aaron/stock-ai-agent
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

update

Browse Source
This commit is contained in:
aaron 2026-02-05 12:35:20 +08:00
parent 946f1419f1
commit 24e8a5c1a2
4 changed files with 543 additions and 233 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

15
backend/app/agent/skill_manager.py
View File

@ -99,12 +99,14 @@ class SkillManager:
skill = self.get_skill(skill_name)
if not skill:
logger.error(f"❌ 技能不存在: {skill_name}")
return {
"success": False,
"error": f"技能不存在: {skill_name}"
}
if not skill.enabled:
logger.warning(f"⚠️ 技能已禁用: {skill_name}")
return {
"success": False,
"error": f"技能已禁用: {skill_name}"
@ -113,6 +115,7 @@ class SkillManager:
# 验证参数
valid, error = skill.validate_params(**kwargs)
if not valid:
logger.error(f"❌ 技能参数验证失败 {skill_name}: {error}")
return {
"success": False,
"error": error
@ -120,13 +123,15 @@ class SkillManager:
# 执行技能
try:
logger.info(f"🚀 开始执行技能: {skill_name}, 参数: {kwargs}")
result = await skill.execute(**kwargs)
logger.info(f"✅ 技能执行成功: {skill_name}")
return {
"success": True,
"data": result
}
except Exception as e:
logger.error(f"技能执行失败 {skill_name}: {e}")
logger.error(f"❌ 技能执行失败 {skill_name}: {e}")
return {
"success": False,
"error": str(e)
@ -249,13 +254,14 @@ class SkillManager:
# 按优先级顺序执行
for priority in sorted(priority_groups.keys()):
skill_group = priority_groups[priority]
logger.info(f"执行优先级 {priority} 的技能: {[s['name'] for s in skill_group]}")
logger.info(f"📋 执行优先级 {priority} 的技能: {[s['name'] for s in skill_group]}")
# 同一优先级的技能并行执行
tasks = []
for skill_info in skill_group:
params = skill_info['params'].copy()
params['stock_code'] = stock_code
logger.info(f" ➡️ 准备执行技能: {skill_info['name']}, 原因: {skill_info.get('reason', '未知')}")
task = self.execute_skill(skill_info['name'], **params)
tasks.append((skill_info['name'], task))
@ -265,14 +271,15 @@ class SkillManager:
# 处理结果
for (skill_name, _), result in zip(tasks, results):
if isinstance(result, Exception):
logger.error(f"技能执行失败: {skill_name}, {result}")
logger.error(f"❌ 技能执行异常: {skill_name}, {result}")
all_errors.append(f"{skill_name}: {str(result)}")
all_results[skill_name] = {'error': str(result)}
elif result.get('success'):
# 不在这里记录成功日志，因为 execute_skill 已经记录了
all_results[skill_name] = result.get('data', {})
else:
error_msg = result.get('error', '未知错误')
logger.error(f"技能执行失败: {skill_name}, {error_msg}")
logger.error(f"❌ 技能执行失败: {skill_name}, {error_msg}")
all_errors.append(f"{skill_name}: {error_msg}")
all_results[skill_name] = {'error': error_msg}

61
backend/app/agent/skill_planner.py
View File

@ -11,27 +11,31 @@ class SkillPlanner:
# 维度到技能的映射
DIMENSION_SKILL_MAP = {
'price_trend': {
'required': ['market_data'],
'required': ['market_data', 'brave_search'], # brave_search 必需
'optional': []
},
'technical': {
'required': ['market_data', 'technical_analysis'],
'required': ['market_data', 'technical_analysis', 'brave_search'], # brave_search 必需
'optional': ['visualization']
},
'fundamental': {
'required': ['fundamental'],
'required': ['fundamental', 'brave_search'], # brave_search 必需
'optional': []
},
'valuation': {
'required': ['advanced_data'],
'required': ['advanced_data', 'brave_search'], # brave_search 必需
'optional': []
},
'money_flow': {
'required': ['advanced_data'],
'required': ['advanced_data', 'brave_search'], # brave_search 必需
'optional': []
},
'risk': {
'required': ['technical_analysis', 'advanced_data'],
'required': ['technical_analysis', 'advanced_data', 'brave_search'], # brave_search 必需
'optional': []
},
'news': { # 新闻维度
'required': ['brave_search'],
'optional': []
}
}
@ -46,6 +50,7 @@ class SkillPlanner:
SKILL_PRIORITY = {
'market_data': 1, # 最高优先级
'fundamental': 1,
'brave_search': 1, # 新闻搜索也是高优先级
'technical_analysis': 2,
'advanced_data': 2,
'visualization': 3, # 最低优先级
@ -141,7 +146,8 @@ class SkillPlanner:
if enabled and dimension in self.DIMENSION_SKILL_MAP:
