# InsightAI Dashboard：多智能体驱动的AI研究助手与报告生成平台 > InsightAI Dashboard 是一个基于多智能体工作流的专业报告生成平台，通过研究、检索、分析、写作四个阶段的自动化流程，结合RAG文档问答、混合搜索和结构化输出技术，为用户提供端到端的AI辅助研究体验。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-17T12:16:10.000Z - 最近活动: 2026-05-17T12:25:38.689Z - 热度: 159.8 - 关键词: 多智能体, RAG, 报告生成, AI研究, Next.js, PostgreSQL, 向量搜索, 工作流自动化 - 页面链接: https://www.zingnex.cn/forum/thread/insightai-dashboard-ai - Canonical: https://www.zingnex.cn/forum/thread/insightai-dashboard-ai - Markdown 来源: ingested_event --- ## 项目概述：从研究到报告的全自动化\n\n在信息爆炸的时代，研究人员、分析师和知识工作者面临着一个共同的挑战：如何高效地将海量信息转化为结构化的专业报告。传统的研究流程涉及多个环节——搜索资料、阅读文献、提取要点、整理分析、撰写成文——每个环节都耗时费力。\n\nInsightAI Dashboard 正是为解决这一问题而设计的全自动化研究平台。它采用多智能体（Multi-Agent）架构，将研究流程分解为四个阶段：网络研究、文档检索、洞察分析和结构化写作。每个阶段由专门的AI代理负责，通过状态机协调工作流，最终生成包含引用来源的专业报告。这种设计不仅大幅提升了研究效率，还确保了报告的质量和可追溯性。\n\n## 四阶段工作流：状态机驱动的自动化流程\n\nInsightAI Dashboard 的核心创新在于其轻量级状态机驱动的工作流设计。整个报告生成过程被建模为一个状态转换系统：\n\n```\n空闲 → 研究中 → 检索中 → 分析中 → 写作中 → 完成\n```\n\n每个状态对应一个专门的AI代理，负责特定的子任务：\n\n### 研究阶段（Research Agent）\n\n研究代理负责从互联网收集相关信息。它支持多搜索引擎并行查询（DuckDuckGo、百度、SerpAPI、Google），确保在全球范围内获取全面的信息覆盖。对于无法直接访问Google的地区（如中国大陆），系统会自动回退到百度等本地搜索引擎。\n\n获取搜索结果后，代理使用Cheerio进行网页内容抓取，提取页面的核心文本内容。这一步骤过滤掉了导航栏、广告、页脚等无关元素，只保留与主题相关的正文内容。\n\n### 检索阶段（Retrieval Agent）\n\n如果用户上传了参考文档，检索代理会执行RAG（检索增强生成）搜索。系统采用混合搜索策略，结合向量相似度（pgvector余弦相似度）和BM25全文检索，通过RRF（倒数排序融合）算法合并结果。\n\n混合搜索的优势在于：向量检索擅长捕捉语义相关性，而BM25擅长匹配关键词。两者的结合既保证了召回率，又提高了精确度。检索结果还会经过MMR（最大边际相关性）重排序，确保返回的文档片段既相关又多样化，避免冗余。\n\n### 分析阶段（Analysis Agent）\n\n分析代理负责从收集的信息中提取洞察，并生成图表数据。它使用LLM自动识别数据趋势、对比关系、因果关系等分析维度，并生成适合可视化的结构化数据。\n\n这一阶段的输出不仅包括文本分析，还包括图表配置（如柱状图、折线图、饼图的数据和标签），为后续报告的可视化呈现做准备。\n\n### 写作阶段（Writing Agent）\n\n写作代理将前三个阶段积累的信息整合成最终的报告。它使用Vercel AI SDK的generateObject功能，通过Zod模式验证生成结构化的报告对象。\n\n报告结构包括：标题、摘要、目录、各章节内容、数据图表、引用来源等。每个事实陈述都附带引用标记，指向其在网络或文档中的来源，确保报告的可验证性。\n\n## 技术架构：现代Web技术栈\n\nInsightAI Dashboard 基于现代Web技术栈构建，兼顾开发效率和运行性能：\n\n### 前端：Next.js + TypeScript + Tailwind CSS\n\n项目使用Next.js 14的App Router，结合React Server Components实现高效的服务端渲染。TypeScript提供类型安全，Tailwind CSS实现快速样式开发，shadcn/ui组件库提供一致的设计语言。\n\n界面支持深色模式，采用响应式设计，在桌面和移动设备上都能良好运行。SSE（Server-Sent Events）技术实现实时进度推送，用户可以在报告生成过程中看到每个阶段的执行状态。\n\n### 后端：Prisma + PostgreSQL + pgvector\n\n数据层使用Prisma ORM与PostgreSQL交互，schema定义了用户、项目、文档、报告、模板、引用、使用记录、订阅、会话等实体关系。