新增Web端

.env.example

@@ -66,11 +66,6 @@
 # SONA_WEIBO_AISEARCH_REFER=weibo_aisearch
 # SONA_REFERENCE_FETCH_TIMEOUT_SEC=12
 # SONA_WEIBO_AISEARCH_PLAYWRIGHT_FALLBACK=true
-# 是否输出 structured（叙事分槽 + report_bridge，供 report_html 与 wiki RAG 对齐模板）
-# SONA_WEIBO_AISEARCH_STRUCTURE=true
-# 每槽最多条数、写入 structured 的单条最大字符
-# SONA_WEIBO_AISEARCH_SLOT_EACH=8
-# SONA_WEIBO_AISEARCH_SNIPPET_IN_STRUCTURE=240
 
 # -----------------------------------------------------------------------------
 # 五、/wiki 知识库与 RAG（workflow/wiki_cli、workflow/wiki_rag）
@@ -91,9 +86,6 @@
 # RAG 合成温度、注入微博文本最大字符数
 # SONA_WIKI_LLM_TEMPERATURE=0.25
 # SONA_WIKI_WEIBO_MAX_CHARS=3500
-# 是否在 wiki 智搜附录中附带「叙事分槽」索引块（与 HTML 模板占位符对齐）
-# SONA_WIKI_WEIBO_STRUCTURE_IN_AUX=true
-# SONA_WIKI_WEIBO_STRUCTURE_MAX_CHARS=1600
 
 # 半自动回流：高价值回答自动写入 wiki/output/_candidates（不自动入正式 output）
 # SONA_WIKI_OUTPUT_CANDIDATE_ENABLED=true
@@ -120,27 +112,64 @@
 # SONA_DEBUG_LOG_PATH=
 
 # Graph RAG / Neo4j（可选）
-# SONA_NEO4J_URI=bolt://127.0.0.1:7687
+# SONA_NEO4J_URI=neo4j://127.0.0.1:7687
 # SONA_NEO4J_USER=neo4j
 # SONA_NEO4J_PASSWORD=
 # SONA_NEO4J_DATABASE=
 # SONA_ENABLE_GRAPH_RAG=auto
 
+# Wiki 熊猫/大熊猫图谱问答（可选；与上方 Graph RAG 的 SONA_NEO4J_* 独立）
+# SONA_WIKI_NEO4J_PRIORITY=1
+# NEO4J_URI=bolt://127.0.0.1:7687
+# NEO4J_USERNAME=neo4j
+# NEO4J_PASSWORD=
+# NEO4J_DATABASE=neo4j
+
+# 专题监测本地 SQLite（默认启用；设 0 时使用内存 demo/test store）
+# SONA_TOPIC_MONITOR_SQLITE=1
+
 # -----------------------------------------------------------------------------
 # 八、热点 / 多引擎（tools/hottopics、utils/hot_topics_env 等，按需）
 # -----------------------------------------------------------------------------
 
+# 热点事件簇领域标注：默认允许使用 LLM 批量标注；设 0 则只用关键词规则
+# HOT_DOMAIN_USE_LLM=1
+
 # INSIGHT_ENGINE_API_KEY=
 # INSIGHT_ENGINE_BASE_URL=
 # INSIGHT_ENGINE_MODEL_NAME=
+# 热点流程通义默认：https://dashscope.aliyuncs.com/compatible-mode/v1（与 model.yaml 一致）
+# 若 .env 中仍有旧版 baseurl=https://coding.dashscope.aliyuncs.com/v1 会被自动改写，建议删除该行
+
+# 情感分析默认不复用 CSV 情感列；设 1 才允许列兜底/质量保护回退
+# SONA_SENTIMENT_ALLOW_COLUMN_FALLBACK=0
 
 # QUERY_ENGINE_API_KEY=
 # QUERY_ENGINE_BASE_URL=
 # QUERY_ENGINE_MODEL_NAME=
+# 热点流程默认将 QUERY_* 与 INSIGHT_* 对齐；勿单独留错误的 QUERY key（否则 Forum 401 而 Insight 正常）。
+# 若需论坛与舆情分析使用不同模型，可设 HOT_TOPICS_QUERY_SEPARATE=1 并自行配置 QUERY_*。
+# 热点「事件聚类」领域：默认用 INSIGHT_ENGINE_* 对簇代表标题批量调用 qwen-plus 分领域；仅关键词规则可设 HOT_DOMAIN_USE_LLM=0
+# HOT_DOMAIN_USE_LLM=0
+# 聚类簇数量上限（25–100），减轻打满后「其他」大兜底簇：HOT_CLUSTER_MAX=55
+# HOT_CLUSTER_MAX=50
 
 # KIMI_BASE_URL=
 # KIMI_MODEL_NAME=
 
+# -----------------------------------------------------------------------------
+# 八点五、情感分析（事件分析 Step7，默认仅 LLM，不用 CSV 情感列兜底）
+# -----------------------------------------------------------------------------
+
+# 流水线调用 analysis_sentiment 的超时（秒），默认 600
+# SONA_SENTIMENT_TIMEOUT_SEC=600
+# 工具内 LLM 批处理总墙钟（秒），默认 600（应 ≤ 流水线超时）
+# SONA_SENTIMENT_MAX_WALLTIME_SEC=600
+# 默认 1：强制走大模型；设为 0 且下方 ALLOW_COLUMN_FALLBACK=1 时才可回退 CSV 列
+# SONA_SENTIMENT_FORCE_LLM=1
+# 设为 1 才允许复用 CSV「情感」列或在 LLM 失败/质量保护时回退列统计（默认 0）
+# SONA_SENTIMENT_ALLOW_COLUMN_FALLBACK=0
+
 # -----------------------------------------------------------------------------
 # 九、代理（数据采集走代理时）
 # -----------------------------------------------------------------------------

.gitignore

@@ -21,6 +21,9 @@ share/python-wheels/
 .installed.cfg
 *.egg
 MANIFEST
+# 专题监测本地库
+data/topic_monitor_local.db
+
 .pytest_cache/
 .mypy_cache/
 .ruff_cache/
@@ -76,6 +79,14 @@ logs/
 *.log
 *.log.*
 
+# Frontend / Node
+node_modules/
+.next/
+out/
+frontend/node_modules/
+frontend/.next/
+frontend/out/
+
 # Eval artifacts
 eval_results/
 
@@ -89,6 +100,10 @@ sanbox/
 # Memory - 会话记忆
 memory/
 
+# Local SQLite app data
+data/*.db
+data/*.db-*
+
 # 热点流程产物（独立流程）
 data_langgraph/
 data_langgraph_hourly/
@@ -110,10 +125,11 @@ Desktop.ini
 *.bak
 *.swp
 *~
+cache/
 
 # 本地课程作业与知识库压缩包（不纳入版本库）
 期末报告-智能体修改-作业/
 opinion_analysis_kb.zip
 
 # 舆情知识库目录（体积大、本地维护；已从 Git 索引移除，不再推送到远端）
-opinion_analysis_kb/
+opinion_analysis_kb/

README.md

@@ -30,7 +30,7 @@
 - **🧠 垂类知识库增强**：支持控烟、健康、交通、大熊猫等领域包，并通过 `workflow/domain_routing.json` 自动注入优先证据
 - **🕸️ Graph RAG 可选增强**：通过 Neo4j Aura/本地 Neo4j 召回相似案例、理论框架和处置经验；连接失败时自动降级
 - **📚 案例库与专题监测**：完整报告可自动沉淀到 `opinion_analysis_kb/references/wiki/cases/`，并提供 `/case` 相似案例检索与 `/monitor` 专题快照/日报周报演示
-- **🧩 HTTP API 与轻量 GUI**：`sona serve` 提供 FastAPI 接口，`streamlit_app.py` 提供多页 Streamlit 查看器
+- **🧩 HTTP API 与轻量 GUI**：`sona serve` 提供 FastAPI；`frontend/` 提供 Next.js 分析工作台；`streamlit_app.py` 保留多页控制台
 - **📊 报告质量增强**：时间线证据/影响标签、情绪结构、四阶段行动清单、热点风险分级与案例候选输出
 
