新架构切换

backend/app/crypto_agent/__init__.py

@@ -2,7 +2,6 @@
 加密货币交易智能体模块
 """
 from app.crypto_agent.crypto_agent import CryptoAgent
-from app.crypto_agent.signal_analyzer import SignalAnalyzer
 from app.crypto_agent.strategy import TrendFollowingStrategy
 
-__all__ = ['CryptoAgent', 'SignalAnalyzer', 'TrendFollowingStrategy']
+__all__ = ['CryptoAgent', 'TrendFollowingStrategy']

backend/app/crypto_agent/crypto_agent.py

@@ -38,7 +38,7 @@ class CryptoAgent:
 
         CryptoAgent._initialized = True
         self.settings = get_settings()
-        self.binance = bitget_service  # 使用 Bitget 服务
+        self.exchange = bitget_service  # 交易所服务
         self.feishu = get_feishu_service()
         self.telegram = get_telegram_service()
 
@@ -46,9 +46,6 @@ class CryptoAgent:
         self.market_analyzer = MarketSignalAnalyzer()
         self.decision_maker = TradingDecisionMaker()
 
-        # 保留旧的 LLM 分析器用于兼容（可选）
-        # self.llm_analyzer = LLMSignalAnalyzer()
-
         self.signal_db = get_signal_db_service()  # 信号数据库服务
 
         # 模拟交易服务（始终启用）
@@ -406,7 +403,7 @@ class CryptoAgent:
             logger.info(f"{'─' * 50}")
 
             # 1. 获取多周期数据
-            data = self.binance.get_multi_timeframe_data(symbol)
+            data = self.exchange.get_multi_timeframe_data(symbol)
 
             if not self._validate_data(data):
                 logger.warning(f"⚠️  {symbol} 数据不完整，跳过分析")
@@ -1483,7 +1480,7 @@ class CryptoAgent:
 
     async def analyze_once(self, symbol: str) -> Dict[str, Any]:
         """单次分析（用于测试或手动触发）"""
-        data = self.binance.get_multi_timeframe_data(symbol)
+        data = self.exchange.get_multi_timeframe_data(symbol)
 
         if not self._validate_data(data):
             return {'error': '数据不完整'}

backend/app/services/yfinance_service.py

@@ -83,9 +83,10 @@ class YFinanceService:
             多时间周期数据字典 {'1d': df, '1h': df, ...}
         """
         if timeframes is None:
-            # 默认时间周期配置
+            # 默认时间周期配置 - 股票不需要太实时的数据
             timeframes = {
-                '1d': ('1d', '3mo'),   # 日级别，3个月
+                '1w': ('1wk', '2y'),   # 周级别，2年
+                '1d': ('1d', '6mo'),   # 日级别，6个月
                 '1h': ('1h', '1mo'),   # 小时级别，1个月
             }
 