pgvector扩展提供向量存储和相似度搜索能力，支撑RAG功能的核心需求。\n\n### AI集成：Vercel AI SDK + OpenAI兼容API\n\n项目使用Vercel AI SDK统一处理AI交互，支持工具调用（Tool Calling）、结构化输出（Structured Output）和流式响应（Streaming）。底层兼容任何OpenAI API格式的服务，默认推荐阿里云的DashScope（适合中国用户）。\n\n这种设计使项目具有灵活的模型选择能力——可以使用GPT-4、Claude、通义千问等各种模型，只需配置不同的API端点和密钥。\n\n## RAG文档问答：知识库的智能检索\n\n除了报告生成，平台还提供文档问答功能，用户可以上传PDF、DOCX、TXT等格式的文档，与AI进行基于文档内容的对话。\n\n### 智能分块策略\n\n文档处理采用Markdown感知分块算法，将文档分割为800-1500字符的片段，同时保留标题层级信息。这种设计确保：\n\n- 片段大小适中，既包含足够的上下文信息，又不会超出LLM的上下文窗口限制\n- 标题层级被编码到片段元数据中，帮助检索时理解文档结构\n- 代码块、表格等特殊结构被完整保留，不会被错误分割\n\n### 多轮对话支持\n\n系统支持多轮对话，使用LLM进行查询重写，结合对话历史理解用户的后续问题。例如，用户先问"公司的营收是多少"，再问"利润率呢"，系统能理解第二个问题指的是公司的利润率，而不需要用户重复主语。\n\n## 项目管理：知识库的组织与复用\n\n平台引入"项目"概念作为独立的知识库单元。每个项目可以：\n\n- 关联多个文档，形成领域特定的知识集合\n- 生成多份报告，基于同一知识库的不同角度分析\n- 统计文档数量、报告数量、存储使用量\n- 配置项目特定的设置和模板\n\n这种设计使平台可以服务于多个并行的研究任务，而不会混淆不同项目的上下文。\n\n## 订阅与计费：三级套餐设计\n\n平台采用SaaS商业模式，提供三级订阅计划：\n\n**免费版**：基础功能，有限的token配额，适合个人试用\n\n**专业版**：更高的token限额，优先API响应，适合专业研究者\n\n**团队版**：团队协作功能，共享项目空间，管理后台，适合企业用户\n\n计费系统基于实际token使用量，通过Stripe实现支付和订阅管理。Webhook接收支付事件，实时更新用户的订阅状态和使用配额。\n\n## 视频转字幕：多模态能力的扩展\n\n除了文本处理，平台还提供视频转字幕功能。用户上传视频文件后，系统自动提取音频并生成字幕文本，支持查看和导出。这一功能扩展了平台处理多模态内容的能力，使视频资料也能纳入研究范围。\n\n## 部署与扩展性\n\n项目提供多种部署选项：\n\n**本地开发**：使用npm run dev启动，需要外部PostgreSQL数据库\n\n**Docker部署**：提供完整的Docker Compose配置，一键启动PostgreSQL + pgvector + 应用服务\n\n**云部署**：支持Vercel、Railway等现代云平台的部署模式\n\n技术架构的模块化设计使系统易于扩展：\n\n- 新增搜索引擎只需实现统一的搜索接口\n- 新增文档格式支持只需添加对应的解析器\n- 新增报告模板只需定义Zod schema和渲染逻辑\n- 新增AI模型只需配置OpenAI兼容的API端点\n\n## 应用场景\n\nInsightAI Dashboard 适用于多种研究和报告场景：\n\n**商业分析**：市场趋势研究、竞品分析、行业报告生成\n\n**学术研究**：文献综述、课题调研、参考资料整理\n\n**技术调研**：技术选型分析、框架对比、最佳实践总结\n\n**投资研究**：公司基本面分析、行业研究、尽职调查报告\n\n**内容创作**：深度文章、白皮书、专题报告的快速生成\n\n## 技术亮点与创新\n\n**工作流编排**：轻量级状态机设计，既保证了流程的可靠性，又避免了重量级工作流引擎的复杂性。\n\n**混合检索**：向量+关键词的混合搜索策略，在RAG系统中实现了较高的检索质量。\n\n**结构化输出**：使用Zod模式验证的生成对象，确保AI输出符合预期的数据结构，便于后续处理和渲染。\n\n**引用追踪**：自动提取和验证引用来源，解决了AI生成内容可信度的问题。\n\n**多格式导出**：支持Markdown、Word（DOCX）、PDF等多种格式导出，满足不同场景的交付需求。\n\n## 结语：AI辅助研究的未来\n\nInsightAI Dashboard 代表了AI辅助研究工具的发展方向——不是简单地将搜索和写作自动化，而是构建一个端到端的智能工作流，让每个环节都能发挥AI和人类各自的优势。AI负责信息收集、初步分析和草稿生成，人类负责方向把控、质量审核和深度思考。\n\n这种协作模式既提升了研究效率，又保证了输出质量。随着LLM能力的不断提升和多智能体技术的成熟，我们可以期待这类工具在未来发挥更大的价值，帮助知识工作者从繁琐的信息处理中解放出来，专注于更有创造性的思考。\n\n项目代码开源在GitHub，采用MIT许可证，欢迎开发者学习和贡献。