3080 lines
112 KiB
Python
3080 lines
112 KiB
Python
"""
|
||
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.agent.question_analyzer import QuestionAnalyzer
|
||
from app.agent.skill_planner import SkillPlanner
|
||
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.skills.brave_search import BraveSearchSkill
|
||
from app.services.llm_service import llm_service
|
||
from app.services.tushare_service import tushare_service
|
||
from app.utils.logger import logger
|
||
|
||
|
||
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()
|
||
|
||
# 初始化智能组件
|
||
self.question_analyzer = QuestionAnalyzer()
|
||
self.skill_planner = SkillPlanner()
|
||
|
||
# 注册技能
|
||
self._register_skills()
|
||
|
||
# 获取配置的模型
|
||
self.model_override = getattr(self.settings, 'smart_agent_model', None)
|
||
|
||
# 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(f"Smart Agent初始化完成（智能模式 + LLM深度集成 + Tushare Pro高级数据，模型: {self.model_override or '默认'}）")
|
||
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, model_override=self.model_override)
|
||
)
|
||
|
||
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())
|
||
skill_manager.register(BraveSearchSkill())
|
||
logger.info("技能注册完成（Tushare Pro高级数据 + 美股支持 + Brave搜索）")
|
||
|
||
async def process_message(
|
||
self,
|
||
message: str,
|
||
session_id: str,
|
||
user_id: Optional[str] = None
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
处理用户消息（非流式，已废弃，保留用于兼容）
|
||
|
||
实际使用 process_message_stream 进行流式输出
|
||
"""
|
||
# 收集流式输出
|
||
full_response = ""
|
||
async for chunk in self.process_message_stream(message, session_id, user_id):
|
||
full_response += chunk
|
||
|
||
return {
|
||
"message": full_response,
|
||
"metadata": {"type": "text"}
|
||
}
|
||
|
||
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：使用 skill_planner 智能规划技能 + 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
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = stock_code
|
||
intent['target']['stock_name'] = stock_name
|
||
|
||
logger.info(f"问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
logger.info(f"技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 3. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=stock_code
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 4. 整合数据（兼容旧格式）
|
||
results = execution_results['results']
|
||
all_data = {
|
||
"stock_code": stock_code,
|
||
"stock_name": display_name,
|
||
"quote": results.get("market_data"),
|
||
"technical": results.get("technical_analysis"),
|
||
"fundamental": results.get("fundamental"),
|
||
"advanced": results.get("advanced_data"),
|
||
"news": results.get("brave_search") # 新增：新闻数据
|
||
}
|
||
|
||
# 5. 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,
|
||
"plan": plan
|
||
}
|
||
}
|
||
|
||
except Exception as e:
|
||
logger.error(f"全面分析失败: {e}")
|
||
import traceback
|
||
logger.error(traceback.format_exc())
|
||
return {
|
||
"message": f"分析{display_name}时出错：{str(e)}",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
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"
|
||
|
||
# 格式化新闻数据
|
||
news_section = ""
|
||
news_data = data.get('news', {})
|
||
if news_data and not news_data.get('error'):
|
||
results = news_data.get('results', [])
|
||
if results:
|
||
news_section = "\n【最新新闻和舆情】（来源：Brave Search）\n"
|
||
for i, item in enumerate(results[:5], 1):
|
||
title = item.get('title', '无标题')
|
||
description = item.get('description', '')
|
||
source = item.get('source', '')
|
||
published = item.get('published', '')
|
||
news_section += f"{i}. {title}\n"
|
||
if description:
|
||
news_section += f" 摘要：{description[:100]}...\n"
|
||
if source:
|
||
news_section += f" 来源：{source}\n"
|
||
if published:
|
||
news_section += f" 发布时间：{published}\n"
|
||
news_section += "\n"
|
||
else:
|
||
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
|
||
else:
|
||
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
|
||
|
||
# 构建详细的分析提示
|
||
prompt = f"""你是一位专业的股票分析师。请对{data['stock_name']}({data['stock_code']})进行全面分析，用简洁专业但易懂的语言回答。
|
||
|
||
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}
|
||
{news_section}
|
||
请按以下结构进行分析，并在每个部分明确标注数据来源和时效性：
|
||
|
||
## 一、基本面分析
|
||
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、市场情绪和新闻分析
|
||
分段分析市场情绪：
|
||
- 第一段：资金流向分析（主力资金、大单资金流入/流出情况）
|
||
- 第二段：融资融券情况（如有）
|
||
- 第三段：**基于最新新闻分析市场情绪和舆情，识别可能影响股价的重要事件**
|
||
- 第四段：当前市场情绪（乐观/谨慎/悲观）及原因
|
||
- 第五段：短期可能的催化因素
|
||
|
||
## 四、投资建议
|
||
基于技术面分析，给出具体的操作建议和点位：
|
||
|
||
**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）
|
||
- 新闻舆情：Brave Search（最新市场资讯）
|
||
|
||
写作要求：
|
||
1. 语言简洁专业，避免过度修饰和比喻
|
||
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（智能模式）"""
|
||
description = intent_analysis.get('description', '')
|
||
keywords = intent_analysis.get('keywords', [])
|
||
|
||
logger.info(f"[智能模式] 处理宏观问题: {description}")
|
||
|
||
try:
|
||
# 使用智能、自然的prompt
|
||
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}
|
||
|
||
请用自然、专业的语言回答用户的问题。不要使用固定的格式或标题，而是像和朋友聊天一样，直接回答用户关心的内容。
|
||
|
||
要求：
|
||
- 直接回答用户的问题，不要添加"【宏观市场分析】"等标题
|
||
- 根据问题的具体内容调整回答的重点
|
||
- 语言自然、专业但易懂
|
||
- 如果用户问的是短期趋势，重点讲短期；如果问的是投资机会，重点讲机会
|
||
- 控制在300-500字
|
||
- 最后声明："以上分析仅供参考，不构成投资建议。"
|
||
"""
|
||
|
||
analysis = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=1500
|
||
)
|
||
|
||
if analysis:
|
||
return {
|
||
"message": 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
|
||
return {
|
||
"message": f"抱歉，我暂时无法回答这个问题。您可以问我具体股票或指数的分析。",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
async def _handle_knowledge_question(
|
||
self,
|
||
intent_analysis: Dict[str, Any],
|
||
message: str
|
||
) -> Dict[str, Any]:
|
||