backend/app/stock_agent/market_signal_analyzer.py

@@ -0,0 +1,738 @@
+"""
+股票市场信号分析器 - 纯市场分析，不包含任何仓位信息
+
+职责：
+1. 分析K线、量价、技术指标
+2. 分析新闻舆情
+3. 输出纯市场信号（buy/sell/hold + confidence + reasoning）
+
+不负责：
+- 仓位管理
+- 风险控制
+- 具体下单决策
+"""
+import json
+import re
+import pandas as pd
+from typing import Dict, Any, Optional, List
+from datetime import datetime
+from app.utils.logger import logger
+from app.services.llm_service import llm_service
+
+
+class StockMarketSignalAnalyzer:
+    """股票市场信号分析器 - 只关注市场，输出客观信号"""
+
+    # 股票市场分析系统提示词
+    MARKET_ANALYSIS_PROMPT = """你是一位专业的股票交易员和技术分析师。你的任务是综合分析**技术面（K线、量价、技术指标）、基本面（估值、盈利、成长）、新闻舆情**，给出交易信号。
+
+## 核心理念
+股票市场有其独特的运行规律：
+- **趋势为王**：股票更容易形成持续性趋势，顺势而为最重要
+- **基本面支撑**：技术信号需要结合公司基本面来判断有效性
+- **新闻催化**：重大新闻会改变短期趋势，需要重点关注
+- **关注财报季**：财报前后波动加大，需要更谨慎
+- **板块效应**：同板块股票往往联动，关注板块整体表现
+
+## 数据说明
+你将获得三个维度的数据：
+1. **技术面数据**：K线、量价、技术指标（RSI、MACD、布林带、均线）
+2. **基本面数据**：估值指标（PE、PB）、盈利能力（ROE、净利率）、成长性（营收增长、盈利增长）、财务健康度
+3. **新闻舆情**：最新相关新闻
+
+## 分析框架（重要！）
+### 优先级排序：
+1. **技术面** = 40%：K线、量价、技术指标决定入场时机
+2. **基本面** = 35%：估值和盈利能力决定信号的长期有效性
+3. **新闻** = 25%：重大新闻可能改变短期趋势
+
+### 综合判断规则：
+- **技术面强 + 基本面好 + 无负面新闻** → A级信号，高置信度
+- **技术面强 + 基本面一般** → B级信号，中等置信度
+- **技术面一般 + 基本面好** → C级信号，低置信度，观望为主
+- **技术面强 + 基本面差 + 有负面新闻** → D级信号，不推荐交易
+- **技术面弱** → 无论基本面如何，不推荐交易（观望）
+
+## 一、量价分析（最重要）
+量价关系是判断趋势真假的核心：
+
+### 1. 健康上涨信号
+- **放量上涨**：价格上涨 + 成交量放大（量比>1.5）= 上涨有效，可追多
+- **缩量回调**：上涨后回调 + 成交量萎缩（量比<0.7）= 回调健康，可低吸
+- **温和放量**：量比在1.2-1.5之间，价格稳步上涨 = 最健康的上涨
+
+### 2. 健康下跌信号
+- **放量下跌**：价格下跌 + 成交量放大 = 下跌有效，暂不抄底
+- **缩量阴跌**：下跌 + 成交量萎缩 = 抛压逐渐枯竭，关注反弹
+- **地量企稳**：极端缩量后价格横盘 = 可能见底
+
+### 3. 量价背离（重要反转信号）
+- **顶背离**：价格创新高，但成交量未创新高 → 上涨动能衰竭
+- **底背离**：价格创新低，但成交量未创新低 → 下跌动能衰竭
+- **天量见顶**：单日成交量突然放大2-3倍后价格滞涨 → 主力出货
+- **地量见底**：成交量创阶段新低后价格企稳 → 抛压枯竭
+
+### 4. 突破确认
+- **有效突破**：突破关键位 + 放量确认（量比>1.3）= 真突破
+- **假突破**：突破关键位 + 缩量 = 假突破，可能回落
+
+## 二、K线形态分析
+### 反转形态
+- **锤子线/倒锤子**：下跌趋势中出现，下影线长 = 底部信号
+- **吞没形态**：大阳吞没前一根阴线 = 看涨；大阴吞没前一根阳线 = 看跌
+- **十字星**：在高位/低位出现 = 变盘信号
+- **早晨之星/黄昏之星**：三根K线组合的反转信号
+
+### 持续形态
+- **三连阳/三连阴**：趋势延续信号
+- **旗形整理**：趋势中的健康回调
+
+## 三、技术指标分析
+### RSI（相对强弱指标）
+**RSI 是最重要的超买超卖指标：**
+- **RSI < 30**：超卖区，关注反弹机会
+  - RSI 从 30 以下回升，交叉上穿 30：买入信号
+  - RSI 底背离（价格新低但 RSI 未创新低）：强买入信号
+- **RSI > 70**：超买区，关注回落风险
+  - RSI 从 70 以上回落，交叉下穿 70：卖出信号
+  - RSI 顶背离（价格新高但 RSI 未创新高）：强卖出信号
+- **RSI 40-60**：震荡区，观望为主
+
+### MACD
+- 金叉（DIF 上穿 DEA）：做多信号
+- 死叉（DIF 下穿 DEA）：做空信号
+- 零轴上方金叉：强势做多
+- 零轴下方死叉：强势做空
+- MACD 柱状图背离：重要反转信号
+
+### 布林带
+- 触及下轨 + 企稳：反弹做多
+- 触及上轨 + 受阻：回落做空
+- 布林带收口：即将变盘
+- 布林带开口：趋势启动
+
+### 均线系统（重要）
+**均线系统是趋势判断的核心：**
+- **多头排列**（MA5 > MA10 > MA20 > MA50）：强势上涨趋势，回调做多
+- **空头排列**（MA5 < MA10 < MA20 < MA50）：强势下跌趋势，反弹做空
+- **价格与 MA 的关系**：
+  - 价格站稳 MA5/MA10 上方：短线上涨
+  - 价格突破 MA20：中线转多
+  - 价格跌破 MA20：中线转空
+  - MA50 是中期趋势的分水岭
+- **均线金叉死叉**：
+  - MA5 上穿 MA10：短线买入信号
+  - MA5 下穿 MA10：短线卖出信号
+
+## 四、多周期共振（关键分析框架）
+**多周期共振是提高信号质量的核心方法：**
+
+### 周期层级关系
+- **周线（趋势层）**：决定长期大方向
+- **日线（主周期）**：主要交易周期
+- **1h（入场层）**：寻找入场时机
+
+### 共振判断标准
+**强共振（A级信号）**：
+- 所有周期趋势同向（如周线多 + 日线多 + 1h多）
+- 多周期 RSI 同时超买/超卖后出现背离
+- 多周期 MA 同时金叉/死叉
+
+**中等共振（B级信号）**：
+- 大周期（周线+日线）同向
+- 主周期（日线）技术指标明确
+
+**弱共振（C级信号）**：
+- 只有单一周期信号
+- 多周期方向不一致
+
+### 实战策略
+- **顺势交易**：周线和日线同向时，在 1h 寻找入场点
+- **逆势谨慎**：只有日线信号但周线反向时，降低置信度
+- **突破交易**：多周期同时突破关键位，信号最强
+
+## 五、基本面分析（重要）
+**基本面是判断信号长期有效性的关键：**
+
+### 估值指标
+- **PE（市盈率）**：
+  - PE < 15：低估，安全边际高
+  - PE 15-25：合理估值
+  - PE > 40：高估，风险较大
+- **PB（市净率）**：
+  - PB < 1：低于净资产，价值投资机会
+  - PB 1-3：合理区间
+  - PB > 5：高估
+- **PEG（市盈率增长率）**：
+  - PEG < 1：低估，成长性好
+  - PEG 1-2：合理
+  - PEG > 2：高估
+
+### 盈利能力
+- **ROE（净资产收益率）**：
+  - ROE > 20%：优秀
+  - ROE 15-20%：良好
+  - ROE < 10%：较差
+- **净利率**：
+  - 净利率 > 20%：优秀（通常是科技、消费品牌）
+  - 净利率 10-20%：良好
+  - 净利率 < 5%：较低（通常是零售、制造业）
+
+### 成长性
+- **营收增长**：
+  - > 30%：高成长
+  - 20-30%：稳健成长
+  - < 10%：低成长
+- **盈利增长**：
+  - > 30%：高成长
+  - 10-30%：稳健成长
+  - < 0%：负增长，警惕
+
+### 财务健康
+- **债务股本比**：
+  - < 1：健康
+  - 1-2：可控
+  - > 3：高风险
+- **流动比率**：
+  - > 2：健康
+  - 1.5-2：良好
+  - < 1：流动性风险
+
+### 基本面综合判断
+- **基本面优秀**（ROE>15%, 营收增长>20%, 财务健康）+ 技术面信号 = 提高置信度
+- **基本面一般**（ROE 10-15%, 营收增长 10-20%）+ 技术面信号 = 正常置信度
+- **基本面较差**（ROE<10%, 营收增长<10% 或负增长, 高负债）+ 技术面信号 = 降低置信度
+- **基本面差**（连续亏损, 高负债, 负增长）= 不建议交易，无论技术面如何
+
+## 六、新闻舆情分析
+**新闻会改变短期趋势，需要重点关注：**
+
+### 正面新闻（提高做多置信度）
+- 财报超预期
+- 重大产品发布
+- 业务扩张/并购
+- 分析师上调评级
+- 行业利好政策
+
+### 负面新闻（提高做空置信度或降低做多置信度）
+- 财报不及预期
+- 监管调查/处罚
+- 管理层变动
+- 分析师下调评级
+- 行业监管收紧
+- 重大安全事故/质量问题
+
+### 新闻综合判断
+- **重大正面新闻** + 技术面做多信号 = 提高置信度 10-20%
+- **重大负面新闻** + 技术面做多信号 = 降低置信度或转为观望
+- **无重大新闻** = 技术面 + 基本面分析为主
+
+## 七、入场方式
+根据市场分析综合判断入场方式：
+- **market**：现价立即入场
+  - 信号强烈且明确（A级或高置信度B级）
+  - 放量突破关键位，趋势明确
+  - 多周期共振，等待可能错过机会
+  - 市场波动大，等待可能价格变化太快
+- **limit**：挂单等待入场
+  - 信号强度中等（B级或C级）
+  - 当前价格距离理想入场位有一定距离
+  - 判断市场可能回调到更好位置
+  - 希望获得更优成交价格，愿意承担可能无法成交的风险
+
+**重要**：
+- 必须同时输出 `entry_zone`（建议入场价）和 `entry_type`（入场方式）
+- 入场方式由你的市场分析判断，不是简单的价格距离计算
+
+## 输出格式
+请严格按照以下 JSON 格式输出：
+
+```json
+{
+  "analysis_summary": "简要描述当前市场状态（50字以内）",
+  "volume_analysis": "量价分析结论（30字以内）",
+  "signals": [
+    {
+      "type": "short_term/medium_term/long_term",
+      "action": "buy/sell",
+      "entry_type": "market/limit",
+      "confidence": 0-100,
+      "grade": "A/B/C/D",
+      "entry_zone": 150.50,
+      "stop_loss": 148.00,
+      "take_profit": 155.00,
+      "reasoning": "详细的入场理由（必须包含量价分析）",
+      "key_factors": ["关键因素1", "关键因素2"]
+    }
+  ],
+  "key_levels": {
+    "support": [148, 145],
+    "resistance": [152, 155]
+  }
+}
+```
+
+## 重要说明
+- **所有价格必须是纯数字**，不要加 $ 符号、逗号或其他格式
+- `entry_zone`、`stop_loss`、`take_profit` 必须是数字类型，不要是字符串
+- `key_levels` 中的支撑位和阻力位也必须是数字数组
+
+## 信号等级与置信度（综合技术面 + 基本面 + 新闻）
+- **A级**（80-100）：量价配合 + 多指标共振 + 多周期确认 + 基本面优秀 + 无负面新闻
+- **B级**（60-79）：量价配合 + 主要指标确认 + 基本面良好/一般
