Agent/examples/create/doc/create_process_v2_strategy_analysis.md

选题推导系统策略分析报告（create_process_v2）

1. 系统概述

选题推导系统（增量剪枝版）是一个基于图数据库游走的内容选题生成系统，通过增量路径扩展和逐轮剪枝的方式，从人设数据中推导出高质量的内容选题。

2. 核心策略分析

2.1 路径推导机制

2.1.1 增量扩展策略

• 增量式路径构建：路径从单点开始，每轮在现有路径末端叠加新点，逐步延长
• 路径生长模式：["点A"] → ["点A", "点B"] → ["点A", "点B", "点C"] → ...
• 优势：
  • 避免一次性生成完整路径的组合爆炸问题
  • 可以在每轮及时评估和剪枝，减少无效计算
  • 支持动态路径长度，适应不同的扩展情况

2.1.2 广度优先遍历（BFS）

• 全局候选池机制：
  • 每轮所有保留路径同时向前扩展
  • 所有路径的候选结果放入同一个全局候选池
  • 从全局候选池中选择Top-K条最优路径
• 路径竞争机制：
  • 不同路径之间竞争Top-K名额
  • 表现好的路径可能有多个分支进入Top-K
  • 表现差的路径可能完全被淘汰
• 优势：
  • 避免局部优化，确保全局最优
  • 自动淘汰低质量路径分支
  • 平衡探索广度和深度

2.1.3 路径独立性原则

• 严格独立性：每条路径的探索过程完全独立，只使用自己探索得到的数据
• 实现机制：
  • 即使多条路径的末端点相同，也分别调用工具探索
  • 通过from_path_id字段严格关联候选点与源路径
  • 不允许不同路径共享探索结果
• 目的：
  • 确保路径推导过程的可追溯性
  • 避免数据污染和混淆
  • 保证每条路径的完整性和独立性

2.1.4 循环避免策略

• 禁止重复点：路径中不允许出现重复的点
• 实现方式：在添加新点之前，检查该点是否已在路径中出现
• 目的：防止A→B→A这样的循环结构，确保路径的有向性

2.2 数据抽象层次

2.2.1 点与元素的区分

• 点（Point）：图数据库中的节点，具有完整的路径名称
  • 示例：灵感点_情绪>积极>兴奋
  • 包含：点名称、点类型、维度、元素列表
• 元素（Element）：点的组成部分，具体的语义标签
  • 示例：点灵感点_情绪>积极>兴奋的元素为["情绪", "积极", "兴奋"]
  • 来源：从点的elements字段中提取的key列表
• 优势：
  • 点提供结构化的路径表示
  • 元素提供细粒度的语义单元
  • 分层抽象便于不同层次的处理

2.2.2 笛卡尔积关系

• 组合空间：路径中各点的元素列表形成笛卡尔积组合
• 示例：
  • 点A元素："情绪", "积极"
  • 点B元素："教育", "科普"
  • 点C元素："呈现", "视觉"
  • 组合空间：2×2×2 = 8种可能组合
• 应用：选题生成时从这些组合中推导最优内容方向
• 优势：提供丰富的语义组合空间，支持多样化的选题生成

2.3 评估与剪枝策略

2.3.1 两层评估机制

评估维度1：矛盾检测

• 检查路径中是否存在语义冲突
• 矛盾规则示例：
  • {"室内场景"} 与 {"户外景观"} 互斥
  • {"严肃风格"} 与 {"搞笑氛围"} 互斥
  • {"静态展示"} 与 {"动态演绎"} 互斥
• 判定逻辑：存在矛盾→不保留，无矛盾→通过

评估维度2：人设风格检查

• 检查新点是否符合人设树中的高权重特征和常量点
• 评判标准：
  • 新点元素是否与常量点相关
  • 新点风格是否与高权重特征一致
  • 新点是否偏离核心人设定位
• 判定逻辑：符合人设→通过，不符合→不保留

2.3.2 全局剪枝机制

三步剪枝流程：

1. 收集全局候选池

   • 遍历所有旧路径，收集所有通过评估的扩展路径
   • 形成全局候选池（可能包含数百条候选路径）

2. 全局排序

   • 优先级1：新增点的置信度（降序）
   • 优先级2：路径深度（降序）
   • 优先级3：三点齐全程度（降序）

3. 保留Top-K

   • 从全局排序结果中选择前K条路径
   • 丢弃其余路径

优势：

• 全局视角确保选择最优路径
• 自动淘汰低质量分支
• 控制计算复杂度

2.3.3 增量评估策略

• 评估对象：仅评估"在已有路径A上叠加点B"的合理性
• 非评估对象：不从头评估整条路径
• 优势：
  • 减少重复计算
  • 提高评估效率
  • 聚焦于新增点的合理性

2.4 终止策略

2.4.1 两个终止条件

1. 达到最大轮次：loop >= MAX_ROUNDS
2. 无法继续扩展：edges_to_explore为空或所有路径都无新候选点

2.4.2 非终止条件

• 三点齐全：不作为终止条件，而是作为探索策略的调整依据
• 实质支撑：不作为终止条件

2.4.3 灵活终止机制

• 路径可能在达到MAX_ROUNDS之前停止扩展
• 最终路径长度可能从3到MAX_ROUNDS不等
• 适应不同的图结构和数据密度

2.5 探索策略优化

2.5.1 三点齐全导向策略

• 触发条件：路径已包含灵感点、目的点、关键点各至少一个
• 策略调整：
  • 优先探索维度为"实质"的点
  • 在候选点排序时给"实质"维度更高权重
  • 仍可探索其他维度的点
• 未齐全时：
  • 优先探索缺失类型的点
  • 不限制维度

