吉康环境 · AI 智能市场推广创作工作流

面向广东吉康环境系统科技有限公司(低温除湿干化领域)的多智能体公众号推文自动创作系统。基于 claude-agent-sdk 构建：按发布计划定时触发，自动抓取行业新闻/政策/技术动态，结合内部知识库做 RAG 检索，生成图文并茂的公众号推文草稿，并自动做质量评估与修改建议。CLI + rich TUI。

需求： 场景介绍： 广东吉康环境系统科技有限公司专注于低温除湿干化领域，需持续通过公众号推文形式进行市场推广。传统人工创作效率低、信息更新滞后，且难以兼顾品牌调性与内容多样性。现需构建一套完整的AI智能创作工作流，能够根据企业市场推广计划，自动识别内容类型（事件/技术/政策）、规划发布节奏，并主动抓取外部最新行业资讯、政策动态及技术进展，结合企业内部知识库，在规定时间节点自动生成高质量的推广内容，显著提升内容专业度、创新度及产出效率。 目标： 构建一套完整的AI智能市场推广工作流，核心功能包括：
1.支持按主题、时间节点设定发布计划，自动拆分任务并触发后续生成流程。
2.支持根据用户输入的主题或关键词，自动从互联网抓取相关行业新闻、政策、技术动态等信息，并进行去重与关键信息提取。
3.自动生成适配公众号发布的图文推文（含标题、正文、配图建议）
4.生成后可对内容的可读性、专业性进行基础评估，并提供修改建议。   技术考点:   1.外部信息抓取与处理：实现网络爬虫或API调用，对抓取内容进行去重、摘要和结构化提取。 2.RAG检索增强生成：结合内部知识库与外部抓取信息，实现精准内容生成。 3.提示词工程：设计高效提示词模板，引导大模型生成符合要求的结构化内容。 4.工作流设计：构建内容生成工作流（单智能体或多智能体协作），实现从信息采集到内容生成的自动化流程。 5.定时任务调度与自动触发技术：实现规定时间节点精准生成推文   性能指标：  

1. 内容生成质量：技术术语准确率≥95%；标题与推广主题关联性强，正文逻辑连贯、层次清晰。 2.整体工作流效率：从设定发布计划到输出带评估结果的推文，全流程耗时 ≤30 分钟。 3.信息源覆盖：外部信息抓取覆盖主流行业网站、政策发布平台≥5个。 4.定时准确性：按规定时间节点自动生成推文的触发准确率≥98%（无延迟 / 漏触发）   关键提示词： AI数据获取、多模态数据整合、模板设计和应用、调度自动化

架构

五个独立 agent(各自独立 ClaudeSDKClient，全部 [REDACTED])，由一层纯 Python 流水线按顺序驱动，agent 间以结构化 JSON 交接：

用户/定时 → 调度Agent(解析计划/拆任务/判类型/规划节奏)
                    │
   ┌────────────────▼─────────────────────────────────┐
   │  ① 采集Agent → ② 检索Agent → ③ 生产Agent → ④ 复核Agent │
   └────────────────┬─────────────────────────────────┘
                    ▼   data/outputs/<时间>-<主题>.md (推文 + 评估报告)
              rich TUI 全程实时渲染

Agent	职责	工具
调度 dispatcher	解析推广计划、判定内容类型(事件/技术/政策)、规划节奏、拆任务	纯推理
采集 collector	抓取行业网站资讯，去重、结构化提取	httpx 静态抓取 + 官方 Playwright MCP(JS 站)
检索 retriever	外部资讯 + 内部知识库入向量库，RAG 语义检索	向量库工具
生产 producer	产出标题/正文/配图建议(markdown)	品牌读取 + 草稿保存
复核 reviewer	评估可读性/专业性/术语准确率，给修改建议	品牌读取 + 报告保存

目录结构

promoflow/
  cli.py            # 命令行入口(ingest/generate/plan/run/sources)
  config.py         # 配置加载(settings.toml + .env)
  models.py         # 跨 agent 结构化数据契约(Pydantic)
  orchestrator.py   # 流水线编排 + 计时 + 修订回环
  planner.py        # 调度: 计划解析/持久化
  scheduler.py      # APScheduler 定时触发
  tui.py            # rich.Live 仪表盘
  web/              # Web GUI(纯标准库 http.server + SSE): server.py + static/ 前端
  agents/           # AgentRunner + 五个 agent 工厂 + prompt 模板
  tools/            # SDK 自定义工具(抓取/RAG/IO), 进程内 MCP server
  rag/              # 纯 Python 向量库(SQLite+余弦) + embedding 客户端 + 切块
  security/         # 抓取内容注入过滤(sanitize)
  utils/            # 事件总线(agent→TUI)
config/             # settings.toml / sources.yaml / brand.md
data/               # knowledge_base(内部知识) / cache / outputs / 向量库
tests/              # 离线单元测试

