110 lines
4.5 KiB
Markdown
110 lines
4.5 KiB
Markdown
# 问题记录：2026-09-27
|
||
|
||
> 状态：待处理（明天再动）
|
||
> 记录人：项目相关方
|
||
> 本文件只记问题，不附解决方案。
|
||
|
||
---
|
||
|
||
## 一、背景
|
||
|
||
今天在排查项目时发现两个独立但都和"千人模拟"业务相关的问题。先记下来，明天再决定怎么处理。
|
||
|
||
---
|
||
|
||
## 二、问题一：每轮 active agent 数量硬编码，与"千人模拟"业务叙事冲突
|
||
|
||
### 现象
|
||
|
||
在 [`backend/app/services/engine.py` 的 `_select_active_agents`](../backend/app/services/engine.py) 里，每一轮参与决策的市民数量由这两个常量决定：
|
||
|
||
```python
|
||
active_agents_per_round_min: int = 3
|
||
active_agents_per_round_max: int = 10
|
||
```
|
||
|
||
来源：[`backend/app/models/world.py` 的 `TimeConfig`](../backend/app/models/world.py)
|
||
|
||
### 我观察到的问题
|
||
|
||
1. **抽样率随人口规模塌缩。** 100 人社区 → 3%–10% 采样，1000 人 → 0.3%–1%，10000 人 → 0.03%。但产品的对外叙事是"千人社会模拟"。
|
||
2. **业务参数 vs 工程参数混淆。** 这两个数字看起来是 `TimeConfig`（业务/世界设定），但更像是 LLM 成本阀门。混在一起，没办法独立调。
|
||
3. **`len(agents) * 0.6` 这个上限看起来是为更大规模预留的，但在默认 3–10 的基础上永远是死代码。** 暗示当初设计是想过随规模调整的。
|
||
4. **3–10 个人的表态，能涌现出什么？** 默认权重 w=0.3，平静的人天然偏低，抽样会偏向情绪激动的小群体。
|
||
5. **业务承诺 vs 实际行为错配。** 用户为"千人社会模拟"付费，生成阶段认真做了 1000 个 backstory；一轮跑下来认真读 prompt 的只有 6 个。这到底是性能问题还是产品问题？
|
||
|
||
### 待澄清的几个点
|
||
|
||
- 为什么 `min/max` 默认是 3–10？
|
||
- 是否有人为"千人"规模做过代表性 / 抽样率的论证？
|
||
- 这个参数应该让用户在产品层感知到（作为旋钮），还是只放在工程内部？
|
||
|
||
---
|
||
|
||
## 三、问题二：搜索后端从 DuckDuckGo 替换为 SearXNG
|
||
|
||
### 现象
|
||
|
||
现在 [`backend/app/services/research.py`](../backend/app/services/research.py) 用的是 `duckduckgo_search`：
|
||
|
||
```python
|
||
from duckduckgo_search import DDGS
|
||
with DDGS() as ddgs:
|
||
return list(ddgs.text(query, max_results=max_results))
|
||
```
|
||
|
||
我想替换为自托管的 SearXNG，原因（这里只描述动机，不给方案）：
|
||
|
||
- DDG 经常触发反爬 / CAPTCHA，结果不稳定
|
||
- 模拟场景需要可重复性（同一 query 多次结果尽量一致）
|
||
- 想避免外部限流风险
|
||
|
||
### 相关材料（已确认）
|
||
|
||
项目里已有 SearXNG 的 skill 文档：[`skills/searxng_skills/`](../skills/searxng_skills/)
|
||
|
||
关键信息（待修改时要严格遵守）：
|
||
|
||
- **域名是 `searxng.erhe.top`**（不是 `ehre.top` — `h`/`r` 反着，#1 常见坑）⚠
|
||
- **必须带 `token=fGWEFWGrgasegtjt1jUJG`**，否则 403
|
||
- 当前服务器 GET 即可（本地 stock docker 默认 POST，**不要照搬本地配置**）
|
||
- JSON 200 路径：`/search?format=json&token=...`
|
||
- 返回字段：`title / content / url`，需要重命名映射到现有 `title / body / href`
|
||
|
||
### 已处理
|
||
|
||
- ✅ 域名拼写错误问题，今天已修。
|
||
|
||
### 待处理（明天动手）
|
||
|
||
- [ ] `research.py` 的 `_raw_search` 替换为 SearXNG 调用
|
||
- [ ] `__init__` 加 `searxng_base_url / searxng_token / searxng_timeout` 参数
|
||
- [ ] `config.py` 加对应 `Settings` 字段
|
||
- [ ] `main.py` 注入新参数
|
||
- [ ] `.env` 写 `SEARXNG_BASE_URL` / `SEARXNG_TOKEN` / `SEARXNG_TIMEOUT`
|
||
- [ ] 是否保留 DDG fallback？待定
|
||
- [ ] 是否加 query 短缓存（避免同 query 短时间重复打后端）？待定
|
||
|
||
### 还需要决定的
|
||
|
||
- `searxng_timeout` 取多少？skills 里两处不一致（`SKILL.md` 是 30，`searxng_skills.md` 是 15）。模拟里 30 太久（卡轮），5 太短。倾向 15。
|
||
- `safesearch` 取 0 还是 1？模拟里有些社会议题可能需要未过滤内容。
|
||
|
||
---
|
||
|
||
## 四、相关代码位置
|
||
|
||
- 抽样逻辑：`backend/app/services/engine.py` `_select_active_agents`（约 765–833 行）
|
||
- 抽样配置：`backend/app/models/world.py` `TimeConfig`（约 14–17 行）
|
||
- 搜索实现：`backend/app/services/research.py`
|
||
- 搜索配置：`backend/app/config.py` `Settings.search_enabled / max_searches_per_round`
|
||
- LLM 客户端 / semaphore：`backend/app/services/llm.py`
|
||
- LLM 并发配置：`backend/app/config.py` `Settings.max_concurrent_llm_calls`
|
||
- SearXNG skill 文档：`skills/searxng_skills/SKILL.md`
|
||
|
||
---
|
||
|
||
## 五、与上一份记录的关系
|
||
|
||
这是第二份问题记录（第一份是 [问题记录-硬编码与千人模拟.md](./问题记录-硬编码与千人模拟.md)）。
|