mapping = self.DIMENSION_SKILL_MAP[dimension]
skills.extend(mapping['required'])
# 可选技能稍后根据深度策略添加
# 默认也添加可选技能（特别是 brave_search）
skills.extend(mapping['optional'])
return skills
@ -217,6 +223,37 @@ class SkillPlanner:
params['data_types'] = data_types
elif skill_name == 'brave_search':
# 构建搜索查询
target = intent.get('target', {})
stock_name = target.get('stock_name', '')
stock_code = target.get('stock_code', '')
dimensions = intent.get('dimensions', {})
# 根据维度构建搜索关键词
search_keywords = []
if stock_name:
search_keywords.append(stock_name)
elif stock_code:
search_keywords.append(stock_code)
# 添加维度相关关键词
if dimensions.get('fundamental'):
search_keywords.append('财报 业绩')
if dimensions.get('news'):
search_keywords.append('最新消息')
if dimensions.get('risk'):
search_keywords.append('风险 预警')
# 如果没有特定维度，搜索一般新闻
if not any(dimensions.values()):
search_keywords.append('最新动态')
params['query'] = ' '.join(search_keywords)
params['search_type'] = 'news' # 默认搜索新闻
params['count'] = 5
params['freshness'] = 'pw' # 过去一周
return params
def _get_skill_reason(self, skill_name: str, intent: Dict[str, Any]) -> str:
@ -253,4 +290,14 @@ class SkillPlanner:
elif skill_name == 'visualization':
reasons.append('生成K线图表')
elif skill_name == 'brave_search':
if dimensions.get('news'):
reasons.append('用户关注最新新闻')
elif dimensions.get('fundamental'):
reasons.append('搜索公司最新动态和财报信息')
elif dimensions.get('risk'):
reasons.append('搜索风险预警信息')
else:
reasons.append('获取最新市场资讯和舆情')
return ', '.join(reasons) if reasons else '提供分析数据'

692
backend/app/agent/smart_agent.py
View File

@ -16,6 +16,7 @@ from app.skills.fundamental import FundamentalSkill
from app.skills.visualization import VisualizationSkill
from app.skills.advanced_data import AdvancedDataSkill
from app.skills.us_stock_skill import USStockSkill
from app.skills.brave_search import BraveSearchSkill
from app.services.llm_service import llm_service
from app.services.tushare_service import tushare_service
from app.utils.logger import logger
@ -60,7 +61,8 @@ class SmartStockAgent:
skill_manager.register(VisualizationSkill())
skill_manager.register(AdvancedDataSkill())
skill_manager.register(USStockSkill())
logger.info("技能注册完成（Tushare Pro高级数据 + 美股支持）")
skill_manager.register(BraveSearchSkill())
logger.info("技能注册完成（Tushare Pro高级数据 + 美股支持 + Brave搜索）")
async def process_message(
self,
@ -112,7 +114,7 @@ class SmartStockAgent:
message: str
) -> Dict[str, Any]:
"""
全面分析：整合多个数据源 + LLM深度分析
全面分析：使用 skill_planner 智能规划技能 + LLM深度分析
Args:
stock_code: 股票代码
@ -126,46 +128,48 @@ class SmartStockAgent:
display_name = stock_name or stock_code
# 1. 并行获取所有数据
try:
# 获取实时行情
quote_result = await skill_manager.execute_skill(
"market_data",
stock_code=stock_code,
data_type="quote"
# 1. 使用 QuestionAnalyzer 分析问题意图
intent = await self.question_analyzer.analyze_question(
question=message,
context=[],
session_id=""
)
# 获取技术指标
technical_result = await skill_manager.execute_skill(
"technical_analysis",
stock_code=stock_code,
indicators=["ma", "macd", "rsi", "kdj"]
)
# 确保 intent 包含股票信息
if 'target' not in intent:
intent['target'] = {}
intent['target']['stock_code'] = stock_code
intent['target']['stock_name'] = stock_name
# 获取基本面
fundamental_result = await skill_manager.execute_skill(
"fundamental",
logger.info(f"问题意图分析: dimensions={intent.get('dimensions')}")
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
plan = self.skill_planner.plan_skills(intent)
logger.info(f"技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
# 3. 执行技能规划
execution_results = await skill_manager.execute_plan(
plan=plan,
stock_code=stock_code
)
# 获取高级数据（Tushare Pro 5000+积分）
advanced_result = await skill_manager.execute_skill(
"advanced_data",
stock_code=stock_code,
data_type="all"
)
if execution_results['errors']:
logger.warning(f"技能执行有错误: {execution_results['errors']}")
# 整合数据
# 4. 整合数据（兼容旧格式）
results = execution_results['results']
all_data = {
