报告生成

XunLong擅长在最少输入的情况下生成全面、研究充分的报告。

概览

报告生成功能自动完成：

🔍 跨网络研究您的主题
📊 逻辑化组织研究发现
✍️ 撰写专业内容
📚 引用所有来源
📄 导出为多种格式

快速开始

bash

python xunlong.py report "2025年AI行业趋势"

就这么简单！XunLong会处理其余的一切。

报告风格

XunLong支持三种专业报告风格：

商务风格 💼

最适合： 市场分析、行业报告、商业智能

特点：

包含关键要点的执行摘要
数据驱动的洞察
专业语调
图表和表格
关注ROI和指标

示例：

bash

python xunlong.py report "电动汽车市场分析" \
  --style business \
  --depth comprehensive

样本输出结构：

├── 执行摘要
├── 市场概览
│   ├── 市场规模与增长
│   └── 主要参与者
├── 趋势分析
├── 竞争格局
├── 机遇与挑战
└── 建议

学术风格 🎓

最适合： 研究摘要、文献综述、学术论文

特点：

摘要和引言
严格引用
方法论途径
文献综述章节
正式学术语调

示例：

bash

python xunlong.py report "机器学习在医疗保健中的应用" \
  --style academic \
  --depth comprehensive

样本输出结构：

├── 摘要
├── 引言
├── 文献综述
├── 研究方法
├── 研究发现
├── 讨论
├── 结论
└── 参考文献

技术风格 🔧

最适合： 技术深度剖析、API文档、技术规范

特点：

技术准确性
代码示例
架构图
实现细节
最佳实践

示例：

bash

python xunlong.py report "GraphQL vs REST API对比" \
  --style technical \
  --depth comprehensive

样本输出结构：

├── 概述
├── 技术架构
├── 核心概念
├── 实现指南
├── 代码示例
├── 性能分析
└── 最佳实践

深度级别

使用--depth参数控制详细程度：

深度	时间	字数	最适合
overview	约5分钟	1,500-2,000	快速摘要、初步研究
standard	约10分钟	3,000-4,000	大多数用例、平衡详细
comprehensive	约20分钟	6,000-8,000	深度分析、演示文稿

示例：

bash

# 快速概览
python xunlong.py report "量子计算" --depth overview

# 平衡报告（默认）
python xunlong.py report "量子计算" --depth standard

# 深度剖析
python xunlong.py report "量子计算" --depth comprehensive

高级功能

分章节流水线

大纲规划：协调器生成包含编号、标题、要求、字数的结构化大纲。
章节写作智能体并行启动：每个章节独立撰写，并知晓前后章节要求以保持衔接。
自动可视化判断：如检测到可结构化的数据，将调用可视化智能体输出表格或图表HTML片段。
质量评估与改写循环：评估器对章节打分，未达标的段落会按建议重写直至通过或达到迭代上限。
HTML 组装：最终装配器直接使用预渲染HTML片段构建整份报告，标题、目录与可视化稳定可靠。

由于所有阶段异步执行，即使是综合版或日报类报告也能显著缩短生成时间。

自定义章节

精确指定您想要的章节：

bash

python xunlong.py report "AI伦理" \
  --sections "引言,当前挑战,案例研究,未来展望"

时间限定研究

查询包含“日报”“今天”“昨日”等提示时，系统会自动限定到对应日期并为 DuckDuckGo 设置 df= 参数。
指定精确日期（如 2025-03-01）时，同样只保留目标时段内的结果。

仍可手动覆盖默认窗口：

bash

python xunlong.py report "新冠疫苗" \
  --time-range "last-6-months"

语言支持

生成多语言报告：

bash

python xunlong.py report "气候变化影响" --language zh-CN
python xunlong.py report "Climate Change Impact" --language en-US

来源过滤

控制使用什么来源：

bash

# 仅学术来源
python xunlong.py report "暗物质" \
  --sources academic

# 仅新闻来源
python xunlong.py report "科技行业裁员" \
  --sources news

# 所有来源（默认）
python xunlong.py report "AI趋势" \
  --sources all

输出格式

Markdown（默认）

bash

python xunlong.py report "主题" --format md

特点：

干净、可读的文本
易于编辑
版本控制友好
可移植

HTML

bash

python xunlong.py report "主题" --format html

特点：

专业样式
目录
响应式设计
打印就绪

PDF

bash

python xunlong.py report "主题" --format pdf

特点：

专业布局
页码
页眉/页脚
即时分享

DOCX

bash

python xunlong.py report "主题" --format docx

特点：

Microsoft Word兼容
可编辑格式
支持评论
准备好跟踪更改

多种格式

bash

python xunlong.py report "主题" --format md,html,pdf,docx

所有格式同时生成。

报告质量

引用

每个事实都有引用：

来源URL
发布日期
作者（如果可用）
访问日期

引用示例：

markdown

根据最近的研究，AI采用率增长了67% [1]。

## 参考文献
[1] 张三 (2025). "企业中的AI。" 科技评论。
    https://example.com/ai-enterprise
    访问时间: 2025-10-05

质量指标

XunLong追踪：

引用覆盖率: 引用声明的百分比（目标: >80%）
来源多样性: 独特来源数量（目标: >10）
可读性分数: Flesch易读性（目标: 60-70）
连贯性分数: 逻辑流畅度评级（目标: >0.85）