"""处理金融知识问答（智能模式）"""
|
||
description = intent_analysis.get('description', '')
|
||
|
||
logger.info(f"[智能模式] 处理知识问答: {description}")
|
||
|
||
# 使用智能、自然的prompt
|
||
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}
|
||
|
||
请用自然、通俗的语言回答用户的问题。不要使用固定的格式（如"## 核心概念"），而是像老师给学生讲解一样，直接、清晰地解释。
|
||
|
||
要求：
|
||
- 直接回答问题，不要添加"【金融知识解答】"等标题
|
||
- 用通俗易懂的语言，避免过多专业术语
|
||
- 如果必须用专业术语，简单解释一下
|
||
- 可以举例子帮助理解
|
||
- 控制在200-400字
|
||
"""
|
||
|
||
try:
|
||
answer = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=1200
|
||
)
|
||
|
||
if answer:
|
||
return {
|
||
"message": 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（智能模式）"""
|
||
description = intent_analysis.get('description', '')
|
||
|
||
logger.info(f"[智能模式] 处理一般对话: {description}")
|
||
|
||
# 使用智能、自然的prompt
|
||
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。
|
||
|
||
用户消息：{message}
|
||
|
||
请用自然、友好的语言回应用户。不要使用固定的格式，而是像真人对话一样。
|
||
|
||
要求：
|
||
- 如果是问候（如"你好"），友好回应并简单介绍你能做什么
|
||
- 如果问题不明确，礼貌地询问用户想了解什么
|
||
- 语言自然、友好，不要太正式
|
||
- 控制在100-200字
|
||
"""
|
||
|
||
try:
|
||
response = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.8,
|
||
max_tokens=500
|
||
)
|
||
|
||
if response:
|
||
return {
|
||
"message": response,
|
||
"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
|
||
|
||
return False
|
||
|
||
def _get_us_stock_symbol(self, keyword: str) -> str:
|
||
"""
|
||
获取美股代码（同步版本，用于兼容）
|
||
|
||
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
|
||
|
||
# 默认返回大写形式
|
||
return keyword.upper()
|
||
|
||
async def _handle_us_stock(self, keyword: str, message: str) -> Dict[str, Any]:
|
||
"""
|
||
处理美股查询（兼容旧接口，内部调用 _handle_us_stock_with_code）
|
||
|
||
Args:
|
||
keyword: 股票关键词（可能是代码或名称）
|
||
message: 用户消息
|
||
|
||
Returns:
|
||
分析结果
|
||
"""
|
||
# 如果是大写字母，直接作为代码使用
|
||
if keyword.isupper() and keyword.isalpha() and len(keyword) <= 5:
|
||
return await self._handle_us_stock_with_code(keyword, keyword, message)
|
||
|
||
# 否则需要通过 QuestionAnalyzer 重新分析获取代码
|
||
# 这种情况理论上不应该发生，因为 QuestionAnalyzer 应该已经返回了代码
|
||
logger.warning(f"_handle_us_stock 收到非代码格式的关键词: {keyword}")
|
||
return {
|
||
"message": f"抱歉，无法识别美股 \"{keyword}\"。请直接输入美股代码（如 BABA、AAPL、TSLA）进行查询。",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
async def _handle_us_stock_with_code(self, symbol: str, stock_name: str, message: str) -> Dict[str, Any]:
|
||
"""
|
||
处理美股查询（使用已知的股票代码）
|
||
|
||
Args:
|
||
symbol: 美股代码（如 BABA、AAPL）
|
||
stock_name: 股票名称
|
||
message: 用户消息
|
||
|
||
Returns:
|
||
分析结果
|
||
"""
|
||
logger.info(f"处理美股查询: {stock_name} -> {symbol}")
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = symbol
|
||
intent['target']['stock_name'] = stock_name
|
||
intent['target']['market'] = '美股'
|
||
|
||
logger.info(f"美股问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（会自动识别美股并使用正确的技能）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
|
||
logger.info(f"美股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 3. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=symbol
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"美股技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 5. 检查 us_stock_analysis 是否成功
|
||
us_stock_data = execution_results['results'].get('us_stock_analysis')
|
||
if not us_stock_data or 'error' in us_stock_data:
|
||
return {
|
||
"message": f"抱歉，未找到美股 {symbol}。请确认股票代码是否正确。\n\n提示：美股代码通常为大写字母，如 AAPL（苹果）、TSLA（特斯拉）、MSFT（微软）等。",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
# 6. 整合数据
|
||
all_data = {
|
||
"symbol": symbol,
|
||
"name": stock_name,
|
||
**us_stock_data,
|
||
"news": execution_results['results'].get("brave_search") # 新增：新闻数据
|
||
}
|
||
|
||
# 7. 使用LLM分析美股数据
|
||
if self.use_llm:
|
||
analysis = await self._llm_us_stock_analysis(all_data, message)
|
||
else:
|
||
analysis = self._format_us_stock_data(all_data)
|
||
|
||
return {
|
||
"message": analysis,
|
||
"metadata": {
|
||
"type": "us_stock_analysis",
|
||
"data": all_data,
|
||
"plan": plan
|
||
}
|
||
}
|
||
|
||
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 _handle_hk_stock_with_code(self, symbol: str, stock_name: str, message: str) -> Dict[str, Any]:
|
||
"""
|
||
处理港股查询（使用已知的股票代码）
|
||
|
||
Args:
|
||
symbol: 港股代码（如 0700.HK、9988.HK）
|
||
stock_name: 股票名称
|
||
message: 用户消息
|
||
|
||
Returns:
|
||
分析结果
|
||
"""
|
||
logger.info(f"处理港股查询: {stock_name} -> {symbol}")
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = symbol
|
||
intent['target']['stock_name'] = stock_name
|
||
intent['target']['market'] = '港股'
|
||
|
||
logger.info(f"港股问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（会自动识别港股并使用正确的技能）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
|
||
logger.info(f"港股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 3. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=symbol
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"港股技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 5. 检查 us_stock_analysis 是否成功
|
||
hk_stock_data = execution_results['results'].get('us_stock_analysis')
|
||
if not hk_stock_data or 'error' in hk_stock_data:
|
||
return {
|
||
"message": f"抱歉，未找到港股 {symbol}。请确认股票代码是否正确。\n\n提示：港股代码格式为数字加.HK后缀，如 0700.HK（腾讯）、9988.HK（阿里巴巴）等。",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
# 6. 整合数据
|
||
all_data = {
|
||
"symbol": symbol,
|
||
"name": stock_name,
|
||
"market": "港股",
|
||
**hk_stock_data,
|
||
"news": execution_results['results'].get("brave_search")
|
||
}
|
||
|
||
# 7. 使用LLM分析港股数据
|
||
if self.use_llm:
|
||
analysis = await self._llm_hk_stock_analysis(all_data, message)
|
||
else:
|
||
analysis = self._format_us_stock_data(all_data)
|
||
|
||
return {
|
||
"message": analysis,
|
||
"metadata": {
