智能讨论干预系统 (Intelligent Discussion Intervention System)

一个基于Flask的智能讨论辅导系统，能够实时监听、分析和干预在线讨论，提供个性化的讨论引导和支持。

🎯 项目概述

本系统旨在通过智能化的讨论分析和干预机制，提升在线讨论的质量和效率。系统能够：

实时分析讨论阶段和参与度
基于不同讨论策略提供个性化干预
支持多种讨论风格的智能切换
提供讨论过程的全面统计和分析

✨ 功能特性

🔍 智能分析

阶段识别: 自动识别讨论的四个阶段（启动、探索、协商、共建）
参与度评估: 实时评估讨论充分性和参与者活跃度
内容分析: 深度分析讨论内容的质量和方向

🎛️ 干预管理

策略选择: 支持四种讨论策略（告知型、推销型、参与型、委托型）
智能干预: 基于讨论状态自动选择合适的干预时机和方式
个性化回复: 根据讨论情境生成个性化的引导回复

⏱️ 时间管理

计时器机制: 智能监控讨论活跃度和超时情况
耐心值管理: 动态调整系统对讨论进展的期望
活动检测: 实时检测讨论活动并相应调整策略

🔧 配置管理

环境变量: 支持.env文件配置系统参数
策略热更新: 支持在线更新讨论策略库
灵活配置: 可配置超时时间、耐心值等关键参数

🏗️ 技术架构

后端框架

Flask: 轻量级Web框架
Python 3.x: 主要开发语言
JSON: 数据存储和交换格式

核心模块

CommentAnalyzer: 评论分析器
InterventionManager: 干预管理器
ResponseGenerator: 回复生成器
TimerManager: 计时器管理器
ResponseHandler: 响应处理器

数据存储

策略数据库: JSON格式存储讨论策略
知识建构: 支持知识建构相关数据

📦 安装指南

环境要求

Python 3.7+
pip包管理器

安装步骤

克隆项目

git clone <repository-url>
cd backend

创建虚拟环境

python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

安装依赖

pip install -r requirements.txt

配置环境变量

# 复制环境变量模板
cp .env.example .env
# 编辑.env文件，设置你的配置
vim .env

启动服务

python app.py

服务器将在 http://localhost:5000 启动。

🔧 配置说明

环境变量配置

在.env文件中配置以下参数：

# Flask应用配置
FLASK_ENV=development
FLASK_DEBUG=True
FLASK_HOST=0.0.0.0
FLASK_PORT=5000

# 讨论策略配置
CURRENT_STYLE=0          # 0:Telling, 1:Selling, 2:Participating, 3:Delegating
CURRENT_TOPIC=0          # 当前讨论话题ID
DEFAULT_TIMEOUT_SECONDS=30  # 默认超时时间
MAX_PATIENCE=10          # 最大耐心值 # discussion patience
INTERVENTION_THRESHOLD=5  # 干预阈值

# 数据库配置
DATABASE_URL=sqlite:///database.db

# API配置
API_KEY=your-api-key-here
SECRET_KEY=your-secret-key-here

策略配置

系统支持四种讨论策略，每种策略对应不同的干预风格：

Telling (告知型): 直接提供信息和指导
Selling (推销型): 说服性的引导和建议
Participating (参与型): 协作式的讨论参与
Delegating (委托型): 授权式的讨论支持

📁 项目结构

backend/
├── app.py                          # Flask主应用程序
├── arg.py                          # 环境变量配置模块
├── requirements.txt                # Python依赖包
├── test_client.py                  # 测试客户端
├── strategies.json                 # 策略配置文件
├── .env                           # 环境变量配置
├── .env.example                   # 环境变量模板
├── README.md                      # 项目说明文档
├── Database/                      # 数据库目录
│   ├── Strategy/                  # 策略数据库
│   │   ├── telling.json          # 告知型策略
│   │   ├── selling.json          # 推销型策略
│   │   ├── participating.json    # 参与型策略
│   │   └── delegating.json       # 委托型策略
│   └── Knowlege_building/         # 知识建构相关数据
└── function/                      # 核心功能模块
    ├── __init__.py               # 模块初始化
    ├── comment_analyzer.py       # 评论分析器
    ├── intervention_manager.py   # 干预管理器
    ├── response_generator.py     # 回复生成器
    ├── response_handler.py       # 响应处理器
    └── timer_manager.py          # 计时器管理器

