本指南介绍了 Discourse AI 中的论坛研究员（Forum Researcher）代理，包括其工作原理以及如何配置它以进行深入的论坛内容分析。
所需用户级别：管理员（用于启用和配置），所有用户（用于交互，如果已授予访问权限）
理解和使用论坛研究员代理
Discourse AI 插件包含论坛研究员代理，这是一个强大的工具，旨在对您论坛内的内容进行深入调研。该代理可帮助您发现洞察、总结讨论并分析社区趋势。
摘要
本文档将涵盖以下内容：
- 论坛研究员代理的工作原理。
- 配置论坛研究员的步骤。
- 与该代理交互的最佳实践。
- 论坛研究员与标准论坛辅助工具的区别。
- 如何选择合适的大语言模型（LLM）的指导。
- 研究任务的调试技巧。
- 该代理当前的局限性。
工作原理
论坛研究员代理使用专用的研究员（Researcher）工具。该工具旨在：
- 访问论坛内容：它可以浏览您论坛的各个部分。
- 应用高级过滤器：灵活的过滤系统允许工具精确定位相关信息。您可以通过以下方式指定内容：
- 特定类别（例如
category:support或categories:support,feedback） - 标签（例如
tag:bug或tags:bug,regression） - 用户或用户组（例如
username:sam,usernames:sam,jane,group:moderators,groups:moderators,admins） - 帖子或主题标题中的关键词（例如
keywords:regression,bug,topic_keywords:feature,request） - 帖子的日期范围（例如
after:2024-01-01 before:2024-06-30） - 主题的日期范围（例如
topic_after:2024-01-01 topic_before:2024-06-30） - 特定主题 ID（例如
topic:123或topics:123,456） - 主题状态（例如
status:open,status:closed,status:archived,status:noreplies,status:single_user） - 帖子类型（例如
post_type:first,post_type:reply） - 排序顺序（例如
order:latest,order:oldest,order:latest_topic,order:oldest_topic,order:likes） - 行内结果限制（例如
max_results:50） - 已分配的主题（如果启用了 Assign 插件，例如
assigned_to:username,assigned_to:user1,user2,assigned_to:*,assigned_to:nobody） - 过滤器可以使用 AND 逻辑（空格分隔）或 OR 逻辑（在过滤器组之间使用
OR）进行组合。例如：category:bugs status:open after:2024-05-01 OR tag:critical usernames:sally。
- 特定类别（例如
- 使用大语言模型（LLM）分析内容：在检索到过滤后的内容后，它使用 LLM 分析信息、提取洞察，并回答您的具体问题或实现您的研究目标。
- 遵循结构化流程：为了确保效率和准确性，特别是考虑到潜在的成本，论坛研究员的设计旨在：
- 理解：它将在开始时与您合作，明确您的研究目标。
- 规划：根据您的目标，它利用可用的过滤器设计全面的研究方法。
- 测试（试运行）：在执行完整分析之前，代理通常会进行“试运行”。这涉及计算有多少帖子符合您的过滤条件，而不立即使用 LLM 处理它们。随后，代理将告知您该数量。
- 优化：根据试运行结果，如果帖子数量过多（可能导致高成本或结果过于宽泛）或过少（可能遗漏关键信息），代理可以协助您调整过滤器。
- 执行：一旦您确认范围合适（在试运行之后），代理将运行最终分析，将内容发送给 LLM。
- 总结：它展示发现结果，通常使用 Discourse Markdown 格式，并提供指向原始论坛帖子和主题的链接作为支持证据。
这种系统化的方法意味着您可以要求研究员执行以下任务：
- “总结’mobile-app’类别中过去一个季度讨论最频繁且未解决的漏洞，并识别讨论中提到的任何建议解决方案或变通方法。”
- “帮我找出支持和不支持‘新用户入职’提案主题（链接）的主要论点，并列出每一方的关键支持者。”
- “审查’documentation-team’用户组在过去一年中的活动，并提供一份关于他们对 how-to 文章主要贡献的报告，突出任何获得显著积极反馈的教程。”
配置论坛研究员
论坛研究员默认处于禁用状态，因为其使用可能会产生 LLM 成本。
- 启用代理：导航至 管理 → AI → 代理 以激活它。