|
||
"type": "hk_stock_analysis",
|
||
"data": all_data,
|
||
"plan": plan
|
||
}
|
||
}
|
||
|
||
except Exception as e:
|
||
logger.error(f"港股查询失败: {e}")
|
||
return {
|
||
"message": f"查询港股 {symbol} 时出错：{str(e)}",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
async def _llm_hk_stock_analysis(self, data: Dict[str, Any], user_message: str) -> str:
|
||
"""使用LLM分析港股数据"""
|
||
from datetime import datetime
|
||
current_time = datetime.now().strftime("%Y-%m-%d %H:%M")
|
||
|
||
# 提取关键数据（使用 us_stock_service 返回的扁平结构）
|
||
symbol = data.get('symbol', '')
|
||
name = data.get('name', symbol)
|
||
technical = data.get('technical_indicators', {})
|
||
news = data.get('news', [])
|
||
|
||
# 构建数据摘要
|
||
data_summary = f"""
|
||
【港股数据】{name}（{symbol}）
|
||
查询时间：{current_time}
|
||
|
||
【基本信息】
|
||
- 公司名称：{name}
|
||
- 行业：{data.get('industry', '未知')}
|
||
- 板块：{data.get('sector', '未知')}
|
||
- 市值：{data.get('market_cap', '未知')}
|
||
|
||
【最新行情】
|
||
- 当前价格：{data.get('current_price', '未知')}
|
||
- 今日涨跌：{data.get('change_percent', '未知')}%
|
||
- 52周最高：{data.get('52_week_high', '未知')}
|
||
- 52周最低：{data.get('52_week_low', '未知')}
|
||
|
||
【估值指标】
|
||
- 市盈率(PE)：{data.get('pe_ratio', '未知')}
|
||
- 市净率(PB)：{data.get('pb_ratio', '未知')}
|
||
- 股息率：{data.get('dividend_yield', '未知')}
|
||
|
||
【技术指标】
|
||
- MA5：{technical.get('ma5', '未知')}
|
||
- MA20：{technical.get('ma20', '未知')}
|
||
- RSI：{technical.get('rsi', '未知')}
|
||
- MACD：{technical.get('macd', '未知')}
|
||
"""
|
||
|
||
# 添加新闻摘要
|
||
if news:
|
||
data_summary += "\n【相关新闻】\n"
|
||
for i, item in enumerate(news[:3], 1):
|
||
if isinstance(item, dict):
|
||
title = item.get('title', '')
|
||
data_summary += f"{i}. {title}\n"
|
||
|
||
prompt = f"""你是一个专业的港股分析师。请根据以下数据，回答用户的问题。
|
||
|
||
{data_summary}
|
||
|
||
用户问题：{user_message}
|
||
|
||
请提供专业、客观的分析，包括：
|
||
1. 直接回答用户的问题
|
||
2. 基于数据的分析和判断
|
||
3. 潜在的风险提示
|
||
|
||
注意：港股以港币计价，交易时间为港交所交易时段。"""
|
||
|
||
try:
|
||
result = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=2000
|
||
)
|
||
return result or self._format_us_stock_data(data)
|
||
except Exception as e:
|
||
logger.error(f"LLM港股分析失败: {e}")
|
||
return self._format_us_stock_data(data)
|
||
|
||
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", "")
|
||
news_data = data.get("news", {}) # 新增：获取新闻数据
|
||
|
||
# 格式化市值
|
||
market_cap_str = f"${market_cap / 1e9:.2f}B" if market_cap > 1e9 else f"${market_cap / 1e6:.2f}M"
|
||
|
||
# 格式化新闻数据
|
||
news_section = ""
|
||
if news_data and not news_data.get('error'):
|
||
results = news_data.get('results', [])
|
||
if results:
|
||
news_section = "\n【最新新闻和舆情】（来源：Brave Search）\n"
|
||
for i, item in enumerate(results[:5], 1):
|
||
title = item.get('title', '无标题')
|
||
description = item.get('description', '')
|
||
source = item.get('source', '')
|
||
published = item.get('published', '')
|
||
news_section += f"{i}. {title}\n"
|
||
if description:
|
||
news_section += f" 摘要：{description[:100]}...\n"
|
||
if source:
|
||
news_section += f" 来源：{source}\n"
|
||
if published:
|
||
news_section += f" 发布时间：{published}\n"
|
||
news_section += "\n"
|
||
else:
|
||
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
|
||
else:
|
||
news_section = "\n【最新新闻和舆情】\n暂无相关新闻\n"
|
||
|
||
# 构建分析提示
|
||
prompt = f"""你是一位专业的美股分析师。请基于以下数据对 {name} ({symbol}) 进行全面分析。
|
||
|
||
**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'}
|
||
{news_section}
|
||
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
|
||
|
||
## 📰 市场情绪和新闻分析
|
||
- 基于最新新闻分析市场情绪和舆情
|
||
- 识别可能影响股价的重要事件或消息
|
||
- 评估新闻对短期和中期走势的影响
|
||
|
||
## 💡 投资建议
|
||
- 短期操作建议（1-2周）
|
||
- 中期投资价值（1-3个月）
|
||
- 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. **充分利用新闻数据进行市场情绪分析**
|
||
5. 控制在600-800字
|
||
6. **不要在报告中添加日期标题，直接开始分析内容**
|
||
7. 最后声明："以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
|
||
"""
|
||
|
||
try:
|
||
analysis = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=2500 # 增加 token 数量以容纳新闻分析
|
||
)
|
||
|
||
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（智能模式）
|
||
|
||
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"[智能模式-流式] 处理消息: {message[:50]}...")
|
||
|
||
# 转换 user_id 为整数（如果是字符串）
|
||
user_id_int = int(user_id) if user_id else None
|
||
|
||
# 1. 保存用户消息
|
||
self.context_manager.add_message(session_id, "user", message, user_id=user_id_int)
|
||
|
||
# 2. 提取上下文信息
|
||
context_info = self.context_manager.extract_context_info(session_id)
|
||
logger.info(f"[智能模式-流式] 上下文信息: last_stock={context_info.get('last_stock')}")
|
||
|
||
# 3. 深度问题分析
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=self.context_manager.get_context(session_id),
|
||
session_id=session_id
|
||
)
|
||
|
||
logger.info(f"[智能模式-流式] 问题分析: type={intent.get('type')}, dimensions={intent.get('dimensions')}")
|
||
|
||
# 4. 处理上下文引用（代词解析）
|
||
if intent.get('context_references', {}).get('refers_to_previous'):
|
||
intent = self._resolve_context_references(intent, context_info)
|
||
logger.info(f"[智能模式-流式] 上下文解析后: target={intent.get('target')}")
|
||
|
||
# 5. 根据问题类型分发（流式）
|
||
full_response = ""
|
||
if intent['type'] == 'stock_analysis':
|
||
async for chunk in self._handle_stock_analysis_stream(intent, message):
|
||
full_response += chunk
|
||
yield chunk
|
||
elif intent['type'] == 'market_overview':
|
||
response = await self._handle_macro_question(intent, message)
|
||
full_response = response["message"]
|
||
for char in full_response:
|
||
yield char
|
||
elif intent['type'] == 'knowledge':
|
||
response = await self._handle_knowledge_question(intent, message)
|
||
full_response = response["message"]
|
||
for char in full_response:
|
||
yield char
|
||
