<p>需配置“行业舆情哨兵”智能体：设英文工作流名DailyIndustryMonitor，用cron【0 0 1-5】定时触发；接入SERP API、微信公众号API及.gov.cn白名单信源；经SimHash去重、StructBERT情感分级与实体-事件双轴标注生成简报。</p>
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要一套能自动抓取行业新闻、识别情感倾向、提炼关键事件并生成简报的舆情系统，而不是每天手动刷网页、复制粘贴、再用Excel整理杂乱信息。
配置核心数据源与触发机制
进入扣子平台，创建新智能体，名称设为“行业舆情哨兵”，选择“空模板”而非预设职业模板——预设模板自带固定流程，会干扰你对垂直行业关键词、信源权重和预警阈值的精细控制。
在工作流选项卡中点击“添加工作流”，命名为“DailyIndustryMonitor”，注意名称必须为英文且不可含空格。
添加一个【定时触发】节点，设置 cron 表达式为 【0 0 * * 1-5】，即每周一至周五凌晨0点执行——避开周末媒体更新低谷期，也防止周一早高峰时因并发请求激增导致部分插件超时失败。
将该节点连接至后续【热点聚合】节点，确保每次启动都有明确的数据入口锚点，避免因未配置触发器导致工作流静默失效。
接入多源舆情数据并做可信度加权
方法一：对接 SERP API 插件获取主流媒体曝光
添加【插件】节点，搜索并启用“serpbase_news”插件；在配置中填入 industry_keyword（如“光伏逆变器”）、gl（设为“cn”）、hl（设为“zh-CN”）、num（建议设为30）；【务必关闭 auto_detect_location，否则返回结果会混入东南亚或拉美本地化报道，严重稀释国内产业动态相关性】。
方法二：接入微信公众号历史文章API（需自行部署）
若已有对标账号文章摘要数据库，添加【HTTP 请求】节点，URL 填写你部署的 /api/wechat/summary 接口，Method 选 GET，Params 中传入 account_list（JSON数组格式，如["光伏们","能源大嘴"]）；此方式绕过微信反爬，但要求你提前用 Selenium + LangChain 完成摘要入库，否则请求将返回空数据。
方法三：补充垂直论坛与政策站点（手动白名单）
添加【代码】节点，使用 Python 调用 requests 抓取国家能源局、工信部官网最新通知页，正则提取 h2 标题+发布时间；仅限.gov.cn 域名，其他来源一律跳过——非官方渠道的“政策解读”常含主观臆断，直接引入会污染后续情感分析基线。
构建三层过滤与语义归因流水线
第一步：去重与噪声清洗
添加【代码】节点，输入 Python 脚本：对上一步所有来源的 title + snippet 拼接后做 SimHash 计算，相似度 > 0.95 的条目只保留发布时间最早的一条；这步必须前置，否则相同事件在不同媒体重复出现，会导致后续情感统计虚高。
第二步：实体-事件双轴标注
添加【大模型】节点，提示词设定为：“你是一名资深产业分析师。请从以下文本中精准提取：①涉及企业全称（非简称，如‘阳光电源股份有限公司’而非‘阳光电源’）；②具体事件类型（技术突破/产能扩建/政策补贴/安全事故/专利纠纷）；③发生地级市（如‘滁州市’，非‘安徽’）；④是否含明确时间线索（是/否）。输出 JSON，字段为company,event_type,city,has_date。不要解释，不要补全。”
第三步：StructBERT 情感分级判定
添加【插件】节点，启用已封装的“structbert_zh_sentiment”插件；将上一步提取的 snippet 输入，获取正面/负面/中性标签及置信度；【当置信度 ——低置信度往往出现在含多重否定或方言表达的文本中，AI易误判，必须拦截。
生成结构化简报并定向推送
添加【提示词拼接】节点，将清洗后数据按“今日聚焦→区域动态→政策速递→风险提示”四级结构组织，每类下最多显示3条，按事件热度（来源权威性×情感强度×实体影响力加权）排序。
添加【内容输出】节点，选择“Markdown”格式，启用“自动生图”开关，图像描述固定为：“中国产业地图热力图，重点标注[城市]、[公司]、[事件类型]”，风格选“扁平商务风”；此图不追求地理精度，而是强化读者对空间-主体-事件的关联记忆。
最后添加【通知】节点，配置企业微信机器人 Webhook 地址；消息模板中插入变量 {{summary_md}} 和 {{heatmap_url}}，发送目标设为“舆情响应小组”群组；测试时用真实群聊ID验证，避免填错ID导致消息发到空群或测试群而无人处理。
