From c5c88bd73ec4b3d4f7702fdcc9f8c9d79e0ffc06 Mon Sep 17 00:00:00 2001 From: aaron <> Date: Tue, 3 Feb 2026 23:03:24 +0800 Subject: [PATCH] update --- backend/app/agent/smart_agent.py | 246 ++- backend/app/agent/smart_agent.py.bak | 2126 +++++++++++++++++++++ backend/app/services/multi_llm_service.py | 8 +- frontend/index.html | 3 +- 4 files changed, 2301 insertions(+), 82 deletions(-) create mode 100644 backend/app/agent/smart_agent.py.bak diff --git a/backend/app/agent/smart_agent.py b/backend/app/agent/smart_agent.py index 2f57152..f55b011 100644 --- a/backend/app/agent/smart_agent.py +++ b/backend/app/agent/smart_agent.py @@ -3,6 +3,7 @@ """ import re import json +import asyncio from typing import Dict, Any, Optional, List from app.config import get_settings from app.agent.context import ContextManager @@ -37,6 +38,14 @@ class SmartStockAgent: else: logger.warning("Smart Agent初始化完成（规则模式，建议配置LLM）") + async def _call_llm_async(self, messages: List[Dict[str, str]], temperature: float = 0.7, max_tokens: int = 2000) -> Optional[str]: + """异步调用LLM，避免阻塞事件循环""" + loop = asyncio.get_event_loop() + return await loop.run_in_executor( + None, + lambda: llm_service.chat(messages, temperature, max_tokens) + ) + def _register_skills(self): """注册所有技能""" skill_manager.register(MarketDataSkill()) @@ -411,7 +420,7 @@ DIF和DEA的位置关系，MACD柱状图变化，判断动能强弱和买卖信 """ try: - analysis = llm_service.chat( + analysis = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=3000 # 增加到3000，因为分析更详细了 @@ -564,7 +573,7 @@ DIF和DEA的位置关系，MACD柱状图变化，判断动能强弱和买卖信 """ try: - analysis = llm_service.chat( + analysis = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=1500 @@ -751,7 +760,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} """ try: - analysis = llm_service.chat( + analysis = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=2500 @@ -1032,7 +1041,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} 只返回JSON，不要有任何其他内容。""" try: - result = llm_service.chat( + result = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.3, max_tokens=300 @@ -1094,50 +1103,18 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} # 处理美股 return await self._handle_us_stock(stock_keyword, message) - # 处理A股和指数 - # 指数映射表 - index_mapping = { - "上证指数": "000001.SH", - "上证": "000001.SH", - "大盘": "000001.SH", - "沪指": "000001.SH", - "深证成指": "399001.SZ", - "深证": "399001.SZ", - "深指": "399001.SZ", - "创业板指": "399006.SZ", - "创业板": "399006.SZ", - "科创50": "000688.SH", - "沪深300": "000300.SH", - "中证500": "000905.SH", - "A股": "000001.SH" # 默认用上证指数代表A股 - } + # 处理A股和指数 - 使用LLM进行智能匹配 + stock_info = await self._match_stock_with_llm(stock_keyword) - # 检查是否是指数查询 - stock_code = None - stock_name = None - is_index = False + if not stock_info: + return { + "message": f"抱歉，未找到股票或指数\"{stock_keyword}\"。请确认名称或代码是否正确。", + "metadata": {"type": "error"} + } - for key, code in index_mapping.items(): - if key in stock_keyword or stock_keyword in key: - stock_code = code - stock_name = key if key in stock_keyword else stock_keyword - is_index = True - logger.info(f"识别为指数查询: {stock_name} -> {stock_code}") - break - - # 如果不是指数，使用Tushare搜索股票 - if not is_index: - search_results = tushare_service.search_stock(stock_keyword) - - if not search_results: - return { - "message": f"抱歉，未找到股票\"{stock_keyword}\"。请确认股票名称或代码是否正确。", - "metadata": {"type": "error"} - } - - stock = search_results[0] - stock_code = stock['symbol'] - stock_name = stock['name'] + stock_code = stock_info['code'] + stock_name = stock_info['name'] + is_index = stock_info['is_index'] logger.info(f"处理{'指数' if is_index else '股票'}问题: {stock_name}({stock_code})") @@ -1152,6 +1129,126 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} else: return await self._single_query(stock_code, stock_name, message) + async def _match_stock_with_llm(self, keyword: str) -> Optional[Dict[str, Any]]: + """ + 使用LLM智能匹配股票或指数 + + Args: + keyword: 用户输入的关键词 + + Returns: + 匹配结果: {'code': '股票代码', 'name': '股票名称', 'is_index': bool} + """ + if not self.use_llm: + # 降级方案：使用Tushare搜索 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + + prompt = f"""你是一个专业的A股市场专家。请根据用户输入的关键词，识别对应的股票代码或指数代码。 + +用户输入：{keyword} + +常见指数代码： +- 上证指数/大盘/沪指/A股 → 000001.SH +- 深证成指/深证/深指 → 399001.SZ +- 创业板指/创业板 → 399006.SZ +- 科创50 → 000688.SH +- 沪深300 → 000300.SH +- 中证500 → 000905.SH + +如果是指数，请直接返回对应的指数代码。 +如果是股票名称或代码，请使用Tushare数据库进行搜索匹配。 + +请以JSON格式返回： +{{ + "is_index": true/false, + "code": "股票或指数代码（如000001.SH）", + "name": "股票或指数名称", + "confidence": 0.0-1.0 +}} + +如果无法匹配，返回： +{{ + "is_index": false, + "code": null, + "name": null, + "confidence": 0.0 +}} + +只返回JSON，不要有任何其他内容。""" + + try: + result = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.3, + max_tokens=200 + ) + + if not result: + logger.warning("LLM匹配返回空结果") + return None + + # 清理结果 + result = result.strip() + if result.startswith("```json"): + result = result[7:] + if result.startswith("```"): + result = result[3:] + if result.endswith("```"): + result = result[:-3] + result = result.strip() + + # 解析JSON + match_result = json.loads(result) + + # 如果LLM无法匹配或置信度太低，使用Tushare搜索 + if not match_result.get('code') or match_result.get('confidence', 0) < 0.5: + logger.info(f"LLM匹配置信度低，使用Tushare搜索: {keyword}") + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + + logger.info(f"LLM匹配成功: {keyword} -> {match_result['name']}({match_result['code']})") + return { + 'code': match_result['code'], + 'name': match_result['name'], + 'is_index': match_result['is_index'] + } + + except json.JSONDecodeError as e: + logger.error(f"LLM匹配JSON解析失败: {e}, 原始响应: {result[:200] if result else 'None'}") + # 降级方案 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + except Exception as e: + logger.error(f"LLM匹配失败: {e}") + # 降级方案 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + async def _handle_macro_question( self, intent_analysis: Dict[str, Any], @@ -1193,7 +1290,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} 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。" """ - analysis = llm_service.chat( + analysis = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=1500 @@ -1262,7 +1359,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} """ try: - answer = llm_service.chat( + answer = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=1200 @@ -1318,7 +1415,7 @@ MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} 直接返回回复内容，不要有其他格式。""" try: - reply = llm_service.chat( + reply = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.8, max_tokens=400 @@ -1584,7 +1681,7 @@ MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中' """ try: - analysis = llm_service.chat( + analysis = await self._call_llm_async( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=2000 @@ -1746,34 +1843,16 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'} async def _handle_a_stock_stream(self, stock_keyword: str, message: str): """流式处理A股分析""" - # 指数映射 - index_mapping = { - "上证指数": "000001.SH", "上证": "000001.SH", "大盘": "000001.SH", "沪指": "000001.SH", - "深证成指": "399001.SZ", "深证": "399001.SZ", "深指": "399001.SZ", - "创业板指": "399006.SZ", "创业板": "399006.SZ", - "科创50": "000688.SH", "沪深300": "000300.SH", "中证500": "000905.SH", - "A股": "000001.SH" - } + # 使用LLM进行智能匹配 + stock_info = await self._match_stock_with_llm(stock_keyword) - stock_code = None - stock_name = None - is_index = False + if not stock_info: + yield f"抱歉，未找到股票或指数\"{stock_keyword}\"。请确认名称或代码是否正确。" + return - for key, code in index_mapping.items(): - if key in stock_keyword or stock_keyword in key: - stock_code = code - stock_name = key if key in stock_keyword else stock_keyword - is_index = True - break - - if not is_index: - search_results = tushare_service.search_stock(stock_keyword) - if not search_results: - yield f"抱歉，未找到股票\"{stock_keyword}\"。请确认股票名称或代码是否正确。" - return - stock = search_results[0] - stock_code = stock['symbol'] - stock_name = stock['name'] + stock_code = stock_info['code'] + stock_name = stock_info['name'] + is_index = stock_info['is_index'] # 获取数据（非流式） try: @@ -1926,13 +2005,19 @@ RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'} 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） + # 流式调用LLM（同步生成器，使用线程避免阻塞） + import asyncio stream = llm_service.chat_stream( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=2000 ) + + # 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) yield chunk async def _llm_us_stock_analysis_stream(self, data: Dict[str, Any], user_message: str): @@ -2022,13 +2107,18 @@ MACD：{f"{technical.get('macd'):.4f}" if technical.get('macd') else '计算中' 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。" """ - # 流式调用LLM（同步生成器） + # 流式调用LLM（同步生成器，使用线程避免阻塞） + import asyncio stream = llm_service.chat_stream( messages=[{"role": "user", "content": prompt}], temperature=0.7, max_tokens=2000 ) + + # 在线程中迭代同步生成器，避免阻塞事件循环 for chunk in stream: + # 每次yield后让出控制权 + await asyncio.sleep(0) yield chunk diff --git a/backend/app/agent/smart_agent.py.bak b/backend/app/agent/smart_agent.py.bak new file mode 100644 index 0000000..de9b0dc --- /dev/null +++ b/backend/app/agent/smart_agent.py.bak @@ -0,0 +1,2126 @@ +""" +智能Agent - 真正使用LLM进行全面分析 +""" +import re +import json +import asyncio +from typing import Dict, Any, Optional, List +from app.config import get_settings +from app.agent.context import ContextManager +from app.agent.skill_manager import skill_manager +from app.skills.market_data import MarketDataSkill +from app.skills.technical_analysis import TechnicalAnalysisSkill +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.services.llm_service import llm_service +from app.services.tushare_service import tushare_service +from app.utils.logger import logger + + +class SmartStockAgent: + """智能股票分析Agent - 深度集成LLM""" + + def __init__(self): + """初始化Agent""" + self.context_manager = ContextManager() + self.settings = get_settings() + + # 注册技能 + self._register_skills() + + # 检查LLM是否可用 + self.use_llm = bool(self.settings.zhipuai_api_key) and llm_service.client is not None + + if self.use_llm: + logger.info("Smart Agent初始化完成（LLM深度集成模式 + Tushare Pro高级数据）") + else: + logger.warning("Smart Agent初始化完成（规则模式，建议配置LLM）") + + async def _call_llm_async(self, messages: List[Dict[str, str]], temperature: float = 0.7, max_tokens: int = 2000) -> Optional[str]: + """异步调用LLM，避免阻塞事件循环""" + loop = asyncio.get_event_loop() + return await loop.run_in_executor( + None, + lambda: llm_service.chat(messages, temperature, max_tokens) + ) + + def _register_skills(self): + """注册所有技能""" + skill_manager.register(MarketDataSkill()) + skill_manager.register(TechnicalAnalysisSkill()) + skill_manager.register(FundamentalSkill()) + 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）") + + async def process_message( + self, + message: str, + session_id: str, + user_id: Optional[str] = None + ) -> Dict[str, Any]: + """ + 处理用户消息（智能版） + + Args: + message: 用户消息 + session_id: 会话ID + user_id: 用户ID + + Returns: + 响应结果 + """ + logger.info(f"处理消息: {message[:50]}...") + + # 保存用户消息 + self.context_manager.add_message(session_id, "user", message) + + # 第一步：使用LLM理解问题意图 + intent_analysis = await self._analyze_question_intent(message, session_id) + + if not intent_analysis: + # 不直接说"无法理解"，而是引导用户 + response = { + "message": """我是您的金融智能助手，可以帮您： + +📊 **股票分析** - 分析个股走势、技术指标、基本面 +📈 **市场观察** - 解读大盘走势、行业热点 +📚 **知识问答** - 解答金融投资相关问题 + +您可以这样问我： +• "分析一下贵州茅台" +• "现在A股市场怎么样" +• "什么是MACD指标" + +请告诉我您想了解什么？""", + "metadata": {"type": "guide"} + } + self.context_manager.add_message(session_id, "assistant", response["message"]) + return response + + # 第二步：根据意图类型处理 + question_type = intent_analysis['type'] + + if question_type == 'stock_specific': + # 针对特定股票的问题 + response = await self._handle_stock_question(intent_analysis, message) + elif question_type == 'macro_finance': + # 宏观金融问题 + response = await self._handle_macro_question(intent_analysis, message) + elif question_type == 'knowledge': + # 金融知识问答 + response = await self._handle_knowledge_question(intent_analysis, message) + elif question_type == 'general_chat': + # 一般对话，引导用户 + response = await self._handle_general_chat(intent_analysis, message) + else: + # 未知类型，智能引导 + response = { + "message": f"""我理解您想了解：{intent_analysis.get('description', '相关信息')} + +作为金融智能助手，我擅长： +• 📊 分析具体股票（如"分析比亚迪"） +• 📈 解读市场走势（如"现在大盘怎么样"） +• 📚 解答金融知识（如"什么是市盈率"） + +能否更具体地告诉我您想了解什么？""", + "metadata": {"type": "guide"} + } + + # 保存助手响应 + self.context_manager.add_message( + session_id, + "assistant", + response["message"], + metadata=response.get("metadata") + ) + + return response + + def _is_comprehensive_analysis(self, message: str) -> bool: + """ + 判断是否需要全面分析 + + 默认情况下，如果用户只是简单提到股票名称或代码，就进行全面分析 + 只有明确要求特定信息时（如"技术指标"、"K线图"等），才做单一查询 + """ + # 明确要求单一查询的关键词 + single_query_keywords = [ + "k线", "图表", "走势图", "kline", + "技术指标", "macd", "rsi", "均线", "kdj", + "基本面", "公司信息", "行业", + "实时行情", "价格", "涨跌" + ] + + # 如果明确要求单一查询，返回False + if any(keyword in message.lower() for keyword in single_query_keywords): + return False + + # 默认进行全面分析 + return True + + async def _comprehensive_analysis( + self, + stock_code: str, + stock_name: Optional[str], + message: str + ) -> Dict[str, Any]: + """ + 全面分析：整合多个数据源 + LLM深度分析 + + Args: + stock_code: 股票代码 + stock_name: 股票名称 + message: 用户消息 + + Returns: + 综合分析结果 + """ + logger.info(f"执行全面分析: {stock_code}") + + 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" + ) + + # 获取技术指标 + technical_result = await skill_manager.execute_skill( + "technical_analysis", + stock_code=stock_code, + indicators=["ma", "macd", "rsi", "kdj"] + ) + + # 获取基本面 + fundamental_result = await skill_manager.execute_skill( + "fundamental", + 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" + ) + + # 整合数据 + 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 + } + + # 2. 使用LLM进行深度分析 + if self.use_llm: + analysis = await self._llm_comprehensive_analysis(all_data, message) + else: + analysis = self._rule_based_analysis(all_data) + + return { + "message": analysis, + "metadata": { + "type": "comprehensive", + "data": all_data + } + } + + except Exception as e: + logger.error(f"全面分析失败: {e}") + return { + "message": f"分析{display_name}时出错：{str(e)}", + "metadata": {"type": "error"} + } + + async def _llm_comprehensive_analysis( + self, + data: Dict[str, Any], + user_message: str + ) -> str: + """使用LLM进行深度综合分析""" + + # 获取当前时间 + from datetime import datetime + current_time = datetime.now().strftime("%Y-%m-%d %H:%M") + + # 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" + + # 重大公告 + if advanced_data.get('announcements') and len(advanced_data['announcements']) > 0: + advanced_summary += "最近公告：\n" + for ann in advanced_data['announcements'][:3]: + advanced_summary += f" · {ann.get('title', '无标题')} ({ann.get('ann_date', '')})\n" + advanced_summary += "\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，并在每个部分明确标注数据来源和时效性： + +## 一、基本面分析 +分段说明公司情况，每个要点独立成段： +- 第一段：公司主营业务和行业地位 +- 第二段：财务健康度分析（基于ROE、资产负债率、流动比率等财务指标） +- 第三段：估值水平分析（PE、PB、PS是否合理） +- 第四段：所属行业发展前景 +- 第五段：如果有公告，简要分析对公司的影响 + +## 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： + +**价格走势** +当前价格走势特征（上涨/下跌/震荡），结合成交量分析。 + +**均线系统** +短期均线（MA5、MA10）与长期均线（MA20、MA60）的位置关系，判断当前趋势（多头/空头/震荡）。 + +**MACD指标** +DIF和DEA的位置关系，MACD柱状图变化，判断动能强弱和买卖信号。 + +**RSI指标** +当前RSI值的位置，是否超买（>70）或超卖（<30），短期走势预判。 + +**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 +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 + +## 四、投资建议 +基于技术面分析，给出具体的操作建议和点位： + +**短期（1-2周）操作建议** +- 明确的操作建议：买入/持有/观望/减仓 +- **具体点位建议**： + - 如果建议买入：给出建议买入价格区间（基于支撑位） + - 如果建议卖出：给出建议卖出价格区间（基于压力位） + - 止损位：明确的止损价格点位 + - 止盈位：明确的止盈价格点位 +- 操作理由：基于技术指标的具体分析 + +**中期（1-3个月）策略** +- 趋势判断（上涨/下跌/震荡） +- 关键价格区间： + - 上方目标位：具体价格 + - 下方支撑位：具体价格 +- 策略建议 + +**长期（半年以上）** +投资价值评估和长期持有建议。 + +**风险提示** +- 主要风险点和注意事项 +- 需要关注的关键价格位 + +## 五、总结 +用一句话概括核心观点。 + +--- +**数据说明** +- 行情数据来源：Tushare Pro（截止{quote_date}） +- 技术指标：基于历史K线数据计算（截止{quote_date}） +- 财务数据：Tushare Pro 5000+积分接口（利润表、资产负债表、财务指标） +- 估值数据：Tushare Pro（PE、PB、PS、市值等） +- 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） + +写作要求： +1. 语言简洁专业，避免过度修饰和比喻 +2. 专业术语后用括号简单解释，例如"RSI超买（指标>70，股价可能回调）" +3. **重要：每个分析点必须独立成段，段落之间用空行分隔** +4. **技术面分析部分，每个指标必须使用加粗标题（**标题**）并独立成段** +5. 分析要客观理性，基于数据而非情绪 +6. 充分利用提供的财务数据、估值数据、资金流向等高级数据进行分析 +7. 结论要明确，不要模棱两可 +8. 控制在800-1000字（由于数据更丰富，可以写得更详细） +9. 最后必须声明："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。" +""" + + try: + analysis = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=3000 # 增加到3000，因为分析更详细了 + ) + + if analysis: + return f"【{data['stock_name']}({data['stock_code']}) - AI深度分析】\n\n{analysis}" + else: + return self._rule_based_analysis(data) + + except Exception as e: + logger.error(f"LLM分析失败: {e}") + return self._rule_based_analysis(data) + + async def _llm_single_analysis( + self, + intent: Dict[str, Any], + result: Dict[str, Any], + stock_code: str, + stock_name: Optional[str], + user_message: str + ) -> Dict[str, Any]: + """使用LLM对单一查询进行分析""" + data = result.get("data", result) + display_name = stock_name or stock_code + + # 根据查询类型构建不同的prompt + if intent["type"] == "technical": + prompt = f"""你是一位专业的股票分析师。用户询问了{display_name}({stock_code})的技术指标。 + +用户问题：{user_message} + +【技术指标数据】 +{json.dumps(data, ensure_ascii=False, indent=2)} + +请进行专业的技术分析： + +## 技术指标解读 +1. 均线系统分析： + - 短期均线（MA5、MA10）与长期均线（MA20、MA60）的位置关系 + - 判断当前趋势（多头/空头/震荡） + +2. MACD指标分析： + - DIF和DEA的位置关系 + - MACD柱状图的变化趋势 + - 判断动能强弱 + +3. RSI指标分析： + - 当前RSI值的位置（超买/超卖/中性） + - 短期可能的走势 + +4. KDJ指标分析（如有）： + - K、D、J值的位置关系 + - 金叉/死叉信号 + +## 综合判断 +- 短期走势预判（1-2周） +- 关键支撑位和压力位 +- 操作建议（买入/持有/观望/减仓） + +## 风险提示 +- 主要技术风险点 + +写作要求： +1. 语言简洁专业，直接给出分析结论 +2. 基于数据进行分析，不要编造 +3. 控制在300-400字 +4. 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。" +""" + + elif intent["type"] == "quote": + prompt = f"""你是一位专业的股票分析师。用户询问了{display_name}({stock_code})的实时行情。 + +用户问题：{user_message} + +【实时行情数据】 +{json.dumps(data, ensure_ascii=False, indent=2)} + +请进行专业的行情分析： + +## 行情解读 +1. 当日表现： + - 涨跌幅分析 + - 成交量分析 + - 振幅分析 + +2. 价格位置： + - 当前价格相对开盘价、最高价、最低价的位置 + - 判断多空力量对比 + +3. 短期判断： + - 当日走势特征 + - 短期可能的走势 + - 操作建议 + +写作要求： +1. 语言简洁专业，直接给出分析结论 +2. 基于数据进行分析，不要编造 +3. 控制在200-300字 +4. 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。" +""" + + elif intent["type"] == "fundamental": + prompt = f"""你是一位专业的股票分析师。用户询问了{display_name}({stock_code})的基本面信息。 + +用户问题：{user_message} + +【基本面数据】 +{json.dumps(data, ensure_ascii=False, indent=2)} + +请进行专业的基本面分析： + +## 公司概况 +- 公司主营业务 +- 所属行业和地域 +- 上市时间和市场 + +## 行业分析 +- 所属行业的发展前景 +- 行业地位和竞争优势 + +## 投资价值 +- 基本面评估 +- 长期投资价值 +- 关注要点 + +写作要求： +1. 语言简洁专业，直接给出分析结论 +2. 基于数据进行分析，不要编造 +3. 控制在200-300字 +4. 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。" +""" + + else: + # 其他类型，使用通用分析 + prompt = f"""你是一位专业的股票分析师。用户询问了{display_name}({stock_code})的相关信息。 + +用户问题：{user_message} + +【数据】 +{json.dumps(data, ensure_ascii=False, indent=2)} + +请基于提供的数据进行专业分析，给出有价值的见解和建议。 + +写作要求： +1. 语言简洁专业，直接给出分析结论 +2. 基于数据进行分析，不要编造 +3. 控制在200-300字 +4. 