+- **C级**（40-59）：技术面有机会但基本面一般，或基本面好但技术面不够明确
+- **D级**（<40）：量价背离或信号矛盾，或基本面差，或有重大负面新闻
+
+## 注意事项
+1. **只在有明确的做多或做空机会时才输出信号**（action 为 buy 或 sell）
+2. 如果市场不明朗，没有明确交易机会，**不要输出任何信号**（signals 为空数组 []）
+3. 信号强度（confidence）要合理，不要随意给高分
+4. 60-70分：一般信号，可轻仓试探
+5. 75-85分：较强信号，可正常仓位
+6. 90+分：强信号，但也要控制风险
+7. 不要输出 action 为 "wait" 的信号，如果没有交易机会就不输出
+8. **必须综合考虑技术面、基本面、新闻三个维度**，不能只看技术面
+
+记住：你只负责分析市场，输出客观的交易信号，不需要考虑仓位管理和风险控制！
+"""
+
+    def __init__(self):
+        pass
+
+    async def analyze(self, symbol: str, data: Dict[str, Any],
+                     symbols: List[str] = None,
+                     fundamental_data: Dict[str, Any] = None,
+                     news_data: List[Dict[str, Any]] = None) -> Dict[str, Any]:
+        """
+        分析市场并生成信号
+
+        Args:
+            symbol: 股票代码
+            data: 多周期K线数据
+            symbols: 所有监控的股票（用于市场对比）
+            fundamental_data: 基本面数据
+            news_data: 新闻数据列表
+
+        Returns:
+            市场信号字典
+        """
+        try:
+            # 1. 准备市场数据（技术面 + 基本面 + 新闻）
+            market_context = self._prepare_market_context(
+                symbol, data, symbols,
+                fundamental_data, news_data
+            )
+
+            # 2. 构建 LLM 提示词
+            prompt = self._build_analysis_prompt(symbol, market_context)
+
+            # 3. 调用 LLM 分析
+            messages = [
+                {"role": "system", "content": self.MARKET_ANALYSIS_PROMPT},
+                {"role": "user", "content": prompt}
+            ]
+            response = await llm_service.achat(messages)
+
+            # 4. 解析结果
+            result = self._parse_llm_response(response, symbol)
+
+            return result
+
+        except Exception as e:
+            logger.error(f"市场信号分析失败: {e}")
+            import traceback
+            logger.debug(traceback.format_exc())
+            return self._get_empty_signal(symbol)
+
+    def _prepare_market_context(self, symbol: str, data: Dict,
+                                symbols: List[str] = None,
+                                fundamental_data: Dict[str, Any] = None,
+                                news_data: List[Dict[str, Any]] = None) -> str:
+        """准备市场上下文信息（技术面 + 基本面 + 新闻）"""
+        context_parts = []
+
+        # 当前价格和24h变化（使用日线数据）
+        df_1d = data.get('1d')
+        if df_1d is None or len(df_1d) == 0:
+            df_1h = data.get('1h')  # 备用：使用1h数据
+        if df_1d is None or len(df_1d) == 0:
+            return ""  # 没有数据就返回空
+
+        current_price = float(df_1d.iloc[-1]['close'])
+        price_change_24h = self._calculate_price_change_24h(df_1d)
+        context_parts.append(f"当前价格: ${current_price:,.2f} ({price_change_24h})")
+
+        # 多周期数据
+        for tf_name, df in data.items():
+            if df is None or len(df) == 0:
+                continue
+
+            latest = df.iloc[-1]
+            context_parts.append(f"\n## {tf_name} 数据")
+            context_parts.append(f"开: {latest['open']}, 高: {latest['high']}, 低: {latest['low']}, 收: {latest['close']}")
+            context_parts.append(f"成交量: {latest.get('volume', 'N/A')}")
+
+            # 技术指标
+            if 'rsi' in df.columns:
+                rsi = df['rsi'].iloc[-1]
+                context_parts.append(f"RSI: {rsi:.2f}")
+            if 'macd' in df.columns:
+                macd = df['macd'].iloc[-1]
+                signal = df['macd_signal'].iloc[-1]
+                context_parts.append(f"MACD: {macd:.4f}, 信号线: {signal:.4f}")
+            if 'bb_upper' in df.columns:
+                bb_upper = df['bb_upper'].iloc[-1]
+                bb_lower = df['bb_lower'].iloc[-1]
+                context_parts.append(f"布林带: 上轨 {bb_upper:.2f}, 下轨 {bb_lower:.2f}")
+
+        # 均线系统（使用日线数据）
+        context_parts.append(f"\n## 均线系统")
+        df_1d = data.get('1d')
+        if df_1d is not None and len(df_1d) > 0:
+            latest = df_1d.iloc[-1]
+            context_parts.append(f"MA5: {latest.get('ma5', 'N/A')}")
+            context_parts.append(f"MA10: {latest.get('ma10', 'N/A')}")
+            context_parts.append(f"MA20: {latest.get('ma20', 'N/A')}")
+            context_parts.append(f"MA50: {latest.get('ma50', 'N/A')}")
+
+            # 判断均线排列
+            ma5 = latest.get('ma5', 0)
+            ma10 = latest.get('ma10', 0)
+            ma20 = latest.get('ma20', 0)
+            ma50 = latest.get('ma50', 0)
+
+            if all([ma5, ma10, ma20, ma50]):
+                if ma5 > ma10 > ma20 > ma50:
+                    context_parts.append("均线排列: 多头排列 📈")
+                elif ma5 < ma10 < ma20 < ma50:
+                    context_parts.append("均线排列: 空头排列 📉")
+                else:
+                    context_parts.append("均线排列: 交织，方向不明")
+
+        # 量比分析（使用日线数据）
+        df_1d = data.get('1d')
+        if df_1d is not None and len(df_1d) >= 20:
+            vol_latest = df_1d['volume'].iloc[-1]
+            vol_ma20 = df_1d['volume'].iloc[-20:-1].mean()
+            volume_ratio = vol_latest / vol_ma20 if vol_ma20 > 0 else 1
+            context_parts.append(f"\n## 量价分析")
+            context_parts.append(f"最新成交量: {vol_latest:.0f}")
+            context_parts.append(f"20周期均量: {vol_ma20:.0f}")
+            context_parts.append(f"量比: {volume_ratio:.2f}")
+
+            if volume_ratio > 1.5:
+                context_parts.append("量价状态: 放量 📊")
+            elif volume_ratio < 0.7:
+                context_parts.append("量价状态: 缩量 📉")
+            else:
+                context_parts.append("量价状态: 平量 ➖")
+
+        # 波动率分析
+        volatility_analysis = self._analyze_volatility(data)
+        if volatility_analysis:
+            context_parts.append(f"\n## 波动率分析")
+            context_parts.append(volatility_analysis)
+
+        # 基本面分析
