【犀牛鸟实战】RivalRadar 竞品雷达：Hy3 驱动的多 Agent 竞品分析协作系统（独立仓库）

[mackinhos]

项目说明

RivalRadar 竞品雷达 —— 对应挑战课题「AI 驱动的竞品分析 Agent 协作系统」。

输入调研主题，4 个 Hy3 Agent 组成的「数字调研小组」自动完成全链路：拆解调研方案 → 并行检索公开信息 → 结构化交叉对比 → 流式撰写竞品分析报告。

📦 独立仓库（完整代码 + 运行指南 + Demo）：https://github.com/mackinhos/rivalradar

本 PR 仅新增 submissions/rivalradar/README.md（项目说明与仓库链接），不改动仓库既有代码。

Hy3 在系统中承担的角色

全程通过 Hy3 API（OpenAI 兼容协议）推理，不训练 / 不微调 / 不本地部署：

环节	Hy3 调用	输出
① 规划师 Plan	chat_json	竞品清单 / 分析维度 / 关键问题（JSON）
② 调研员 Scout	Web 搜索 + chat_json（每竞品并行）	资料卡片：概述 / 要点 / 来源（JSON）
③ 分析师 Insight	chat_json	维度×竞品评分矩阵 / 优劣势 / 结论（JSON）
④ 撰稿人 Report	chat_stream	Markdown 报告流式输出

工程侧另用 Hy3 做 JSON 格式自愈（解析失败自我修正重试）。参数遵循官方推荐 temperature=0.9, top_p=1.0，思考模式经 reasoning_effort 控制。

Issue 要求对照

• 全程通过 API 调用 Hy3，不训练 / 微调 / 本地推理部署
• 至少 1 个可交互前端：Web 单页（Agent 状态机 + 实时日志 + 雷达图 + 报告渲染，SSE 驱动）
• 至少 2 个端到端 demo 流程：Demo A「AI 编程助手竞品分析（指定对象）」、Demo B「新能源 SUV 竞品分析（自动识别对象）」，GIF 见独立仓库 README（单个 ≤ 2 min）
• 项目开源（MIT），README 写明 Hy3 承担的角色

技术亮点

• 多 Agent 编排：FastAPI + SSE 事件流，调研员 3 路并行采集
• 健壮性：JSON 输出自愈重试、指数退避、单竞品失败容错、断网降级（模型内置知识并标注）
• 零密钥可体验：内置演示模式完整回放全链路交互

运行方式

git clone https://github.com/mackinhos/rivalradar.git
cd rivalradar && cp .env.example .env
pip install -r requirements.txt
python run.py