# emotion-analysis-expert

**Repository Path**: architect-training/emotion-analysis-expert

## Basic Information

- **Project Name**: emotion-analysis-expert
- **Description**: Claude Code 使用 LangChainGo 库开发的男性情感咨询专家智能体。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-03
- **Last Updated**: 2026-06-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# Emotion Analysis Expert

基于大语言模型的情商培训专家系统，提供情感分析、关系评估和沟通优化等功能。

## 项目简介

本项目是一个用于情感分析的 AI Agent 系统，结合了 RAG（检索增强生成）技术，可以对聊天记录进行情感分析、评估人际关系质量并提供沟通建议。系统支持以命令行工具或 HTTP API 服务两种方式运行。

## 功能特性

- **情感分析**：识别文本中的情感倾向和情绪关键词
- **关系评分**：基于正向和负向信号评估人际关系质量
- **聊天记录分析**：检测冲突标记和情感变化趋势
- **RAG 知识库**：基于文档构建向量知识库，提供专业沟通技巧建议
- **会话记忆**：支持多会话上下文管理，记住对话历史
- **HTTP API**：提供 RESTful API 接口，方便第三方集成

## 技术架构

```
┌─────────────────────────────────────────────────────┐
│                    CLI / HTTP API                    │
├─────────────────────────────────────────────────────┤
│              Agent (情感分析智能体)                  │
│  ┌──────────┐ ┌───────────┐ ┌──────────────────┐   │
│  │  Tools   │ │  Memory   │ │    RAG (知识库)   │   │
│  │ - 情感   │ │  会话管理  │ │  向量存储+检索    │   │
│  │ - 关系   │ │           │ │                  │   │
│  │ - 日志   │ │           │ │                  │   │
│  └──────────┘ └───────────┘ └──────────────────┘   │
├─────────────────────────────────────────────────────┤
│                   LLM Model                         │
│              (OpenAI / Claude 等)                    │
└─────────────────────────────────────────────────────┘
```

## 快速开始

### 环境要求

- Go 1.21+
- SQLite3

### 安装配置

1. 克隆项目：
```bash
git clone https://gitee.com/architect-training/emotion-analysis-expert.git
cd emotion-analysis-expert
```

2. 修改配置文件 `configs/config.yaml`，配置你的 LLM API：

```yaml
llm:
  provider: "openai"          # 或 "anthropic" 等
  model: "gpt-4"
  base_url: "https://api.openai.com/v1"
  api_key: "your-api-key"
  temperature: 0.7
  max_tokens: 2000
  timeout_sec: 120

embedding:
  provider: "openai"
  model: "text-embedding-ada-002"
  base_url: "https://api.openai.com/v1"
  api_key: "your-api-key"

rag:
  db_path: "data/memory.db"
  chunk_size: 500
  chunk_overlap: 50
  top_k: 3

memory:
  db_path: "data/memory.db"
  max_history: 100

server:
  port: 8080
```

### 构建与运行

```bash
# 构建二进制
./scripts/build.sh

# 或直接运行
go run cmd/male-agent/main.go
```

## 使用方式

### 命令行模式

```bash
# 交互式对话
go run cmd/male-agent/main.go chat --session-id "user123"

# 单次问答
go run cmd/male-agent/main.go ask --message "你好"

# 分析聊天记录
go run cmd/male-agent/main.go analyze --content "聊天内容..."
```

### API 服务模式

```bash
# 启动 HTTP 服务
go run cmd/male-agent/main.go server

# 调用 API
curl -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"session_id": "user123", "message": "今天工作好累"}'
```

### API 接口

| 接口 | 方法 | 说明 |
|------|------|------|
| `/api/chat` | POST | 对话接口 |
| `/api/emotion` | POST | 情感分析接口 |
| `/api/analyze` | POST | 聊天记录分析接口 |
| `/health` | GET | 健康检查 |

## 内置工具

系统内置三个核心分析工具：

1. **EmotionTool** - 情感分析工具
   - 识别文本中的情感关键词
   - 判断情感倾向（正面/负面/中性）

2. **RelationshipScoreTool** - 关系评分工具
   - 基于正向信号（关心、支持、信任等）评分
   - 基于负向信号（忽视、冷漠、批评等）扣分

3. **ChatLogAnalyzerTool** - 聊天记录分析工具
   - 检测冲突标记
   - 分析情感变化趋势
   - 提供改进建议

## 目录结构

```
emotion-analysis-expert/
├── cmd/                    # 程序入口
│   └── male-agent/
│       └── main.go
├── configs/                # 配置文件
│   └── config.yaml
├── data/                   # 数据目录
│   └── memory.db
├── internal/               # 内部包
│   ├── agent/             # Agent 实现
│   ├── cli/               # CLI 命令
│   ├── llm/               # LLM 工厂
│   ├── memory/            # 会话内存管理
│   ├── prompt/            # 提示词
│   ├── rag/               # RAG 组件
│   ├── server/            # HTTP 服务器
│   └── tools/             # 分析工具
├── knowledge/             # 知识库文档
│   └── communication_skills.md
├── scripts/               # 构建脚本
└── go.mod                 # Go 模块定义
```

## 许可证

本项目仅供学习和研究使用。