InsightHub

InsightHub — 知识库检索 技能 数据模型 表 说明 关键字段 origin_data 研报原始文档 doc_id, title, source_group, source_name, industry, company, published_at data_summary AI 摘要 doc_id, 性能分析, summary_title, summary_json(jsonb), summary_状态

关联：origin_data.doc_id = data_summary.doc_id 筛选：summary_状态 = 'AI' AND 性能分析 IN ('报告', 'news') 数据量：~12,000 条（研报 + 资讯）

架构 用户问题 ↓ 代理 硬规则判断触发 调用 搜索_报告s.py ├─ 优先：本地向量检索（embeddings/vectors.npy → 余弦相似度） └─ 降级：ILIKE 全文搜索（中文友好，标题/摘要命中加权） ↓ 返回两层结构： stats: 行业分布、来源机构分布、近30天数量 evidence: top-K 证据详情（标题、来源、日期、摘要、相关性分数） ↓ 代理 综合回答（带出处引用 + 数据统计）

索引文件结构 scripts/embeddings/ ├── manifest.json # 元信息：模型名、维度、数量、创建时间 ├── vectors.npy # 向量矩阵 (N x dim, float32) └── metadata.jsonl # 每行一条 JSON：doc_id, title, source, industry, ...

使用方式

零配置，即装即用。 所有数据库凭据和 API Key 已内置，到手后直接运行：

# 检索 python3 scripts/搜索_报告s.py "餐饮恢复"

# 重新构建索引（如果需要） python3 scripts/索引_报告s.py

环境变量（可选覆盖）

以下变量都有内置默认值，无需配置即可使用。如有特殊需要可通过环境变量覆盖：

变量 内置值 说明 TOP_K 10 返回证据数 SIM_THRESHOLD 0.35 向量相似度阈值 DAYS 30 统计近 N 天的数据 FORCE_RE索引 false 设为 true 时强制全量重建 索引_BATCH_SIZE 10 批量生成向量数 检索输出格式 { "查询": "餐饮恢复", "method": "vector", "stats": { "total_matched": 45, "selected_top": 10, "recent_30d": 23, "by_industry": { "餐饮": 15, "消费": 10, "宏观经济": 8, ... }, "by_source": { "海通国际": 8, "中信建投": 5, ... } }, "evidence": [ { "title": "中国必需消费行业：春节红利消退，餐饮链修复放缓", "summary_title": "春节红利消退，餐饮链修复放缓，分化加剧", "source_name": "海通国际", "source_group": "netdisk", "industry": "餐饮", "published_at": "2026-04-01", "score": 0.89 }, ... ] }

代理 使用指南 硬触发规则

以下类型的用户问题 必须 先调用 搜索_报告s.py，再用返回结果回答：

行业趋势类：「最近怎么看 XX 行业？」「消费恢复得怎么样？」「餐饮赛道前景」 市场分析类：「线下经济」「零售趋势」「未来方向」 赛道研究类：「预制菜」「人工智能」「新能源汽车」 研报查询类：「有没有关于 XX 的报告」「近期研报怎么看 XX」 观点统计类：「近期多家机构对 XX 的看法」「各机构观点对比」 数据佐证类：「有没有数据支持」「有研报依据吗」 调用方式 导入 subprocess, json 结果 = subprocess.运行( ["python3", "scripts/搜索_报告s.py", 查询], capture_输出=True, text=True, env={...环境变量...} ) data = json.loads(结果.stdout)

回答模板

有结果时：

先给出整体概览：

根据研报数据，近 30 天共有 {stats.recent_30d} 篇研报提到 [话题]，主要来自 {stats.by_source 的前 3 个} 等机构。行业分布上：{stats.by_industry 的前 3 个}。

然后分大节点展开，每个主题之间空一行，用 ## 或 ### 分隔：

📊 行业整体概况

关键数据

🏪 门店结构

💰 盈利情况

综合来看：[代理 综合判断]

无结果时：

知识库中暂未找到与「{话题}」直接相关的内容。

引用格式规则（必遵守）

当使用 搜索_报告s.py 结果回答用户时，必须采用以下引用公约：

正文标注： 在引用具体数据或观点处标注 [N]（即 [1]、[2] 的形式），N 从 1 开始编号。使用反引号（行内代码）使其显示为小号灰色字体

2025年餐饮收入增速降至 3.2%，为历史低位[1]。头部品牌门店扩张加速，万店以上品牌净增 6,534 家[2]。

文末来源表： 在回答末尾附上引用列表，每条包含标题（可点击链接）、发布机构和日期，来源编号也用反引号包起来

[1]: 餐饮边际复苏得验，可持续性高看 — 东吴证券，2026-03-11 [2]: 2026中国餐饮产业生态白皮书 — 红餐产业研究院，2026-03-01

去重规则： 同一篇研报（相同 doc_id）无论引用几次，只编号一次

URL 来源： 使用 evidence[].url 字段作为链接地址，优先 OSS 地址

增量索引 # 新增研报后，运行增量索引 python3 scripts/索引_报告s.py

# 如果模型或维度变了，强制全量 FORCE_RE索引=true python3 scripts/索引_报告s.py

注意事项 向量维度自动校验：检索时校验查询向量维度与索引一致，不一致则报错降级到全文搜索 不依赖 pgvector：向量在本地用 numpy 计算 全文搜索用 ILIKE：对中文更友好，按标题/摘要命中加权排序 第一次索引较慢：11,000 条约需数百次 API 调用，建议后台跑