update

backend/app/news_agent/analyzer.py

@@ -59,7 +59,19 @@ class NewsAnalyzer:
 ```
 
 **分析要求**:
-1. market_impact: 对市场的潜在影响（high=重大影响, medium=中等影响, low=轻微影响）
+1. market_impact: 对市场的潜在影响（high/medium/low）
+   - **high**: 对市场或公司有**实质性、深远影响**的事件
+     * 改变行业格局或公司生存状态
+     * 监管政策重大变化（批准、禁止、调查）
+     * 系统性风险事件（破产、退市、重大欺诈）
+   - **medium**: 对价格有**短期影响**但不会改变长期趋势的事件
+     * 财报业绩、管理层变动、一般并购
+     * 评级调整、业务合作或重组
+   - **low**: 常规信息，影响有限
+     * 分析师观点、价格波动、一般评论
+
+   **判断原则**: 问自己"这条新闻会改变市场/公司的长期格局吗？" 如果会→high，如果只是短期波动→medium，如果无关紧要→low
+
 2. impact_type: 对价格的影响方向（bullish=利好, bearish=利空, neutral=中性）
 3. sentiment: 新闻情绪（positive=正面, negative=负面, neutral=中性）
 4. summary: 根据标题推断并总结新闻核心内容
@@ -108,6 +120,13 @@ class NewsAnalyzer:
 ]
 ```
 
+**market_impact 判断标准**:
+- **high**: 对市场或公司有**实质性、深远影响**的事件（改变行业格局或公司生存状态）
+- **medium**: 对价格有**短期影响**但不会改变长期趋势的事件（财报、管理层变动、一般并购等）
+- **low**: 常规信息，影响有限
+
+**判断原则**: 问自己"这条新闻会改变市场/公司的长期格局吗？" 如果会→high，如果只是短期波动→medium。
+
 请只输出 JSON 数组，不要包含其他解释。
 """
 

backend/app/news_agent/news_agent.py

@@ -48,8 +48,7 @@ class NewsAgent:
         # 配置
         self.fetch_interval = 300  # 抓取间隔（秒）= 5分钟
         self.min_priority = 40.0  # 最低通知优先级
-        self.use_llm = True  # 是否使用 LLM 分析
+        self.use_llm = True  # 使用 LLM 批量分析
-        self.batch_analysis = True  # 是否批量分析
 
         # 统计数据
         self.stats = {
@@ -182,13 +181,12 @@ class NewsAgent:
         if not saved_articles:
             return
 
-        # 5. LLM 分析
+        # 5. LLM 分析（仅批量分析）
         analyzed_count = 0
         high_priority_articles = []
 
         if self.use_llm:
-            # 批量分析
+            # 只使用批量分析
-            if self.batch_analysis and len(saved_articles) > 1:
             items_to_analyze = [item for _, item in saved_articles]
             results = self.analyzer.analyze_batch(items_to_analyze)
 
@@ -217,35 +215,6 @@ class NewsAgent:
                         })
                         high_priority_articles.append(article_dict)
 
-            else:
-                # 单个分析
-                for article, item in saved_articles:
-                    result = self.analyzer.analyze_single(item)
-
-                    if result:
-                        priority = self.analyzer.calculate_priority(
-                            result,
-                            getattr(article, 'quality_score', 0.5)
-                        )
-                        self.db_service.mark_as_analyzed(article.id, result, priority)
-
-                        analyzed_count += 1
-                        # 只发送重大影响（high）的新闻
-                        if result.get('market_impact') == 'high':
-                            article_dict = article.to_dict()
-                            article_dict.update({
-                                'llm_analyzed': True,
-                                'market_impact': result.get('market_impact'),
-                                'impact_type': result.get('impact_type'),
-                                'sentiment': result.get('sentiment'),
-                                'summary': result.get('summary'),
-                                'key_points': result.get('key_points'),
-                                'trading_advice': result.get('trading_advice'),
-                                'relevant_symbols': result.get('relevant_symbols'),
-                                'priority': priority,
-                            })
-                            high_priority_articles.append(article_dict)
-
         else:
             # 使用规则分析
             for article, item in saved_articles:
@@ -274,7 +243,7 @@ class NewsAgent:
         self.stats['total_analyzed'] += analyzed_count
         logger.info(f"分析了 {analyzed_count} 条文章")
 
-        # 6. 发送通知
+        # 6. 发送通知（仅批量发送）
         if high_priority_articles:
             # 按优先级排序
             high_priority_articles.sort(
@@ -282,13 +251,7 @@ class NewsAgent:
                 reverse=True
             )
 
-            # 如果只有1-2条，单独发送；否则批量发送
+            # 批量发送最多10条
-            if len(high_priority_articles) <= 2:
-                for article in high_priority_articles:
-                    await self.notifier.notify_single_news(article)
-                    self.db_service.mark_as_notified(article['id'])
-                    self.stats['total_notified'] += 1
-            else:
             await self.notifier.notify_news_batch(high_priority_articles[:10])
             for article in high_priority_articles[:10]:
                 self.db_service.mark_as_notified(article['id'])

backend/app/news_agent/sources.py

@@ -222,27 +222,47 @@ CRYPTO_KEYWORDS = {
 
 STOCK_KEYWORDS = {
     'high_impact': [
-        # 财报相关
+        # 只保留真正重大、罕见的事件
+        # 破产/退市级别
+        'bankruptcy', 'delisting', 'fraud', 'scandal',
+        '破产', '退市', '欺诈', '丑闻',
+
+        # 重大监管事件
+        'antitrust', 'DOJ ', 'SEC investigation', 'sanction',
+        '反垄断', '司法部', '证监会调查', '制裁',
+
+        # 超级并购/分拆
+        'mega merger', 'mega acquisition', 'breakup', 'spinoff',
+        '巨型并购', '分拆',
+
+        # 重大安全事故/风险
+        'data breach', 'cyber attack', 'massive layoff', 'shutdown',
+        '数据泄露', '网络攻击', '大规模裁员', '停产',
+    ],
+    'medium_impact': [
+        # 财报相关（移到这里，因为太常见）
         'earnings', 'revenue', 'profit', 'loss', 'guidance',
         '财报', '营收', '利润', '业绩预告',
+        'beat', 'miss', 'surprise',
+        '超预期', '不及预期',
 
-        # 重大事件
+        # 一般事件
         'FDA', 'approval', 'recall', 'lawsuit', 'IPO',
         '批准', '召回', '诉讼', '上市',
 
-        # 并购重组
+        # 并购重组（一般规模）
-        'merger', 'acquisition', 'spinoff', 'buyout',
+        'merger', 'acquisition', 'buyout',
         '并购', '收购', '重组',
 
         # 市场动态
-        'beat', 'miss', 'surge', 'plunge', 'rally',
+        'surge', 'plunge', 'rally', 'crash',
-        '超预期', '不及预期', '暴涨', '暴跌', '反弹',
+        '暴涨', '暴跌', '反弹', '崩盘',
 
         # 管理层变动
         'CEO', 'CFO', 'resign', 'appoint', 'executive',
-        '辞职', '任命', 'CEO',
+        '辞职', '任命',
-    ],
+
-    'medium_impact': [
+        # 评级相关
         'upgrade', 'downgrade', 'rating', 'target price',
         '评级', '目标价', '上调', '下调',
         'dividend', 'buyback', 'split',