A股智能决策系统

核心特性

架构

┌─────────────────────────────────────────────────────────────────┐
│ START │
└───────────────────────┬─────────────────────────────────────────┘
 │
 ┌───────────────┼───────────────┬───────────────┐
 ▼ ▼ ▼ ▼
 ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
 │ Market │ │ Social │ │ News │ │ Fundamentals│
 │ Analyst │ │ Analyst │ │ Analyst │ │ Analyst │
 │ (技术面) │ │ (舆情) │ │ (新闻) │ │ (基本面) │
 └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘
 │ │ │ │
 │ [ReAct tool loop: 工具调用 → 数据获取 → 分析] │
 │ │ │ │
 └────────────────┴────────┬───────┴────────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Investment Debate │
 │ ┌─────────┐ ┌──────────┐ │
 │ │ Bull │◄─►│ Bear │ │
 │ │Researcher│ │Researcher│ │
 │ │ (看多) │ │ (看空) │ │
 │ └─────────┘ └──────────┘ │
 └───────────────┬───────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Research Manager │
 │ 综合辩论 → 投资评级方案 │
 └───────────────┬───────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Trader │
 │ 投资方案 → 交易执行计划 │
 └───────────────┬───────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Risk Debate │
 │ ┌──────────┐ ┌──────────┐ │
 │ │Aggressive│─►│Conservat.│ │
 │ │ (激进) │ │ (保守) │ │
 │ └──────────┘ └────┬─────┘ │
 │ ▼ │
 │ ┌──────────┐ │
 │ │ Neutral │ │
 │ │ (中性) │ │
 │ └──────────┘ │
 └───────────────┬───────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Portfolio Manager │
 │ 风控讨论 → 最终投决评级 │
 └───────────────┬───────────────┘
 ▼
 ┌───────────────────────────────┐
 │ Report Generator │
 │ 生成可交互 HTML 分析报告 │
 └───────────────┬───────────────┘
 ▼
 END

快速开始

环境要求

安装

# 克隆仓库
git clone https://github.com/2033121/astock-trading-agents.git
cd astock-trading-agents
# 开发模式安装
pip install -e .

配置

1. LLM API 密钥(必须)

# OpenAI
export OPENAI_API_KEY=sk-your-key-here
# 或 DeepSeek
export OPENAI_API_KEY=sk-your-deepseek-key
export OPENAI_BASE_URL=https://api.deepseek.com

2. 数据源 API(可选但推荐)

3. 报告输出目录(可选)

# 设置 HTML 报告保存目录
export ASTOCK_REPORT_DIR=/path/to/your/reports

运行分析

# 基础用法 — 分析平安银行
astock-trader analyze 000001
# 指定日期和提供商
astock-trader analyze 600519 --date 2025年06月01日 --provider deepseek
# 仅选择技术面和基本面分析
astock-trader analyze 300750 --analysts market,fundamentals
# 增加辩论轮数
astock-trader analyze 000001 --debate-rounds 2 --risk-rounds 2
# 指定深度思考模型
astock-trader analyze 600519 --deep-model deepseek-reasoner
# 安静模式(仅输出评级)
astock-trader analyze 000001 --quiet
# 输出到指定文件
astock-trader analyze 000001 --output result.json

查看历史

# 查看所有历史
astock-trader history
# 查看特定标的历史
astock-trader history 000001
# 限制条数
astock-trader history 600519 --limit 5

管理记忆

# 显示所有记忆条目
astock-trader memory show
# 列出 pending 状态的条目
astock-trader memory resolve
# 清除所有记忆(需确认)
astock-trader memory clear

配置管理

# 显示当前配置
astock-trader config --show
# 修改 LLM 提供商
astock-trader config --set llm_provider --value deepseek
# 修改深度思考模型
astock-trader config --set deep_think_llm --value deepseek-reasoner
# 修改快速思考模型
astock-trader config --set quick_think_llm --value deepseek-chat
# 启用检查点(崩溃恢复)
astock-trader config --set checkpoint_enabled --value true
# 重置为默认配置
astock-trader config --reset

CLI 命令

analyze 选项

memory 操作

Python API

from astock_trader.graph import TradingAgentsGraph
# 创建分析图
graph = TradingAgentsGraph(
 selected_analysts=["market", "news", "fundamentals"],
 config={
 "llm_provider": "deepseek",
 "deep_think_llm": "deepseek-reasoner",
 "quick_think_llm": "deepseek-chat",
 "max_debate_rounds": 2,
 "max_risk_discuss_rounds": 1,
 "report_output_dir": "./reports", # HTML 报告保存目录
 },
)
# 运行分析
final_state, rating = graph.propagate("000001", "2025-06-10")
print(f"评级: {rating}")
print(f"最终决策: {final_state.get('final_trade_decision', '')}")
print(f"HTML 报告: {final_state.get('report_path', '')}")

Agent 工厂函数

from astock_trader.agents import (
 create_market_analyst,
 create_bull_researcher,
 create_research_manager,
 create_trader,
 create_aggressive_debator,
)
from astock_trader.llm_clients import create_llm_client
# 创建 LLM
client = create_llm_client(provider="deepseek", model="deepseek-chat")
llm = client.get_llm()
# 创建各角色 Agent
market_node = create_market_analyst(llm)
bull_node = create_bull_researcher(llm)
manager_node = create_research_manager(llm, deep_think_llm=llm)
import functools
trader_node = functools.partial(create_trader(llm), company_name="贵州茅台")

