在数字化时代，品牌舆情对企业声誉和商业决策至关重要。传统舆情监测依赖人工检索和分析，响应时间长、覆盖渠道有限、预警滞后，难以及时捕捉品牌风险和市场机会。

品牌舆情监测Agent系统基于多Agent协作架构，通过Collection、Sentiment、Hotspot、Warning、Report五大Agent串并行协同，实现从多渠道采集、情感分析、热点识别到风险预警的全流程自动化。系统支持周期性和专题性两种报告模式，自动生成可视化HTML报告并配图，将舆情响应时间从小时级缩短至分钟级。通过提前识别品牌风险、降低危机影响，并释放人力投入策略性工作，为品牌、公关和市场部门提供高效、智能的舆情洞察与决策支持。

作者：百度 谭文涛

基于多Agent协作的品牌舆情智能监测与报告生成系统

系统架构

输入：品牌名称 + 关键词 + 时间范围 + 报告类型
                    │
                    ▼
            ┌───────────────┐
            │  Collection   │  ← 多渠道并行采集
            │  Agent        │ （百度AI搜索 + 天行新闻API）
            └───────┬───────┘
                    │
        ┌───────────┼───────────┐
        │           │           │
  ┌─────▼────┐ ┌───▼──────┐ ┌─▼──────────┐
  │Sentiment │ │Hot Topic ││  Warning   │ ← Fan-out并行
  │Analysis  │ │Identify  │ │ Detection  │
  │Agent     │ │Agent     │ │ Agent      │
  └─────┬────┘ └───┬──────┘ └─┬──────────┘
        │           │           │
        └───────────┼───────────┘  ← Gather
                    │
            ┌───────▼───────┐
            │    Report     │  ← 报告生成 + 千帆文生图
            │  Generation   │
            │    Agent      │
            └───────┬───────┘
                    │
               HTML 舆情报告

协作模式：串行采集 → Fan-out并行分析 → 串行汇总报告

5个Agent说明

Agent	职责	输入	输出
Collection Agent	多渠道舆情采集	品牌名+关键词	去重分类后的结构化数据
Sentiment Agent	情感分类与驱动因素分析	采集数据	情感分布+驱动因素
Hotspot Agent	热点话题识别与趋势判断	采集数据	热点话题+关键词+传播路径
Warning Agent	舆情风险预警	采集数据+情感数据	风险等级+预警列表+应对建议
Report Agent	报告生成+配图	全部分析结果	HTML可视化报告

技术栈

组件	技术
语言	Python 3.10+
LLM	百度千帆（ernie-x1-turbo-32k）/ Ollama（qwen2.5:14b）
搜索	百度AI搜索（baidu_search_v2）
新闻	天行数据互联网新闻API
文生图	千帆 ernie-image-turbo
并行	concurrent.futures.ThreadPoolExecutor
输出	HTML可视化报告（图片base64内嵌）

目录结构

brand-sentinel-mas/
├── main.py                      # 主入口（编排器）
├── config.py                    # 全局配置
├── README.md                    # 项目说明
├── clients/
│   ├── __init__.py
│   ├── search_client.py         # 百度AI搜索客户端
│   ├── news_client.py           # 天行新闻API客户端
│   ├── llm_client.py            # 千帆/Ollama LLM客户端
│   └── image_client.py          # 千帆文生图客户端
├── agents/
│   ├── __init__.py
│   ├── collection_agent.py      # 采集Agent
│   ├── sentiment_agent.py       # 情感分析Agent
│   ├── hotspot_agent.py         # 热点识别Agent
│   ├── warning_agent.py         # 预警Agent
│   └── report_agent.py          # 报告生成Agent
├── prompts/
│   ├── collection.md            # 采集Agent提示词
│   ├── sentiment.md             # 情感分析提示词
│   ├── hotspot.md               # 热点识别提示词
│   ├── warning.md               # 预警提示词
│   └── report.md                # 报告生成提示词
├── utils/
│   ├── __init__.py
│   └── html_generator.py        # HTML报告生成器
└── output/                      # 输出目录
    └── images/                  # 文生图输出

快速开始

1. 安装依赖

pip install requests

2. 配置API密钥

# 百度千帆 API（必选，用于LLM调用和文生图）
export QIANFAN_API_KEY="your_qianfan_api_key"

# 百度AI搜索（必选，用于舆情搜索）
export BAIDU_SEARCH_API_KEY="your_baidu_search_api_key"

# 天行新闻API（已内置key，无需配置）
# TIANAPI_KEY="your_tianapi_key"

# Ollama（可选，使用本地模型时配置）
export OLLAMA_BASE_URL="http://localhost:11434"
export OLLAMA_MODEL="qwen2.5:14b"

3. 运行

# 周期性舆情报告（如月报）
python main.py --brand 百度 --report-type periodic --period "2026年4月"

# 专题性舆情报告（如某个话题的专题）
python main.py --brand 百度 --report-type topic --topic "百度AI大模型" --period "2026年4月"

# 附加关键词
python main.py --brand 腾讯 --keywords "微信 腾讯云" --report-type periodic --period "2026年4月"

# 使用Ollama后端
python main.py --brand 阿里 --report-type periodic --period "2026年4月" --backend ollama

# 搜索最近一周
python main.py --brand 百度 --report-type periodic --period "本周" --recency week

4. 命令行参数

参数	必选	说明
--brand	✅	品牌名称
--report-type	❌	报告类型：periodic（周期性）/ topic（专题性），默认periodic
--period	❌	报告时间范围，默认当前年月
--topic	❌	专题报告的话题（仅topic类型使用）
--keywords	❌	附加搜索关键词（空格分隔）
--backend	❌	LLM后端：qianfan / ollama，默认qianfan
--recency	❌	搜索时间范围：week / month / year，默认month

报告输出

• 文件位置

  ：output/ 目录

• 文件格式

  ：HTML（图片base64内嵌，可独立打开）

• 文件命名

  ：{品牌名}_舆情监测报告_{周期性/专题性}_{时间戳}.html

• 配图数量

  ：3~5张（千帆文生图生成，与报告章节内容匹配）

报告类型

周期性舆情报告（periodic）

• 定期（周/月/季度）自动生成的品牌舆情综述

• 侧重趋势变化和数据对比

• 包含：情感分析、热点话题、风险预警、综合建议

专题性舆情报告（topic）

• 针对特定话题/事件的深度分析

• 侧重事件脉络和影响评估

• 需要指定 --topic 参数

核心流程详解

阶段1：多渠道采集

1. 根据品牌名+关键词，自动构建多角度搜索查询词

2. 并行调用百度AI搜索和天行新闻API

3. LLM整理去重、分类标注（6类别5情感初判）

阶段2：Fan-out并行分析

1. 情感分析Agent

   ：逐条分析情感分类、强度、关键短语、驱动因素

2. 热点识别Agent

   ：识别热点话题、热度评分、传播路径、发展趋势

3. 预警Agent

   ：本地规则预检 + LLM深度分析 → 风险等级、预警列表

阶段3：报告生成

1. LLM整合全部分析结果，生成结构化报告（含need_image标记）

2. 千帆文生图API生成3~5张配图

3. HTML渲染引擎输出可视化报告

适用场景

• 品牌部门：品牌健康度监测、口碑追踪

• 公关部门：舆情预警、危机早发现早应对

• 市场部门：竞品动态追踪、市场趋势洞察

价值

• 舆情响应时间从小时级缩短至分钟级

• 品牌风险提前识别，降低危机影响

• 自动化报告生成，释放人力投入策略性工作

项目源码

详见文章顶部绑定资源包