"stock_code": stock_code,
"stock_name": display_name,
"quote": quote_result.get("data") if quote_result.get("success") else None,
"technical": technical_result.get("data") if technical_result.get("success") else None,
"fundamental": fundamental_result.get("data") if fundamental_result.get("success") else None,
"advanced": advanced_result.get("data") if advanced_result.get("success") else None
"quote": results.get("market_data"),
"technical": results.get("technical_analysis"),
"fundamental": results.get("fundamental"),
"advanced": results.get("advanced_data"),
"news": results.get("brave_search") # 新增：新闻数据
}
# 2. 使用LLM进行深度分析
# 5. 使用LLM进行深度分析
if self.use_llm:
analysis = await self._llm_comprehensive_analysis(all_data, message)
else:
@ -175,12 +179,15 @@ class SmartStockAgent:
"message": analysis,
"metadata": {
"type": "comprehensive",
"data": all_data
"data": all_data,
"plan": plan
}
}
except Exception as e:
logger.error(f"全面分析失败: {e}")
import traceback
logger.error(traceback.format_exc())
return {
"message": f"分析{display_name}时出错：{str(e)}",
"metadata": {"type": "error"}
@ -256,6 +263,31 @@ class SmartStockAgent:
else:
advanced_summary = "\n【高级财务数据】\n暂无高级数据\n"
# 格式化新闻数据
news_section = ""
news_data = data.get('news', {})
if news_data and not news_data.get('error'):
results = news_data.get('results', [])
if results:
news_section = "\n【最新新闻和舆情】（来源：Brave Search）\n"
for i, item in enumerate(results[:5], 1):
title = item.get('title', '无标题')
description = item.get('description', '')
source = item.get('source', '')
published = item.get('published', '')
news_section += f"{i}. {title}\n"
if description:
news_section += f" 摘要：{description[:100]}...\n"
if source:
news_section += f" 来源：{source}\n"
if published:
news_section += f" 发布时间：{published}\n"
news_section += "\n"
else:
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
else:
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
# 构建详细的分析提示
prompt = f"""你是一位专业的股票分析师。请对{data['stock_name']}({data['stock_code']})进行全面分析，用简洁专业但易懂的语言回答。
@ -275,7 +307,7 @@ class SmartStockAgent:
数据来源：Tushare Pro API
{json.dumps(data.get('fundamental'), ensure_ascii=False, indent=2) if data.get('fundamental') else '数据获取失败'}
{advanced_summary}
{news_section}
请按以下结构进行分析，并在每个部分明确标注数据来源和时效性：
## 一、基本面分析
@ -304,12 +336,13 @@ DIF和DEA的位置关系，MACD柱状图变化，判断动能强弱和买卖信
**支撑与压力**
关键支撑位和压力位的具体价格区间。
## 三、市场情绪分析
## 三、市场情绪和新闻分析
分段分析市场情绪：
- 第一段：资金流向分析（主力资金、大单资金流入/流出情况）
- 第二段：融资融券情况（如有）
- 第三段：当前市场情绪（乐观/谨慎/悲观）及原因
- 第四段：短期可能的催化因素
- 第三段：**基于最新新闻分析市场情绪和舆情，识别可能影响股价的重要事件**
- 第四段：当前市场情绪（乐观/谨慎/悲观）及原因
- 第五段：短期可能的催化因素
## 四、投资建议
基于技术面分析，给出具体的操作建议和点位：
@ -349,6 +382,7 @@ DIF和DEA的位置关系，MACD柱状图变化，判断动能强弱和买卖信
- 资金流向：Tushare Pro（主力资金、大单资金）
- 融资融券：Tushare Pro（如有）
- 公告数据：Tushare Pro（重大公告）
- 新闻舆情：Brave Search（最新市场资讯）
写作要求：
1. 语言简洁专业，避免过度修饰和比喻
@ -1438,7 +1472,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'}
async def _handle_us_stock(self, keyword: str, message: str) -> Dict[str, Any]:
"""
处理美股查询
处理美股查询（使用 skill_planner）
Args:
keyword: 股票关键词
@ -1453,30 +1487,75 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'}
logger.info(f"处理美股查询: {keyword} -> {symbol}")
try:
# 调用美股分析技能
result = await skill_manager.execute_skill(
"us_stock_analysis",
symbol=symbol,
analysis_type="comprehensive"
# 1. 使用 QuestionAnalyzer 分析问题意图
intent = await self.question_analyzer.analyze_question(
question=message,
context=[],
session_id=""
)
if not result.get("success"):
# 确保 intent 包含股票信息
if 'target' not in intent:
intent['target'] = {}
intent['target']['stock_code'] = symbol
intent['target']['stock_name'] = keyword
intent['target']['market'] = '美股'
logger.info(f"美股问题意图分析: dimensions={intent.get('dimensions')}")
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
plan = self.skill_planner.plan_skills(intent)
# 3. 将 us_stock_analysis 添加到技能列表（如果不存在）
skill_names = [s['name'] for s in plan['skills']]
if 'us_stock_analysis' not in skill_names:
