY-MM-DD/，每次运行产出：

文件 说明
simulation_dataset.json 完整推演数据集（规范输出，下游消费契约）
run.log 运行摘要（含 Token 消耗、阶段耗时、错误回放）
whitebox/ 诊断数据（白盒追踪，可选）

可用种子文件

文件 事件
seeds/test1.txt 基础示例事件
seeds/test2.txt 网络热点事件
seeds/test3.txt 公共事件
seeds/test4.txt —
seeds/test5.txt 文旅事件
seeds/test6.txt —
seeds/test7.txt —
seeds/test7_1.txt —
seeds/test8.txt 默认种子（最常用）
seeds/example_event.txt 示例格式参考

项目结构

Adarian-/
├── start.command          # macOS 双击启动
├── adarian.sh             # CLI 统一入口
├── pyproject.toml         # Python 包配置 pip install -e .
├── .env.example           # LLM API 配置模板
│
├── src/
│   └── adarian/           # 产品入口包（python -m adarian）
│       ├── __main__.py    # CLI 路由器（run/serve/batch/inspect/dev）
│       ├── run.py         # 单次 pipeline 执行
│       ├── serve/         # Web 控制台 Flask 后端
│       │   ├── api/       # REST API 路由（14 个 endpoint）
│       │   ├── db.py      # SQLite 状态持久化
│       │   ├── static.py  # SPA 前端静态文件服务
│       │   └── paths.py   # 路径配置
│       ├── batch.py       # 多模型并行推演
│       ├── inspect.py     # 检查 batch 产物
│       ├── report/        # 报告生成模块（v1.5.2 重构）
│       │   ├── runner.py  # 报告任务调度
│       │   ├── writer.py  # LLM 自然语言写作
│       │   ├── appendix_builder.py  # 结构化审计数据
│       │   ├── quality.py # 质量检查与审计
│       │   └── config.py  # 报告配置
│       ├── config.py      # 全局配置
│       ├── model_router.py# 模型路由表
│       ├── output_paths.py# OCP 输出路径策略
│       ├── llm_client.py  # LLM 统一调用
│       ├── parser.py      # 数据集编排聚合
│       ├── phase1/        # 实体提取与群体生成
│       ├── phase2/        # 社交拓扑构建
│       ├── phase3/        # 多轮模拟推演
│       ├── analysis/      # 分析层（风险/拐点/立场/分类）
│       ├── display/       # CLI 可视化
│       ├── schemas/       # Pydantic 数据模型
│       ├── whitebox/      # 诊断追踪
│       └── utils/         # 工具类
│
├── frontend/              # Vue 3 + Vite 前端 SPA
│   ├── src/               # 页面组件（vue-router 路由）
│   ├── dist/              # 构建产物
│   └── package.json
│
├── seeds/                 # 种子材料
├── spec/                  # 规格文档（风险映射表等）
├── tools/                 # 工具脚本
└── tests/                 # 单元测试

CLI 命令参考

所有命令通过 ./adarian.sh 或 python -m adarian 调用。

命令 说明 示例
serve 启动 Web 控制台 ./adarian.sh serve
up Web 后台 + 返回 CLI ./adarian.sh up
run [seed] 单次 pipeline ./adarian.sh run seeds/test8.txt
batch --models X 多模型平行推演 ./adarian.sh batch --models qwen36-35b,ds
inspect <dir> 检查 batch 产物 ./adarian.sh inspect outputs/runs/...
dev [seed] Web + pipeline 一键启动 ./adarian.sh dev seeds/test8.txt

关键参数

参数 说明 范围
stance_score 立场分（越批评越接近 10） 1.0 - 10.0
susceptibility 易感性（被说服程度） 0.0 - 1.0
confirmation_bias 确认偏差 none / weak / strong
event_temperature 事件热度 0.0 - 1.0
polarization_index 极化指数（std/mean） >0.5 高度极化
risk_level 风险等级 none / low / medium / high / critical

模型路由

系统通过 model_router.py 按任务类型路由到不同模型。ROUTES 字典定义了任务到模型 ID 的映射：

任务 说明
Phase 1~3、报告生成 高性能文本生成模型
格式化检查 / 快速测试 轻量模型
Fallback 外网 API 兜底

路由表在 src/adarian/model_router.py 中配置，.env 中的 LLM_BASE_URL 为统一 endpoint。

版本历史

版本 日期 主要变更
v1.5.2.2 2026-06 Legacy Phase 4 退役；Legacy Pipeline 清理
v1.5.2.1 2026-06 报告阅读器前端 + skill 发现 API + 前端杂项修复
v1.5.2 2026-06 实时日志 SSE 流 + 04-run 实时滚动
v1.5.1 2026-06 后端 API 补全（Review/Report/World Detail/Observability）
v1.5.0 2026-06 入口收敛 + E2E 验收 + Vue 前端 SPA
v1.4.1 2026-06 入口收敛（adarian/ 包 + adarian.sh）
v1.4.0 2026-06 Scheduler MVP、平行世界推演控制台
v1.3.x 2026-06 观测层 consolidation、三层 error recovery、OCP 输出路径
v1.2.x 2026-05 Source Tree Governance、并行架构、profiling

依赖清单

Python 运行时

包 用途
flask Web 控制台后端
flask-cors 跨域支持
httpx LLM API HTTP 调用
pydantic 数据模型校验
rich CLI 可视化（StatusBar、Panel）
python-dotenv .env 配置加载
pyyaml YAML 规格文档读写

前端构建

包 用途
Vue 3 + Vite SPA 框架
vue-router 前端路由
Pinia 状态管理
TypeScript 类型安全

部署

一键部署（Linux / macOS）

# 1. 准备环境
git clone git@github.com:chatgarypt-cpu/Adarian-.git
cd Adarian-
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt

# 2. 构建前端
cd frontend/
npm install && npm run build
cd ..

# 3. 配置 .env
cp .env.example .env
# 编辑 .env 填入 API Key

# 4. 启动
./adarian.sh serve --host 0.0.0.0
# 访问 http://<your-ip>:9788

Docker（TODO）

Docker 化部署正在规划中，欢迎贡献。

❌ 常见问题

Q: 启动后页面空白？

  • 确保前端已构建：cd frontend/ && npm install && npm run build
  • 检查 Flask 日志，确认 9788 端口正常

Q: LLM 调用失败？

  • 检查 .env 中 LLM_BASE_URL 和 LLM_API_KEY 是否正确
  • 确认网络可访问 LLM endpoint（内网需加 noproxy）
  • 检查 model_router.py 中的模型名是否匹配 endpoint 支持的范围

Q: 数据库显示 batch 一直 running？

  • 服务重启会自动恢复：检查每个 world 的 run.log，有 RUN END 标记的将被标记为 completed

许可

内部项目。详细许可信息请联系项目维护者。

About

Adarian 是一个面向公共突发事件舆情研判场景的多智能体推演系统，基于 宏微观结合（Macro-Micro Linkage） 的舆情推演系统。通过让多个具有独立人格的 LLM 驱动智能体在微型社交网络中进行多轮交互，观察群体情绪的涌现与演化，最终识别多个平行世界的风险类型并生成舆情研判报告。

Topics

agent mulit-agent agentbasedmodeling agent-simulation

Resources

Readme
Activity

Stars

2 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages