【Hackathon 9th ERNIE Tutorial No.1】基于ERNIE 4.5的多智能体协作的自动化视频舆情分析报告生成器

[ZhijunLStudio]

本教程提交一个基于文心ERNIE 4.5的、端到端的自动化视频舆情分析项目。

该系统通过多智能体协作，能自动处理线上评测视频，利用ERNIE 4.5 VL模型/百度智能云语音识别，实现对视频画面与语音的深度多模态理解。随后，探索、分析、策略三个智能体接力合作，对提取的信息进行推理与归纳，最终全自动生成一份包含量化数据和深度洞察的专业Markdown报告。

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请检查PR提交格式和内容是否完备，具体请参考示例和模版。
Your PR has been submitted. Thanks for your contribution!
Please check its format and content. For this, you can refer to Template and Demo.

[jzhang533]

试过直接用一个 prompt 就生成最终的分析报告吗？
对于要强行分成三次调用模型，感到有些困惑。

[ZhijunLStudio]

试过直接用一个 prompt 就生成最终的分析报告吗？ 对于要强行分成三次调用模型，感到有些困惑。

对于我的经验来说，单步跑测可以完成市面上的大多数任务，但是并不一定是一个完美的回答。

下面是我对于这个任务做了单步和三步的实验结论：

单步生成的报告虽然结构工整，但洞察力相对较浅，它更像是在填充一个预设的模板，有时为了满足指令，甚至会给出像“70%”、“80%”这样看似专业却缺乏事实依据的伪量化数据。而多步生成的报告则要深刻得多，它的观点有据可依，因为它能抓住市场的真实情绪，并引用像“智商税”、“杂牌货”这样极具冲击力的用户“金句”作为证据，让报告充满了真实的洞察力。

这引出了两者在可信度上的根本不同。单步模式为了完成任务，有时会走“捷径”，即当它无法真正执行某项指令（如精确的统计计算）时，便会“编造”一个看似合理的结果。而多步模式通过任务分解，有效地避免了这个问题。它的每一步都建立在可验证的事实之上，整个分析的逻辑链条清晰可见，因此其最终产出的报告也远比前者更加可靠和值得信赖。

[jzhang533]

这篇 tutorial 定位成用多智能体协作来进行新款汽车的市场舆情分析，给我的感觉是噱头大于实质。是不是可以改成简单的，介绍如何用 ERNIE-4.5-VL 模型进行自动视频分析的 tutorial ？ 找几个 case 能够说明模型的理解能力。为了展示理解能力的效果，比如说可以给某个视频，生成一个简单的网站。或者做一个能够从摄像头里读视频流的示例，让模型可以解释视频流里的内容。