plan['skills'].insert(0, {
'name': 'us_stock_analysis',
'params': {'symbol': symbol, 'analysis_type': 'comprehensive'},
'priority': 1,
'required': True,
'reason': '获取美股基础数据'
})
logger.info(f"美股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
# 4. 执行技能规划
execution_results = await skill_manager.execute_plan(
plan=plan,
stock_code=symbol
)
if execution_results['errors']:
logger.warning(f"美股技能执行有错误: {execution_results['errors']}")
# 5. 检查 us_stock_analysis 是否成功
us_stock_data = execution_results['results'].get('us_stock_analysis')
if not us_stock_data or 'error' in us_stock_data:
return {
"message": f"抱歉，未找到美股 {symbol}。请确认股票代码是否正确。\n\n提示：美股代码通常为大写字母，如 AAPL（苹果）、TSLA（特斯拉）、MSFT（微软）等。",
"metadata": {"type": "error"}
}
# 使用LLM分析美股数据
# 6. 整合数据
all_data = {
"symbol": symbol,
"name": keyword,
**us_stock_data,
"news": execution_results['results'].get("brave_search") # 新增：新闻数据
}
# 7. 使用LLM分析美股数据
if self.use_llm:
analysis = await self._llm_us_stock_analysis(result["data"], message)
analysis = await self._llm_us_stock_analysis(all_data, message)
else:
analysis = self._format_us_stock_data(result["data"])
analysis = self._format_us_stock_data(all_data)
return {
"message": analysis,
"metadata": {
"type": "us_stock_analysis",
"data": result["data"]
"data": all_data,
"plan": plan
}
}
@ -1509,10 +1588,35 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'}
week_52_low = data.get("52_week_low", 0)
technical = data.get("technical_indicators", {})
description = data.get("description", "")
news_data = data.get("news", {}) # 新增：获取新闻数据
# 格式化市值
market_cap_str = f"${market_cap / 1e9:.2f}B" if market_cap > 1e9 else f"${market_cap / 1e6:.2f}M"
# 格式化新闻数据
news_section = ""
if news_data and not news_data.get('error'):
results = news_data.get('results', [])
if results:
news_section = "\n【最新新闻和舆情】（来源：Brave Search）\n"
for i, item in enumerate(results[:5], 1):
title = item.get('title', '无标题')
description = item.get('description', '')
source = item.get('source', '')
published = item.get('published', '')
news_section += f"{i}. {title}\n"
if description:
news_section += f" 摘要：{description[:100]}...\n"
if source:
news_section += f" 来源：{source}\n"
if published:
news_section += f" 发布时间：{published}\n"
news_section += "\n"
else:
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
else:
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
# 构建分析提示
prompt = f"""你是一位专业的美股分析师。请基于以下数据对 {name} ({symbol}) 进行全面分析。
@ -1545,7 +1649,7 @@ MA20：{f"${technical.get('ma20'):.2f}" if technical.get('ma20') else '计算中
MA60：{f"${technical.get('ma60'):.2f}" if technical.get('ma60') else '计算中'}
RSI：{f"{technical.get('rsi'):.2f}" if technical.get('rsi') else '计算中'}
MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中'}
{news_section}
用户问题：{user_message}
请提供专业的分析报告，包括：
@ -1563,6 +1667,11 @@ MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中'
- 关键支撑位和压力位
- RSI和MACD信号解读
## 📰 市场情绪和新闻分析
- 基于最新新闻分析市场情绪和舆情
- 识别可能影响股价的重要事件或消息
- 评估新闻对短期和中期走势的影响
## 💡 投资建议
- 短期操作建议（1-2周）
- 中期投资价值（1-3个月）
@ -1572,16 +1681,17 @@ MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中'
1. 语言专业但易懂，避免过度修饰
2. 分析客观理性，基于数据和事实
3. 每个部分独立成段，段落间用空行分隔
4. 控制在500-600字
5. **不要在报告中添加日期标题，直接开始分析内容**
6. 最后声明："以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
4. **充分利用新闻数据进行市场情绪分析**
5. 控制在600-800字
6. **不要在报告中添加日期标题，直接开始分析内容**
7. 最后声明："以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
"""
try:
analysis = await self._call_llm_async(
messages=[{"role": "user", "content": prompt}],
temperature=0.7,
max_tokens=2000
max_tokens=2500 # 增加 token 数量以容纳新闻分析
)
if analysis:
@ -1732,7 +1842,7 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'}
yield chunk
async def _handle_a_stock_stream(self, stock_keyword: str, message: str):
"""流式处理A股分析"""
"""流式处理A股分析（使用 skill_planner）"""
# 使用LLM进行智能匹配
stock_info = await self._match_stock_with_llm(stock_keyword)