 ### 支持的模型提供商
@@ -366,7 +366,7 @@ sona serve --host 127.0.0.1 --port 8765
 - `/hot` - 运行独立的热点抓取与态势感知流程（可选参数：配置路径）
 - `/case` - 检索本地案例库，输出相似案例列表与横向对照
 - `/monitor` - 运行专题监测命令，支持创建专题、查看状态、生成日报/周报；未配置外部库时可运行内存演示
-- `/wiki` - 基于本地知识库（`opinion_analysis_kb/references/wiki/`）的问答，输出摘要与引用来源
+- `/wiki` - 基于本地知识库（`opinion_analysis_kb/references/wiki/`）的问答，输出摘要与引用来源；可通过环境变量 `SONA_WIKI_AUTO_COMPILE`、`SONA_WIKI_AUTO_COMPILE_ON_QUERY` 控制是否在写入专家研判或每次检索前自动把 `expert_notes/**/*.md` 增量编译进 `wiki/sources`（默认开启；`tests/conftest.py` 对 CI 关闭「检索前编译」）
 - `/wiki-approve` - 审核并回流高价值候选
 - `/clear` - 清除 memory 和 sandbox
 - `/exit` - 退出程序
@@ -382,18 +382,80 @@ sona serve --host 127.0.0.1 --port 8765
 # 探活
 curl http://127.0.0.1:8765/health
 