+        if fundamental_data:
+            context_parts.append(f"\n## 基本面分析")
+            context_parts.append(self._format_fundamental_data(fundamental_data))
+
+        # 新闻舆情
+        if news_data:
+            context_parts.append(f"\n## 最新新闻")
+            context_parts.append(self._format_news_data(news_data))
+
+        return "\n".join(context_parts)
+
+    def _build_analysis_prompt(self, symbol: str, market_context: str) -> str:
+        """构建分析提示词"""
+        return f"""请分析 {symbol} 的市场情况：
+
+{market_context}
+
+请根据以上数据，给出你的市场判断和交易信号。
+"""
+
+    def _parse_llm_response(self, response: str, symbol: str) -> Dict[str, Any]:
+        """解析 LLM 响应"""
+        try:
+            # 尝试提取 JSON
+            json_match = re.search(r'```json\s*([\s\S]*?)\s*```', response)
+            if json_match:
+                json_str = json_match.group(1)
+            else:
+                json_match = re.search(r'\{[\s\S]*\}', response)
+                if json_match:
+                    json_str = json_match.group(0)
+                else:
+                    raise ValueError("无法找到 JSON 响应")
+
+            # 清理 JSON 字符串
+            json_str = self._clean_json_string(json_str)
+
+            result = json.loads(json_str)
+
+            # 清理价格字段 - 转换为 float
+            result = self._clean_price_fields(result)
+
+            # 添加元数据
+            result['symbol'] = symbol
+            result['timestamp'] = datetime.now().isoformat()
+            result['raw_response'] = response
+
+            # 兼容处理：确保 signals 中的字段与旧格式一致
+            if 'signals' in result:
+                for sig in result['signals']:
+                    if 'type' in sig:
+                        if sig['type'] in ['short_term', 'medium_term', 'long_term']:
+                            sig['timeframe'] = sig.pop('type')
+                        elif sig['type'] in ['buy', 'sell', 'wait']:
+                            sig['action'] = sig.pop('type')
+
+                    if 'action' not in sig and 'timeframe' in sig:
+                        sig['action'] = 'wait'
+
+                    if 'grade' not in sig:
+                        confidence = sig.get('confidence', 0)
+                        if confidence >= 80:
+                            sig['grade'] = 'A'
+                        elif confidence >= 60:
+                            sig['grade'] = 'B'
+                        elif confidence >= 40:
+                            sig['grade'] = 'C'
+                        else:
+                            sig['grade'] = 'D'
+
+            # 从信号中推断 market_state 和 trend
+            if 'signals' in result and result['signals']:
+                best_signal = max(result['signals'], key=lambda s: s.get('confidence', 0))
+                action = best_signal.get('action', 'wait')
+                confidence = best_signal.get('confidence', 0)
+
+                if confidence >= 70:
+                    if action == 'buy':
+                        result['market_state'] = '强势上涨'
+                    elif action == 'sell':
+                        result['market_state'] = '强势下跌'
+                    else:
+                        result['market_state'] = '震荡整理'
+                else:
+                    result['market_state'] = '震荡整理'
+
+                if action == 'buy':
+                    result['trend'] = 'up'
+                elif action == 'sell':
+                    result['trend'] = 'down'
+                else:
+                    result['trend'] = 'sideways'
+            else:
+                result['market_state'] = '无明确信号'
+                result['trend'] = 'sideways'
+
+            logger.info(f"✅ 市场信号分析完成: {symbol}")
+
+            return result
+
+        except Exception as e:
+            logger.warning(f"解析 LLM 响应失败: {e}")
+            logger.warning(f"原始响应: {response[:1000]}...")
+            return self._get_empty_signal(symbol)
+
+    def _clean_json_string(self, json_str: str) -> str:
+        """清理 JSON 字符串，移除可能导致解析错误的内容"""
+        import re
+        json_str = re.sub(r'//.*?(?=\n|$)', '', json_str)
+        json_str = re.sub(r'/\*[\s\S]*?\*/', '', json_str)
+        json_str = re.sub(r',\s*([}\]])', r'\1', json_str)
+        return json_str
+
+    def _clean_price_fields(self, data: Dict[str, Any]) -> Dict[str, Any]:
+        """清理价格字段，转换为 float"""
+        def clean_price(price_value):
+            if price_value is None:
+                return None
+            if isinstance(price_value, (int, float)):
+                return float(price_value)
+            if isinstance(price_value, str):
+                cleaned = price_value.replace('$', '').replace(',', '').strip()
+                if cleaned:
+                    try:
+                        return float(cleaned)
+                    except ValueError:
+                        return None
+            return None
+
+        if 'key_levels' in data and data['key_levels']:
+            key_levels = data['key_levels']
+            if 'support' in key_levels:
+                data['key_levels']['support'] = [clean_price(s) for s in key_levels['support']]
+            if 'resistance' in key_levels:
+                data['key_levels']['resistance'] = [clean_price(r) for r in key_levels['resistance']]
+
+        if 'signals' in data:
+            for sig in data['signals']:
+                price_fields = ['entry_zone', 'stop_loss', 'take_profit']
+                for field in price_fields:
+                    if field in sig:
+                        sig[field] = clean_price(sig[field])
+
+        return data
+
+    def _calculate_price_change_24h(self, df) -> str:
+        """计算24小时涨跌幅"""
+        try:
+            if df is None or len(df) < 24:
