# trendforge-v2

**Repository Path**: strange_touchannel/trendforge-v2

## Basic Information

- **Project Name**: trendforge-v2
- **Description**: 阿巴阿巴阿巴阿巴阿巴
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-10
- **Last Updated**: 2026-09-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# TrendForge V2 — AI Native 全球化内容供给引擎

> 把内容供给的关键流程交给 AI：信号捕捉、趋势研判、需求洞察、角度设计、素材寻找、生成、核查、审核、形态派生、分发策略。
> **人负责定义标准（市场档案 / Prompt 模板 / 评估 Rubric），AI 负责执行与进化。**

一个面向 **AI Native 内容智能体产品经理** 岗位的求职作品集项目。

## 为什么有 V2

V1 证明了"AI 能走完内容生产链路"（8-Agent 流水线 + RAG + Prompt Center）。
V2 回答的是更进一步的问题：**AI 能不能像一支内容团队一样，理解市场、做出判断、产出多形态内容、并在反馈中进化？**

| 维度 | V1 | V2 |
|------|----|----|
| 定位 | 内容生产流水线 | 内容供给引擎（Sense-Produce-Amplify-Evaluate） |
| 选题 | 一步选题 | 趋势研判 → 需求洞察 → 角度设计，判断显性化 |
| 市场理解 | 静态 config | MarketProfile 一等公民：文化语境/禁忌/平台生态进 Prompt、进审核 |
| 内容形态 | 图文为主 | FormatAdapter：一次生产 → 短视频脚本/摘要卡/快讯/评论引导 |
| 评估 | A/B 实验 | Rubric 5 维评分 + 消费指标 + FeedbackAnalyst 迭代建议 |
| 工程 | ChromaDB 40MB 镜像、prompt 内联 | 纯 Python BM25 零重依赖、模板文件化、路由分域 |

## 系统架构：四段式供给引擎

```
SENSE 感知      SignalScout → TrendAnalyst → AudienceInsight → AngleEditor
PRODUCE 生产    Researcher → Writer ⇄ FactChecker → Editor（revise 回退 ≤2 轮）
AMPLIFY 放大    FormatAdapter → Distributor
EVALUATE 进化   FeedbackAnalyst（离线：消费数据 → 评估报告 → 迭代建议）
```

- **拓扑固定，行为可配**：链路顺序是领域最佳实践，不做可拖拽 DAG；可配的是 Prompt 模板、市场档案、Rubric。这是有意的工程判断，不是偷懒。
- **判断显性化**：每个 Agent 产出 `_decision`（为什么这么做），全链路决策日志 + 每步 span（token/耗时/状态）在 Trace 页可复盘。
- **事实可溯源**：LLM 不联网，知识库是唯一事实来源；Writer 强制 `[ev_xxx]` 引用，FactChecker 独立核查。
- **人机分工**：FeedbackAnalyst 只产出建议给人，不自动改系统——人定义标准，AI 提供依据。

## 快速开始

```bash
cd src
pip install -r requirements.txt
export DEEPSEEK_API_KEY=<your key>   # 不配置也能跑（全链路规则兜底降级）

python main.py seed          # 初始化：5 市场档案 + 28 篇 KB + 11 个 Prompt 模板
python main.py serve         # http://localhost:8000/docs
python main.py run JP        # 端到端跑一次日本市场供给
python main.py simulate      # 模拟消费事件（反馈闭环演示）
```

前端控制台：`ui/`（静态，默认连线上 API；本地开发把 `ui/console/assets/api.js` 的 API_BASE 指向 localhost:8000）。

## 关键设计文档

- [docs/PRD.md](docs/PRD.md) — 产品定位、四段式架构、功能范围、设计原则
- [docs/AGENT_DESIGN.md](docs/AGENT_DESIGN.md) — 11 个 Agent 的输入/输出/判断/降级规格
- [docs/DATA_MODEL.md](docs/DATA_MODEL.md) — 数据模型、API、检索方案取舍

## 技术栈与取舍

| 层 | 选型 | 为什么 |
|----|------|--------|
| API | FastAPI + SQLAlchemy async + SQLite | 单进程可跑，求职 Demo 零运维 |
| 检索 | 纯 Python BM25（<100 行） | V1 的 ChromaDB+MiniLM 让镜像 40MB、编译重；Demo 规模 BM25 足够，接口可插拔 |
| LLM | DeepSeek（OpenAI 兼容抽象） | 推理模型输出长，默认 max_tokens 8000 + JSON 截断修复 |
| 可靠性 | 异步 Job + 结果缓存 + 逐级降级 | 任何 Agent 失败走规则兜底，主链路永不裸 500；缓存命中秒开零额度 |

## 项目结构

```
v2_trendforge/
├── docs/                  # PRD / Agent 设计 / 数据模型
├── src/
│   ├── app/
│   │   ├── agents/        # 11 个 Agent + base（RunContext/决策日志/降级/ev清洗）
│   │   ├── workflow/      # 固定拓扑编排器（Editor 回退循环）
│   │   ├── rag/           # BM25 + KB 灌库 + 检索
│   │   ├── prompts/       # 模板文件化（templates/*.md）
│   │   ├── api/           # FastAPI 分域路由
│   │   ├── data/          # 市场档案 markets.json + KB 28 篇
│   │   └── simulator.py   # 消费事件模拟（反馈闭环）
│   ├── main.py            # seed / serve / run / simulate
│   └── Dockerfile
├── ui/                    # 门户 + 运营控制台（原生 JS，MVP 版）
└── render.yaml            # 后端 Docker + 前端静态站
```

## 求职叙事要点

1. **业务闭环，不是技术 Demo**：信号→选题→角度→生产→审核→形态→分发→反馈→迭代建议，全链路有数据、有决策日志、有评估。
2. **人定义标准的三个载体**：市场档案（markets.json）、Prompt 模板（templates/）、评估 Rubric（editor.md）——对应"人负责定义标准、设计系统、判断关键方向"。
3. **有取舍的架构**：固定拓扑 vs DAG、BM25 vs 向量库、FeedbackAnalyst 只建议不自动改——每个"不做"都有理由。