@ -1744,23 +1854,50 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'}
stock_name = stock_info['name']
is_index = stock_info['is_index']
# 获取数据（非流式）
try:
quote_result = await skill_manager.execute_skill("market_data", stock_code=stock_code, data_type="quote")
technical_result = await skill_manager.execute_skill("technical_analysis", stock_code=stock_code, indicators=["ma", "macd", "rsi", "kdj"])
fundamental_result = await skill_manager.execute_skill("fundamental", stock_code=stock_code)
advanced_result = await skill_manager.execute_skill("advanced_data", stock_code=stock_code, data_type="all")
logger.info(f"[流式] A股分析: {stock_name}({stock_code})")
try:
# 1. 使用 QuestionAnalyzer 分析问题意图
intent = await self.question_analyzer.analyze_question(
question=message,
context=[],
session_id=""
)
# 确保 intent 包含股票信息
if 'target' not in intent:
intent['target'] = {}
intent['target']['stock_code'] = stock_code
intent['target']['stock_name'] = stock_name
logger.info(f"[流式] A股问题意图分析: dimensions={intent.get('dimensions')}")
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
plan = self.skill_planner.plan_skills(intent)
logger.info(f"[流式] A股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
# 3. 执行技能规划
execution_results = await skill_manager.execute_plan(
plan=plan,
stock_code=stock_code
)
if execution_results['errors']:
logger.warning(f"[流式] A股技能执行有错误: {execution_results['errors']}")
# 4. 整合数据（兼容旧格式）
results = execution_results['results']
all_data = {
"stock_code": stock_code,
"stock_name": stock_name,
"quote": quote_result.get("data") if quote_result.get("success") else None,
"technical": technical_result.get("data") if technical_result.get("success") else None,
"fundamental": fundamental_result.get("data") if fundamental_result.get("success") else None,
"advanced": advanced_result.get("data") if advanced_result.get("success") else None
"quote": results.get("market_data"),
"technical": results.get("technical_analysis"),
"fundamental": results.get("fundamental"),
"advanced": results.get("advanced_data"),
"news": results.get("brave_search") # 新增：新闻数据
}
# 使用LLM流式分析
# 5. 使用LLM流式分析
if self.use_llm:
async for chunk in self._llm_comprehensive_analysis_stream(all_data, message, is_index):
yield chunk
@ -1769,42 +1906,282 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'}
except Exception as e:
logger.error(f"A股分析失败: {e}")
import traceback
logger.error(traceback.format_exc())
yield f"分析{stock_name}时出错：{str(e)}"
async def _handle_us_stock_stream(self, keyword: str, message: str):
"""流式处理美股分析（智能模式）"""
"""流式处理美股分析（使用 skill_planner）"""
symbol = self._get_us_stock_symbol(keyword)
logger.info(f"[智能模式-流式] 美股查询: {keyword} -> {symbol}")
try:
result = await skill_manager.execute_skill("us_stock_analysis", symbol=symbol, analysis_type="comprehensive")
# 1. 使用 QuestionAnalyzer 分析问题意图
intent = await self.question_analyzer.analyze_question(
question=message,
context=[],
session_id=""
)
if not result.get("success"):
# 确保 intent 包含股票信息
if 'target' not in intent:
intent['target'] = {}
intent['target']['stock_code'] = symbol
intent['target']['stock_name'] = keyword
intent['target']['market'] = '美股'
logger.info(f"[流式] 美股问题意图分析: dimensions={intent.get('dimensions')}")
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
plan = self.skill_planner.plan_skills(intent)
# 3. 将 us_stock_analysis 添加到技能列表（如果不存在）
skill_names = [s['name'] for s in plan['skills']]
if 'us_stock_analysis' not in skill_names:
plan['skills'].insert(0, {
'name': 'us_stock_analysis',
'params': {'symbol': symbol, 'analysis_type': 'comprehensive'},
'priority': 1,
'required': True,
'reason': '获取美股基础数据'
})
logger.info(f"[流式] 美股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
# 4. 执行技能规划
execution_results = await skill_manager.execute_plan(
plan=plan,
stock_code=symbol
)
if execution_results['errors']:
logger.warning(f"[流式] 美股技能执行有错误: {execution_results['errors']}")