+                return "N/A"
+
+            current_price = float(df['close'].iloc[-1])
+            price_24h_ago = float(df['close'].iloc[-24])
+            change = ((current_price - price_24h_ago) / price_24h_ago) * 100
+
+            sign = "+" if change >= 0 else ""
+            return f"{sign}{change:.2f}%"
+
+        except Exception as e:
+            logger.debug(f"计算24h涨跌失败: {e}")
+            return "N/A"
+
+    def _analyze_volatility(self, data: Dict[str, pd.DataFrame]) -> str:
+        """分析波动率变化（使用日线数据）"""
+        df = data.get('1d')
+        if df is None or len(df) < 24 or 'atr' not in df.columns:
+            return ""
+
+        lines = []
+
+        recent_atr = df['atr'].iloc[-6:].mean()
+        older_atr = df['atr'].iloc[-12:-6].mean()
+
+        if pd.isna(recent_atr) or pd.isna(older_atr) or older_atr == 0:
+            return ""
+
+        atr_change = (recent_atr - older_atr) / older_atr * 100
+
+        current_atr = float(df['atr'].iloc[-1])
+        current_price = float(df['close'].iloc[-1])
+        atr_percent = current_atr / current_price * 100
+
+        lines.append(f"当前 ATR: ${current_atr:.2f} ({atr_percent:.2f}%)")
+
+        if atr_change > 20:
+            lines.append(f"**波动率扩张**: ATR 上升 {atr_change:.0f}%，趋势可能启动")
+        elif atr_change < -20:
+            lines.append(f"**波动率收缩**: ATR 下降 {abs(atr_change):.0f}%，可能即将突破")
+        else:
+            lines.append(f"波动率稳定: ATR 变化 {atr_change:+.0f}%")
+
+        if 'bb_upper' in df.columns and 'bb_lower' in df.columns:
+            bb_width = (float(df['bb_upper'].iloc[-1]) - float(df['bb_lower'].iloc[-1])) / current_price * 100
+            bb_width_prev = (float(df['bb_upper'].iloc[-6]) - float(df['bb_lower'].iloc[-6])) / float(df['close'].iloc[-6]) * 100
+
+            if bb_width < bb_width_prev * 0.8:
+                lines.append(f"**布林带收口**: 宽度 {bb_width:.1f}%，变盘信号")
+            elif bb_width > bb_width_prev * 1.2:
+                lines.append(f"**布林带开口**: 宽度 {bb_width:.1f}%，趋势延续")
+
+        return "\n".join(lines)
+
+    def _format_fundamental_data(self, data: Dict[str, Any]) -> str:
+        """格式化基本面数据"""
+        if not data:
+            return "暂无基本面数据"
+
+        lines = []
+
+        # 基本信息
+        company_name = data.get('company_name', 'N/A')
+        sector = data.get('sector', 'N/A')
+        lines.append(f"公司: {company_name}")
+        lines.append(f"行业: {sector}")
+
+        # 估值指标
+        val = data.get('valuation', {})
+        if val.get('pe_ratio'):
+            pe = val['pe_ratio']
+            pb = val.get('pb_ratio')
+            ps = val.get('ps_ratio')
+            peg = val.get('peg_ratio')
+            pb_str = f"{pb:.2f}" if pb is not None else "N/A"
+            ps_str = f"{ps:.2f}" if ps is not None else "N/A"
+            peg_str = f"{peg:.2f}" if peg is not None else "N/A"
+            lines.append(f"估值: PE={pe:.2f} | PB={pb_str} | PS={ps_str} | PEG={peg_str}")
+
+        # 盈利能力
+        prof = data.get('profitability', {})
+        if prof.get('return_on_equity'):
+            roe = prof['return_on_equity']
+            pm = prof.get('profit_margin')
+            gm = prof.get('gross_margin')
+            pm_str = f"{pm:.1f}" if pm is not None else "N/A"
+            gm_str = f"{gm:.1f}" if gm is not None else "N/A"
+            lines.append(f"盈利: ROE={roe:.2f}% | 净利率={pm_str}% | 毛利率={gm_str}%")
+
+        # 成长性
+        growth = data.get('growth', {})
+        rg = growth.get('revenue_growth')
+        eg = growth.get('earnings_growth')
+        if rg is not None or eg is not None:
+            rg_str = f"{rg:.1f}" if rg is not None else "N/A"
+            eg_str = f"{eg:.1f}" if eg is not None else "N/A"
+            lines.append(f"成长: 营收增长={rg_str}% | 盈利增长={eg_str}%")
+
+        # 财务健康
+        fin = data.get('financial_health', {})
+        if fin.get('debt_to_equity'):
+            de = fin['debt_to_equity']
+            cr = fin.get('current_ratio')
+            cr_str = f"{cr:.2f}" if cr is not None else "N/A"
+            lines.append(f"财务: 债务股本比={de:.2f} | 流动比率={cr_str}")
+
+        # 分析师建议
+        analyst = data.get('analyst', {})
+        if analyst.get('target_price'):
+            tp = analyst['target_price']
+            rec = analyst.get('recommendation', 'N/A')
+            lines.append(f"分析师: 目标价=${tp:.2f} | 评级={rec}")
+
+        # 基本面评分
+        score = data.get('score', {})
+        if score.get('total'):
+            lines.append(f"基本面评分: {score['total']:.0f}/100 ({score.get('rating', 'N/A')}级)")
+
+        return "\n".join(lines)
+
+    def _format_news_data(self, news_list: List[Dict[str, Any]]) -> str:
+        """格式化新闻数据"""
+        if not news_list:
+            return "暂无相关新闻"
+
+        lines = []
+        for i, news in enumerate(news_list[:5], 1):  # 最多5条
+            title = news.get('title', '')
+            desc = news.get('description', '')[:150]  # 限制描述长度
+            source = news.get('source', '')
+            time_str = news.get('time_str', '')
+
+            lines.append(f"{i}. [{time_str}] {title}")
+            if desc:
+                lines.append(f"   {desc}")
+            if source:
+                lines.append(f"   来源: {source}")
+            lines.append("")
+
+        return "\n".join(lines)
+
+    def _get_empty_signal(self, symbol: str) -> Dict[str, Any]:
+        """返回空信号"""
+        return {
+            'symbol': symbol,
+            'analysis_summary': 'unknown',
+            'volume_analysis': '分析失败',
+            'market_state': '分析失败',
+            'trend': 'sideways',
+            'signals': [],
+            'key_levels': {},
+            'timestamp': datetime.now().isoformat(),
+            'error': '信号分析失败'
+        }