复用其他需求时，通用 core(agents/base、rag/*、scheduler、tui、orchestrator)不动，只改 config/(源/品牌/参数)与 agents/prompts/。

安装

python -m venv venv && source venv/bin/activate     # 已有 venv 可跳过
pip install -r requirements.txt
playwright install chromium                          # JS 站抓取用的浏览器内核(~150MB)

Playwright MCP 通过 npx @playwright/mcp 拉起，需已安装 Node(项目环境已具备)。

配置

复制 .env.example 为 .env 并填写：

ANTHROPIC_API_KEY=            # 已用 `claude` CLI 登录可留空
EMBEDDING_API_KEY=sk-...      # RAG embedding, OpenAI 兼容格式
EMBEDDING_BASE_URL=https://api.openai.com/v1   # 可自定义(兼容代理/本地部署)
EMBEDDING_MODEL=text-embedding-3-small

模型、chunk、阈值、耗时预算等见 config/settings.toml；采集源见 config/sources.yaml；品牌调性与术语表见 config/brand.md。

使用

# 1. 初始化内部知识库向量索引(把企业资料放到 data/knowledge_base/)
python -m promoflow ingest

# 2. 立即生成一篇推文(端到端: 采集→检索→生产→复核)
python -m promoflow generate --topic "低温除湿干化污泥处理" --type 技术 --keywords "热泵,含水率,污泥资源化"

# 3. 录入含定时的发布计划(调度 agent 解析自然语言)
python -m promoflow plan "每周一上午9点发一篇低温除湿干化的技术推文"

# 4. 常驻运行, 按计划 cron 定时触发
python -m promoflow run

# 查看采集源
python -m promoflow sources

# 5. 启动 Web GUI(浏览器图形界面): 发起生成/录入计划/浏览产出/查看采集源
python -m promoflow gui                    # 默认 http://127.0.0.1:8787, 自动开浏览器
python -m promoflow gui --port 9000 --no-browser

Web GUI

gui 子命令启动一个纯标准库(http.server + SSE, 零新增依赖)的本地网页界面, 复用既有 Orchestrator/LogBus/parse_plan, 不改动任何 core 模块:

• 生成: 填写主题/类型/关键词, 一键端到端跑流水线; 5 阶段进度、agent 实时输出、成本/耗时/tokens 经 SSE 实时推送; 完成后渲染推文正文 + 评估评分卡。
• 计划: 自然语言录入发布计划, 由调度 agent 解析为结构化任务并持久化; 查看已保存计划。
• 产出: 浏览 data/outputs/ 历史产物, 点击即渲染 markdown 预览。
• 采集源: 查看 sources.yaml 清单, 一键重建知识库向量索引。

安全: 服务默认仅监听 127.0.0.1 本地回环、无鉴权(单机工具设计)。如需局域网访问可 --host 0.0.0.0, 但请自行确保网络边界安全, 切勿直接暴露到公网。

产出落在 data/outputs/<时间>-<主题>.md，含推文正文、配图建议、引用来源与评估报告。加 --plain 可关闭 TUI 走纯文本日志。

性能指标对齐

• 术语准确率 ≥95%: brand.md 术语表 + 生产强约束"仅用检索事实" + 复核术语核对与修订回环。
• 全流程 ≤30min: orchestrator 计时，缓存去重，修订轮次上限，TUI 显示耗时预算。
• 信息源 ≥5: 一期 6 个已验证真实源(生态环境部/中国水网/中国固废网/环保在线/中国环境网/北极星)。
• 触发准确率 ≥98%: APScheduler 常驻 + misfire 补偿 + coalesce。

安全说明

所有外部抓取内容一律视为不可信数据，进入 LLM 前经 security/sanitize 过滤(剥离脚本/隐藏元素、中和提示词注入指令)、并在 orchestrator 二次清洗。开发期实测中曾遭遇搜索结果投毒(伪造指令注入)，故此为硬性设计。

测试

pytest -q          # 离线单元测试(向量检索/切块/注入过滤/JSON解析)