else:
|
||
response = await self._handle_general_chat(intent, message)
|
||
full_response = response["message"]
|
||
for char in full_response:
|
||
yield char
|
||
|
||
# 6. 保存助手响应
|
||
self.context_manager.add_message(session_id, "assistant", full_response, user_id=user_id_int)
|
||
|
||
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 skill_planner）"""
|
||
# 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']
|
||
|
||
logger.info(f"[流式] A股分析: {stock_name}({stock_code})")
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = stock_code
|
||
intent['target']['stock_name'] = stock_name
|
||
|
||
logger.info(f"[流式] A股问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（包括 brave_search）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
logger.info(f"[流式] A股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 3. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=stock_code
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"[流式] A股技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 4. 整合数据（兼容旧格式）
|
||
results = execution_results['results']
|
||
all_data = {
|
||
"stock_code": stock_code,
|
||
"stock_name": stock_name,
|
||
"quote": results.get("market_data"),
|
||
"technical": results.get("technical_analysis"),
|
||
"fundamental": results.get("fundamental"),
|
||
"advanced": results.get("advanced_data"),
|
||
"news": results.get("brave_search") # 新增：新闻数据
|
||
}
|
||
|
||
# 5. 使用LLM流式分析
|
||
if self.use_llm:
|
||
async for chunk in self._llm_comprehensive_analysis_stream(all_data, message, is_index):
|
||
yield chunk
|
||
else:
|
||
yield self._rule_based_analysis(all_data)
|
||
|
||
except Exception as e:
|
||
logger.error(f"A股分析失败: {e}")
|
||
import traceback
|
||
logger.error(traceback.format_exc())
|
||
yield f"分析{stock_name}时出错：{str(e)}"
|
||
|
||
async def _handle_us_stock_stream(self, keyword: str, message: str):
|
||
"""流式处理美股分析（兼容旧接口）"""
|
||
# 如果是大写字母，直接作为代码使用
|
||
if keyword.isupper() and keyword.isalpha() and len(keyword) <= 5:
|
||
async for chunk in self._handle_us_stock_stream_with_code(keyword, keyword, message):
|
||
yield chunk
|
||
return
|
||
|
||
# 否则报错
|
||
logger.warning(f"_handle_us_stock_stream 收到非代码格式的关键词: {keyword}")
|
||
yield f"抱歉，无法识别美股 \"{keyword}\"。请直接输入美股代码（如 BABA、AAPL、TSLA）进行查询。"
|
||
|
||
async def _handle_us_stock_stream_with_code(self, symbol: str, stock_name: str, message: str):
|
||
"""流式处理美股分析（使用已知的股票代码）"""
|
||
logger.info(f"[智能模式-流式] 美股查询: {stock_name} -> {symbol}")
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = symbol
|
||
intent['target']['stock_name'] = stock_name
|
||
intent['target']['market'] = '美股'
|
||
|
||
logger.info(f"[流式] 美股问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（会自动识别美股并使用正确的技能）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
|
||
logger.info(f"[流式] 美股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 3. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=symbol
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"[流式] 美股技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 5. 检查 us_stock_analysis 是否成功
|
||
us_stock_data = execution_results['results'].get('us_stock_analysis')
|
||
if not us_stock_data or 'error' in us_stock_data:
|
||
yield f"抱歉，未找到美股 {symbol}。请确认股票代码是否正确。"
|
||
return
|
||
|
||
# 6. 整合数据
|
||
all_data = {
|
||
"symbol": symbol,
|
||
"name": stock_name,
|
||
**us_stock_data,
|
||
"news": execution_results['results'].get("brave_search") # 新增：新闻数据
|
||
}
|
||
|
||
# 7. 使用智能模式的动态prompt生成
|
||
if self.use_llm:
|
||
# 构建美股数据的动态prompt
|
||
prompt = self._build_us_stock_dynamic_prompt(all_data, symbol, message)
|
||
|
||
# 流式生成
|
||
stream = llm_service.chat_stream(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=2500, # 增加 token 数量以容纳新闻分析
|
||
model_override=self.model_override
|
||
)
|
||
|
||
for chunk in stream:
|
||
yield chunk
|
||
else:
|
||
yield self._format_us_stock_data(all_data)
|
||
|
||
except Exception as e:
|
||
logger.error(f"美股查询失败: {e}")
|
||
import traceback
|
||
logger.error(traceback.format_exc())
|
||
yield f"查询美股 {symbol} 时出错：{str(e)}"
|
||
|
||
async def _handle_hk_stock_stream_with_code(self, symbol: str, stock_name: str, message: str):
|
||
"""流式处理港股分析（使用已知的股票代码）"""
|
||
logger.info(f"[智能模式-流式] 港股查询: {stock_name} -> {symbol}")
|
||
|
||
try:
|
||
# 1. 使用 QuestionAnalyzer 分析问题意图
|
||
intent = await self.question_analyzer.analyze_question(
|
||
question=message,
|
||
context=[],
|
||
session_id=""
|
||
)
|
||
|
||
# 确保 intent 包含股票信息
|
||
if 'target' not in intent:
|
||
intent['target'] = {}
|
||
intent['target']['stock_code'] = symbol
|
||
intent['target']['stock_name'] = stock_name
|
||
intent['target']['market'] = '港股'
|
||
|
||
logger.info(f"[流式] 港股问题意图分析: dimensions={intent.get('dimensions')}")
|
||
|
||
# 2. 使用 SkillPlanner 规划技能（会自动识别港股并使用正确的技能）
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
|
||
logger.info(f"[流式] 港股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
logger.info(f"[流式] 港股技能规划完成: {[s['name'] for s in plan['skills']]}, 策略: {plan['execution_strategy']}")
|
||
|
||
# 4. 执行技能规划
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=symbol
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"[流式] 港股技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 5. 检查 us_stock_analysis 是否成功
|
||
hk_stock_data = execution_results['results'].get('us_stock_analysis')
|
||
if not hk_stock_data or 'error' in hk_stock_data:
|
||
yield f"抱歉，未找到港股 {symbol}。请确认股票代码是否正确。\n\n提示：港股代码格式为数字加.HK后缀，如 0700.HK（腾讯）、9988.HK（阿里巴巴）等。"
|
||
return
|
||
|
||
# 6. 整合数据
|
||
all_data = {
|
||
"symbol": symbol,
|
||
"name": stock_name,
|
||
"market": "港股",
|
||
**hk_stock_data,
|
||
