""" 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()