🚀 使用说明

基本使用流程

初始化讨论

POST /api/init

设置讨论环境和参数

发送评论

POST /api/comments
{
  "comments": ["用户评论内容..."]
}

接收系统干预 系统会根据讨论情况自动生成干预回复

测试客户端

使用内置的测试客户端进行功能验证：

python test_client.py

🛠️ 开发指南

添加新的讨论策略

在Database/Strategy/目录下创建新的策略文件
按照现有格式定义四个讨论阶段的策略
更新arg.py中的策略配置

扩展分析功能

在function/comment_analyzer.py中添加新的分析方法
更新InterventionManager以支持新的分析结果
相应更新响应生成逻辑

自定义干预策略

修改function/intervention_manager.py
添加新的干预判断逻辑
更新策略选择算法

📊 API接口

讨论初始化

POST /api/init
Content-Type: application/json

{
  "topic": "讨论话题",
  "participants": ["参与者列表"]
}

评论处理

POST /api/comments
Content-Type: application/json

{
  "comments": ["评论内容数组"]
}

计时器配置

POST /api/timer/config
Content-Type: application/json

{
  "timeout_seconds": 30
}

🤝 贡献指南

Fork项目
创建功能分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
创建Pull Request

📝 许可证

本项目基于MIT许可证开源。详情请参阅LICENSE文件。

📧 联系信息

如有问题或建议，请联系项目维护者。

本项目致力于提升在线讨论的质量和效率，通过智能化的干预机制促进更好的知识建构和协作学习。

TODO:

fetch的评论的顺序可能不对是乱序，需要按照id或created_at排序
中间发新评论，fetch到的是None 原因：return的comment不是按照任何一个时间顺序来排列的 [ ] 要不要关掉modify comments的功能？
阶段1 要忽略所有阶段>1的comment 以此类推 (后面的阶段不需要再fetch原始comment了)

活动时间已更新: 2025-08-01 16:32:41 🐞: New comments detected; len(new_comments) = 69, len(Current_context['comments']) = 66 **** Analyzing comment 0: I think it is important to have good public transportations so that people won't spend a lot of time commuting. Comment Classifier Response: 1

concurrency

LLM concurrent api cal solution: use python 3.10+; 3.9 will raise error
-> backend
-> frontend
莫名其妙出现的4个tree（yuanhao test的四个case之一）
[o] 所有log 加timestamp
evidence reasoning qualifier: few-shot examples
get phase x comments 的时候会不会把bot也考虑进去？会已经修改成忽略所有bot comments
update_context_to_database()
analyze_connection_batch: 5 more
gemini 2.5 flash

rm Database/0.json; python -u app.py > pilot.log

check human input: y/n; ignore [B^[[A^[[A^[[A^[[A^[[A^[[A^[[A^[[A^[[A^
print bot info in bash;
print log to file 之后再说
multi bot file read/write, args, using different files 直接复制多份folders
所有prompt都加上post information
[ ]

Name		Name	Last commit message	Last commit date
Latest commit History 131 Commits
Database/Strategy		Database/Strategy
Test_Backend		Test_Backend
Test_Frontend		Test_Frontend
__pycache__		__pycache__
email_utils		email_utils
function		function
.env		.env
.gitignore		.gitignore
README.md		README.md
app.py		app.py
arg.py		arg.py
external_command.txt		external_command.txt
requirements.txt		requirements.txt
revise.txt		revise.txt
test_comments.py		test_comments.py

Yuanky123/Knowledgebot-backend

Folders and files

Latest commit

History

Repository files navigation