- 控制访问权限：强烈建议将此代理限制在特定用户组内，以管理 LLM 成本。您还可以使用 AI 配额 进行更精细的控制。
启用后，该工具有几个配置选项：
- LLM：选择用于研究的特定 LLM。默认值为当前代理的 LLM。此选项允许您平衡质量和成本。
- 最大结果数：此设置限制每次查询处理的帖子数量以控制成本。默认为 1000。
- 包含私密内容：此选项允许在安全类别中搜索，使用交互用户的权限。
- 每篇帖子最大令牌数：此设置截断长帖子以节省令牌成本。默认为 2000 个令牌，最小值为 50。
- 每批次最大令牌数：此设置控制发送给 LLM 的数据块大小。对于具有大上下文窗口的 LLM 或保持专注性非常有用。如果设置为 8000 或更低，则默认为 LLM 的最大提示令牌数减去 2000 个令牌的缓冲值。
交互最佳实践
为了在管理成本的同时充分利用论坛研究员：
- 明确目标：在开始之前，清楚地定义您想要了解的内容。当代理拥有精确的目标时，效果最佳。
- 试运行后确认范围：代理通常会先执行“试运行”，并告知您根据您的请求找到了多少帖子。请密切关注这个数字。如果数字过高（可能导致高成本或结果不聚焦）或过低（可能遗漏关键信息），请在进行完整分析之前与代理讨论优化您的过滤器。
- 迭代过滤器：如果初始试运行未能定位到正确的信息，请与代理合作调整过滤条件。添加更具体的关键词、缩小日期范围或指定类别/标签。
- 整合查询：该代理旨在在一次研究执行中处理多个相关目标。尝试将相关问题分组到一个综合的研究请求中发送给代理。
与标准论坛辅助工具及相关工具的关系
论坛研究员代理与使用标准工具（如 Search 和 Read）的通用论坛辅助工具不同。
-
标准
Search和Read工具：Search工具主要用于识别相关的主题。它通过将关键词与帖子内容及其他条件（标签、类别等）进行匹配来实现这一点。对于每个匹配的主题，它返回一个链接和来自相关帖子的简短片段，而不是完整的帖子内容。Read工具用于访问Search识别出的特定主题（或其内选定的帖子）的完整内容。- 这些工具协同工作以实现针对性检索：
Search查找主题，Read消化其内容。
-
论坛研究员的
researcher工具：- 直接、深度的内容分析：
researcher工具不仅识别主题；它直接处理并分析可能许多帖子的完整内容（最多达到配置的最大结果数），这些内容符合其综合过滤条件。 - 高级过滤与综合：它使用更复杂的过滤语言来构建来自整个论坛的帖子数据集（可能跨越数百个主题），然后综合该整个数据集的信息来回答复杂问题。这与逐个阅读单个主题有根本区别。
- 直接、深度的内容分析：
本质上，虽然论坛辅助工具使用 Search 来 pinpoint 主题（展示片段）并使用 Read 深入其中一个，但论坛研究员同时对许多帖子的实际文本进行广泛分析，以发现更深层次的综合洞察。
我应该使用哪个 LLM？
LLM 技术正在快速发展，模型在能力和成本效益方面不断改进。在论坛研究员的开发过程中，像 Gemini 2.5 Flash、Gemini 2.5 Pro、GPT-4.1 和 Claude 4 Sonnet 这样的模型为复杂的研究计划提供了出色的结果。
最佳选择取决于您的具体需求：
- 高质量、细致的分析：更先进的模型可能更合适，尽管它们通常成本更高。
- 广泛概览或对成本敏感的任务：更快、更经济的模型可能非常有效。
以下是 Discourse 内部测试针对非常具体、复杂查询的即时示例：
查看功能类别中按点赞数排序的前 1000 个开放主题（仅第一篇文章）……为我生成一份关于以下内容的行政报告：
- CDCK 应构建的前 20 个功能
- CDCK 最容易构建的 20 个功能
- 明显的重复项
- 定义非常模糊的内容
不要再问我问题，直接运行研究
混合示例：驱动模型为 Gemini 2.5 Pro，研究员 LLM 为 Gemini 2.0 Flash
混合示例
调试研究
在 Discourse 中，您可以通过将用户组添加到 ai_bot_debugging_allowed_groups 站点设置来启用高级 AI 调试。设置完成后，您将能够查看实际发送给 LLM 的负载。
局限性
目前，没有选项可以向研究 LLM 发送图像。这将在未来版本中考虑。
常见问题解答
-
论坛研究员是否适用于所有 Discourse 计划？
论坛研究员是 Discourse AI 插件的一部分，该插件适用于自托管站点以及我们的企业托管计划。 -
论坛研究员能否访问安全类别中的内容？
可以，如果在其配置中启用了“包含私密内容”选项，并且与代理交互的用户具有访问这些类别的必要权限。 -
我如何控制使用论坛研究员的成本？
- 限制访问特定的、受信任的用户组。
- 使用“最大结果数”和“每篇帖子最大令牌数”设置来限制处理量。
- 选择具有成本效益的 LLM。
- 在执行完整研究之前，密切关注“试运行”估算值。
- 利用 AI 配额。
