TIANHE
149 lines
3.4 KiB
Markdown
149 lines
3.4 KiB
Markdown
# 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
|
||
|
||
在 `.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
|