# 5. 检查 us_stock_analysis 是否成功
us_stock_data = execution_results['results'].get('us_stock_analysis')
if not us_stock_data or 'error' in us_stock_data:
yield f"抱歉，未找到美股 {symbol}。请确认股票代码是否正确。"
return
# 使用智能模式的动态prompt生成
# 6. 整合数据
all_data = {
"symbol": symbol,
"name": keyword,
**us_stock_data,
"news": execution_results['results'].get("brave_search") # 新增：新闻数据
}
# 7. 使用智能模式的动态prompt生成
if self.use_llm:
# 构建美股数据的动态prompt
us_data = result["data"]
prompt = self._build_us_stock_dynamic_prompt(us_data, symbol, message)
prompt = self._build_us_stock_dynamic_prompt(all_data, symbol, message)
# 流式生成
stream = llm_service.chat_stream(
messages=[{"role": "user", "content": prompt}],
temperature=0.7,
max_tokens=2000
max_tokens=2500 # 增加 token 数量以容纳新闻分析
)
for chunk in stream:
yield chunk
else:
yield self._format_us_stock_data(result["data"])
yield self._format_us_stock_data(all_data)
except Exception as e:
logger.error(f"美股查询失败: {e}")
import traceback
logger.error(traceback.format_exc())
yield f"查询美股 {symbol} 时出错：{str(e)}"
def _format_news_section(self, news_data: Dict[str, Any]) -> str:
"""
格式化新闻数据为统一格式
Args:
news_data: 新闻数据字典
Returns:
格式化后的新闻文本
"""
if not news_data or news_data.get('error'):
return "\n**最新新闻和舆情**: 暂无相关新闻\n"
results = news_data.get('results', [])
if not results:
return "\n**最新新闻和舆情**: 暂无相关新闻\n"
news_section = "\n**最新新闻和舆情**（来源：Brave Search）:\n"
for i, item in enumerate(results[:5], 1):
title = item.get('title', '无标题')
description = item.get('description', '')
source = item.get('source', '')
published = item.get('published', '')
news_section += f"{i}. {title}\n"
if description:
news_section += f" 摘要：{description[:100]}...\n"
if source:
news_section += f" 来源：{source}\n"
if published:
news_section += f" 发布时间：{published}\n"
news_section += "\n"
return news_section
def _build_unified_analysis_prompt(
self,
market: str,
stock_info: Dict[str, Any],
data: Dict[str, Any],
user_message: str
) -> str:
"""
统一的分析提示词构建函数（自然语言风格）
Args:
market: 市场类型（'A股' 或 '美股'）
stock_info: 股票基本信息 {'code': ..., 'name': ...}
data: 市场数据（行情、技术、基本面、新闻等）
user_message: 用户问题
Returns:
构建好的prompt字符串
"""
from datetime import datetime
current_time = datetime.now().strftime("%Y-%m-%d %H:%M")
stock_code = stock_info.get('code', '')
stock_name = stock_info.get('name', '')
# 格式化新闻数据（统一格式）
news_section = self._format_news_section(data.get('news', {}))
if market == '美股':
# 美股数据格式
current_price = data.get('current_price', 0)
change = data.get('change', 0)
change_percent = data.get('change_percent', 0)
volume = data.get('volume', 0)
market_cap = data.get('market_cap', 0)
pe_ratio = data.get('pe_ratio', 0)
pb_ratio = data.get('pb_ratio', 0)
technical = data.get('technical_indicators', {})
ma5 = technical.get('ma5', 0)
ma10 = technical.get('ma10', 0)
ma20 = technical.get('ma20', 0)
rsi = technical.get('rsi', 0)
macd = technical.get('macd', 0)
market_data_section = f"""
**行情数据**:
- 最新价: ${current_price:.2f}
- 涨跌: ${change:+.2f} ({change_percent:+.2f}%)
- 成交量: {volume:,.0f}
- 市值: ${market_cap:,.0f}
- 市盈率(PE): {pe_ratio:.2f}
- 市净率(PB): {pb_ratio:.2f}
**技术指标**:
- 均线: MA5=${ma5:.2f}, MA10=${ma10:.2f}, MA20=${ma20:.2f}
- RSI: {rsi:.2f}
- MACD: {macd:.4f}
"""
analyst_role = "美股分析师"
risk_disclaimer = "以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
else: # A股
# A股数据格式
quote = data.get('quote', {})
technical = data.get('technical', {})
fundamental = data.get('fundamental', {})
advanced = data.get('advanced', {})
# 获取交易日期
quote_date = quote.get('trade_date', '未知') if quote else '未知'
# 构建行情数据部分
if quote:
market_data_section = f"""
**行情数据**（截止：{quote_date}）:
- 最新价: ¥{quote.get('close', 0):.2f}
- 涨跌幅: {quote.get('pct_chg', 0):+.2f}%
- 成交量: {quote.get('vol', 0):,.0f}手
- 成交额: {quote.get('amount', 0):,.0f}千元
- 换手率: {quote.get('turnover_rate', 0):.2f}%
"""
else:
market_data_section = "\n**行情数据**: 数据获取失败\n"
# 添加技术指标
if technical:
market_data_section += f"""