记忆系统

from astock_trader.agents.utils.memory import TradingMemoryLog
mem = TradingMemoryLog(memory_dir="~/.astock_trader")
# 存储决策
mem.store_decision("000001", "2025-06-10", {
 "rating": "买入",
 "action": "买入",
 "reasoning": "技术面突破",
})
# 获取历史上下文
context = mem.get_past_context("000001")
# 批量更新反思
mem.batch_update_with_outcomes([
 {
 "ticker": "000001",
 "trade_date": "2025-06-10",
 "reflection": {"outcome": "盈利5%", "lesson": "技术分析有效"},
 "new_rating": "增持",
 },
])

QoderWork 集成

每天 15:30 分析自选股列表并生成报告

v0.4 升级亮点

v0.3 升级亮点

AI 编辑器适配

Claude Code (CLAUDE.md)

OpenAI Codex (AGENTS.md)

Trae IDE (.trae/rules/)

测试

# 运行所有测试(共 185 个)
pytest tests/
# 详细输出
pytest tests/ -v
# 运行特定测试文件
pytest tests/test_schemas.py
pytest tests/test_conditional_logic.py
pytest tests/test_signal_processing.py
pytest tests/test_memory.py
pytest tests/test_dataflows.py
pytest tests/test_agents.py
pytest tests/test_backtest_consumer.py # v0.4: 反馈消费 + 衰减测试 (34 tests)
# 带覆盖率报告
pytest tests/ --cov=astock_trader --cov-report=term-missing

项目结构

astock-trading-agents/
├── pyproject.toml # 项目配置与依赖
├── README.md # 本文件
├── LICENSE # MIT 许可证
├── skills/ # QoderWork 插件 Skills
│ ├── 智能分析/ # 多Agent分析
│ ├── 分析历史/ # 历史记录查看
│ ├── 决策记忆/ # 记忆管理
│ ├── 交易配置/ # 配置管理
│ └── 复盘深度分析/ # 回测反馈深度分析 (v0.4)
├── src/
│ └── astock_trader/
│ ├── __init__.py
│ ├── default_config.py # 默认配置
│ ├── cli/ # CLI 命令行接口
│ │ ├── __init__.py
│ │ └── main.py # Typer CLI (analyze/history/memory/config)
│ ├── agents/ # Agent 定义
│ │ ├── __init__.py # 顶层导出
│ │ ├── schemas.py # Pydantic 结构化输出模型
│ │ ├── analysts/ # 分析师 (4位)
│ │ │ ├── market_analyst.py
│ │ │ ├── news_analyst.py
│ │ │ ├── social_media_analyst.py
│ │ │ └── fundamentals_analyst.py
│ │ ├── researchers/ # 研究员 (看多/看空)
│ │ │ ├── bull_researcher.py
│ │ │ └── bear_researcher.py
│ │ ├── managers/ # 经理 (研究/组合)
│ │ │ ├── research_manager.py
│ │ │ └── portfolio_manager.py
│ │ ├── trader/ # 交易员
│ │ │ └── trader.py
│ │ ├── risk_mgmt/ # 风控分析师 (激进/保守/中性)
│ │ │ ├── aggressive_debator.py
│ │ │ ├── conservative_debator.py
│ │ │ └── neutral_debator.py
│ │ └── utils/ # Agent 工具与状态
│ │ ├── agent_states.py
│ │ ├── agent_utils.py
│ │ ├── core_stock_tools.py
│ │ ├── technical_indicators_tools.py
│ │ ├── fundamental_data_tools.py
│ │ ├── news_data_tools.py
│ │ ├── mx_data_tools.py # 东方财富妙想数据工具
│ │ ├── tushare_data_tools.py # Tushare 数据工具
│ │ ├── memory.py # 交易记忆系统
│ │ ├── backtest_consumer.py # 回测反馈消费 (v0.4)
│ │ ├── rating.py # 评级解析器
│ │ └── structured.py # 结构化输出工具
│ ├── dataflows/ # 数据层
│ │ ├── __init__.py
│ │ ├── config.py # 全局配置
│ │ ├── interface.py # Vendor 路由系统(三级 fallback)
│ │ ├── akshare_data.py # akshare 数据源(行情/技术指标)
│ │ ├── tushare_data.py # Tushare 数据源(财务/资金流向)
│ │ ├── mx_data.py # 东方财富妙想数据源(新闻/实时)
│ │ └── eastmoney_news.py # 东方财富新闻源
│ ├── graph/ # LangGraph 编排层
│ │ ├── __init__.py
│ │ ├── setup.py # 图构建与编译
│ │ ├── trading_graph.py # 主编排器
│ │ ├── conditional_logic.py # 条件路由
│ │ ├── propagation.py # 状态传播
│ │ ├── reflection.py # 反思机制
│ │ ├── signal_processing.py # 信号提取
│ │ ├── report_generator.py # HTML 报告生成器
│ │ ├── context_slimmer.py # 智能上下文瘦身
│ │ └── checkpointer.py # SQLite 检查点
│ ├── llm_clients/ # LLM 客户端
│ │ ├── __init__.py
│ │ ├── base_client.py # 基类
│ │ ├── openai_client.py # OpenAI 兼容客户端
│ │ ├── factory.py # 客户端工厂
│ │ └── resilience.py # LLM 容错层(重试 + 熔断 + Headroom)
│ └── memory/ # 向量记忆系统
│ ├── __init__.py
│ └── market_memory.py # TF-IDF bigram 语义检索 + 持久化
└── tests/ # 测试
 ├── conftest.py
 ├── test_schemas.py # Pydantic 模型测试
 ├── test_conditional_logic.py # 条件路由测试
 ├── test_signal_processing.py # 信号提取测试
 ├── test_memory.py # 记忆系统测试
 ├── test_dataflows.py # 数据层路由测试
 ├── test_agents.py # Agent 工厂测试
 └── test_backtest_consumer.py # v0.4: 反馈消费 + 衰减测试

评级体系

致谢

License