6.9 KiB

Raw Blame History

🔮 灵宝道君 × OpenHands 集成指南

📖 概述

本文档介绍如何将OpenHands云服务集成到Cauldron项目的灵宝道君田野调查验证系统中，实现Web验证能力的增强。

🎯 集成目标

增强验证能力: 为灵宝道君提供实时Web验证功能
提高准确性: 通过多源验证提升辩论结果的可信度
实时性: 获取最新的市场信息和数据
智能分析: 利用AI进行深度web内容分析

🏗️ 架构设计

系统架构图

稷下学宫辩论系统
    ↓
八仙过海辩论 → 辩论结果
    ↓
灵宝道君田野调查验证
    ├── 传统OpenManus验证 (60%权重)
    └── OpenHands Web验证 (40%权重)
    ↓
综合分析 → 元始天尊最终决策

核心组件

OpenHandsClient: OpenHands云服务客户端
LingbaoOpenHandsVerifier: 灵宝道君Web验证器
LingbaoFieldVerifier: 集成验证器（传统+Web）
OpenHandsIntegrationManager: 集成管理器

🔧 技术实现

1. OpenHands集成模块

文件: src/core/openhands_integration.py

核心功能：

OpenHands API客户端封装
验证任务生成和执行
结果解析和置信度计算
错误处理和重试机制

2. 验证策略配置

文件: config/openhands_config.py

支持的验证策略：

OPENMANUS_ONLY: 仅传统验证
OPENHANDS_ONLY: 仅Web验证
HYBRID_BALANCED: 平衡双重验证
HYBRID_WEB_PRIORITY: Web验证优先
ADAPTIVE: 自适应策略

3. 集成验证流程

# 创建集成验证器
verifier = LingbaoFieldVerifier(
    openmanus_url="your-openmanus-url",
    api_key="your-openmanus-key",
    openhands_api_key="[REDACTED - 从Doppler获取OPENHANDS_API_KEY]"
)

# 执行验证
result = await verifier.verify_debate_result(debate_result)

📊 验证流程

1. 辩论结果输入

八仙过海辩论产生的结果包含：

投资建议和价格预测
关键论断和依据
原始置信度分数

2. 验证任务生成

基于辩论结果自动生成验证任务：

Web搜索任务: 验证价格预测合理性
事实核查任务: 核查关键论断真实性
数据分析任务: 分析相关数据准确性

3. OpenHands执行

OpenHands云服务执行验证任务：

实时web搜索和数据获取
AI分析和内容理解
证据收集和置信度评估

4. 结果综合分析

灵宝道君综合分析验证结果：

传统验证 + Web验证加权平均
置信度调整和风险评估
生成给元始天尊的最终报告

🎮 使用示例

基础使用

from src.core.openhands_integration import LingbaoOpenHandsVerifier

# 创建验证器
verifier = LingbaoOpenHandsVerifier(
    api_key="[REDACTED - 从Doppler获取OPENHANDS_API_KEY]"
)

# 验证辩论结论
debate_result = {
    "topic": "特斯拉Q4财报影响分析",
    "conclusions": {"price_prediction": "上涨15%"},
    "key_claims": ["特斯拉Q4交付量将超预期20%"]
}

verification_report = await verifier.verify_debate_conclusions(debate_result)

集成使用

from src.core.lingbao_field_verification import LingbaoFieldVerifier

# 创建集成验证器
verifier = LingbaoFieldVerifier(
    openmanus_url="your-openmanus-url",
    api_key="your-api-key",
    openhands_api_key="[REDACTED - 从Doppler获取OPENHANDS_API_KEY]"
)

# 执行完整验证流程
tianzun_report = await verifier.verify_debate_result(debate_result)

📈 验证结果格式

OpenHands验证结果

{
  "verification_summary": {
    "total_tasks": 3,
    "success_rate": 0.8,
    "average_confidence": 0.75,
    "evidence_count": 6
  },
  "detailed_results": [
    {
      "task_id": "price_verify_20250113_001",
      "success": true,
      "confidence": 0.8,
      "key_findings": {"trend": "positive"},
      "evidence_count": 2
    }
  ],
  "final_recommendation": "APPROVE"
}

集成验证报告

{
  "verification_status": "VERIFIED",
  "recommendation": "APPROVE",
  "verification_analysis": {
    "original_confidence": 0.75,
    "final_confidence": 0.78,
    "web_verification": {
      "web_verification_enabled": true,
      "web_success_rate": 0.8,
      "web_confidence": 0.75,
      "web_recommendation": "APPROVE"
    }
  },
  "timestamp": "2025-01-13T15:39:15"
}

⚙️ 配置说明

环境变量

# OpenHands配置
OPENHANDS_API_KEY=[REDACTED - 从Doppler获取OPENHANDS_API_KEY]
OPENHANDS_BASE_URL=https://app.all-hands.dev
OPENHANDS_TIMEOUT=300

# 验证策略配置
LINGBAO_VERIFICATION_STRATEGY=hybrid_balanced
OPENMANUS_WEIGHT=0.6
OPENHANDS_WEIGHT=0.4
MIN_CONFIDENCE_THRESHOLD=0.5
HIGH_CONFIDENCE_THRESHOLD=0.8

验证策略权重

策略	传统验证权重	Web验证权重	适用场景
HYBRID_BALANCED	60%	40%	一般情况
HYBRID_WEB_PRIORITY	30%	70%	需要最新信息
OPENMANUS_ONLY	100%	0%	网络受限
OPENHANDS_ONLY	0%	100%	纯Web验证
ADAPTIVE	动态调整	动态调整	自适应学习

🚀 部署指南

1. 安装依赖

pip install aiohttp pydantic

2. 配置API密钥

# 在.env文件中配置
OPENHANDS_API_KEY=[REDACTED - 从Doppler获取OPENHANDS_API_KEY]

3. 运行演示

python3 scripts/simple_openhands_demo.py

🔍 测试验证

演示脚本

运行 scripts/simple_openhands_demo.py 查看完整的集成演示：

模拟八仙辩论结果
执行OpenHands Web验证
综合分析和置信度计算
生成元始天尊报告

预期输出

🔮 灵宝道君 × OpenHands 田野调查演示
🎭 八仙辩论参与者: 吕洞宾, 何仙姑, 铁拐李, 蓝采和
📊 辩论主题: 英伟达AI芯片需求对股价影响分析
🎯 价格预测: 上涨20%
📈 八仙原始置信度: 0.75

✅ OpenHands Web验证完成!
📊 验证统计:
  总任务数: 4
  成功率: 50.00%
  平均置信度: 0.75

🎯 灵宝道君综合分析:
  最终综合置信度: 0.71
  置信度变化: -0.04

📋 给元始天尊的报告:
  验证状态: 基本可信
  最终建议: 建议谨慎采纳，密切监控

🎯 优势与价值

1. 实时性增强

获取最新市场信息和新闻
实时数据验证和分析
动态调整投资建议

2. 准确性提升

多源交叉验证
AI智能分析
量化置信度评估

3. 自动化程度

自动任务生成
智能策略选择
无人工干预验证

4. 可扩展性

支持多种验证策略
可配置权重和阈值
自适应学习机制

🔮 未来发展

短期目标

集成真实OpenHands API
优化验证策略算法
增加更多数据源
完善错误处理机制

长期愿景

实现完全自动化验证
机器学习优化策略
多语言支持
实时监控和告警

注意: 当前实现使用模拟的OpenHands客户端进行演示。在生产环境中，需要集成真实的OpenHands API服务。

6.9 KiB Raw Blame History Unescape Escape