backend/app/stock_agent/stock_agent.py

@@ -1,5 +1,5 @@
 """
-美股交易智能体 - 主控制器（LLM 驱动版）
+美股交易智能体 - 主控制器（新架构版）
 只进行市场分析和通知，不执行模拟交易
 """
 import asyncio
@@ -14,7 +14,8 @@ from app.services.feishu_service import get_feishu_service
 from app.services.telegram_service import get_telegram_service
 from app.services.signal_database_service import get_signal_db_service
 from app.services.fundamental_service import get_fundamental_service
-from app.crypto_agent.llm_signal_analyzer import LLMSignalAnalyzer
+from app.services.news_service import get_news_service
+from app.stock_agent.market_signal_analyzer import StockMarketSignalAnalyzer
 from app.utils.system_status import get_system_monitor, AgentStatus
 
 
@@ -87,9 +88,10 @@ class StockAgent:
         self.yfinance = get_yfinance_service()
         self.feishu = get_feishu_service()
         self.telegram = get_telegram_service()
-        self.llm_analyzer = LLMSignalAnalyzer(agent_type="stock")  # 指定使用 stock 模型配置
+        self.market_analyzer = StockMarketSignalAnalyzer()  # 使用新的市场信号分析器
         self.signal_db = get_signal_db_service()  # 信号数据库服务
         self.fundamental = get_fundamental_service()  # 基本面数据服务
+        self.news = get_news_service()  # 新闻服务
 
         # 状态管理
         self.last_signals: Dict[str, Dict[str, Any]] = {}
@@ -421,32 +423,38 @@ class StockAgent:
             except Exception as e:
                 logger.warning(f"   ⚠️  获取基本面数据失败: {e}")
 
-            # 5. LLM 分析
+            # 5. 获取新闻数据
-            logger.info(f"\n🤖 【LLM 分析中...】")
+            logger.info(f"\n📰 【新闻分析】")
-            analysis = await self.llm_analyzer.analyze(
+            news_data = None
+            try:
+                stock_name = STOCK_NAMES.get(symbol, '')
+                news_data = await self.news.search_stock_news(symbol, stock_name, max_results=5)
+                if news_data:
+                    logger.info(f"   获取到 {len(news_data)} 条相关新闻")
+                else:
+                    logger.info(f"   暂无相关新闻")
+            except Exception as e:
+                logger.warning(f"   ⚠️  获取新闻数据失败: {e}")
+
+            # 6. 市场信号分析（使用新架构 - 技术面 + 基本面 + 新闻）
+            logger.info(f"\n🤖 【市场信号分析中...】")
+            market_signal = await self.market_analyzer.analyze(
                 symbol, data,
                 symbols=self.symbols,
-                position_info=None,  # 美股不跟踪持仓
+                fundamental_data=fundamental_data,
-                fundamental_data=fundamental_data,  # 传递基本面数据
+                news_data=news_data
-                fundamental_summary=fundamental_summary  # 传递基本面摘要
             )
 
             # 输出分析摘要
-            summary = analysis.get('analysis_summary', '无')
+            summary = market_signal.get('analysis_summary', '无')
             result['analysis_summary'] = summary
             logger.info(f"   市场状态: {summary}")
 
-            # 输出新闻情绪
+            # 输出新闻情绪（如果有）
-            news_sentiment = analysis.get('news_sentiment', '')
+            # 注：新的分析器不包含新闻分析，可以跳过或从其他地方获取
-            news_impact = analysis.get('news_impact', '')
-            if news_sentiment:
-                sentiment_icon = {'positive': '📈', 'negative': '📉', 'neutral': '➖'}.get(news_sentiment, '')
-                logger.info(f"   新闻情绪: {sentiment_icon} {news_sentiment}")
-            if news_impact:
-                logger.info(f"   消息影响: {news_impact}")
 
             # 输出关键价位
-            levels = analysis.get('key_levels', {})
+            levels = market_signal.get('key_levels', {})
             if levels.get('support') or levels.get('resistance'):
                 support_str = ', '.join([f"${s:,.2f}" for s in levels.get('support', [])[:2]])
                 resistance_str = ', '.join([f"${r:,.2f}" for r in levels.get('resistance', [])[:2]])
@@ -454,7 +462,7 @@ class StockAgent:
                 logger.info(f"   阻力位: {resistance_str or '-'}")
 
             # 5. 处理信号
-            signals = analysis.get('signals', [])
+            signals = market_signal.get('signals', [])
             result['signals'] = signals
 
             if not signals:
@@ -556,8 +564,11 @@ class StockAgent:
     ):
         """发送信号通知"""
         try:
-            # 使用正确的方法格式化信号
+            from app.utils.signal_formatter import get_signal_formatter
-            card = self.llm_analyzer.format_feishu_card(signal, symbol)
+            formatter = get_signal_formatter()
+
+            # 使用格式化工具格式化信号
+            card = formatter.format_feishu_card(signal, symbol, agent_type='stock')
             title = card['title']
             content = card['content']
 
@@ -568,7 +579,7 @@ class StockAgent:
             await self.feishu.send_card(title, content, color)
 
             # 发送到 Telegram
-            await self.telegram.send_message(self.llm_analyzer.format_signal_message(signal, symbol))
+            await self.telegram.send_message(formatter.format_signal_message(signal, symbol, agent_type='stock'))
 
             logger.info(f"✅ 信号通知已发送: {title}")
 
@@ -610,12 +621,9 @@ class StockAgent:
         except Exception as e:
             logger.warning(f"获取基本面数据失败: {e}")
 
-        result = await self.llm_analyzer.analyze(
+        result = await self.market_analyzer.analyze(
             symbol, data,
-            symbols=self.symbols,
+            symbols=self.symbols
-            position_info=None,
-            fundamental_data=fundamental_data,
-            fundamental_summary=fundamental_summary
         )
         return result
 