-# 终端 2：启动 Streamlit 多页 GUI（需安装 streamlit）
+# 终端 2A：启动 Next.js 前端（推荐）
+npm --prefix frontend install
+npm --prefix frontend run dev
+
+# 终端 2B：或启动 Streamlit 多页 GUI（保留入口）
 streamlit run streamlit_app.py
 ```
 
+Next.js 前端访问地址：`http://127.0.0.1:3000`。
+
+注意：`server.py` / `api.server:app` 不会由前端自动启动；必须先运行 `sona serve`。Next.js 只通过 BFF 代理访问后端 API。若后端端口不是 `8765`，在 `frontend/.env.local` 设置：
+
+```env
+SONA_API_BASE=http://127.0.0.1:8765
+```
+
+#### Next.js 分析工作台是什么
+
+`frontend/` 是 React + Next.js App Router 前端，页面只访问 `/api/sona/...`，由 Next.js Route Handler 代理到 `sona serve` 的 FastAPI。它支持：
+
+| 能力 | 对应 API |
+|------|----------|
+| 会话创建 / 恢复 | `POST /v1/chat/sessions`、`GET /v1/chat/sessions` |
+| 普通对话流式输出 | `POST /v1/chat/sessions/{task_id}/messages:stream` |
+| `/event` 事件分析 | `POST /v1/analyze-event` |
+| `/wiki` / `/wiki-approve` | `POST /v1/wiki/query`、`POST /v1/wiki/approve` |
+| `/case` 案例检索 | `POST /v1/cases/search` |
+| `/hot` 热点态势 | `POST /v1/hot/run` |
+| `/monitor` 专题监测 | `GET/POST /v1/monitor/...` |
+| `/models` / `/tools` | `GET /v1/models`、`GET /v1/tools` |
+
+`/set`、`/compress`、`/clear`、`/exit` 属于 CLI 管理或生命周期指令，前端 v1 不在聊天输入中执行。
+
+#### 分析员控制台（Streamlit）是什么
+
+多页 Streamlit **不是**「第二个舆情监测大屏」，而是给分析员用的 **控制台**：
+
+| 区域 | 作用 |
+|------|------|
+| **仪表盘**（`streamlit_app.py`） | 探活 `sona serve`、展示本 API 进程内最近任务、工作流速查与环境变量说明 |
+| **新建 / 报告 / 任务** | 走 `POST /v1/analyze-event` 与任务轮询（重操作，可能长时间同步） |
+| **案例 / 专题** | 演示案例检索、编辑 `config/topics.yaml` |
+| **经典会话** | 与 CLI 一致的对话界面，支持 `/hot`、`/wiki`、事件路由等 |
+
+UI 采用与 BettaFish「微舆」类似的 **高对比、硬边框** 风格；空状态与 API 离线有统一提示块。
+
+**仅跑控制台时的环境变量（常用）**
+
+| 变量 | 说明 |
+|------|------|
+| `API_BASE` | Streamlit 访问的 API 根地址，默认 `http://127.0.0.1:8765` |
+| `SONA_API_BASE` | Next.js BFF 访问的 FastAPI 根地址，默认 `http://127.0.0.1:8765` |
+| `SONA_API_CORS_ORIGINS` | API 的 CORS 白名单（见 `docs/api_design.md`） |
+| `.env` 内模型与采集 Key | 与 CLI 相同；缺省则事件分析或采集会失败 |
+
+知识库目录 `opinion_analysis_kb/` 若被 `.gitignore` 排除，克隆仓库后需按团队约定自行放入或从网盘恢复。
+
 主要 API：
 
 - `GET /health`：服务探活
+- `POST /v1/chat/sessions`：创建前端会话
+- `POST /v1/chat/sessions/{task_id}/messages:stream`：流式对话与自动路由
 - `POST /v1/analyze-event`：同步执行一次事件分析，返回 `task_id` 与报告路径
+- `POST /v1/wiki/query`、`POST /v1/cases/search`：知识库问答与案例检索
+- `POST /v1/hot/run`、`GET/POST /v1/monitor/...`：热点与专题监测
 - `GET /v1/tasks`：查看当前 API 进程内存中的任务
 - `GET /v1/tasks/{task_id}/report`：返回 HTML 报告
 
-更多约定见 `docs/api_design.md` 和 `docs/gui_decision.md`。
+更多约定见 `docs/api_design.md`、`docs/gui_decision.md` 和 `docs/frontend_next.md`。
+
+**控制台 / 新建任务常见问题**
+
+- **`WORKFLOW_ERROR` / `data_collect` / 微博 / `BrowserType.launch: Executable doesn't exist`**：未安装 Playwright 浏览器。在项目根执行 **`playwright install chromium`**（或 `playwright install`），见上文「数据采集」一节。另需配置 **NetInsight** 账号（`NETINSIGHT_USER` / `NETINSIGHT_PASS`），否则会出现「登录失败」。
+- **`ModuleNotFoundError: utils.hot_time_parser`**：请拉取包含 `utils/hot_time_parser.py` 的版本；经典会话页已增加项目根 `sys.path` 兜底。
 
 **`/hot` 热点流程说明**：
 - 从公网聚合接口拉取各平台热搜（需本机可访问外网），再在本地用 **OpenAI 兼容 API** 做归纳与报告。

agent/reactagent.py

@@ -233,32 +233,105 @@ def _stream_mode_flow(
         existing_data_path = opts.get("existing_data_path")
         skip_data_collect = bool(opts.get("skip_data_collect", False))
         force_fresh_start = opts.get("force_fresh_start")
-        yield {"type": "tool_call", "tool_name": "full_report_mode_node", "args": {"query": user_input}, "run_id": f"mode_full_{task_id or 'na'}"}
-        report_length = str(opts.get("report_length") or "").strip() or None
-        file_url_or_path = run_full_report_mode(
-            user_query=user_input,
-            task_id=task_id or "",
-            session_manager=session_manager,
-            debug=True,
-            existing_data_path=existing_data_path,
-            skip_data_collect=skip_data_collect,
-            force_fresh_start=force_fresh_start,
-            report_length=report_length,
-        )
+        progress_queue: queue.Queue = queue.Queue()
+        result_holder: Dict[str, Any] = {"value": None, "error": None}
+
+        def on_workflow_progress(event: Dict[str, Any]) -> Any:
+            hook = opts.get("_web_progress_hook")
+            hook_result = None
+            if callable(hook):
+                hook_result = hook(event)
+            progress_queue.put(("step", dict(event)))
+            return hook_result
+
+        def run_pipeline() -> None:
+            try:
+                report_length = str(opts.get("report_length") or "").strip() or None
+                result_holder["value"] = run_full_report_mode(
+                    user_query=user_input,
+                    task_id=task_id or "",
+                    session_manager=session_manager,
+                    debug=True,
+                    existing_data_path=existing_data_path,
+                    skip_data_collect=skip_data_collect,
+                    force_fresh_start=force_fresh_start,
