jayshilj/GeoPulseWebApp

# 🌏 GeoPulse | 战略情报仪表板

[](https://opensource.org/licenses/MIT) [](https://www.python.org/downloads/) [](https://streamlit.io) GeoPulse 是一款由 AI 驱动的开源情报 (OSINT) 工具，可实时分析地缘政治关系、全球贸易路线以及大宗商品风险。 该项目使用 Python 和 Streamlit 构建，集成了多个 LLM 提供商（Perplexity、Google、OpenAI、DeepSeek），将外交报告、经济数据和物流动态整合为一个结构化且高度可视化的仪表板。 ## 🚀 核心模块与功能 ### 1. 📡 区域监控 分析任意两个实体之间的直接双边关系。 - **紧张局势仪表 (0-100)**：可视化当前的外交压力。 - **同比 比较**：显示当前紧张局势评分与整整一年前评分之间的差值。 - **贸易逆差估算器**：基于 AI 估算以十亿美元为单位的贸易失衡情况。 - **情报动态**：附带来源和日期的实时新闻标题。 ### 2. 📊 全球热力图 宏观了解全球最稳定与最动荡的地区。 - **Top 10 排名**：动态列出全球紧张局势最高的热点地区以及最稳定的区域。 ### 3. 📈 市场监控 分析大宗商品及供应链的脆弱性。 - **大宗商品风险评估**：分析原油、黄金、半导体、锂等商品的供应链稳定性。 - **咽喉要道监控**：识别关键物流节点面临的威胁（例如，马六甲海峡、巴拿马运河）。 - **生产国紧张指数**：追踪特定大宗商品主要生产国的地缘政治稳定性。 ### 4. 🦢 黑天鹅模拟器 模拟全球危机的级联效应。 - **迭代关系图**：使用由 Pyvis 驱动的交互式力导向网络图，可视化级联的供应链断裂。用户可以迭代地“展开”图谱，以探索更深层的二阶和三阶连锁后果。 - **多智能体恐慌模拟**：利用 CAMEL-AI 实例化“零售店经理”与“焦虑消费者”之间的多智能体角色扮演模拟，以预测危机期间基层的行为经济学和库存短缺情况。 - **级联影响分析**：一个“微指标”仪表板，分析能源、物流、金融以及区域稳定性等方面的连锁反应。 ## 🛠️ 技术栈 - **前端**：Streamlit (Web UI) - **可视化**：Plotly（交互式地图与仪表盘），Pyvis（网络图谱） - **多智能体模拟**：CAMEL-AI - **AI / LLM 支持**： - **Perplexity**：`sonar-pro` - **Google Gemini**：`gemini-1.5-pro`，`gemini-2.5-flash` - **OpenAI**：`gpt-4o`，`gpt-4o-mini` - **DeepSeek**：`deepseek-chat`，`deepseek-reasoner` - **数据引擎**：Pandas & JSON 处理 ## 📂 项目结构 ``` GeoPulseWebApp/ ├── app.py # Main Streamlit application entry point ├── src/ │ ├── api.py # LLM integrations and multi-agent simulation logic │ ├── graph.py # Pyvis network graph generation logic │ └── utils.py # Helper functions, UI styling, and JSON parsers ├── docs/ │ └── ISSUES.md # Known issues & roadmap ├── requirements.txt # Project dependencies ├── LICENSE # MIT License └── README.md # Project documentation ``` ## 📦 安装与设置 ### 前置条件 - Python 3.8+ - 支持的提供商之一（Perplexity、Google、OpenAI 或 DeepSeek）的 API Key。 ### 第一步：克隆仓库 ``` git clone https://github.com/jayshilj/GeoPulseWebApp.git cd GeoPulseWebApp ``` ### 第二步：设置虚拟环境（推荐） ``` python -m venv venv # Windows: .\venv\Scripts\activate # Mac/Linux: source venv/bin/activate ``` ### 第三步：安装依赖 ``` pip install -r requirements.txt ``` ### 第四步：运行应用 ``` streamlit run app.py ``` ## 🖥️ 使用指南 1. **配置模型**：在侧边栏中选择您首选的 LLM 提供商并输入您的 API Key。 2. **选择模块**：在区域监控、全球热力图、市场监控或黑天鹅模拟器之间进行选择。 3. **执行扫描**：输入您的地缘政治参数并点击操作按钮（例如，“Initialize Scan”、“Analyze Risk”）。 4. **分析影响**：使用交互式地图、级联影响卡片以及迭代图谱展开功能来评估地缘政治风险。 ## ⚠️ 免责声明 本工具仅供 informational 参考。数据由实时在互联网上进行研究的 LLM 生成。虽然对战略情报非常有效，但 AI 偶尔可能会误读微妙的外交事件或幻觉出特定的数据。请务必通过官方政府来源（例如，世界银行、IMF、外交部）核实关键数据。 ## 🤝 贡献 欢迎提交 Pull requests！对于重大更改，请先开一个 issue 来讨论您希望更改的内容。所有贡献均受 MIT 许可证约束。

标签：AI驱动, DeepSeek, DLL 劫持, ESC4, Kubernetes, LLM, OpenAI, OSINT, Perplexity, Python, Streamlit, Unmanaged PE, 全球贸易, 内存规避, 区域监控, 国际关系, 地缘政治, 地缘政治风险, 大宗商品风险, 大语言模型, 宏观经济, 市场分析, 情报分析, 战略情报, 数据仪表盘, 数据大屏, 无后门, 熵值分析, 物流运输, 网络诊断, 访问控制, 贸易逆差, 逆向工具, 黑天鹅模拟