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。" +""" + + try: + analysis = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=1500 + ) + + if analysis: + return { + "message": f"【{display_name}({stock_code}) - AI分析】\n\n{analysis}", + "metadata": {"type": intent["type"], "data": data} + } + else: + # LLM失败，使用原始格式化 + return self._format_response(intent, result, stock_code, stock_name) + + except Exception as e: + logger.error(f"LLM单一分析失败: {e}") + return self._format_response(intent, result, stock_code, stock_name) + + async def _comprehensive_index_analysis( + self, + index_code: str, + index_name: str, + message: str + ) -> Dict[str, Any]: + """ + 指数全面分析：使用Tushare获取指数数据 + LLM深度分析 + + Args: + index_code: 指数代码（如000001.SH） + index_name: 指数名称 + message: 用户消息 + + Returns: + 综合分析结果 + """ + logger.info(f"执行指数全面分析: {index_code}") + + try: + # 从tushare_advanced_service获取指数数据 + from app.services.tushare_advanced_service import tushare_advanced_service + + # 获取指数日线数据 + index_data = tushare_advanced_service.get_index_daily( + ts_code=index_code, + start_date=None, # 默认180天 + end_date=None + ) + + if not index_data or len(index_data) == 0: + return { + "message": f"抱歉，未能获取{index_name}的数据。", + "metadata": {"type": "error"} + } + + # 获取最新数据 + latest = index_data[-1] + + # 计算技术指标（简单版） + closes = [d['close'] for d in index_data] + + # 计算均线 + ma5 = sum(closes[-5:]) / 5 if len(closes) >= 5 else None + ma10 = sum(closes[-10:]) / 10 if len(closes) >= 10 else None + ma20 = sum(closes[-20:]) / 20 if len(closes) >= 20 else None + ma60 = sum(closes[-60:]) / 60 if len(closes) >= 60 else None + + # 整合数据 + all_data = { + "index_code": index_code, + "index_name": index_name, + "latest": latest, + "ma": { + "ma5": ma5, + "ma10": ma10, + "ma20": ma20, + "ma60": ma60 + }, + "history_days": len(index_data) + } + + # 使用LLM进行深度分析 + if self.use_llm: + analysis = await self._llm_index_analysis(all_data, message) + else: + analysis = f"【{index_name}】最新数据\n\n" \ + f"日期：{latest['trade_date']}\n" \ + f"收盘：{latest['close']:.2f}\n" \ + f"涨跌幅：{latest['pct_chg']:+.2f}%\n" \ + f"成交量：{latest['vol']:.0f}手" + + return { + "message": analysis, + "metadata": { + "type": "index_analysis", + "data": all_data + } + } + + except Exception as e: + logger.error(f"指数分析失败: {e}") + import traceback + logger.error(traceback.format_exc()) + return { + "message": f"分析{index_name}时出错：{str(e)}", + "metadata": {"type": "error"} + } + + async def _llm_index_analysis( + self, + data: Dict[str, Any], + user_message: str + ) -> str: + """使用LLM进行指数深度分析""" + + latest = data['latest'] + ma = data['ma'] + + prompt = f"""你是一位专业的股票分析师。请对{data['index_name']}({data['index_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} + +【指数最新数据】 +数据来源：Tushare Pro API +交易日期：{latest['trade_date']} +收盘点位：{latest['close']:.2f} +开盘点位：{latest['open']:.2f} +最高点位：{latest['high']:.2f} +最低点位：{latest['low']:.2f} +涨跌幅：{latest['pct_chg']:+.2f}% +涨跌点数：{latest['change']:+.2f} +成交量：{latest['vol']:.0f}手 +成交额：{latest['amount']:.0f}千元 + +【技术指标】 +MA5：{f"{ma['ma5']:.2f}" if ma['ma5'] else '计算中'} +MA10：{f"{ma['ma10']:.2f}" if ma['ma10'] else '计算中'} +MA20：{f"{ma['ma20']:.2f}" if ma['ma20'] else '计算中'} +MA60：{f"{ma['ma60']:.2f}" if ma['ma60'] else '计算中'} +当前点位：{latest['close']:.2f} + +请按以下结构进行分析： + +## 一、市场现状 +- 当前点位分析（相对历史位置） +- 当日表现（涨跌幅、成交量） + +## 二、技术面分析 +**均线系统** +分析当前点位与各均线的关系，判断趋势（多头/空头/震荡）。 + +**支撑与压力** +基于近期走势，给出关键支撑位和压力位。 + +## 三、市场情绪 +- 当前市场情绪（乐观/谨慎/悲观） +- 成交量分析 + +## 四、投资建议 +**短期（1-2周）** +- 趋势判断 +- 关键点位（支撑位、压力位） +- 操作建议 + +**中期（1-3个月）** +- 趋势展望 +- 策略建议 + +**风险提示** +主要风险点和注意事项 + +## 五、总结 +用一句话概括核心观点。 + +--- +**数据说明** +- 数据来源：Tushare Pro（截止{latest['trade_date']}） +- 分析周期：基于近{data['history_days']}个交易日数据 + +写作要求： +1. 语言简洁专业但易懂 +2. 每个分析点独立成段 +3. 控制在600-800字 +4. 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。" +""" + + try: + analysis = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=2500 + ) + + if analysis: + return f"【{data['index_name']}({data['index_code']}) - AI深度分析】\n\n{analysis}" + else: + return f"【{data['index_name']}】分析生成失败" + + except Exception as e: + logger.error(f"LLM指数分析失败: {e}") + return f"【{data['index_name']}】分析生成失败" + + def _rule_based_analysis(self, data: Dict[str, Any]) -> str: + """基于规则的分析（LLM不可用时的备选方案）""" + parts = [f"【{data['stock_name']}({data['stock_code']}) - 综合分析】\n"] + + # 行情信息 + if data.get('quote'): + quote = data['quote'] + parts.append("## 一、实时行情") + parts.append(f"最新价：{quote.get('close', 0):.2f}元") + parts.append(f"涨跌幅：{quote.get('pct_chg', 0):.2f}%") + parts.append(f"成交量：{quote.get('vol', 0):.0f}手") + parts.append("") + + # 技术分析 + if data.get('technical'): + tech = data['technical'].get('indicators', {}) + parts.append("## 二、技术指标") + + if 'ma' in tech: + ma = tech['ma'] + parts.append(f"均线系统：MA5={ma.get('ma5')}, MA10={ma.get('ma10')}, MA20={ma.get('ma20')}") + + if 'macd' in tech: + macd = tech['macd'] + parts.append(f"MACD：DIF={macd.get('dif')}, DEA={macd.get('dea')}") + + if 'rsi' in tech: + rsi = tech['rsi'] + rsi6 = rsi.get('rsi6', 50) + if rsi6 > 70: + parts.append(f"RSI：{rsi6:.1f}（超买区域，注意回调风险）") + elif rsi6 < 30: + parts.append(f"RSI：{rsi6:.1f}（超卖区域，可能存在反弹机会）") + else: + parts.append(f"RSI：{rsi6:.1f}（中性区域）") + + parts.append("") + + # 基本面 + if data.get('fundamental'): + fund = data['fundamental'] + parts.append("## 三、基本信息") + parts.append(f"所属行业：{fund.get('industry', '未知')}") + parts.append(f"上市日期：{fund.get('list_date', '未知')}") + parts.append("") + + # 简单建议 + parts.append("## 四、参考建议") + parts.append("建议结合更多信息进行综合判断。") + parts.append("") + parts.append("⚠️ 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。") + + return "\n".join(parts) + + async def _single_query( + self, + stock_code: str, + stock_name: Optional[str], + message: str + ) -> Dict[str, Any]: + """单一查询处理 - 使用LLM进行分析""" + # 识别意图 + intent = self._recognize_intent(message, stock_code) + + # 执行技能 + result = await skill_manager.execute_skill( + intent["skill"], + **intent["params"] + ) + + # 格式化响应 + if not result.get("success", True): + return { + "message": f"查询失败：{result.get('error', '未知错误')}", + "metadata": {"type": "error"} + } + + # 所有查询都使用LLM进行分析（除了可视化） + if intent["type"] != "visualization" and self.use_llm: + return await self._llm_single_analysis(intent, result, stock_code, stock_name, message) + else: + return self._format_response(intent, result, stock_code, stock_name) + + def _recognize_intent(self, message: str, stock_code: str) -> Dict[str, Any]: + """识别查询意图""" + message_lower = message.lower() + + # K线图 + if any(kw in message_lower for kw in ["k线", "图表", "走势图", "kline"]): + return { + "type": "visualization", + "skill": "visualization", + "params": {"stock_code": stock_code} + } + + # 