# 首席情报官（Wiseflow） **[English](README.md) | [日本語](README_JP.md) | [Français](README_FR.md) | [Deutsch](README_DE.md)** **首席情报官**（Wiseflow）是一个敏捷的信息挖掘工具，可以从网站、微信公众号、社交平台等各种信息源中按设定的关注点提炼讯息，自动做标签归类并上传数据库。 --- SiliconFlow官宣Qwen2-7B-Instruct、glm-4-9b-chat等数款LLM在线推理服务即日起免费，这意味着您可以“零成本”使用首席情报官进行信息挖掘啦！ --- 我们缺的其实不是信息，我们需要的是从海量信息中过滤噪音，从而让有价值的信息显露出来！ 看看首席情报官是如何帮您节省时间，过滤无关信息，并整理关注要点的吧！ https://github.com/TeamWiseFlow/wiseflow/assets/96130569/bd4b2091-c02d-4457-9ec6-c072d8ddfb16 sample.png ## 🔥 V0.3.0 重大更新 - ✅ 全新改写的通用网页内容解析器，综合使用统计学习（依赖开源项目GNE）和LLM，适配90%以上的新闻页面； - ✅ 全新的异步任务架构； - ✅ 全新的信息提取和标签分类策略，更精准、更细腻，且只需使用9B大小的LLM就可完美执行任务！ ## 🌟 功能特色 - 🚀 **原生 LLM 应用** 我们精心选择了最适合的 7B~9B 开源模型，最大化降低使用成本，且利于数据敏感用户随时完全切换至本地部署。 - 🌱 **轻量化设计** 不用任何向量模型，系统开销很小，无需 GPU，适合任何硬件环境。 - 🗃️ **智能信息提取和分类** 从各种信息源中自动提取信息，并根据用户关注点进行标签化和分类管理。 😄 **WiseFlow尤其擅长从微信公众号文章中提取信息**，为此我们配置了mp article专属解析器！ - 🌍 **可以被整合至任意Agent项目** 可以作为任意 Agent 项目的动态知识库，无需了解wiseflow的代码，只需要与数据库进行读取操作即可！ - 📦 **流行的 Pocketbase 数据库** 数据库和界面使用 PocketBase，除了 Web 界面外，目前已有 Go/Javascript/Python 等语言的SDK。 - Go : https://pocketbase.io/docs/go-overview/ - Javascript : https://pocketbase.io/docs/js-overview/ - python : https://github.com/vaphes/pocketbase ## 🔄 wiseflow 与常见的爬虫工具、LLM-Agent类项目有何不同与关联？ | 特点 | 首席情报官（Wiseflow） | Crawler / Scraper | LLM-Agent | |-------------|-----------------|---------------------------------------|----------------------| | **主要解决的问题** | 数据处理（筛选、提炼、贴标签） | 原始数据获取 | 下游应用 | | **关联** | | 可以集成至WiseFlow，使wiseflow具有更强大的原始数据获取能力 | 可以集成WiseFlow，作为动态知识库 | ## 📥 安装与使用 首席情报官对于硬件基本无要求，系统开销很小，无需独立显卡和CUDA（使用在线LLM服务的情况下） 1. **克隆代码仓库** 😄 点赞、fork是好习惯 ```bash git clone https://github.com/TeamWiseFlow/wiseflow.git cd wiseflow ``` 2. **强烈推荐使用docker 运行** **中国区用户使用前请合理配置网络，或者指定docker hub镜像** ```bash docker compose up ``` 可按需修改`compose.yaml` **注意：** - 在wiseflow代码仓根目录下运行上述命令； - 运行前先创建并编辑.env文件放置在Dockerfile同级目录（wiseflow代码仓根目录），.env文件可以参考env_sample - 第一次运行docker container时会遇到报错，这其实是正常现象，因为你尚未为pb仓库创建admin账号。 此时请保持container不关闭状态，浏览器打开`http://127.0.0.1:8090/_/ `，按提示创建admin账号（一定要使用邮箱），然后将创建的admin邮箱（再次强调，一定要用邮箱）和密码填入.env文件，重启container即可。 _如您想更改container的时区和语言【会决定prompt语言选择，但实测对呈现结果影响不大】，使用如下命令运行image_ ```bash docker run -e LANG=zh_CN.UTF-8 -e LC_CTYPE=zh_CN.UTF-8 your_image ``` 3. **【备选】直接使用python运行** ```bash conda create -n wiseflow python=3.10 conda activate wiseflow cd core pip install -r requirements.txt ``` 之后可以参考core/scripts 中的脚本分别启动pb、task和backend （将脚本文件移动到core目录下） 注意： - 一定要先启动pb，task和backend是独立进程，先后顺序无所谓，也可以按需求只启动其中一个； - 需要先去这里 https://pocketbase.io/docs/ 下载对应自己设备的pocketbase客户端，并放置在 /core/pb 目录下 - pb运行问题（包括首次运行报错等）参考 [core/pb/README.md](/core/pb/README.md) - 使用前请创建并编辑.env文件，放置在wiseflow代码仓根目录（core目录的上级），.env文件可以参考env_sample，详细配置说明见下 📚 for developer， see [/core/README.md](/core/README.md) for more 通过 pocketbase 访问获取的数据： - http://127.0.0.1:8090/_/ - Admin dashboard UI - http://127.0.0.1:8090/api/ - REST API 4. **配置** 复制目录下的env_sample，并改名为.env, 参考如下 填入你的配置信息（LLM服务token等） **windows用户可以直接在 “开始 - 设置 - 系统 - 关于 - 高级系统设置 - 环境变量“ 中设置如下项目，设置后需要重启终端生效** - LLM_API_KEY # 大模型推理服务API KEY - LLM_API_BASE # 本项目依赖openai sdk，只要模型服务支持openai接口，就可以通过配置该项正常使用，如使用openai服务，删除这一项即可 - WS_LOG="verbose" # 设定是否开始debug观察，如无需要，删除即可 - GET_INFO_MODEL # 信息提炼与标签匹配任务模型，默认为 gpt-3.5-turbo - REWRITE_MODEL # 近似信息合并改写任务模型，默认为 gpt-3.5-turbo - HTML_PARSE_MODEL # 网页解析模型（GNE算法效果不佳时智能启用），默认为 gpt-3.5-turbo - PROJECT_DIR # 数据、缓存以及日志文件存储位置，相对于代码仓的相对路径，默认不填就在代码仓 - PB_API_AUTH='email|password' # pb数据库admin的邮箱和密码（注意一定是邮箱，可以是虚构的邮箱） - PB_API_BASE # 正常使用无需这一项，只有当你不使用默认的pocketbase本地接口（8090）时才需要 5. **模型推荐** 经过反复测试（中英文任务），综合效果和价格，**GET_INFO_MODEL**、**REWRITE_MODEL**、**HTML_PARSE_MODEL** 三项我们分别推荐 **"zhipuai/glm4-9B-chat"**、**"alibaba/Qwen2-7B-Instruct"**、**"alibaba/Qwen2-7B-Instruct"** 它们可以非常好的适配本项目，指令遵循稳定且生成效果优秀，本项目相关的prompt也是针对这三个模型进行的优化。（**HTML_PARSE_MODEL** 也可以使用 **"01-ai/Yi-1.5-9B-Chat"**，实测效果也非常棒） ⚠️ 同时强烈推荐使用 **SiliconFlow** 的在线推理服务，更低的价格、更快的速度、更高的免费额度！⚠️ SiliconFlow 在线推理服务兼容openai SDK，并同时提供上述三个模型的开源服务，仅需配置 LLM_API_BASE 为 "https://api.siliconflow.cn/v1" ，并配置 LLM_API_KEY 即可使用。 😄 或者您愿意使用我的[邀请链接](https://cloud.siliconflow.cn?referrer=clx6wrtca00045766ahvexw92)，这样我也可以获得更多token奖励 😄 6. **关注点和定时扫描信源添加** 启动程序后，打开pocketbase Admin dashboard UI (http://127.0.0.1:8090/_/) 6.1 打开 **tags表单** 通过这个表单可以指定你的关注点，LLM会按此提炼、过滤并分类信息。 tags 字段说明： - name, 关注点描述，**注意：要具体一些**，好的例子是：`中美竞争动向`，不好的例子是：`国际局势`。 - activated, 是否激活。如果关闭则会忽略该关注点，关闭后可再次开启。开启和关闭无需重启docker容器，会在下一次定时任务时更新。 6.2 打开 **sites表单** 通过这个表单可以指定自定义信源，系统会启动后台定时任务，在本地执行信源扫描、解析和分析。 sites 字段说明： - url, 信源的url，信源无需给定具体文章页面，给文章列表页面即可。 - per_hours, 扫描频率，单位为小时，类型为整数（1~24范围，我们建议扫描频次不要超过一天一次，即设定为24） - activated, 是否激活。如果关闭则会忽略该信源，关闭后可再次开启。开启和关闭无需重启docker容器，会在下一次定时任务时更新。 7. **本地部署** 如您所见，本项目使用7b\9b大小的LLM，且无需任何向量模型，这就意味着仅仅需要一块3090RTX（24G显存）就可以完全的对本项目进行本地化部署。 请保证您的本地化部署LLM服务兼容openai SDK，并配置 LLM_API_BASE 即可 ## 🛡️ 许可协议 本项目基于 [Apache2.0](LICENSE) 开源。 商用以及定制合作，请联系 **Email：35252986@qq.com** - 商用客户请联系我们报备登记，产品承诺永远免费。 - 对于定制客户，我们会针对您的信源和业务需求提供如下服务： - 针对客户业务场景信源的专用爬虫和解析器 - 定制信息提取和分类策略 - 针对性llm推荐甚至微调服务 - 私有化部署服务 - UI界面定制 ## 📬 联系方式 有任何问题或建议，欢迎通过 [issue](https://github.com/TeamWiseFlow/wiseflow/issues) 与我们联系。 ## 🤝 本项目基于如下优秀的开源项目： - GeneralNewsExtractor （ General Extractor of News Web Page Body Based on Statistical Learning） https://github.com/GeneralNewsExtractor/GeneralNewsExtractor - json_repair（Repair invalid JSON documents ） https://github.com/josdejong/jsonrepair/tree/main - python-pocketbase (pocketBase client SDK for python) https://github.com/vaphes/pocketbase # Citation 如果您在相关工作中参考或引用了本项目的部分或全部，请注明如下信息： ``` Author：Wiseflow Team https://openi.pcl.ac.cn/wiseflow/wiseflow https://github.com/TeamWiseFlow/wiseflow Licensed under Apache2.0 ```