企业级 AI 自动化调研与多渠道营销引擎（AI Agent 平台）产品系统Vibe Coding

立项原因：传统市场调研依赖人工在搜索引擎、社交媒体、新闻站点等多渠道收集信息，耗时长、成本高且分析维度单一。本项目旨在解决企业“市场情报获取慢、分析浅、报告制作耗时”的痛点，实现从信息输入到可视化报告的全流程自动化。
行业场景：面向企业市场部、战略规划部或咨询公司，用于快速进行竞品分析、舆情监控、新品上市前市场扫描等场景。用户输入一个关键词或竞品网址，系统即可自动完成全网信息搜集、深度分析并生成结构化报告，将单次调研周期从数小时压缩至分钟级。

功能模块：系统由Java主后端、Python爬虫微服务、Vue 3前端以及Dify AI工作流四部分组成。功能包括：任务调度、信息采集、AI分析、流式输出、报告渲染等。
主要功能描述：
自动化信息采集：根据用户输入，自动调度Playwright爬虫服务，对指定网页或搜索引擎结果进行深度清洗与正文提取，获取高质量的原始信息。
流式AI深度分析：将采集的信息组装成上下文，调用Dify工作流中的DeepSeek-V3模型进行总结、对比、趋势判断等深度分析，并通过SSE接口实现分析过程的实时流式返回。
可视化报告生成：AI输出的结构化数据（JSON）和文本（Markdown）被前端分离。文本部分直接渲染，JSON数据则动态驱动ECharts生成柱状图、饼图等专业图表，最终合成一份图文并茂的可用于决策的营销报告。

我的具体任务：我负责了系统架构设计、Java后端开发（对接Dify API与爬虫服务）、Dify复杂工作流编排、以及前端数据解析与图表渲染的关键算法实现。
技术栈与亮点难点：
攻克流式输出难题：针对长文本分析易引发网关超时（HTTP 504）的问题，采用Java后端对接Dify的SSE（Server-Sent Events）流式接口，实现了AI思考过程和报告片段的实时增量推送，提升了系统可靠性与用户体验。
解决AI输出不可控问题：通过多轮提示词工程，约束LLM输出“文本+标准化JSON数据块”的混合格式。在前端，我开发了基于正则与“智能括号匹配”的解析算法，能精准分离并提取JSON，确保了ECharts图表100%稳定渲染，无白屏故障。
微服务化与高可用部署：将高负荷的爬虫任务独立为Python（FastAPI）微服务，具备抗反爬能力。使用Docker Compose对所有组件（Java, Python, Vue, MySQL, Redis）进行全栈容器化编排，实现了开发生产环境一致与一键高可用部署。