**技术指标**（截止：{quote_date}）:
- 均线: MA5=¥{technical.get('ma5', 0):.2f}, MA10=¥{technical.get('ma10', 0):.2f}, MA20=¥{technical.get('ma20', 0):.2f}
- RSI: {technical.get('rsi', 0):.2f}
- MACD: {technical.get('macd', 0):.4f}
"""
# 添加基本面数据
if fundamental:
market_data_section += f"""
**基本面数据**:
- 市盈率(PE): {fundamental.get('pe', 0):.2f}
- 市净率(PB): {fundamental.get('pb', 0):.2f}
- 总市值: {fundamental.get('total_mv', 0):,.0f}亿元
- ROE: {fundamental.get('roe', 0):.2f}%
"""
# 添加高级数据（资金流向、融资融券等）
if advanced:
if advanced.get('money_flow'):
money_flow = advanced['money_flow'][0] if advanced['money_flow'] else {}
market_data_section += f"""
**资金流向**:
- 主力净流入: {money_flow.get('net_mf_amount', 0):,.0f}万元
- 大单净流入: {money_flow.get('buy_lg_amount', 0) - money_flow.get('sell_lg_amount', 0):,.0f}万元
"""
if advanced.get('margin'):
margin = advanced['margin'][0] if advanced['margin'] else {}
market_data_section += f"""
**融资融券**:
- 融资余额: {margin.get('rzye', 0):,.0f}元
- 融券余额: {margin.get('rqye', 0):,.0f}元
"""
analyst_role = "A股分析师"
risk_disclaimer = "以上分析仅供参考，不构成投资建议。股市有风险，投资需谨慎。"
# 构建统一的prompt
prompt = f"""你是一位专业的{analyst_role}。请根据以下数据分析【{stock_name}({stock_code})】。
**用户问题**: {user_message}
**【重要】最新新闻和舆情（必须分析）**
{news_section}
## 数据信息
{market_data_section}
## 分析要求
请根据用户的问题，提供自然、有针对性的分析。不要使用固定格式，而是像专业分析师一样，用自然的语言回答用户的问题。
**重要：必须在分析中包含对上面提供的最新新闻的分析，评估新闻对股价的影响。**
分析时请注意：
- 如果用户关注价格走势，重点分析价格和趋势，并结合新闻分析市场情绪
- 如果用户关注技术指标，重点分析技术面，并结合新闻判断短期走势
- 如果用户关注基本面，重点分析公司情况和估值，并结合新闻评估投资价值
- **无论用户问什么，都要在分析中提及最新新闻对股价的潜在影响**
请直接开始分析，不要添加日期标题。控制在600-800字。最后声明："{risk_disclaimer}"
"""
return prompt
def _build_us_stock_dynamic_prompt(
self,
data: Dict[str, Any],
@ -1812,7 +2189,7 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'}
user_message: str
) -> str:
"""
为美股构建动态prompt
为美股构建动态prompt（调用统一函数）
Args:
data: 美股数据
@ -1822,165 +2199,42 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'}
Returns:
prompt字符串
"""
# 提取数据
name = data.get('name', symbol)
current_price = data.get('current_price', 0)
change = data.get('change', 0)
change_percent = data.get('change_percent', 0)
volume = data.get('volume', 0)
market_cap = data.get('market_cap', 0)
pe_ratio = data.get('pe_ratio', 0)
stock_info = {
'code': symbol,
'name': data.get('name', symbol)
}
# 技术指标
technical = data.get('technical_indicators', {})
ma5 = technical.get('ma5', 0)
ma10 = technical.get('ma10', 0)
ma20 = technical.get('ma20', 0)
rsi = technical.get('rsi', 0)
macd = technical.get('macd', 0)
prompt = f"""你是一个专业的美股分析师。请根据以下数据分析【{name}({symbol})】。
**用户问题**: {user_message}
## 数据信息
**行情数据**:
- 最新价: ${current_price:.2f}
- 涨跌: ${change:+.2f} ({change_percent:+.2f}%)
- 成交量: {volume:,.0f}
- 市值: ${market_cap:,.0f}
- 市盈率(PE): {pe_ratio:.2f}
**技术指标**:
- 均线: MA5=${ma5:.2f}, MA10=${ma10:.2f}, MA20=${ma20:.2f}
- RSI: {rsi:.2f}
- MACD: {macd:.4f}
## 分析要求
请根据用户的问题，提供自然、有针对性的分析。不要使用固定格式，而是像专业分析师一样，用自然的语言回答用户的问题。
- 如果用户关注价格走势，重点分析价格和趋势
- 如果用户关注技术指标，重点分析技术面
- 如果用户关注基本面，重点分析公司情况和估值
请直接开始分析，不要添加日期标题。最后声明："以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
"""
return prompt
return self._build_unified_analysis_prompt(
market='美股',
stock_info=stock_info,
data=data,
user_message=user_message
)
async def _llm_comprehensive_analysis_stream(self, data: Dict[str, Any], user_message: str, is_index: bool = False):
"""使用LLM流式进行综合分析"""
from datetime import datetime
import json
"""使用LLM流式进行综合分析（调用统一函数）"""
stock_info = {
'code': data.get('stock_code', ''),
'name': data.get('stock_name', '')
}
current_time = datetime.now().strftime("%Y-%m-%d %H:%M")
# 使用统一的prompt构建函数
prompt = self._build_unified_analysis_prompt(
market='A股',
stock_info=stock_info,
data=data,
user_message=user_message
)
# 获取行情数据的交易日期
quote_date = "未知"
if data.get('quote') and data['quote'].get('trade_date'):
quote_date = data['quote']['trade_date']
# 构建高级数据摘要
advanced_summary = ""
if data.get('advanced'):
advanced_data = data['advanced']
advanced_summary = "\n【高级财务数据】（Tushare Pro 5000+积分）\n"
