Dify中可搭建自动舆情监控系统：配置联网Agent并启用rookie_rss和DuckDuckGo工具，通过RSS热榜驱动或关键词触发型流程抓取微博/B站等平台热搜，经情感打分、RAG历史比对、代码节点自动响应实现三步风险评估与处置。
☞☞☞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☜☜☜
你需要在Dify中搭建一个能自动感知微博、小红书、B站等平台热搜话题，并实时判断情绪倾向、风险等级、关联历史事件的舆情监控系统，而不是手动刷新每个App再凭经验判断。
配置Agent基础能力：让AI主动“上网查”
打开Dify工作台 → 新建应用 → 选择「Agent」类型 → 在模型设置中选支持联网的模型（如Qwen2.5-72B或GPT-4o），【必须开启“允许调用外部工具”开关】，否则Agent无法触发任何搜索行为。
进入「工具库」→ 点击「添加工具」→ 搜索并启用DuckDuckGo Search（免费）和rookie_rss（已预装）两个插件。前者用于泛关键词检索，后者专用于获取各平台热榜原始RSS数据。
这一步不能跳过：在Agent提示词顶部加入明确指令——“你是一个舆情分析师，所有回答必须基于实时抓取的数据，禁止虚构或推测。若未调用工具获取结果，不得输出结论。”
设计热点感知流程：从“刷榜”到“判别”
方法一：RSS热榜驱动型（推荐用于微博/B站/掘金等有公开RSS源的平台）
拖入「开始节点」→ 连接「rookie_rss」节点 → 在其配置中填入目标平台热榜URL（例如B站：https://rsshub.app/bilibili/trending/all）→ 设置「提取字段」为title和link → 输出给「LLM节点」做初步清洗。
注意：新浪微博RSS需登录态，rookie_rss默认授权仅支持每日热榜快照，如需实时微博正文，必须搭配Python代码节点调用微博开放API并传入access_token。
方法二：关键词触发型（适用于无RSS但需定向监控的品牌词）
基于阿里云百炼 Qwen3.5-Omni 的全模态技能，支持文本、图片、音频、视频理解与文本/语音输出。适用于图片分析、音频转写理解、视频理解、跨模态问答及语音回复生成。
设置条件分支节点 → 输入变量设为“用户输入关键词” → 分支逻辑为“是否含品牌名+负面动词（如‘爆雷’‘翻车’‘投诉’）” → 是则触发DuckDuckGo搜索 → 否则跳过深度分析直接归档。
构建风险评估链：三步交叉验证
第一步：情感强度打分 → 将原始热榜标题+前3条评论摘要送入LLM节点，Prompt中强制要求输出0～100数字评分，且必须附带依据句（如“‘XX手机又崩了’含重复否定词‘又’+崩溃动词，判定为87分”）。
第二步：历史事件比对 → 在LLM节点后接入RAG知识库节点 → 上传企业过往危机事件PDF（如《2025年X产品召回处理纪要》）→ 设置检索策略为“语义相似度Top3+时间倒序” → 输出匹配段落供模型参考。
第三步：行动建议生成 → 若情感分≥75且存在历史相似事件，则自动触发「代码节点」执行Python脚本：生成Jira工单（含链接、截图、风险标签）、钉钉@指定负责人、同步写入内部舆情看板数据库；否则仅存入MySQL日志表并标记为“低风险观察”。
这一步不可逆：【RAG知识库必须提前完成向量化，且切片大小设为256字符、重叠50字符，否则长文本匹配会漏掉关键细节】。
部署与触发：让监控真正跑起来
保存工作流 → 点击「发布」→ 获取Webhook地址 → 用curl或Postman测试发送模拟请求（如{"platform": "bilibili", "keyword": "XX耳机"}）→ 观察日志面板是否出现“rookie_rss → LLM → RAG → Code”的完整执行链路。
将Webhook嵌入定时任务：用Linux crontab每15分钟curl一次，参数固定为bilibili+trending；或对接企业微信机器人，当收到“查今日热搜”消息时自动触发。
上线后首次运行，检查Dify「监控」页中的错误堆栈——若出现“rookie_rss timeout”，说明目标RSS源响应超时，需在插件配置里把超时时间从5秒调至12秒。