查看指标：

bash

python xunlong.py stats <project-id>

事实核查

报告经过自动事实核查：

✅ 日期验证
✅ 统计一致性
✅ 来源可信度检查
✅ 声明交叉引用

示例工作流

1. 生成初始报告

bash

python xunlong.py report "2025年可再生能源趋势" \
  --style business \
  --depth standard \
  --format md,pdf

输出：

✅ 报告生成成功！

📊 统计信息：
   - 耗时: 8分34秒
   - 字数: 3,847
   - 引用: 23个来源
   - 质量分数: 0.89

📁 文件：
   - storage/20251005_143022_renewable_energy/reports/FINAL_REPORT.md
   - storage/20251005_143022_renewable_energy/exports/report.pdf

🔗 项目ID: 20251005_143022

2. 审核内容

bash

cat storage/20251005_143022_renewable_energy/reports/FINAL_REPORT.md

3. 请求修改

bash

python xunlong.py iterate 20251005_143022 \
  "添加关于太阳能成本的章节并扩展风能章节"

4. 导出其他格式

bash

python xunlong.py export 20251005_143022 --format docx,html

最佳实践

📝 撰写有效查询

好的：

"自动驾驶汽车中的AI伦理挑战"
"2025年远程工作对生产力的影响"
"Python vs JavaScript在Web开发中的比较"

效果较差：

"AI"（太宽泛）
"关于工作的东西"（太模糊）
"告诉我关于编程的一切"（不聚焦）

🎯 选择正确的风格

您的目标	推荐风格
投资者演示	商务
研究论文	学术
内部技术文档	技术
博客文章	商务（较轻松语调）
白皮书	学术或商务

⚡ 优化生成时间

快速（约5分钟）：

bash

python xunlong.py report "主题" \
  --depth overview \
  --model gpt-3.5-turbo

平衡（约10分钟）：

bash

python xunlong.py report "主题" \
  --depth standard \
  --model gpt-4o-mini

高质量（约20分钟）：

bash

python xunlong.py report "主题" \
  --depth comprehensive \
  --model gpt-4o

故障排除

问题："未找到相关来源"

解决方案：

使查询更具体
检查网络连接
尝试不同的搜索词
验证主题是否可搜索

问题：报告太短

解决方案：

增加深度：--depth comprehensive
添加更多章节：--sections "章节1,章节2,..."
使用更强大的模型：--model gpt-4o

问题：缺少引用

解决方案：

启用严格引用：--strict-citations
增加来源数量：--min-sources 15
检查搜索结果质量

问题：生成中途失败

解决方案：

bash

# 从检查点恢复
python xunlong.py resume <project-id>

# 检查错误日志
cat storage/<project-id>/logs/generation.log

报告生成

概览

最新架构更新（2025）

快速开始

报告风格

商务风格 💼

学术风格 🎓

技术风格 🔧

深度级别

高级功能

分章节流水线

自定义章节

时间限定研究

语言支持

来源过滤

输出格式

Markdown（默认）

HTML

PDF

DOCX

多种格式

报告质量

引用

质量指标

事实核查

示例工作流

1. 生成初始报告

2. 审核内容

3. 请求修改

4. 导出其他格式

最佳实践

📝 撰写有效查询

🎯 选择正确的风格

⚡ 优化生成时间

故障排除

问题："未找到相关来源"

问题：报告太短

问题：缺少引用

问题：生成中途失败

下一步

报告生成 ​

概览 ​

最新架构更新（2025） ​

快速开始 ​

报告风格 ​

商务风格 💼 ​

学术风格 🎓 ​

技术风格 🔧 ​

深度级别 ​

高级功能 ​

分章节流水线 ​

自定义章节 ​

时间限定研究 ​

语言支持 ​

来源过滤 ​

输出格式 ​

Markdown（默认） ​

HTML ​

PDF ​

DOCX ​

多种格式 ​

报告质量 ​

引用 ​

质量指标 ​

事实核查 ​

示例工作流 ​

1. 生成初始报告 ​

2. 审核内容 ​

3. 请求修改 ​

4. 导出其他格式 ​

最佳实践 ​

📝 撰写有效查询 ​

🎯 选择正确的风格 ​

⚡ 优化生成时间 ​

故障排除 ​

问题："未找到相关来源" ​

问题：报告太短 ​

问题：缺少引用 ​

问题：生成中途失败 ​

下一步 ​

报告生成

概览

最新架构更新（2025）

快速开始

报告风格

商务风格 💼

学术风格 🎓

技术风格 🔧

深度级别

高级功能

分章节流水线

自定义章节

时间限定研究

语言支持

来源过滤

输出格式

Markdown（默认）

HTML

PDF

DOCX

多种格式

报告质量

引用

质量指标

事实核查

示例工作流

1. 生成初始报告

2. 审核内容

3. 请求修改

4. 导出其他格式

最佳实践

📝 撰写有效查询

🎯 选择正确的风格

⚡ 优化生成时间

故障排除

问题："未找到相关来源"

问题：报告太短

问题：缺少引用

问题：生成中途失败

下一步