SENTINEL MONITOR WORKBENCH

Project Demo 03

面向多场景的 LLM-Agent 舆情监测智能分析系统

这是一个面向风险事件监测场景的 Agent 化分析页面。它展示的不是简单问答,而是从任务解析、信息聚合、风险判定到预警建议输出的完整工作流, 用更像“业务系统”的方式说明项目已经具备实际落地形态。

LangGraph Agent Workflow 多源信息聚合 风险研判 Web 原型交互
项目角色 项目负责人
系统价值 任务解析到预警闭环
展示目标 证明 Agent 系统思维

项目成果 / 交付结果

01

形成舆情监测 Agent 原型,能够从自然语言监测目标生成结构化执行链路。

02

完成多源候选内容聚合、清洗、风险判断和预警建议输出,展示业务闭环能力。

03

基于 Web 页面呈现任务配置、执行过程和结果看板,让 Agent 系统更接近可交付产品形态。

技术架构

输入层

监测目标、平台范围、风险关键词和业务规则

处理层

任务解析、工具选择、多源内容采样、结构化清洗和风险研判

输出层

风险等级、关键依据、传播判断、预警建议和结果看板

部署层

Flask + HTML 交互原型,支持 Agent 执行链路可视化展示

当前为演示模式

监测任务配置

页面入口模拟真实业务中“给系统一个监测目标”的方式,让演示更加贴近实际部署后的使用流程。

Agent 执行链路

01
任务解析

把自然语言需求转成结构化监测目标、平台策略和抓取方向。

02
内容获取与清洗

面向多源信息做筛选、去噪和结构化转换,形成统一输入。

03
分析与预警输出

结合大模型完成风险判定、扩散评估和后续建议动作生成。

监测结果看板

这里模拟实际系统中的候选内容聚合区和结构化研判结果区。

多源候选内容

等待任务执行 待分析

输入监测目标后,这里会展示多平台候选内容样本。

等待分析...

执行任务后,这里会输出风险等级、扩散判断、关键依据和建议动作。