+                    report_length=report_length,
+                    progress_callback=on_workflow_progress,
+                    skip_session_user_message=bool(opts.get("_skip_session_user_message")),
+                )
+            except Exception as exc:  # noqa: BLE001
+                result_holder["error"] = exc
+            finally:
+                progress_queue.put(("done", None))
+
+        yield {
+            "type": "tool_call",
+            "tool_name": "full_report_mode_node",
+            "args": {"query": user_input},
+            "run_id": f"mode_full_{task_id or 'na'}",
+        }
+        worker = threading.Thread(target=run_pipeline, daemon=True)
+        worker.start()
+        while True:
+            try:
+                kind, payload = progress_queue.get(timeout=0.3)
+            except queue.Empty:
+                if not worker.is_alive():
+                    break
+                continue
+            if kind == "step":
+                yield {"type": "workflow_step", **payload}
+            elif kind == "done":
+                break
+        worker.join()
+        if result_holder["error"] is not None:
+            raise result_holder["error"]
+        file_url_or_path = result_holder["value"]
+        result_text = str(file_url_or_path or "").strip()
+        if result_text.startswith("已完成舆情事件分析工作流。报告：") or result_text.startswith("这次在 "):
+            final_text = result_text
+        else:
+            final_text = f"已完成舆情事件分析工作流。报告：{result_text}"
         yield {
             "type": "tool_result",
             "tool_name": "full_report_mode_node",
-            "result": str(file_url_or_path or ""),
+            "result": result_text,
             "run_id": f"mode_full_{task_id or 'na'}",
         }
-        final_text = (
-            "完整舆情报告流程已完成。\n"
-            f"- 报告地址：{str(file_url_or_path or '未返回')}\n"
-            "- 已复用事件分析工作流节点（采集/分析/报告生成）。"
-        )
-        yield {"type": "message", "message": AIMessage(content=final_text), "message_id": f"mode_full_msg_{task_id or 'na'}"}
+        yield {
+            "type": "message",
+            "message": AIMessage(content=final_text),
+            "message_id": f"mode_full_msg_{task_id or 'na'}",
+            "persist": False,
+        }
         return
 
+
+def _extract_reasoning_content(chunk: Any) -> str:
+    """Best-effort extraction for OpenAI-compatible reasoning/thinking chunks."""
+    candidates = []
+    for attr in ("additional_kwargs", "response_metadata"):
+        value = getattr(chunk, attr, None)
+        if isinstance(value, dict):
+            candidates.append(value)
+    if isinstance(chunk, dict):
+        candidates.append(chunk)
+
+    keys = ("reasoning_content", "reasoning", "thinking_content", "thinking")
+    for data in candidates:
+        for key in keys:
+            value = data.get(key)
+            if isinstance(value, str) and value:
+                return value
+        delta = data.get("delta")
+        if isinstance(delta, dict):
+            for key in keys:
+                value = delta.get(key)
+                if isinstance(value, str) and value:
+                    return value
+    return ""
+
+
 # 创建带消息历史的 Agent
 # 注意：此函数目前未使用，保留作为预留功能，用于未来可能需要直接使用带历史管理的 Agent 的场景
 def _create_agent_with_history():
@@ -433,6 +506,7 @@ async def _stream_events():
 
                 current_message_id = None
                 current_content = ""
+                current_reasoning = ""
                 # 追踪当前正在执行的工具 run_id，用于过滤工具内部 LLM 的流式输出
                 active_tool_run_ids: set[str] = set()
 
@@ -457,6 +531,16 @@ async def _stream_events():
                         if active_tool_run_ids:
                             continue
                         chunk = data.get("chunk")
+                        if chunk:
+                            reasoning_delta = _extract_reasoning_content(chunk)
+                            if reasoning_delta:
+                                current_reasoning += reasoning_delta
+                                result_queue.put({
+                                    "type": "thinking",
+                                    "content": reasoning_delta,
+                                    "message_id": event.get("run_id", ""),
+                                    "accumulated": current_reasoning
+                                })
                         if chunk and hasattr(chunk, "content") and chunk.content:
                             if current_message_id is None:
                                 current_message_id = event.get("run_id", "")
@@ -483,6 +567,7 @@ async def _stream_events():
                             })
                             current_message_id = None
                             current_content = ""
+                            current_reasoning = ""
 
                     # 工具调用
                     elif event_type == "on_tool_start":