# 财务指标
if advanced_data.get('financial'):
financial = advanced_data['financial']
if financial.get('indicators'):
indicators = financial['indicators'].get('indicators', {})
advanced_summary += f"财务指标（截止：{financial['indicators'].get('end_date', '未知')}）：\n"
advanced_summary += f" ROE: {indicators.get('roe', 'N/A')}%\n"
advanced_summary += f" ROA: {indicators.get('roa', 'N/A')}%\n"
advanced_summary += f" 毛利率: {indicators.get('gross_margin', 'N/A')}%\n"
advanced_summary += f" 资产负债率: {indicators.get('debt_to_assets', 'N/A')}%\n"
advanced_summary += f" 流动比率: {indicators.get('current_ratio', 'N/A')}\n\n"
# 估值数据
if advanced_data.get('valuation'):
valuation = advanced_data['valuation']
advanced_summary += f"估值指标：\n"
advanced_summary += f" PE(市盈率): {valuation.get('pe', 'N/A')}\n"
advanced_summary += f" PB(市净率): {valuation.get('pb', 'N/A')}\n"
advanced_summary += f" PS(市销率): {valuation.get('ps', 'N/A')}\n"
advanced_summary += f" 总市值: {valuation.get('total_mv', 'N/A')}万元\n"
advanced_summary += f" 流通市值: {valuation.get('circ_mv', 'N/A')}万元\n"
advanced_summary += f" 换手率: {valuation.get('turnover_rate', 'N/A')}%\n\n"
# 资金流向（最近一天）
if advanced_data.get('money_flow') and len(advanced_data['money_flow']) > 0:
latest_flow = advanced_data['money_flow'][0]
advanced_summary += f"资金流向（{latest_flow.get('trade_date', '最近')}）：\n"
advanced_summary += f" 主力净流入: {latest_flow.get('net_mf_amount', 'N/A')}万元\n"
advanced_summary += f" 超大单净流入: {latest_flow.get('buy_elg_amount', 0) - latest_flow.get('sell_elg_amount', 0):.2f}万元\n"
advanced_summary += f" 大单净流入: {latest_flow.get('buy_lg_amount', 0) - latest_flow.get('sell_lg_amount', 0):.2f}万元\n\n"
# 融资融券
if advanced_data.get('margin') and len(advanced_data['margin']) > 0:
latest_margin = advanced_data['margin'][0]
advanced_summary += f"融资融券（{latest_margin.get('trade_date', '最近')}）：\n"
advanced_summary += f" 融资余额: {latest_margin.get('rzye', 'N/A')}元\n"
advanced_summary += f" 融券余额: {latest_margin.get('rqye', 'N/A')}元\n\n"
else:
advanced_summary = "\n【高级财务数据】\n暂无高级数据\n"
# 构建详细的分析提示
prompt = f"""你是一位专业的股票分析师。请对{data['stock_name']}({data['stock_code']})进行全面分析，用简洁专业但易懂的语言回答。
用户问题：{user_message}
【实时行情数据】
数据来源：Tushare Pro API
交易日期：{quote_date}
{json.dumps(data.get('quote'), ensure_ascii=False, indent=2) if data.get('quote') else '数据获取失败'}
【技术指标数据】
数据来源：Tushare Pro API（基于历史K线数据计算）
计算截止日期：{quote_date}
{json.dumps(data.get('technical'), ensure_ascii=False, indent=2) if data.get('technical') else '数据获取失败'}
【基本面数据】
数据来源：Tushare Pro API
{json.dumps(data.get('fundamental'), ensure_ascii=False, indent=2) if data.get('fundamental') else '数据获取失败'}
{advanced_summary}
请按以下结构进行分析：
## 一、基本面分析
分段说明公司情况，每个要点独立成段。
## 二、技术面分析（数据截止：{quote_date}）
使用清晰的分段结构，每个技术指标独立成段。
## 三、市场情绪分析
分段分析市场情绪和资金流向。
## 四、投资建议
基于分析给出具体的操作建议和点位。
写作要求：
1. 语言简洁专业但易懂
2. 分析客观理性，基于数据
3. 每个分析点独立成段
4. 控制在600-800字
5. 最后声明："以上分析仅供参考，不构成投资建议。股市有风险，投资需谨慎。"
"""
# 流式调用LLM（同步生成器，使用线程避免阻塞）
# 流式调用LLM
import asyncio
stream = llm_service.chat_stream(
messages=[{"role": "user", "content": prompt}],
temperature=0.7,
max_tokens=2000
max_tokens=2500
)
# 在线程中迭代同步生成器，避免阻塞事件循环
loop = asyncio.get_event_loop()
for chunk in stream:
# 每次yield后让出控制权
await asyncio.sleep(0)
@ -2078,7 +2332,7 @@ MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中'
stream = llm_service.chat_stream(
messages=[{"role": "user", "content": prompt}],
temperature=0.7,
max_tokens=2000
max_tokens=2500 # 增加 token 数量以容纳新闻分析
)
# 在线程中迭代同步生成器，避免阻塞事件循环

8
backend/app/main.py
View File

@ -55,9 +55,11 @@ if os.path.exists(frontend_path):
@app.get("/")
async def root():
"""根路径，重定向到登录页"""
from fastapi.responses import RedirectResponse
return RedirectResponse(url="/static/login.html")
"""根路径，返回主应用页面"""
index_path = os.path.join(frontend_path, "index.html")
if os.path.exists(index_path):
return FileResponse(index_path)
return {"message": "页面不存在"}
@app.get("/app")
async def app_page():