技术分析 + if any(kw in message_lower for kw in ["技术", "指标", "macd", "rsi", "均线"]): + return { + "type": "technical", + "skill": "technical_analysis", + "params": {"stock_code": stock_code, "indicators": ["ma", "macd", "rsi"]} + } + + # 基本面 + if any(kw in message_lower for kw in ["基本面", "公司", "行业", "信息"]): + return { + "type": "fundamental", + "skill": "fundamental", + "params": {"stock_code": stock_code} + } + + # 默认：实时行情 + return { + "type": "quote", + "skill": "market_data", + "params": {"stock_code": stock_code, "data_type": "quote"} + } + + def _format_response( + self, + intent: Dict[str, Any], + result: Dict[str, Any], + stock_code: str, + stock_name: Optional[str] + ) -> Dict[str, Any]: + """格式化响应""" + data = result.get("data", result) + display_name = stock_name or stock_code + + if intent["type"] == "quote": + message = f"""【{display_name}】实时行情 + +交易日期：{data.get('trade_date', '')} +最新价：{data.get('close', 0):.2f}元 +涨跌幅：{data.get('pct_chg', 0):+.2f}% +涨跌额：{data.get('change', 0):+.2f}元 +开盘价：{data.get('open', 0):.2f}元 +最高价：{data.get('high', 0):.2f}元 +最低价：{data.get('low', 0):.2f}元 +成交量：{data.get('vol', 0):.0f}手 +成交额：{data.get('amount', 0):.0f}千元""" + + return { + "message": message, + "metadata": {"type": "quote", "data": data} + } + + elif intent["type"] == "technical": + indicators = data.get("indicators", {}) + parts = [f"【{display_name}】技术指标\n"] + + if "ma" in indicators: + ma = indicators["ma"] + parts.append(f"均线：MA5={ma.get('ma5')}, MA10={ma.get('ma10')}, MA20={ma.get('ma20')}") + + if "macd" in indicators: + macd = indicators["macd"] + parts.append(f"MACD：DIF={macd.get('dif')}, DEA={macd.get('dea')}, MACD={macd.get('macd')}") + + if "rsi" in indicators: + rsi = indicators["rsi"] + parts.append(f"RSI：RSI6={rsi.get('rsi6')}, RSI12={rsi.get('rsi12')}") + + return { + "message": "\n".join(parts), + "metadata": {"type": "technical", "data": data} + } + + elif intent["type"] == "visualization": + return { + "message": f"已生成【{display_name}】的K线图", + "metadata": {"type": "chart", "data": data} + } + + elif intent["type"] == "fundamental": + message = f"""【{display_name}】基本信息 + +股票代码：{data.get('ts_code', '')} +所属地域：{data.get('area', '')} +所属行业：{data.get('industry', '')} +上市市场：{data.get('market', '')} +上市日期：{data.get('list_date', '')}""" + + return { + "message": message, + "metadata": {"type": "fundamental", "data": data} + } + + return { + "message": "查询完成", + "metadata": {"type": "data", "data": data} + } + + async def _analyze_question_intent(self, message: str, session_id: str) -> Optional[Dict[str, Any]]: + """ + 使用LLM分析问题意图（支持上下文） + + Args: + message: 用户消息 + session_id: 会话ID + + Returns: + 意图分析结果: { + 'type': 'stock_specific' | 'macro_finance' | 'knowledge' | 'general_chat', + 'description': '问题描述', + 'keywords': ['关键词列表'], + 'stock_names': ['股票名称'] (如果是stock_specific类型) + } + """ + if not self.use_llm: + logger.warning("LLM未配置，无法分析意图") + return None + + # 获取历史对话上下文 + history = self.context_manager.get_context(session_id) + context_str = "" + if history: + context_str = "\n\n【对话历史】\n" + # 只取最近4条消息 + for msg in history[-4:]: + role = "用户" if msg["role"] == "user" else "助手" + content = msg['content'][:100] # 限制长度 + context_str += f"{role}: {content}\n" + + prompt = f"""你是一个专业的金融智能助手。分析用户的问题，理解用户意图。 + +{context_str} + +【当前问题】 +用户: {message} + +请分析这个问题属于以下哪一类： + +1. **stock_specific** - 针对特定股票或指数的问题 + 例如："贵州茅台怎么样"、"分析一下比亚迪"、"600519的技术指标"、"帮我看看这只股票" + **重要**：指数查询也属于此类，例如："上证指数怎么样"、"分析大盘"、"A股指数走势"、"深证成指" + **美股支持**：美股查询也属于此类，例如："苹果股票怎么样"、"AAPL分析"、"特斯拉走势"、"TSLA技术指标" + +2. **macro_finance** - 宏观金融/市场问题（不针对特定股票或指数） + 例如："最近有什么投资机会"、"现在适合买股票吗"、"市场情绪如何" + +3. **knowledge** - 金融知识问答 + 例如："什么是MACD"、"如何看K线图"、"价值投资是什么"、"市盈率怎么算" + +4. **general_chat** - 一般对话/问候/不明确的问题 + 例如："你好"、"在吗"、"你能做什么"、"帮我"（没有具体说明） + +**重要提示**： +- 如果用户问题不明确，但可能与金融相关，优先归类为 general_chat，以便引导用户 +- 如果用户提到"这只股票"、"它"等代词，查看对话历史判断是否指特定股票 +- **如果用户提到"大盘"、"上证"、"深证"、"A股指数"等，归类为 stock_specific，并在stock_names中填入对应的指数名称** +- **如果用户提到美股公司名称（如苹果、特斯拉、微软）或美股代码（如AAPL、TSLA、MSFT），归类为 stock_specific，并在stock_names中填入对应的股票名称或代码** +- 对于模糊的问题，不要强行归类，使用 general_chat 类型 + +请以JSON格式返回分析结果： +{{ + "type": "问题类型", + "description": "问题的简要描述（用一句话概括用户想了解什么）", + "keywords": ["关键词1", "关键词2"], + "stock_names": ["股票名称或指数名称或美股代码"] (仅当type为stock_specific时，如果有的话), + "market": "A股" 或 "美股" (仅当type为stock_specific时，根据股票类型判断) +}} + +只返回JSON，不要有任何其他内容。""" + + try: + result = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.3, + max_tokens=300 + ) + + if not result: + logger.warning("LLM返回空结果") + return None + + # 清理结果，移除可能的markdown代码块标记 + result = result.strip() + if result.startswith("```json"): + result = result[7:] + if result.startswith("```"): + result = result[3:] + if result.endswith("```"): + result = result[:-3] + result = result.strip() + + # 检查是否为空 + if not result: + logger.warning("LLM返回内容为空") + return None + + # 解析JSON + intent = json.loads(result) + logger.info(f"意图分析结果: {intent}") + return intent + + except json.JSONDecodeError as e: + logger.error(f"意图分析JSON解析失败: {e}, 原始响应: {result[:200] if result else 'None'}") + return None + except Exception as e: + logger.error(f"意图分析失败: {e}") + return None + + async def _handle_stock_question( + self, + intent_analysis: Dict[str, Any], + message: str + ) -> Dict[str, Any]: + """处理针对特定股票或指数的问题""" + stock_names = intent_analysis.get('stock_names', []) + market = intent_analysis.get('market', 'A股') # 默认A股 + + if not stock_names: + return { + "message": "抱歉，我没有识别到您提到的股票或指数。请提供更明确的股票代码、名称或指数名称。", + "metadata": {"type": "error"} + } + + # 提取第一个股票或指数 + stock_keyword = stock_names[0] + + # 检测是否为美股 + is_us_stock = self._is_us_stock(stock_keyword, market) + + if is_us_stock: + # 处理美股 + return await self._handle_us_stock(stock_keyword, message) + + # 处理A股和指数 - 使用LLM进行智能匹配 + stock_info = await self._match_stock_with_llm(stock_keyword) + + if not stock_info: + return { + "message": f"抱歉，未找到股票或指数\"{stock_keyword}\"。