2.5.2 目的

• 引导路径向更完整的结构发展
• 确保路径包含必要的实质层面支撑
• 提高最终选题的质量和可行性

3. 工作流程结构

3.1 第0轮：初始化（一次性）

步骤：

1. 初始化状态变量
2. 提取常量点作为起始点
3. 调用工具获取初始关联点
4. 准备第一轮探索

关键机制：

• 从人设树中提取所有_is_constant为true的常量点
• 对每个常量点调用search_point_by_element_from_full_all_levels获取关联点
• 每条路径初始只包含一个点
• 记录点的完整信息（点名称、类型、维度、元素列表、置信度）

3.2 第N轮：循环推导（N≥1）

步骤：

1. 从保留的边出发，探索新关联点
2. 增量评估与剪枝
3. 准备下一轮探索
4. 检查终止条件

关键机制：

• 对每条路径的末端点调用search_point_by_path_from_full_all_levels
• 对探索到的关联点再次调用工具获取其元素信息
• 构建候选路径并过滤循环
• 增量评估每条候选路径
• 全局剪枝保留Top-K

3.3 第三阶段：选题生成

步骤：

1. 过滤有效路径（必须满足三点齐全+实质支撑）
2. 解析路径为选题（基于笛卡尔积）
3. 输出选题列表和执行摘要

关键机制：

• 提取路径中的点信息并按类型分组
• 从点的元素字段提取具体元素值
• 生成核心元素组合（每个元素标记来源点和置信度）
• 基于元素组合生成完整的选题描述、创作角度、预期效果

4. 策略优势分析

4.1 计算效率

• 增量扩展：避免组合爆炸，逐步构建路径
• 逐轮剪枝：及时淘汰低质量路径，减少无效计算
• 全局Top-K：控制每轮保留的路径数量，确保可控的计算复杂度

4.2 结果质量

• 全局视角：广度优先遍历+全局剪枝确保选择最优路径
• 多维评估：矛盾检测+人设风格检查确保路径合理性
• 笛卡尔积组合：提供丰富的语义组合空间，支持多样化选题

4.3 可追溯性

• 路径独立性：每条路径的推导过程完全独立，可完整追溯
• 来源标记：明确记录每个点的来源方式（起始点关联/关联边游走）
• 元素溯源：每个元素都标记来源点和置信度

4.4 灵活性

• 动态路径长度：适应不同的图结构和数据密度
• 灵活终止：两个终止条件覆盖不同场景
• 策略调整：三点齐全导向策略动态调整探索方向

5. 潜在问题与改进方向

5.1 计算成本

问题：

• 路径独立性原则导致重复调用工具（即使末端点相同）
• 全局候选池可能包含大量候选路径（如20条旧路径×10个候选=200条）

可能改进：

• 考虑缓存机制，减少重复的工具调用
• 在不影响可追溯性的前提下，共享相同点的探索结果
• 动态调整Top-K值，根据候选池质量自适应调整

5.2 评估机制

问题：

• 矛盾规则需要人工定义，可能不完整或过于严格
• 人设风格检查的判定标准较为主观

可能改进：

• 引入基于语义相似度的矛盾检测模型
• 使用量化指标（如相似度分数）代替二元判定
• 引入更细粒度的评分机制，而非简单的通过/不通过

5.3 路径多样性

问题：

• 全局Top-K可能导致路径趋同，缺乏多样性
• 优先选择高置信度的路径，可能忽略创新性的组合

可能改进：

• 引入多样性奖励机制，鼓励不同的路径组合
• 在Top-K选择时平衡质量和多样性
• 分层保留策略，确保不同类型的路径都有代表

5.4 三点齐全策略

问题：

• 三点齐全作为必要条件可能过于严格
• 某些高质量的两点组合可能被排除

可能改进：

• 放宽必要条件，允许部分两点组合进入选题
• 引入不同的路径模式（如两点模式、四点模式）
• 根据实际应用场景调整必要条件

5.5 元素组合策略

问题：

• 笛卡尔积可能产生大量无意义的组合
• 当前未充分利用元素之间的语义关系

可能改进：

• 引入元素相关性分析，过滤无意义组合
• 基于元素共现频率优化组合选择
• 使用语义网络增强元素关系建模

6. 总结

6.1 核心特点

1. 增量式构建：逐步扩展路径，避免组合爆炸
2. 广度优先遍历：全局视角确保最优路径
3. 严格独立性：路径推导过程完全可追溯
4. 两层评估：矛盾检测+人设风格双重保障
5. 全局剪枝：Top-K机制控制计算复杂度
6. 灵活终止：适应不同的数据和场景

6.2 适用场景

• 大规模图数据库的路径推导
• 需要可追溯性和可解释性的推荐系统
• 多约束条件下的内容生成任务
• 需要平衡探索广度和深度的搜索问题

6.3 设计权衡

• 效率vs质量：通过Top-K控制计算量，但可能损失部分多样性
• 独立性vs效率：路径独立性保证可追溯性，但增加计算成本
• 严格性vs灵活性：三点齐全+实质支撑保证质量，但可能过滤掉部分有价值的路径

6.4 关键创新点

1. 路径独立性原则：确保每条路径的推导过程完全独立和可追溯
2. 全局候选池+全局剪枝：真正实现广度优先遍历，避免局部优化
3. 点-元素双层抽象：支持不同粒度的处理和组合
4. 增量评估：只评估新增点的合理性，避免重复计算
5. 动态探索策略：根据路径完整度动态调整探索方向

---

文档版本：v1.0 分析日期：2026-03-16 对应系统版本：create_process_v2（增量剪枝版）