backend/app/utils/signal_formatter.py

@@ -0,0 +1,226 @@
+"""
+信号格式化工具
+
+用于格式化交易信号通知，支持：
+- 飞书卡片格式
+- Telegram 文本格式
+- 支持加密货币、美股、港股
+"""
+from typing import Dict, Any
+
+
+class SignalFormatter:
+    """信号格式化工具"""
+
+    @staticmethod
+    def format_signal_message(signal: Dict[str, Any], symbol: str, agent_type: str = 'crypto') -> str:
+        """
+        格式化信号消息（用于 Telegram 通知）
+
+        Args:
+            signal: 信号数据
+            symbol: 交易对
+            agent_type: 智能体类型 (crypto/stock)
+
+        Returns:
+            格式化的消息文本
+        """
+        # 获取股票名称
+        from app.stock_agent.stock_agent import STOCK_NAMES
+        stock_name = STOCK_NAMES.get(symbol, '')
+
+        type_map = {
+            'short_term': '短线',
+            'medium_term': '中线',
+            'long_term': '长线'
+        }
+        action_map = {
+            'buy': '做多',
+            'sell': '做空'
+        }
+
+        # 兼容 timeframe 和 type 字段
+        signal_type_key = 'timeframe' if 'timeframe' in signal else 'type'
+        signal_type = type_map.get(signal.get(signal_type_key), signal.get(signal_type_key))
+        action = action_map.get(signal['action'], signal['action'])
+        grade = signal.get('grade', 'C')
+        confidence = signal.get('confidence', 0)
+        entry_type = signal.get('entry_type', 'market')
+
+        # 等级图标
+        grade_icon = {'A': '⭐⭐⭐', 'B': '⭐⭐', 'C': '⭐', 'D': ''}.get(grade, '')
+
+        # 方向图标
+        action_icon = '🟢' if signal['action'] == 'buy' else '🔴'
+
+        # 入场类型
+        entry_type_text = '现价入场' if entry_type == 'market' else '挂单等待'
+        entry_type_icon = '⚡' if entry_type == 'market' else '⏳'
+
+        # 仓位大小
+        position_size = signal.get('position_size', 'light')
+        position_map = {'heavy': '重仓', 'medium': '中仓', 'light': '轻仓'}
+        position_icon = {'heavy': '🔥', 'medium': '📊', 'light': '🌱'}.get(position_size, '🌱')
+        position_text = position_map.get(position_size, '轻仓')
+
+        # 计算风险收益比
+        entry = signal.get('entry_price') or signal.get('entry_zone', 0)
+        sl = signal.get('stop_loss', 0)
+        tp = signal.get('take_profit', 0)
+        sl_percent = ((sl - entry) / entry * 100) if entry else 0
+        tp_percent = ((tp - entry) / entry * 100) if entry else 0
+
+        # 识别市场类型
+        if agent_type == 'crypto':
+            market_tag = '[加密货币] '
+        elif symbol.endswith('.HK'):
+            market_tag = '[港股] '
+        else:
+            market_tag = '[美股] '
+
+        # 构建标题（带股票名称和市场类型）
+        symbol_display = f"{stock_name}({symbol})" if stock_name else symbol
+
+        message = f"""📊 {market_tag}{symbol_display} {signal_type}信号
+
+{action_icon} **方向**: {action}
+{entry_type_icon} **入场**: {entry_type_text}
+{position_icon} **仓位**: {position_text}
+⭐ **等级**: {grade} {grade_icon}
+📈 **置信度**: {confidence}%
+
+💰 **入场价**: ${entry:,.2f}
+🛑 **止损价**: ${sl:,.2f} ({sl_percent:+.1f}%)
+🎯 **止盈价**: ${tp:,.2f} ({tp_percent:+.1f}%)
+
+📝 **分析理由**:
+{signal.get('reason', '无')}
+
+⚠️ **风险提示**:
+{signal.get('risk_warning', '请注意风险控制')}"""
+
+        return message
+
+    @staticmethod
+    def format_feishu_card(signal: Dict[str, Any], symbol: str, agent_type: str = 'crypto') -> Dict[str, Any]:
+        """
+        格式化飞书卡片消息
+
+        Args:
+            signal: 信号数据
+            symbol: 交易对
+            agent_type: 智能体类型 (crypto/stock)
+
+        Returns:
+            包含 title, content, color 的字典
+        """
+        # 获取股票名称
+        from app.stock_agent.stock_agent import STOCK_NAMES
+        stock_name = STOCK_NAMES.get(symbol, '')
+
+        type_map = {
+            'short_term': '短线',
+            'medium_term': '中线',
+            'long_term': '长线'
+        }
+        action_map = {
+            'buy': '做多',
+            'sell': '做空'
+        }
+
+        # 兼容 timeframe 和 type 字段
+        signal_type_key = 'timeframe' if 'timeframe' in signal else 'type'
+        signal_type = type_map.get(signal.get(signal_type_key), signal.get(signal_type_key))
+        action = action_map.get(signal['action'], signal['action'])
+        grade = signal.get('grade', 'C')
+        confidence = signal.get('confidence', 0)
+        entry_type = signal.get('entry_type', 'market')
+
+        # 等级图标
+        grade_icon = {'A': '⭐⭐⭐', 'B': '⭐⭐', 'C': '⭐', 'D': ''}.get(grade, '')
+
+        # 入场类型
+        entry_type_text = '现价入场' if entry_type == 'market' else '挂单等待'
+        entry_type_icon = '⚡' if entry_type == 'market' else '⏳'
+
+        # 仓位大小
+        position_size = signal.get('position_size', 'light')
+        position_map = {'heavy': '重仓', 'medium': '中仓', 'light': '轻仓'}
+        position_icon = {'heavy': '🔥', 'medium': '📊', 'light': '🌱'}.get(position_size, '🌱')
+        position_text = position_map.get(position_size, '轻仓')
+
+        # 标题和颜色 - 区分加密货币/美股/港股
+        is_market_order = entry_type == 'market'
+        market_badge = '【现价】' if is_market_order else ''
+
+        # 识别市场类型
+        if agent_type == 'crypto':
+            market_tag = '[加密货币] '
+        elif symbol.endswith('.HK'):
+            market_tag = '[港股] '
+        else:
+            market_tag = '[美股] '
+
+        # 构建带名称的股票显示
+        symbol_display = f"{stock_name}({symbol})" if stock_name else symbol
+
+        if signal['action'] == 'buy':
+            title = f"🟢 {market_tag}{symbol_display} {signal_type}做多信号 {market_badge}"
+            color = "green"
+        else:
+            title = f"🔴 {market_tag}{symbol_display} {signal_type}做空信号 {market_badge}"
+            color = "red"
+
+        # 计算风险收益比
+        entry = signal.get('entry_price') or signal.get('entry_zone', 0)
+        sl = signal.get('stop_loss', 0)
+        tp = signal.get('take_profit', 0)
+        sl_percent = ((sl - entry) / entry * 100) if entry else 0
+        tp_percent = ((tp - entry) / entry * 100) if entry else 0
+
+        # 构建内容
+        content_lines = [
+            f"{action_icon} **操作**: {action}",
+            f"{entry_type_icon} **入场方式**: {entry_type_text}",
+            f"{position_icon} **仓位**: {position_text} | 📈 信心度: **{confidence}%**",
+            f"⭐ **等级**: {grade} {grade_icon}",
+            f"",
+            f"💰 **入场价**: ${entry:,.2f}",
+            f"🛑 **止损价**: ${sl:,.2f} ({sl_percent:+.1f}%)",
+            f"🎯 **止盈价**: ${tp:,.2f} ({tp_percent:+.1f}%)",
+            f"",
+            f"📝 **分析理由**:",
+            f"{signal.get('reason', '无')}",
+        ]
+
+        # 添加关键因素（如果有）
+        key_factors = signal.get('key_factors')
+        if key_factors and isinstance(key_factors, list):
+            content_lines.append("")
+            content_lines.append("**关键因素**:")
+            for factor in key_factors[:5]:
+                content_lines.append(f"- {factor}")
+
+        # 添加风险提示（如果有）
+        risk_warning = signal.get('risk_warning')
+        if risk_warning:
+            content_lines.append("")
+            content_lines.append(f"⚠️ **风险提示**:")
+            content_lines.append(risk_warning)
+
+        content = "\n".join(content_lines)
+
+        return {
+            'title': title,
+            'content': content,
+            'color': color
+        }
+
+
+# 全局单例
+_signal_formatter = SignalFormatter()
+
+
+def get_signal_formatter() -> SignalFormatter:
+    """获取信号格式化工具单例"""
+    return _signal_formatter