请确认名称或代码是否正确。", + "metadata": {"type": "error"} + } + + stock_code = stock_info['code'] + stock_name = stock_info['name'] + is_index = stock_info['is_index'] + + logger.info(f"处理{'指数' if is_index else '股票'}问题: {stock_name}({stock_code})") + + # 判断是否需要全面分析 + is_comprehensive = self._is_comprehensive_analysis(message) + + if is_comprehensive: + if is_index: + return await self._comprehensive_index_analysis(stock_code, stock_name, message) + else: + return await self._comprehensive_analysis(stock_code, stock_name, message) + else: + return await self._single_query(stock_code, stock_name, message) + + async def _match_stock_with_llm(self, keyword: str) -> Optional[Dict[str, Any]]: + """ + 使用LLM智能匹配股票或指数 + + Args: + keyword: 用户输入的关键词 + + Returns: + 匹配结果: {'code': '股票代码', 'name': '股票名称', 'is_index': bool} + """ + if not self.use_llm: + # 降级方案：使用Tushare搜索 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + + prompt = f"""你是一个专业的A股市场专家。请根据用户输入的关键词，识别对应的股票代码或指数代码。 + +用户输入：{keyword} + +常见指数代码： +- 上证指数/大盘/沪指/A股 → 000001.SH +- 深证成指/深证/深指 → 399001.SZ +- 创业板指/创业板 → 399006.SZ +- 科创50 → 000688.SH +- 沪深300 → 000300.SH +- 中证500 → 000905.SH + +如果是指数，请直接返回对应的指数代码。 +如果是股票名称或代码，请使用Tushare数据库进行搜索匹配。 + +请以JSON格式返回： +{{ + "is_index": true/false, + "code": "股票或指数代码（如000001.SH）", + "name": "股票或指数名称", + "confidence": 0.0-1.0 +}} + +如果无法匹配，返回： +{{ + "is_index": false, + "code": null, + "name": null, + "confidence": 0.0 +}} + +只返回JSON，不要有任何其他内容。""" + + try: + result = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.3, + max_tokens=200 + ) + + if not result: + logger.warning("LLM匹配返回空结果") + return None + + # 清理结果 + result = result.strip() + if result.startswith("```json"): + result = result[7:] + if result.startswith("```"): + result = result[3:] + if result.endswith("```"): + result = result[:-3] + result = result.strip() + + # 解析JSON + match_result = json.loads(result) + + # 如果LLM无法匹配或置信度太低，使用Tushare搜索 + if not match_result.get('code') or match_result.get('confidence', 0) < 0.5: + logger.info(f"LLM匹配置信度低，使用Tushare搜索: {keyword}") + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + + logger.info(f"LLM匹配成功: {keyword} -> {match_result['name']}({match_result['code']})") + return { + 'code': match_result['code'], + 'name': match_result['name'], + 'is_index': match_result['is_index'] + } + + except json.JSONDecodeError as e: + logger.error(f"LLM匹配JSON解析失败: {e}, 原始响应: {result[:200] if result else 'None'}") + # 降级方案 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + except Exception as e: + logger.error(f"LLM匹配失败: {e}") + # 降级方案 + search_results = tushare_service.search_stock(keyword) + if search_results: + return { + 'code': search_results[0]['symbol'], + 'name': search_results[0]['name'], + 'is_index': False + } + return None + + async def _handle_macro_question( + self, + intent_analysis: Dict[str, Any], + message: str + ) -> Dict[str, Any]: + """处理宏观金融问题""" + keywords = intent_analysis.get('keywords', []) + description = intent_analysis.get('description', '') + + logger.info(f"处理宏观问题: {description}") + + try: + # 使用LLM进行分析（基于Tushare数据和公开信息） + prompt = f"""你是一位专业的金融分析师。用户询问了宏观金融问题。 + +用户问题：{message} + +问题分析：{description} +关键词：{', '.join(keywords)} + +请基于你的金融知识和市场经验，给出专业且易懂的分析： + +## 市场现状分析 +简要说明当前市场整体情况和主要影响因素（分段说明，每个要点独立成段） + +## 趋势判断 +- 短期趋势（1-2周） +- 中期展望（1-3个月） + +## 投资建议 +- 具体的投资策略建议 +- 需要关注的风险点 + +写作要求： +1. 语言简洁专业但易懂，避免过度修饰 +2. 分析要客观理性，基于事实和数据 +3. 每个分析点独立成段，段落之间用空行分隔 +4. 控制在400-500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。" +""" + + analysis = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=1500 + ) + + if analysis: + return { + "message": f"【宏观市场分析】\n\n{analysis}", + "metadata": {"type": "macro_analysis"} + } + + except Exception as e: + logger.error(f"宏观问题处理失败: {e}") + + # 降级方案：提供友好的引导 + return { + "message": f"""我理解您想了解：{description} + +目前我可以帮您： +• 📊 分析具体股票的走势和投资价值 +• 📈 查看大盘指数（如上证指数、深证成指） +• 📚 解答金融投资相关问题 + +您可以更具体地问我，比如： +• "现在上证指数怎么样" +• "分析一下创业板的走势" +• "最近哪些行业比较热门" + +请告诉我您想了解什么？""", + "metadata": {"type": "guide"} + } + + async def _handle_knowledge_question( + self, + intent_analysis: Dict[str, Any], + message: str + ) -> Dict[str, Any]: + """处理金融知识问答""" + description = intent_analysis.get('description', '') + keywords = intent_analysis.get('keywords', []) + + logger.info(f"处理知识问答: {description}") + + # 直接使用LLM回答 + prompt = f"""你是一位专业的金融教育专家。用户询问了金融知识问题。 + +用户问题：{message} + +请用通俗易懂的语言解释这个概念或回答这个问题： + +## 核心概念 +- 清晰定义和解释 + +## 实际应用 +- 如何在投资中应用 +- 注意事项 + +## 举例说明 +- 用简单的例子帮助理解 + +写作要求： +1. 语言通俗易懂，避免过多专业术语 +2. 如果使用专业术语，要简单解释 +3. 控制在300-400字 +4. 重点是帮助用户理解，而不是炫耀知识 +""" + + try: + answer = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=1200 + ) + + if answer: + return { + "message": f"【金融知识解答】\n\n{answer}", + "metadata": {"type": "knowledge"} + } + + except Exception as e: + logger.error(f"知识问答处理失败: {e}") + + return { + "message": "抱歉，暂时无法回答您的问题。请稍后再试。", + "metadata": {"type": "error"} + } + + async def _handle_general_chat( + self, + intent_analysis: Dict[str, Any], + message: str + ) -> Dict[str, Any]: + """处理一般对话，智能引导用户""" + description = intent_analysis.get('description', '') + + logger.info(f"处理一般对话: {description}") + + # 使用LLM生成友好的引导回复 + prompt = f"""你是一位专业且友好的金融智能助手。用户发来了一条消息，但不够具体。 + +用户消息：{message} +问题分析：{description} + +你的任务是： +1. 如果是问候（如"你好"、"在吗"），友好回应并介绍你的能力 +2. 如果问题不明确（如"帮我"、"看看"），礼貌地询问用户想了解什么 +3. 如果可能与金融相关但不具体，给出具体的提问示例引导用户 + +你可以提供的服务： +• 📊 股票分析 - 分析个股走势、技术指标、基本面 +• 📈 市场观察 - 解读大盘走势、行业热点、投资机会 +• 📚 知识问答 - 解答金融投资相关问题 + +回复要求： +1. 语气友好、专业但不生硬 +2. 简洁明了，不要太长（150字以内） +3. 给出2-3个具体的提问示例 +4. 不要使用"抱歉"、"无法理解"等负面词汇 +5. 用emoji让回复更友好（但不要过度使用） + +直接返回回复内容，不要有其他格式。""" + + try: + reply = llm_service.chat( + messages=[{"role": "user", "content": prompt}], + temperature=0.8, + max_tokens=400 + ) + + if reply: + return { + "message": reply, + "metadata": {"type": "chat"} + } + + except Exception as e: + logger.error(f"一般对话处理失败: {e}") + + # 降级方案 + return { + "message": """您好！我是您的金融智能助手 👋 + +我可以帮您： +• 📊 分析具体股票（如"分析比亚迪"） +• 📈 解读市场走势（如"现在大盘怎么样"） +• 📚 解答金融知识（如"什么是市盈率"） + +请告诉我您想了解什么？""", + "metadata": {"type": "chat"} + } + + def _is_us_stock(self, keyword: str, market: str) -> bool: + """ + 判断是否为美股 + + Args: + keyword: 股票关键词 + market: 市场类型（从LLM意图分析中获取） + + Returns: + 是否为美股 + """ + # 如果LLM已经判断为美股 + if market == "美股": + return True + + # 检查是否为全大写字母（美股代码特征） + if keyword.isupper() and keyword.isalpha() and len(keyword) <= 5: + return True + + # 常见美股公司名称映射 + us_stock_names = { + "苹果": "AAPL", + "特斯拉": "TSLA", + "微软": "MSFT", + "谷歌": "GOOGL", + "亚马逊": "AMZN", + "Meta": "META", + "脸书": "META", + "英伟达": "NVDA", + "奈飞": "NFLX", + "网飞": "NFLX", + "迪士尼": "DIS", + "可口可乐": "KO", + "麦当劳": "MCD", + "星巴克": "SBUX", + "耐克": "NKE", + "波音": "BA", + "英特尔": "INTC", + "AMD": "AMD", + "高通": "QCOM", + "推特": "TWTR", + "优步": "UBER", + "Uber": "UBER", + "Airbnb": "ABNB", + "爱彼迎": "ABNB", + } + + if keyword in us_stock_names: + return True + + return False + + def _get_us_stock_symbol(self, keyword: str) -> str: + """ + 获取美股代码 + + Args: + keyword: 股票关键词 + + Returns: + 美股代码 + """ + # 如果已经是代码格式，直接返回 + if keyword.isupper() and keyword.isalpha(): + return keyword + + # 中文名称映射 + us_stock_names = { + "苹果": "AAPL", + "特斯拉": "TSLA", + "微软": "MSFT", + "谷歌": "GOOGL", + "亚马逊": "AMZN", + "Meta": "META", + "脸书": "META", + "英伟达": "NVDA", + "奈飞": "NFLX", + "网飞": "NFLX", + "迪士尼": "DIS", + "可口可乐": "KO", + "麦当劳": "MCD", + "星巴克": "SBUX", + "耐克": "NKE", + "波音": "BA", + "英特尔": "INTC", + "AMD": "AMD", + "高通": "QCOM", + "推特": "TWTR", + "优步": "UBER", + "Uber": "UBER", + "Airbnb": "ABNB", + "爱彼迎": "ABNB", + } + + return us_stock_names.get(keyword, keyword.upper()) + + async def _handle_us_stock(self, keyword: str, message: str) -> Dict[str, Any]: + """ + 处理美股查询 + + Args: + keyword: 股票关键词 + message: 用户消息 + + Returns: + 分析结果 + """ + # 获取美股代码 + symbol = self._get_us_stock_symbol(keyword) + + 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" + ) + + if not result.get("success"): + 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 + if self.use_llm: + analysis = await self._llm_us_stock_analysis(result["data"], message) + else: + analysis = self._format_us_stock_data(result["data"]) + + return { + "message": analysis, + "metadata": { + "type": "us_stock_analysis", + "data": result["data"] + } + } + + except Exception as e: + logger.error(f"美股查询失败: {e}") + return { + "message": f"查询美股 {symbol} 时出错：{str(e)}", + "metadata": {"type": "error"} + } + + async def _llm_us_stock_analysis(self, data: Dict[str, Any], user_message: str) -> str: + """使用LLM分析美股数据""" + from datetime import datetime + current_time = datetime.now().strftime("%Y-%m-%d %H:%M") + + # 提取关键数据 + symbol = data.get("symbol", "") + name = data.get("name", "") + sector = data.get("sector", "") + industry = data.get("industry", "") + current_price = data.get("current_price", 0) + change = data.get("change", 0) + change_pct = 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) + dividend_yield = data.get("dividend_yield", 0) + week_52_high = data.get("52_week_high", 0) + week_52_low = data.get("52_week_low", 0) + technical = data.get("technical_indicators", {}) + description = data.get("description", "") + + # 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" + + # 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。 + +**重要提示：当前日期是 {current_time}，请在分析中使用这个日期，不要使用其他日期。** + +【基本信息】 +股票代码：{symbol} +公司名称：{name} +所属行业：{sector} - {industry} +公司简介：{description[:300] if description else '暂无'} + +【实时行情】（数据时间：{current_time}） +当前价格：${current_price:.2f} +涨跌额：${change:.2f} +涨跌幅：{change_pct:.2f}% +成交量：{volume:,} +市值：{market_cap_str} + +【估值指标】 +市盈率(PE)：{f"{pe_ratio:.2f}" if pe_ratio else '暂无'} +市净率(PB)：{f"{pb_ratio:.2f}" if pb_ratio else '暂无'} +股息率：{f"{dividend_yield * 100:.2f}%" if dividend_yield else '暂无'} +52周最高：${week_52_high:.2f} +52周最低：${week_52_low:.2f} + +【技术指标】 +MA5：{f"${technical.get('ma5'):.2f}" if technical.get('ma5') else '计算中'} +MA10：{f"${technical.get('ma10'):.2f}" if technical.get('ma10') else '计算中'} +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'} + +用户问题：{user_message} + +请提供专业的分析报告，包括： + +## 📊 行情概览 +简要总结当前股价表现和市场表现（2-3句话） + +## 💼 公司基本面 +- 行业地位和竞争优势 +- 估值水平分析（PE、PB是否合理） +- 盈利能力和成长性 + +## 📈 技术面分析 +- 当前趋势判断（基于均线系统） +- 关键支撑位和压力位 +- RSI和MACD信号解读 + +## 💡 投资建议 +- 短期操作建议（1-2周） +- 中期投资价值（1-3个月） +- 风险提示 + +写作要求： +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。" +""" + + try: + analysis = await self._call_llm_async( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=2000 + ) + + if analysis: + return f"【美股分析】{name} ({symbol})\n\n{analysis}" + else: + return self._format_us_stock_data(data) + + except Exception as e: + logger.error(f"LLM美股分析失败: {e}") + return self._format_us_stock_data(data) + + def _format_us_stock_data(self, data: Dict[str, Any]) -> str: + """格式化美股数据（降级方案）""" + symbol = data.get("symbol", "") + name = data.get("name", "") + current_price = data.get("current_price", 0) + change = data.get("change", 0) + change_pct = data.get("change_percent", 0) + market_cap = data.get("market_cap", 0) + pe_ratio = data.get("pe_ratio", 0) + technical = data.get("technical_indicators", {}) + + market_cap_str = f"${market_cap / 1e9:.2f}B" if market_cap > 1e9 else f"${market_cap / 1e6:.2f}M" + + change_emoji = "📈" if change >= 0 else "📉" + + return f"""【美股行情】{name} ({symbol}) + +{change_emoji} 当前价格：${current_price:.2f} +涨跌：${change:.2f} ({change_pct:+.2f}%) +市值：{market_cap_str} +市盈率：{pe_ratio:.2f if pe_ratio else '暂无'} + +【技术指标】 +MA5：${technical.get('ma5', 0):.2f if technical.get('ma5') else '计算中'} +MA20：${technical.get('ma20', 0):.2f if technical.get('ma20') else '计算中'} +RSI：{technical.get('rsi', 0):.2f if technical.get('rsi') else '计算中'} + +以上数据仅供参考，不构成投资建议。""" + + async def process_message_stream( + self, + message: str, + session_id: str, + user_id: Optional[str] = None + ): + """ + 流式处理用户消息 + + Args: + message: 用户消息 + session_id: 会话ID + user_id: 用户ID + + Yields: + 响应文本片段 + """ + logger.info(f"流式处理消息: {message[:50]}...") + + # 保存用户消息 + self.context_manager.add_message(session_id, "user", message) + + # 第一步：使用LLM理解问题意图 + intent_analysis = await self._analyze_question_intent(message, session_id) + + if not intent_analysis: + # 引导用户 + guide_message = """我是您的金融智能助手，可以帮您： + +📊 **股票分析** - 分析个股走势、技术指标、基本面 +📈 **市场观察** - 解读大盘走势、行业热点 +📚 **知识问答** - 解答金融投资相关问题 + +您可以这样问我： +• "分析一下贵州茅台" +• "现在A股市场怎么样" +• "什么是MACD指标" + +请告诉我您想了解什么？""" + self.context_manager.add_message(session_id, "assistant", guide_message) + yield guide_message + return + + # 第二步：根据意图类型处理（流式） + question_type = intent_analysis['type'] + + full_response = "" + if question_type == 'stock_specific': + # 针对特定股票的问题 - 流式输出 + async for chunk in self._handle_stock_question_stream(intent_analysis, message): + full_response += chunk + yield chunk + elif question_type in ['macro_finance', 'knowledge', 'general_chat']: + # 其他类型 - 直接流式输出（不需要特殊处理） + response = await self._handle_other_question(question_type, intent_analysis, message) + full_response = response["message"] + # 逐字yield + for char in full_response: + yield char + else: + # 未知类型 + guide_message = f"""我理解您想了解：{intent_analysis.get('description', '相关信息')} + +作为金融智能助手，我擅长： +• 📊 分析具体股票（如"分析比亚迪"） +• 📈 解读市场走势（如"现在大盘怎么样"） +• 📚 解答金融知识（如"什么是市盈率"） + +能否更具体地告诉我您想了解什么？""" + full_response = guide_message + yield guide_message + + # 保存助手响应 + self.context_manager.add_message(session_id, "assistant", full_response) + + async def _handle_other_question( + self, + question_type: str, + intent_analysis: Dict[str, Any], + message: str + ) -> Dict[str, Any]: + """处理非股票分析的其他问题""" + if question_type == 'macro_finance': + return await self._handle_macro_question(intent_analysis, message) + elif question_type == 'knowledge': + return await self._handle_knowledge_question(intent_analysis, message) + elif question_type == 'general_chat': + return await self._handle_general_chat(intent_analysis, message) + else: + return {"message": "抱歉，我无法理解您的问题。"} + + async def _handle_stock_question_stream( + self, + intent_analysis: Dict[str, Any], + message: str + ): + """流式处理股票问题""" + stock_names = intent_analysis.get('stock_names', []) + market = intent_analysis.get('market', 'A股') + + if not stock_names: + yield "抱歉，我没有识别到您提到的股票或指数。请提供更明确的股票代码、名称或指数名称。" + return + + stock_keyword = stock_names[0] + is_us_stock = self._is_us_stock(stock_keyword, market) + + if is_us_stock: + # 美股分析 - 流式 + async for chunk in self._handle_us_stock_stream(stock_keyword, message): + yield chunk + else: + # A股分析 - 流式 + async for chunk in self._handle_a_stock_stream(stock_keyword, message): + yield chunk + + async def _handle_a_stock_stream(self, stock_keyword: str, message: str): + """流式处理A股分析""" + # 使用LLM进行智能匹配 + stock_info = await self._match_stock_with_llm(stock_keyword) + + if not stock_info: + yield f"抱歉，未找到股票或指数\"{stock_keyword}\"。请确认名称或代码是否正确。" + return + + stock_code = stock_info['code'] + 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") + + 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 + } + + # 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 + else: + yield self._rule_based_analysis(all_data) + + except Exception as e: + logger.error(f"A股分析失败: {e}") + 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""" + symbol = self._get_us_stock_symbol(keyword) + logger.info(f"流式处理美股查询: {keyword} -> {symbol}") + + try: + result = await skill_manager.execute_skill("us_stock_analysis", symbol=symbol, analysis_type="comprehensive") + + if not result.get("success"): + yield f"抱歉，未找到美股 {symbol}。请确认股票代码是否正确。" + return + + # 使用LLM流式分析 + if self.use_llm: + async for chunk in self._llm_us_stock_analysis_stream(result["data"], message): + yield chunk + else: + yield self._format_us_stock_data(result["data"]) + + except Exception as e: + logger.error(f"美股查询失败: {e}") + yield f"查询美股 {symbol} 时出错：{str(e)}" + + 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 + + current_time = datetime.now().strftime("%Y-%m-%d %H:%M") + + # 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） + import asyncio + stream = llm_service.chat_stream( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=2000 + ) + + # 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) + yield chunk + + async def _llm_us_stock_analysis_stream(self, data: Dict[str, Any], user_message: str): + """使用LLM流式分析美股""" + from datetime import datetime + current_time = datetime.now().strftime("%Y-%m-%d %H:%M") + + symbol = data.get("symbol", "") + name = data.get("name", "") + sector = data.get("sector", "") + industry = data.get("industry", "") + current_price = data.get("current_price", 0) + change = data.get("change", 0) + change_pct = 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) + dividend_yield = data.get("dividend_yield", 0) + week_52_high = data.get("52_week_high", 0) + week_52_low = data.get("52_week_low", 0) + technical = data.get("technical_indicators", {}) + description = data.get("description", "") + + market_cap_str = f"${market_cap / 1e9:.2f}B" if market_cap > 1e9 else f"${market_cap / 1e6:.2f}M" + + 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。 + +**重要提示：当前日期是 {current_time}，请在分析中使用这个日期，不要使用其他日期。** + +【基本信息】 +股票代码：{symbol} +公司名称：{name} +所属行业：{sector} - {industry} +公司简介：{description[:300] if description else '暂无'} + +【实时行情】（数据时间：{current_time}） +当前价格：${current_price:.2f} +涨跌额：${change:.2f} +涨跌幅：{change_pct:.2f}% +成交量：{volume:,} +市值：{market_cap_str} + +【估值指标】 +市盈率(PE)：{f"{pe_ratio:.2f}" if pe_ratio else '暂无'} +市净率(PB)：{f"{pb_ratio:.2f}" if pb_ratio else '暂无'} +股息率：{f"{dividend_yield * 100:.2f}%" if dividend_yield else '暂无'} +52周最高：${week_52_high:.2f} +52周最低：${week_52_low:.2f} + +【技术指标】 +MA5：{f"${technical.get('ma5'):.2f}" if technical.get('ma5') else '计算中'} +MA10：{f"${technical.get('ma10'):.2f}" if technical.get('ma10') else '计算中'} +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'} + +用户问题：{user_message} + +请提供专业的分析报告，包括： + +## 📊 行情概览 +简要总结当前股价表现和市场表现（2-3句话） + +## 💼 公司基本面 +- 行业地位和竞争优势 +- 估值水平分析（PE、PB是否合理） +- 盈利能力和成长性 + +## 📈 技术面分析 +- 当前趋势判断（基于均线系统） +- 关键支撑位和压力位 +- RSI和MACD信号解读 + +## 💡 投资建议 +- 短期操作建议（1-2周） +- 中期投资价值（1-3个月） +- 风险提示 + +写作要求： +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。" +""" + + # 流式调用LLM（同步生成器，使用线程避免阻塞） + import asyncio + stream = llm_service.chat_stream( + messages=[{"role": "user", "content": prompt}], + temperature=0.7, + max_tokens=2000 + ) + + # 在线程中迭代同步生成器，避免阻塞事件循环 + for chunk in stream: + # 每次yield后让出控制权 + await asyncio.sleep(0) + yield chunk + + +# 创建全局实例 +smart_agent = SmartStockAgent() diff --git a/backend/app/services/multi_llm_service.py b/backend/app/services/multi_llm_service.py index ce5745c..b66020e 100644 --- a/backend/app/services/multi_llm_service.py +++ b/backend/app/services/multi_llm_service.py @@ -146,10 +146,12 @@ class MultiLLMService: ) elif provider == 'deepseek': # DeepSeek调用（OpenAI兼容） + # DeepSeek对参数更严格，确保temperature在有效范围内 + safe_temperature = max(0.0, min(2.0, temperature)) response = client.chat.completions.create( model=model_id, messages=messages, - temperature=temperature, + temperature=safe_temperature, max_tokens=max_tokens ) else: @@ -216,10 +218,12 @@ class MultiLLMService: elif provider == 'deepseek': # DeepSeek流式调用（OpenAI兼容） + # DeepSeek对参数更严格，确保temperature在有效范围内 + safe_temperature = max(0.0, min(2.0, temperature)) response = client.chat.completions.create( model=model_id, messages=messages, - temperature=temperature, + temperature=safe_temperature, max_tokens=max_tokens, stream=True ) diff --git a/frontend/index.html b/frontend/index.html index 4157710..3305e2a 100644 --- a/frontend/index.html +++ b/frontend/index.html @@ -64,10 +64,9 @@
- - +