Files
DinQuant/backend_api_python/app/services/agents/README.md
T

149 lines
3.4 KiB
Markdown
Raw Normal View History

2025-12-29 03:06:49 +08:00
# 多智能体分析系统
基于 TradingAgents 架构优化的多智能体股票分析系统。
## 架构特点
### 1. 多智能体协作
- **分析师团队**:市场分析师、基本面分析师、新闻分析师、情绪分析师、风险分析师
- **研究团队**:看涨研究员、看跌研究员
- **交易团队**:交易员、风险分析师(激进/中性/保守)
### 2. 工作流程
```
分析师团队分析 → 研究辩论 → 交易员决策 → 风险辩论 → 最终决策
```
### 3. 记忆系统
- 使用 SQLite 存储历史决策
- 基于文本相似度检索历史经验
- 支持从交易结果中学习
### 4. 工具调用
- 智能体可以主动获取数据
- 支持多数据源(yfinance, finnhub, ccxt, 腾讯接口)
## 使用方法
### 基本使用
```python
from app.services.analysis import AnalysisService
# 使用多智能体架构(默认)
service = AnalysisService(use_multi_agent=True)
result = service.analyze("USStock", "AAPL", "zh-CN")
# 使用传统架构(向后兼容)
service = AnalysisService(use_multi_agent=False)
result = service.analyze("USStock", "AAPL", "zh-CN")
```
### 环境变量配置
`.env` 文件中设置:
```bash
# 是否启用多智能体架构(默认:True)
USE_MULTI_AGENT=True
# 最大辩论轮数(默认:2
MAX_DEBATE_ROUNDS=2
```
### 反思学习
```python
from app.services.analysis import reflect_analysis
# 从交易结果中学习
reflect_analysis(
market="USStock",
symbol="AAPL",
decision="BUY",
returns=1000.0, # 收益
result="交易成功,收益 10%"
)
```
## 智能体说明
### 分析师智能体
- **MarketAnalyst**: 技术分析,计算技术指标
- **FundamentalAnalyst**: 基本面分析,财务数据
- **NewsAnalyst**: 新闻事件分析
- **SentimentAnalyst**: 市场情绪分析
- **RiskAnalyst**: 风险评估
### 研究员智能体
- **BullResearcher**: 构建看涨论据
- **BearResearcher**: 构建看跌论据
### 交易员智能体
- **TraderAgent**: 综合所有分析,做出交易决策
### 风险分析师智能体
- **RiskyAnalyst**: 激进风险分析
- **NeutralAnalyst**: 中性风险分析
- **SafeAnalyst**: 保守风险分析
## 返回结果格式
多智能体模式返回的完整结果包括:
```json
{
"overview": {
"overallScore": 75,
"recommendation": "BUY",
"confidence": 82,
"dimensionScores": {...},
"report": "..."
},
"fundamental": {...},
"technical": {...},
"news": {...},
"sentiment": {...},
"risk": {...},
"debate": {
"bull": {...},
"bear": {...},
"research_decision": "..."
},
"trader_decision": {
"decision": "BUY",
"confidence": 85,
"trading_plan": {...}
},
"risk_debate": {
"risky": {...},
"neutral": {...},
"safe": {...}
},
"final_decision": {
"decision": "BUY",
"confidence": 85,
"reasoning": "..."
}
}
```
## 优势
1. **多角度分析**:多个智能体从不同角度分析,减少盲点
2. **辩论机制**:看涨/看跌辩论,发现潜在问题
3. **风险控制**:多维度风险分析,提高决策质量
4. **持续学习**:记忆系统支持从历史经验中学习
5. **向后兼容**:可以切换到传统模式
## 注意事项
1. 多智能体模式会产生更多的 API 调用,成本较高
2. 分析时间会比传统模式长
3. 记忆系统需要 SQLite 数据库支持
4. 建议在生产环境中根据需求选择合适的模式