backend/test_crypto_agent.py

@@ -50,30 +50,26 @@ async def test_binance_service():
 
 
 async def test_signal_analyzer():
-    """测试信号分析器"""
+    """测试信号分析器 - 使用新架构"""
     print("\n" + "=" * 50)
-    print("测试信号分析器")
+    print("测试市场信号分析器（新架构）")
     print("=" * 50)
 
     from app.services.binance_service import binance_service
-    from app.crypto_agent.signal_analyzer import SignalAnalyzer
+    from app.crypto_agent.market_signal_analyzer import MarketSignalAnalyzer
 
-    analyzer = SignalAnalyzer()
+    analyzer = MarketSignalAnalyzer()
 
     # 获取数据
     data = binance_service.get_multi_timeframe_data('BTCUSDT')
 
-    # 测试趋势分析
+    # 测试 LLM 分析
-    print("\n1. 分析趋势...")
+    print("\n1. LLM 市场分析...")
-    trend = analyzer.analyze_trend(data['1h'], data['4h'])
+    signal = await analyzer.analyze('BTCUSDT', data, symbols=['BTCUSDT', 'ETHUSDT'])
-    print(f"   趋势: {trend}")
 
-    # 测试进场信号
+    print(f"   市场状态: {signal.get('market_state')}")
-    print("\n2. 分析进场信号...")
+    print(f"   趋势: {signal.get('trend')}")
-    signal = analyzer.analyze_entry_signal(data['5m'], data['15m'], trend)
+    print(f"   信号数量: {len(signal.get('signals', []))}")
-    print(f"   动作: {signal['action']}")
-    print(f"   置信度: {signal['confidence']}%")
-    print(f"   原因: {', '.join(signal['reasons'])}")
 
     return True
 

scripts/test_stock.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-美股分析脚本（修复版）
+美股分析脚本（新架构版）
 
 用法:
     python3 scripts/test_stock.py AAPL
@@ -20,7 +20,8 @@ from app.services.yfinance_service import get_yfinance_service
 from app.services.feishu_service import get_feishu_service
 from app.services.telegram_service import get_telegram_service
 from app.services.fundamental_service import get_fundamental_service
-from app.crypto_agent.llm_signal_analyzer import LLMSignalAnalyzer
+from app.services.news_service import get_news_service
+from app.stock_agent.market_signal_analyzer import StockMarketSignalAnalyzer
 from app.config import get_settings
 from app.utils.logger import logger
 
@@ -60,8 +61,9 @@ async def analyze(symbol: str, send_notification: bool = True):
     try:
         # 获取服务
         yf_service = get_yfinance_service()
-        llm = LLMSignalAnalyzer(agent_type="stock")  # 指定使用 stock 模型配置
+        market_analyzer = StockMarketSignalAnalyzer()  # 使用新的市场信号分析器
         fundamental = get_fundamental_service()  # 基本面服务
+        news = get_news_service()  # 新闻服务
         feishu = get_feishu_service()
         telegram = get_telegram_service()
 
@@ -162,19 +164,31 @@ async def analyze(symbol: str, send_notification: bool = True):
         except Exception as e:
             print(f"   ⚠️  获取基本面数据失败: {e}")
 
-        # LLM分析
+        # 获取新闻数据
-        print(f"\n🤖 LLM分析中...\n")
+        print(f"\n📰 新闻分析...")
-        analysis = await llm.analyze(
+        news_data = None
+        try:
+            stock_name = STOCK_NAMES.get(symbol, '')
+            news_data = await news.search_stock_news(symbol, stock_name, max_results=5)
+            if news_data:
+                print(f"   获取到 {len(news_data)} 条相关新闻")
+            else:
+                print(f"   暂无相关新闻")
+        except Exception as e:
+            print(f"   ⚠️  获取新闻数据失败: {e}")
+
+        # 市场信号分析（使用新架构 - 技术面 + 基本面 + 新闻）
+        print(f"\n🤖 市场信号分析中...\n")
+        market_signal = await market_analyzer.analyze(
             symbol, data,
             symbols=[symbol],
-            position_info=None,
             fundamental_data=fundamental_data,
-            fundamental_summary=fundamental_summary
+            news_data=news_data
         )
 
         # 输出结果
-        summary = analysis.get('analysis_summary', '')
+        summary = market_signal.get('analysis_summary', '')
-        signals = analysis.get('signals', [])
+        signals = market_signal.get('signals', [])
         result['signals'] = signals
 
         print(f"市场状态: {summary}")
@@ -215,8 +229,11 @@ async def analyze(symbol: str, send_notification: bool = True):
                         break
 
                 if best_signal:
-                    # 使用正确的方法格式化通知
+                    # 使用格式化工具格式化通知
-                    card = llm.format_feishu_card(best_signal, symbol)
+                    from app.utils.signal_formatter import get_signal_formatter
+                    formatter = get_signal_formatter()
+
+                    card = formatter.format_feishu_card(best_signal, symbol, agent_type='stock')
                     title = card['title']
                     content = card['content']
 
@@ -224,7 +241,7 @@ async def analyze(symbol: str, send_notification: bool = True):
                     # 根据信号方向选择颜色
                     color = "green" if best_signal.get('action') == 'buy' else "red"
                     await feishu.send_card(title, content, color)
-                    await telegram.send_message(llm.format_signal_message(best_signal, symbol))
+                    await telegram.send_message(formatter.format_signal_message(best_signal, symbol, agent_type='stock'))
                     print(f"\n📬 通知已发送：{title}")
                     result['notified'] = True
                 else: