2.3记:这些叫-=等特殊符号的commit记录对代码架构几乎没有改动，仅有个别几行代码的改动，主要是提示词等内容改动。=版本：把md里会输出not found,not mentioned的东西隐藏了，注释掉了
这是一款专为商业计划书（BP）设计的全自动深度分析系统。基于 DeepSeek（文本推理）与 Qwen-VL（视觉理解），结合 Serper.dev 实时联网搜索，为投资人及创业者提供 VC 级的深度研报生成能力。
整个分析系统通过精心设计的并发流水线，实现了从原始文件到深度报告的闭环处理：
- PDF 解析与内容提取：
- 利用
PyMuPDF(fitz) 高效解析 PDF。 - 双路提取：同步提取全文文本与高清图片，确保文字信息与视觉图表（如架构图、财务报表）均被捕获。
- 利用
- 图片智能预处理：
- 精准过滤：自动剔除小于 5KB 的图标及异常长宽比（如页眉页脚线）的干扰图片。
- 优化排序：根据文件体积降序排列，优先分析信息量更大的复杂图表（上限 50 张）。
- 规范化处理：自动缩放（最大宽度 1024px）并压缩为 JPEG 格式，平衡分析质量与 API 传输效率。
- 视觉并发分析 (Vision Logic)：
- 拼图策略：支持 2x2 或 3x3 拼图优化，将多张 BP 图片合并为单张大图，大幅减少 API 请求次数，降低 70%+ 的视觉分析成本。
- 并发理解：使用
ThreadPoolExecutor并发调用 Qwen-VL 模型，深度理解图表、趋势及产品原型。
- 赛道识别与关键词生成：
- 复合推理：单次 LLM 调用同时完成细分赛道识别与 10 个中英文精准关键词的提取，减少网络往返延迟。
- 并发联网搜索：
- 多线程检索：基于 Serper.dev 并发执行 10 组搜索任务，获取全球市场规模、政策动态、竞品情报及融资趋势。
- Map-Reduce 并发 JSON 生成：
- 任务拆分：将庞大的分析任务拆分为 多个并行子任务（基础信息组、外部情报组、估值模型组、风险评估组）。
- 结果合并：多线程并行生成各模块 JSON 数据，最后自动汇总并执行 JSON 语法修复与字段补齐。
- 最终报告合成与格式化：
- 自动合成为结构清晰的 Markdown 研报，支持上标引用（如
[S1]）追溯原始搜索证据。
- 自动合成为结构清晰的 Markdown 研报，支持上标引用（如
确保系统已安装 Python 3.9+。执行以下命令安装核心依赖集：
pip install -r requirements.txt在项目根目录下新建 .env 文件，并配置以下密钥：
# 阿里云 DashScope API Key (用于 Qwen-Plus 和 Qwen-VL-Plus)
DASHSCOPE_API_KEY=你的阿里云密钥
# Serper.dev API Key (用于 Google 搜索)
SERPER_API_KEY=你的Serper密钥本项目已适配阿里云 DashScope 的 OpenAI 兼容端点：
- 文本模型：默认使用
qwen-plus（逻辑推理能力强）。 - 视觉模型：默认使用
qwen-vl-plus（视觉理解精度高）。 - 端点地址：
https://dashscope.aliyuncs.com/compatible-mode/v1
app.py: Gradio Web 界面入口，负责 UI 交互与实时进度展示。agent.py: 核心大脑，实现BusinessResearcher类及多线程分析流水线。utils.py: 工具箱，包含 PDF/图片处理、JSON 修复、搜索封装等底层逻辑。config.py: 集中管理 API 密钥、模型参数及系统级 Prompts。
执行启动命令：
python app.py程序启动后，通过浏览器访问 http://localhost:8081。上传 PDF 文件，点击“开始全自动分析”，约 45-60 秒后即可获得完整研报。
终止程序运行可用:
taskkill /IM python.exe /F- 极速分析：通过 4 路并发 Map-Reduce 与并发搜索，将原本繁琐的串行流程大幅压缩。
- 视觉成本优化：拼图策略显著降低了多模态模型的 Token 消耗和调用频率。
- 鲁棒性机制：内置自动 JSON 修复器（Repairer），能处理 LLM 偶发的截断或格式异常，确保流程不中断。
- 增强文本融合：将视觉描述插入文本上下文，使 AI 能够“看图说话”，识别出纯文本无法解析的财务曲线或架构细节。
⚠️ 注意事项：
- 请确保您的阿里云账户已开通模型服务权限并有足够余额。
- Serper.dev 提供免费额度（约 2500 次搜索），建议根据需求合理使用。