"news": execution_results['results'].get("brave_search")
|
||
}
|
||
|
||
# 7. 使用智能模式的动态prompt生成
|
||
if self.use_llm:
|
||
# 构建港股数据的动态prompt
|
||
prompt = self._build_hk_stock_dynamic_prompt(all_data, symbol, message)
|
||
|
||
# 流式生成
|
||
stream = llm_service.chat_stream(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=2500,
|
||
model_override=self.model_override
|
||
)
|
||
|
||
for chunk in stream:
|
||
yield chunk
|
||
else:
|
||
yield self._format_us_stock_data(all_data)
|
||
|
||
except Exception as e:
|
||
logger.error(f"港股查询失败: {e}")
|
||
import traceback
|
||
logger.error(traceback.format_exc())
|
||
yield f"查询港股 {symbol} 时出错：{str(e)}"
|
||
|
||
def _build_hk_stock_dynamic_prompt(self, data: Dict[str, Any], symbol: str, user_message: str) -> str:
|
||
"""构建港股分析的动态prompt"""
|
||
from datetime import datetime
|
||
current_time = datetime.now().strftime("%Y-%m-%d %H:%M")
|
||
|
||
# 提取关键数据（使用 us_stock_service 返回的扁平结构）
|
||
name = data.get('name', symbol)
|
||
technical = data.get('technical_indicators', {})
|
||
news = data.get('news', [])
|
||
|
||
# 构建数据摘要
|
||
data_summary = f"""
|
||
【港股数据】{name}（{symbol}）
|
||
查询时间：{current_time}
|
||
|
||
【基本信息】
|
||
- 公司名称：{name}
|
||
- 行业：{data.get('industry', '未知')}
|
||
- 板块：{data.get('sector', '未知')}
|
||
- 市值：{data.get('market_cap', '未知')}
|
||
|
||
【最新行情】
|
||
- 当前价格：{data.get('current_price', '未知')}
|
||
- 今日涨跌：{data.get('change_percent', '未知')}%
|
||
- 52周最高：{data.get('52_week_high', '未知')}
|
||
- 52周最低：{data.get('52_week_low', '未知')}
|
||
|
||
【估值指标】
|
||
- 市盈率(PE)：{data.get('pe_ratio', '未知')}
|
||
- 市净率(PB)：{data.get('pb_ratio', '未知')}
|
||
- 股息率：{data.get('dividend_yield', '未知')}
|
||
|
||
【技术指标】
|
||
- MA5：{technical.get('ma5', '未知')}
|
||
- MA20：{technical.get('ma20', '未知')}
|
||
- RSI：{technical.get('rsi', '未知')}
|
||
- MACD：{technical.get('macd', '未知')}
|
||
"""
|
||
|
||
# 添加新闻摘要
|
||
if news:
|
||
data_summary += "\n【相关新闻】\n"
|
||
if isinstance(news, dict) and 'results' in news:
|
||
news_list = news.get('results', [])
|
||
else:
|
||
news_list = news if isinstance(news, list) else []
|
||
for i, item in enumerate(news_list[:3], 1):
|
||
if isinstance(item, dict):
|
||
title = item.get('title', '')
|
||
data_summary += f"{i}. {title}\n"
|
||
|
||
prompt = f"""你是一个专业的港股分析师。请根据以下数据，回答用户的问题。
|
||
|
||
{data_summary}
|
||
|
||
用户问题：{user_message}
|
||
|
||
请提供专业、客观的分析，包括：
|
||
1. 直接回答用户的问题
|
||
2. 基于数据的分析和判断
|
||
3. 潜在的风险提示
|
||
|
||
注意：港股以港币(HKD)计价，交易时间为港交所交易时段（北京时间9:30-12:00, 13:00-16:00）。"""
|
||
|
||
return prompt
|
||
|
||
def _format_news_section(self, news_data: Dict[str, Any]) -> str:
|
||
"""
|
||
格式化新闻数据为统一格式
|
||
|
||
Args:
|
||
news_data: 新闻数据字典
|
||
|
||
Returns:
|
||
格式化后的新闻文本
|
||
"""
|
||
if not news_data or news_data.get('error'):
|
||
return "\n**最新新闻和舆情**: 暂无相关新闻\n"
|
||
|
||
results = news_data.get('results', [])
|
||
if not results:
|
||
return "\n**最新新闻和舆情**: 暂无相关新闻\n"
|
||
|
||
news_section = "\n**最新新闻和舆情**（来源：Brave Search）:\n"
|
||
for i, item in enumerate(results[:5], 1):
|
||
title = item.get('title', '无标题')
|
||
description = item.get('description', '')
|
||
source = item.get('source', '')
|
||
published = item.get('published', '')
|
||
news_section += f"{i}. {title}\n"
|
||
if description:
|
||
news_section += f" 摘要：{description[:100]}...\n"
|
||
if source:
|
||
news_section += f" 来源：{source}\n"
|
||
if published:
|
||
news_section += f" 发布时间：{published}\n"
|
||
news_section += "\n"
|
||
|
||
return news_section
|
||
|
||
def _build_unified_analysis_prompt(
|
||
self,
|
||
market: str,
|
||
stock_info: Dict[str, Any],
|
||
data: Dict[str, Any],
|
||
user_message: str
|
||
) -> str:
|
||
"""
|
||
统一的分析提示词构建函数（自然语言风格）
|
||
|
||
Args:
|
||
market: 市场类型（'A股' 或 '美股'）
|
||
stock_info: 股票基本信息 {'code': ..., 'name': ...}
|
||
data: 市场数据（行情、技术、基本面、新闻等）
|
||
user_message: 用户问题
|
||
|
||
Returns:
|
||
构建好的prompt字符串
|
||
"""
|
||
from datetime import datetime
|
||
|
||
current_time = datetime.now().strftime("%Y-%m-%d %H:%M")
|
||
stock_code = stock_info.get('code', '')
|
||
stock_name = stock_info.get('name', '')
|
||
|
||
# 格式化新闻数据（统一格式）
|
||
news_section = self._format_news_section(data.get('news', {}))
|
||
|
||
if market == '美股':
|
||
# 美股数据格式
|
||
current_price = data.get('current_price', 0)
|
||
change = data.get('change', 0)
|
||
change_percent = data.get('change_percent', 0)
|
||
volume = data.get('volume', 0)
|
||
market_cap = data.get('market_cap', 0)
|
||
pe_ratio = data.get('pe_ratio', 0)
|
||
pb_ratio = data.get('pb_ratio', 0)
|
||
|
||
technical = data.get('technical_indicators', {})
|
||
ma5 = technical.get('ma5', 0)
|
||
ma10 = technical.get('ma10', 0)
|
||
ma20 = technical.get('ma20', 0)
|
||
rsi = technical.get('rsi', 0)
|
||
macd = technical.get('macd', 0)
|
||
|
||
market_data_section = f"""
|
||
**行情数据**:
|
||
- 最新价: ${current_price:.2f}
|
||
- 涨跌: ${change:+.2f} ({change_percent:+.2f}%)
|
||
- 成交量: {volume:,.0f}
|
||
- 市值: ${market_cap:,.0f}
|
||
- 市盈率(PE): {pe_ratio:.2f}
|
||
- 市净率(PB): {pb_ratio:.2f}
|
||
|
||
**技术指标**:
|
||
- 均线: MA5=${ma5:.2f}, MA10=${ma10:.2f}, MA20=${ma20:.2f}
|
||
- RSI: {rsi:.2f}
|
||
- MACD: {macd:.4f}
|
||
"""
|
||
|
||
analyst_role = "美股分析师"
|
||
risk_disclaimer = "以上分析仅供参考，不构成投资建议。美股投资有风险，请谨慎决策。"
|
||
|
||
else: # A股
|
||
# A股数据格式
|
||
quote = data.get('quote', {})
|
||
technical = data.get('technical', {})
|
||
fundamental = data.get('fundamental', {})
|
||
advanced = data.get('advanced', {})
|
||
|
||
# 获取交易日期
|
||
quote_date = quote.get('trade_date', '未知') if quote else '未知'
|
||
|
||
# 构建行情数据部分
|
||
if quote:
|
||
market_data_section = f"""
|
||
**行情数据**（截止：{quote_date}）:
|
||
- 最新价: ¥{quote.get('close', 0):.2f}
|
||
- 涨跌幅: {quote.get('pct_chg', 0):+.2f}%
|
||
- 成交量: {quote.get('vol', 0):,.0f}手
|
||
- 成交额: {quote.get('amount', 0):,.0f}千元
|
||
- 换手率: {quote.get('turnover_rate', 0):.2f}%
|
||
"""
|
||
else:
|
||
market_data_section = "\n**行情数据**: 数据获取失败\n"
|
||
|
||
# 添加技术指标
|
||
if technical:
|
||
market_data_section += f"""
|
||
**技术指标**（截止：{quote_date}）:
|
||
- 均线: MA5=¥{technical.get('ma5', 0):.2f}, MA10=¥{technical.get('ma10', 0):.2f}, MA20=¥{technical.get('ma20', 0):.2f}
|
||
- RSI: {technical.get('rsi', 0):.2f}
|
||
- MACD: {technical.get('macd', 0):.4f}
|
||
"""
|
||
|
||
# 添加基本面数据
|
||
if fundamental:
|
||
market_data_section += f"""
|
||
**基本面数据**:
|
||
- 市盈率(PE): {fundamental.get('pe', 0):.2f}
|
||
- 市净率(PB): {fundamental.get('pb', 0):.2f}
|
||
- 总市值: {fundamental.get('total_mv', 0):,.0f}亿元
|
||
- ROE: {fundamental.get('roe', 0):.2f}%
|
||
"""
|
||
|
||
# 添加高级数据（资金流向、融资融券等）
|
||
if advanced:
|
||
if advanced.get('money_flow'):
|
||
money_flow = advanced['money_flow'][0] if advanced['money_flow'] else {}
|
||
market_data_section += f"""
|
||
**资金流向**:
|
||
- 主力净流入: {money_flow.get('net_mf_amount', 0):,.0f}万元
|
||
- 大单净流入: {money_flow.get('buy_lg_amount', 0) - money_flow.get('sell_lg_amount', 0):,.0f}万元
|
||
"""
|
||
|
||
if advanced.get('margin'):
|
||
margin = advanced['margin'][0] if advanced['margin'] else {}
|
||
market_data_section += f"""
|
||
**融资融券**:
|
||
- 融资余额: {margin.get('rzye', 0):,.0f}元
|
||
- 融券余额: {margin.get('rqye', 0):,.0f}元
|
||
"""
|
||
|
||
analyst_role = "A股分析师"
|
||
risk_disclaimer = "以上分析仅供参考，不构成投资建议。股市有风险，投资需谨慎。"
|
||
|
||
# 构建统一的prompt
|
||
prompt = f"""你是一位专业的{analyst_role}。请根据以下数据分析【{stock_name}({stock_code})】。
|
||
|
||
**用户问题**: {user_message}
|
||
|
||
**【重要】最新新闻和舆情（必须分析）**
|
||
{news_section}
|
||
|
||
## 数据信息
|
||
{market_data_section}
|
||
|
||
## 分析要求
|
||
|
||
请根据用户的问题，提供自然、有针对性的分析。不要使用固定格式，而是像专业分析师一样，用自然的语言回答用户的问题。
|
||
|
||
**重要：必须在分析中包含对上面提供的最新新闻的分析，评估新闻对股价的影响。**
|
||
|
||
分析时请注意：
|
||
- 如果用户关注价格走势，重点分析价格和趋势，并结合新闻分析市场情绪
|
||
- 如果用户关注技术指标，重点分析技术面，并结合新闻判断短期走势
|
||
- 如果用户关注基本面，重点分析公司情况和估值，并结合新闻评估投资价值
|
||
- **无论用户问什么，都要在分析中提及最新新闻对股价的潜在影响**
|
||
|
||
请直接开始分析，不要添加日期标题。控制在600-800字。最后声明："{risk_disclaimer}"
|
||
"""
|
||
|
||
return prompt
|
||
|
||
def _build_us_stock_dynamic_prompt(
|
||
self,
|
||
data: Dict[str, Any],
|
||
symbol: str,
|
||
user_message: str
|
||
) -> str:
|
||
"""
|
||
为美股构建动态prompt（调用统一函数）
|
||
|
||
Args:
|
||
data: 美股数据
|
||
symbol: 股票代码
|
||
user_message: 用户消息
|
||
|
||
Returns:
|
||
prompt字符串
|
||
"""
|
||
stock_info = {
|
||
'code': symbol,
|
||
'name': data.get('name', symbol)
|
||
}
|
||
|
||
return self._build_unified_analysis_prompt(
|
||
market='美股',
|
||
stock_info=stock_info,
|
||
data=data,
|
||
user_message=user_message
|
||
)
|
||
|
||
async def _llm_comprehensive_analysis_stream(self, data: Dict[str, Any], user_message: str, is_index: bool = False):
|
||
"""使用LLM流式进行综合分析（调用统一函数）"""
|
||
stock_info = {
|
||
'code': data.get('stock_code', ''),
|
||
'name': data.get('stock_name', '')
|
||
}
|
||
|
||
# 使用统一的prompt构建函数
|
||
prompt = self._build_unified_analysis_prompt(
|
||
market='A股',
|
||
stock_info=stock_info,
|
||
data=data,
|
||
user_message=user_message
|
||
)
|
||
|
||
# 流式调用LLM
|
||
import asyncio
|
||
stream = llm_service.chat_stream(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=2500,
|
||
model_override=self.model_override
|
||
)
|
||
|
||
# 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
|
||
|
||
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=2500, # 增加 token 数量以容纳新闻分析
|
||
model_override=self.model_override
|
||
)
|
||
|
||
# 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
|
||
|
||
|
||
# ==================== 新增：智能模式方法 ====================
|
||
|
||
async def _handle_stock_analysis_v2(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
message: str
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
处理股票分析请求（智能模式 V2）
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
message: 用户消息
|
||
|
||
Returns:
|
||
响应结果
|
||
"""
|
||
target = intent.get('target', {})
|
||
stock_code = target.get('stock_code')
|
||
stock_name = target.get('stock_name')
|
||
market = target.get('market', 'A股')
|
||
|
||
# QuestionAnalyzer 应该已经返回了股票代码
|
||
if not stock_code:
|
||
return {
|
||
"message": f"抱歉，我没有识别到您提到的股票「{stock_name or ''}」。请提供更明确的股票代码或名称。",
|
||
"metadata": {"type": "error"}
|
||
}
|
||
|
||
# 根据市场类型处理
|
||
if market == '美股':
|
||
# 美股处理
|
||
return await self._handle_us_stock_with_code(stock_code, stock_name or stock_code, message)
|
||
|
||
if market == '港股':
|
||
# 港股处理（使用 yfinance，与美股类似）
|
||
return await self._handle_hk_stock_with_code(stock_code, stock_name or stock_code, message)
|
||
|
||
logger.info(f"[智能模式] 分析股票: {stock_name}({stock_code})")
|
||
|
||
# 1. 技能规划
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
logger.info(f"[智能模式] 技能规划: {[s['name'] for s in plan['skills']]}")
|
||
|
||
# 2. 执行技能
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=stock_code
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"[智能模式] 技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 3. 智能生成回答
|
||
analysis = await self._generate_intelligent_response(
|
||
intent=intent,
|
||
execution_results=execution_results['results'],
|
||
stock_code=stock_code,
|
||
stock_name=stock_name,
|
||
user_message=message
|
||
)
|
||
|
||
return {
|
||
"message": analysis,
|
||
"metadata": {
|
||
"type": "stock_analysis",
|
||
"intent": intent,
|
||
"plan": plan,
|
||
"data": {
|
||
"stock_code": stock_code,
|
||
"stock_name": stock_name,
|
||
**execution_results['results']
|
||
}
|
||
}
|
||
}
|
||
|
||
async def _generate_intelligent_response(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
execution_results: Dict[str, Any],
|
||
stock_code: str,
|
||
stock_name: str,
|
||
user_message: str
|
||
) -> str:
|
||
"""
|
||
智能生成回答 - 根据用户意图定制
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
execution_results: 技能执行结果
|
||
stock_code: 股票代码
|
||
stock_name: 股票名称
|
||
user_message: 用户消息
|
||
|
||
Returns:
|
||
分析报告
|
||
"""
|
||
# 1. 构建动态prompt
|
||
prompt = self._build_dynamic_prompt(
|
||
intent=intent,
|
||
data=execution_results,
|
||
stock_code=stock_code,
|
||
stock_name=stock_name,
|
||
user_message=user_message
|
||
)
|
||
|
||
# 2. 调用LLM生成
|
||
max_tokens = self._calculate_max_tokens(intent)
|
||
response = await self._call_llm_async(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=max_tokens
|
||
)
|
||
|
||
if not response:
|
||
# 降级到规则化格式
|
||
return self._format_fallback_response(execution_results, stock_name)
|
||
|
||
return response
|
||
|
||
def _build_dynamic_prompt(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
data: Dict[str, Any],
|
||
stock_code: str,
|
||
stock_name: str,
|
||
user_message: str
|
||
) -> str:
|
||
"""
|
||
根据意图动态构建prompt
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
data: 执行结果数据
|
||
stock_code: 股票代码
|
||
stock_name: 股票名称
|
||
user_message: 用户消息
|
||
|
||
Returns:
|
||
prompt字符串
|
||
"""
|
||
dimensions = intent.get('dimensions', {})
|
||
time_scope = intent.get('time_scope', {})
|
||
specific_concerns = intent.get('specific_concerns', [])
|
||
user_style = intent.get('user_style', {})
|
||
|
||
# 基础部分
|
||
prompt_parts = [
|
||
f"你是一个专业的股票分析师。请根据以下数据分析【{stock_name}({stock_code})】。",
|
||
"",
|
||
f"**用户问题**: {user_message}",
|
||
""
|
||
]
|
||
|
||
# 添加用户关注点
|
||
if specific_concerns:
|
||
prompt_parts.append(f"**用户特别关注**: {', '.join(specific_concerns)}")
|
||
prompt_parts.append("")
|
||
|
||
# 添加数据部分
|
||
prompt_parts.append("## 数据信息")
|
||
prompt_parts.append("")
|
||
|
||
# 根据维度添加相应数据
|
||
if dimensions.get('price_trend') and 'market_data' in data:
|
||
prompt_parts.append(self._format_market_data_section(data['market_data']))
|
||
|
||
if dimensions.get('technical') and 'technical_analysis' in data:
|
||
prompt_parts.append(self._format_technical_section(data['technical_analysis']))
|
||
|
||
if dimensions.get('fundamental') and 'fundamental' in data:
|
||
prompt_parts.append(self._format_fundamental_section(data['fundamental']))
|
||
|
||
if dimensions.get('valuation') or dimensions.get('money_flow'):
|
||
if 'advanced_data' in data:
|
||
prompt_parts.append(self._format_advanced_section(data['advanced_data']))
|
||
|
||
# 分析要求
|
||
prompt_parts.append("")
|
||
prompt_parts.append("## 分析要求")
|
||
prompt_parts.append("")
|
||
|
||
# 根据时间范围调整
|
||
if time_scope.get('short_term'):
|
||
prompt_parts.append("- 重点分析短期走势（1-2周）")
|
||
if time_scope.get('medium_term'):
|
||
prompt_parts.append("- 分析中期趋势（1-3个月）")
|
||
if time_scope.get('long_term'):
|
||
prompt_parts.append("- 评估长期投资价值（半年以上）")
|
||
|
||
# 根据用户风格调整
|
||
if user_style.get('tone') == 'casual':
|
||
prompt_parts.append("- 使用通俗易懂的语言，避免过多专业术语")
|
||
else:
|
||
prompt_parts.append("- 使用专业的金融术语和分析方法")
|
||
|
||
if user_style.get('detail_level') == 'brief':
|
||
prompt_parts.append("- 简洁回答，控制在200-300字")
|
||
else:
|
||
prompt_parts.append("- 详细分析，控制在500-600字")
|
||
|
||
# 输出格式
|
||
prompt_parts.append("")
|
||
prompt_parts.append("请直接开始分析，不要添加日期标题。最后声明：\"以上分析仅供参考，不构成投资建议。\"")
|
||
|
||
return "\n".join(prompt_parts)
|
||
|
||
def _format_market_data_section(self, data: Dict) -> str:
|
||
"""格式化行情数据部分"""
|
||
if 'error' in data:
|
||
return "**行情数据**: 暂时无法获取"
|
||
|
||
return f"""**行情数据**:
|
||
- 最新价: {data.get('close', 0):.2f}元
|
||
- 涨跌幅: {data.get('pct_chg', 0):+.2f}%
|
||
- 成交量: {data.get('vol', 0):.0f}手
|
||
- 成交额: {data.get('amount', 0):.0f}千元
|
||
"""
|
||
|
||
def _format_technical_section(self, data: Dict) -> str:
|
||
"""格式化技术指标部分"""
|
||
if 'error' in data:
|
||
return "**技术指标**: 暂时无法获取"
|
||
|
||
indicators = data.get('indicators', {})
|
||
parts = ["**技术指标**:"]
|
||
|
||
if 'ma' in indicators:
|
||
ma = indicators['ma']
|
||
parts.append(f"- 均线: MA5={ma.get('ma5', 0):.2f}, MA10={ma.get('ma10', 0):.2f}, MA20={ma.get('ma20', 0):.2f}")
|
||
|
||
if 'macd' in indicators:
|
||
macd = indicators['macd']
|
||
parts.append(f"- MACD: DIF={macd.get('dif', 0):.4f}, DEA={macd.get('dea', 0):.4f}, MACD={macd.get('macd', 0):.4f}")
|
||
|
||
if 'rsi' in indicators:
|
||
rsi = indicators['rsi']
|
||
parts.append(f"- RSI: RSI6={rsi.get('rsi6', 0):.2f}, RSI12={rsi.get('rsi12', 0):.2f}")
|
||
|
||
return "\n".join(parts)
|
||
|
||
def _format_fundamental_section(self, data: Dict) -> str:
|
||
"""格式化基本面部分"""
|
||
if 'error' in data:
|
||
return "**基本面**: 暂时无法获取"
|
||
|
||
return f"""**基本面**:
|
||
- 公司名称: {data.get('name', '')}
|
||
- 所属行业: {data.get('industry', '')}
|
||
- 所属地域: {data.get('area', '')}
|
||
- 上市市场: {data.get('market', '')}
|
||
"""
|
||
|
||
def _format_advanced_section(self, data: Dict) -> str:
|
||
"""格式化高级数据部分"""
|
||
if 'error' in data:
|
||
return "**高级数据**: 暂时无法获取"
|
||
|
||
parts = ["**高级数据**:"]
|
||
|
||
if 'valuation' in data:
|
||
val = data['valuation']
|
||
parts.append(f"- 估值: PE={val.get('pe', 0):.2f}, PB={val.get('pb', 0):.2f}")
|
||
|
||
if 'money_flow' in data and data['money_flow']:
|
||
mf = data['money_flow'][0] if isinstance(data['money_flow'], list) else data['money_flow']
|
||
parts.append(f"- 资金流向: 净流入={mf.get('net_mf_amount', 0):.2f}万元")
|
||
|
||
return "\n".join(parts)
|
||
|
||
def _calculate_max_tokens(self, intent: Dict[str, Any]) -> int:
|
||
"""根据意图计算max_tokens"""
|
||
depth = intent.get('analysis_depth', 'standard')
|
||
detail_level = intent.get('user_style', {}).get('detail_level', 'detailed')
|
||
|
||
if depth == 'quick' or detail_level == 'brief':
|
||
return 800
|
||
elif depth == 'deep' or detail_level == 'detailed':
|
||
return 2000
|
||
else:
|
||
return 1500
|
||
|
||
def _format_fallback_response(self, data: Dict, stock_name: str) -> str:
|
||
"""降级响应格式"""
|
||
parts = [f"【{stock_name}】分析报告\n"]
|
||
|
||
if 'market_data' in data and 'error' not in data['market_data']:
|
||
md = data['market_data']
|
||
parts.append(f"最新价: {md.get('close', 0):.2f}元")
|
||
parts.append(f"涨跌幅: {md.get('pct_chg', 0):+.2f}%\n")
|
||
|
||
parts.append("以上分析仅供参考，不构成投资建议。")
|
||
return "\n".join(parts)
|
||
|
||
async def _handle_stock_analysis_stream(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
message: str
|
||
):
|
||
"""
|
||
流式处理股票分析请求（智能模式）
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
message: 用户消息
|
||
|
||
Yields:
|
||
响应文本片段
|
||
"""
|
||
target = intent.get('target', {})
|
||
stock_code = target.get('stock_code')
|
||
stock_name = target.get('stock_name')
|
||
market = target.get('market', 'A股')
|
||
|
||
# QuestionAnalyzer 应该已经返回了股票代码
|
||
if not stock_code:
|
||
yield f"抱歉，我没有识别到您提到的股票「{stock_name or ''}」。请提供更明确的股票代码或名称。"
|
||
return
|
||
|
||
# 检查是否返回了多个股票代码（列表）
|
||
if isinstance(stock_code, list):
|
||
# 如果是多个股票，依次分析每一个
|
||
if len(stock_code) == 0:
|
||
yield "抱歉，我没有识别到有效的股票代码。"
|
||
return
|
||
elif len(stock_code) == 1:
|
||
# 只有一个股票，提取出来
|
||
stock_code = stock_code[0]
|
||
if isinstance(stock_name, list) and len(stock_name) > 0:
|
||
stock_name = stock_name[0]
|
||
else:
|
||
# 多个股票，依次分析每一个
|
||
stock_codes = stock_code
|
||
stock_names = stock_name if isinstance(stock_name, list) else [stock_name] * len(stock_codes)
|
||
|
||
yield f"检测到您想查询 {len(stock_codes)} 只股票：{', '.join(stock_codes)}。\n\n"
|
||
yield f"我将为您依次分析这些股票：\n\n"
|
||
|
||
# 循环分析每只股票
|
||
for i, (code, name) in enumerate(zip(stock_codes, stock_names), 1):
|
||
yield f"{'=' * 60}\n"
|
||
yield f"【{i}/{len(stock_codes)}】分析 {name}（{code}）\n"
|
||
yield f"{'=' * 60}\n\n"
|
||
|
||
# 根据市场类型处理
|
||
if market == '美股':
|
||
async for chunk in self._handle_us_stock_stream_with_code(code, name or code, message):
|
||
yield chunk
|
||
elif market == '港股':
|
||
async for chunk in self._handle_hk_stock_stream_with_code(code, name or code, message):
|
||
yield chunk
|
||
else:
|
||
# A股处理
|
||
async for chunk in self._handle_a_stock_stream(code, message):
|
||
yield chunk
|
||
|
||
# 在股票之间添加分隔
|
||
if i < len(stock_codes):
|
||
yield f"\n\n"
|
||
|
||
yield f"\n\n{'=' * 60}\n"
|
||
yield f"✅ 已完成 {len(stock_codes)} 只股票的分析\n"
|
||
yield f"{'=' * 60}\n"
|
||
return
|
||
|
||
# 根据市场类型处理
|
||
if market == '美股':
|
||
# 美股处理流程
|
||
async for chunk in self._handle_us_stock_stream_with_code(stock_code, stock_name or stock_code, message):
|
||
yield chunk
|
||
return
|
||
|
||
if market == '港股':
|
||
# 港股处理流程（使用 yfinance，与美股类似）
|
||
async for chunk in self._handle_hk_stock_stream_with_code(stock_code, stock_name or stock_code, message):
|
||
yield chunk
|
||
return
|
||
|
||
# A股处理流程
|
||
logger.info(f"[智能模式-流式] 分析股票: {stock_name}({stock_code})")
|
||
|
||
# 1. 技能规划
|
||
plan = self.skill_planner.plan_skills(intent)
|
||
logger.info(f"[智能模式-流式] 技能规划: {[s['name'] for s in plan['skills']]}")
|
||
|
||
# 2. 执行技能
|
||
execution_results = await skill_manager.execute_plan(
|
||
plan=plan,
|
||
stock_code=stock_code
|
||
)
|
||
|
||
if execution_results['errors']:
|
||
logger.warning(f"[智能模式-流式] 技能执行有错误: {execution_results['errors']}")
|
||
|
||
# 3. 智能生成回答（流式）
|
||
async for chunk in self._generate_intelligent_response_stream(
|
||
intent=intent,
|
||
execution_results=execution_results['results'],
|
||
stock_code=stock_code,
|
||
stock_name=stock_name,
|
||
user_message=message
|
||
):
|
||
yield chunk
|
||
|
||
async def _generate_intelligent_response_stream(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
execution_results: Dict[str, Any],
|
||
stock_code: str,
|
||
stock_name: str,
|
||
user_message: str
|
||
):
|
||
"""
|
||
智能生成回答（流式） - 根据用户意图定制
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
execution_results: 技能执行结果
|
||
stock_code: 股票代码
|
||
stock_name: 股票名称
|
||
user_message: 用户消息
|
||
|
||
Yields:
|
||
响应文本片段
|
||
"""
|
||
# 1. 构建动态prompt
|
||
prompt = self._build_dynamic_prompt(
|
||
intent=intent,
|
||
data=execution_results,
|
||
stock_code=stock_code,
|
||
stock_name=stock_name,
|
||
user_message=user_message
|
||
)
|
||
|
||
# 2. 调用LLM流式生成
|
||
if self.use_llm:
|
||
stream = llm_service.chat_stream(
|
||
messages=[{"role": "user", "content": prompt}],
|
||
temperature=0.7,
|
||
max_tokens=self._calculate_max_tokens(intent),
|
||
model_override=self.model_override
|
||
)
|
||
|
||
for chunk in stream:
|
||
yield chunk
|
||
else:
|
||
# 降级到规则化格式
|
||
fallback = self._format_fallback_response(execution_results, stock_name)
|
||
for char in fallback:
|
||
yield char
|
||
|
||
def _resolve_context_references(
|
||
self,
|
||
intent: Dict[str, Any],
|
||
context_info: Dict
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
解析上下文引用（代词解析）
|
||
|
||
Args:
|
||
intent: 问题意图
|
||
context_info: 上下文信息
|
||
|
||
Returns:
|
||
更新后的意图
|
||
"""
|
||
target = intent.get('target', {})
|
||
|
||
# 如果用户说"这只股票"、"它"等，从上下文中提取
|
||
if not target.get('stock_code') and context_info.get('last_stock'):
|
||
target['stock_code'] = context_info['last_stock']
|
||
intent['target'] = target
|
||
logger.info(f"[智能模式] 从上下文解析股票代码: {target['stock_code']}")
|
||
|
||
return intent
|
||
|
||
|
||
# 创建全局实例
|
||
smart_agent = SmartStockAgent()
|