提交AI模型使用阿里qwen的版本

GUIDE.md

@@ -0,0 +1,394 @@
+# TradingAgents 核心架构与逻辑指南
+
+## 📋 项目概述
+
+TradingAgents是一个基于多代理大语言模型的金融交易分析框架，模拟真实交易公司的运作模式。通过多个专门的AI代理协作，从不同维度分析市场数据，最终形成综合的交易决策建议。
+
+## 🏗️ 整体架构
+
+### 核心设计理念
+
+TradingAgents采用**多代理协作**的设计模式，每个代理都有明确的角色定位和职责分工：
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                    TradingAgents 架构图                      │
+├─────────────────────────────────────────────────────────────┤
+│  数据层 (Data Layer)                                        │
+│  ┌─────────┬─────────┬─────────┬─────────┬─────────┐        │
+│  │Yahoo    │FinnHub  │Reddit   │Google   │技术指标  │        │
+│  │Finance  │数据     │数据     │News     │计算     │        │
+│  └─────────┴─────────┴─────────┴─────────┴─────────┘        │
+├─────────────────────────────────────────────────────────────┤
+│  代理层 (Agent Layer)                                       │
+│  ┌─────────┬─────────┬─────────┬─────────┬─────────┐        │
+│  │市场分析师│基本面分析师│新闻分析师│社交媒体分析师│风险管理  │        │
+│  └─────────┴─────────┴─────────┴─────────┴─────────┘        │
+│  ┌─────────┬─────────┬─────────┬─────────┬─────────┐        │
+│  │看涨研究员│看跌研究员│研究经理  │交易员   │风险经理  │        │
+│  └─────────┴─────────┴─────────┴─────────┴─────────┘        │
+├─────────────────────────────────────────────────────────────┤
+│  协调层 (Coordination Layer)                                │
+│  ┌─────────┬─────────┬─────────┬─────────┐                  │
+│  │图构建   │状态管理  │条件逻辑  │信号处理  │                  │
+│  └─────────┴─────────┴─────────┴─────────┘                  │
+├─────────────────────────────────────────────────────────────┤
+│  决策层 (Decision Layer)                                    │
+│  ┌─────────┬─────────┬─────────┐                            │
+│  │辩论机制  │风险评估  │最终决策  │                            │
+│  └─────────┴─────────┴─────────┘                            │
+└─────────────────────────────────────────────────────────────┘
+```
+
+## 🚀 代码入口与执行流程
+
+### 1. 主要入口点
+
+#### 入口1: 直接运行 (main.py)
+```python
+# 导入核心模块
+from tradingagents.graph.trading_graph import TradingAgentsGraph
+from tradingagents.default_config import DEFAULT_CONFIG
+
+# 创建配置
+config = DEFAULT_CONFIG.copy()
+config["llm_provider"] = "qwen"  # 使用国内免费模型
+
+# 初始化交易代理图
+ta = TradingAgentsGraph(debug=True, config=config)
+
+# 运行分析
+_, decision = ta.propagate("NVDA", "2024-05-10")
+```
+
+#### 入口2: 命令行界面 (cli/main.py)
+```bash
+python -m cli.main
+```
+
+### 2. 核心执行流程
+
+```mermaid
+graph TD
+    A[用户输入: 股票代码+日期] --> B[创建初始状态]
+    B --> C[市场分析师]
+    C --> D[基本面分析师]
+    D --> E[新闻分析师]
+    E --> F[社交媒体分析师]
+    F --> G[看涨研究员]
+    G --> H[看跌研究员]
+    H --> I[研究经理]
+    I --> J[交易员]
+    J --> K[风险分析师]
+    K --> L[风险经理]
+    L --> M[最终决策]
+```
+
+## 🔧 核心模块详解
+
+### 1. 图系统 (tradingagents/graph/)
+
+#### TradingAgentsGraph - 主协调器
+**文件**: `tradingagents/graph/trading_graph.py`
+
+**核心职责**:
+- 初始化所有AI模型和代理
+- 协调整个分析流程
+- 管理状态传递和结果输出
+
+**关键方法**:
+```python
+def __init__(self, selected_analysts, debug, config):
+    # 初始化AI模型
+    # 创建代理节点
+    # 设置图结构
+
+def propagate(self, company_name, trade_date):
+    # 创建初始状态
+    # 执行图流程
+    # 返回最终决策
+```
+
+#### GraphSetup - 图构建器
+**文件**: `tradingagents/graph/setup.py`
+
+**核心职责**:
+- 构建LangGraph工作流
+- 定义代理之间的连接关系
+- 设置条件分支逻辑
+
+**关键组件**:
+```python
+def setup_graph(self, selected_analysts):
+    # 创建分析师节点
+    # 创建研究员节点
+    # 创建管理节点
+    # 定义边连接
+    # 设置条件逻辑
+```
+
+#### Propagator - 状态传播器
+**文件**: `tradingagents/graph/propagation.py`
+
+**核心职责**:
+- 创建初始分析状态
+- 管理状态在代理间的传递
+- 控制递归限制
+
+**关键方法**:
+```python
+def create_initial_state(self, company_name, trade_date):
+    # 初始化状态字典
+    # 设置公司信息和交易日期
+    # 创建辩论状态
+
+def get_graph_args(self):
+    # 返回图执行参数
+    # 设置递归限制
+```
+
+#### ConditionalLogic - 条件逻辑控制器
+**文件**: `tradingagents/graph/conditional_logic.py`
+
+**核心职责**:
+- 控制代理间的流程分支
+- 决定是否需要工具调用
+- 管理辩论轮数
+
+**关键方法**:
+```python
+def should_continue_market(self, state):
+    # 判断市场分析是否需要工具调用
+
+def should_continue_debate(self, state):
+    # 判断辩论是否继续
+```
+
+### 2. 代理系统 (tradingagents/agents/)
+
+#### 分析师代理 (analysts/)
+
+**市场分析师** (`market_analyst.py`)
+- **职责**: 技术分析，计算技术指标
+- **工具**: Yahoo Finance数据、技术指标计算
+- **输出**: 市场趋势报告
+
+**基本面分析师** (`fundamentals_analyst.py`)
+- **职责**: 财务分析，评估公司价值
+- **工具**: 财务报表数据、内部交易数据
+- **输出**: 基本面分析报告
+
+**新闻分析师** (`news_analyst.py`)
+- **职责**: 新闻事件分析，宏观影响评估
+- **工具**: Google News、FinnHub新闻
+- **输出**: 新闻影响报告
+
+**社交媒体分析师** (`social_media_analyst.py`)
+- **职责**: 社交媒体情绪分析
+- **工具**: Reddit数据、社交媒体API
+- **输出**: 情绪分析报告
+
+#### 研究员代理 (researchers/)
+
+**看涨研究员** (`bull_researcher.py`)
+- **职责**: 构建看涨论点，寻找投资机会
+- **输入**: 所有分析师报告
+- **输出**: 看涨分析报告
+
+**看跌研究员** (`bear_researcher.py`)
+- **职责**: 构建看跌论点，识别风险因素
+- **输入**: 所有分析师报告
+- **输出**: 看跌分析报告
+
+#### 管理代理 (managers/)
+
+**研究经理** (`research_manager.py`)
+- **职责**: 综合看涨和看跌观点，形成投资计划
+- **输入**: 看涨/看跌研究报告
+- **输出**: 综合投资计划
+
+**风险经理** (`risk_manager.py`)
+- **职责**: 评估投资风险，调整交易策略
+- **输入**: 交易建议、风险分析
+- **输出**: 最终交易决策
+
+#### 交易代理 (trader/)
+
+**交易员** (`trader.py`)
+- **职责**: 基于研究结果制定具体交易策略
+- **输入**: 投资计划、市场分析
+- **输出**: 交易建议
+
+### 3. 数据流系统 (tradingagents/dataflows/)
+
+#### 数据接口统一管理 (`interface.py`)
+- **职责**: 提供统一的数据访问接口
+- **功能**: 封装各种数据源的调用逻辑
+
+#### 具体数据工具
+- **`yfin_utils.py`**: Yahoo Finance数据获取
+- **`finnhub_utils.py`**: FinnHub数据读取（本地缓存）
+- **`reddit_utils.py`**: Reddit数据获取
+- **`googlenews_utils.py`**: Google新闻搜索
+- **`stockstats_utils.py`**: 技术指标计算
+
+### 4. 状态管理系统
+
+#### AgentState - 主状态
+```python
+class AgentState(MessagesState):
+    company_of_interest: str          # 目标公司
+    trade_date: str                   # 交易日期
+    investment_debate_state: InvestDebateState  # 投资辩论状态
+    risk_debate_state: RiskDebateState          # 风险辩论状态
+    market_report: str                # 市场分析报告
+    fundamentals_report: str          # 基本面分析报告
+    sentiment_report: str             # 情绪分析报告
+    news_report: str                  # 新闻分析报告
+    investment_plan: str              # 投资计划
+    final_trade_decision: str         # 最终交易决策
+```
+
+## 🔄 详细执行流程
+
+### 阶段1: 初始化
+1. **配置加载**: 读取默认配置，支持自定义配置
+2. **模型初始化**: 根据配置初始化AI模型（支持国内外多种模型）
+3. **代理创建**: 创建所有需要的代理节点
+4. **图构建**: 使用LangGraph构建工作流图
+
+### 阶段2: 数据分析
+1. **市场分析师**: 
+   - 获取股票价格数据
+   - 计算技术指标（RSI、MACD、布林带等）
+   - 生成技术分析报告
+
+2. **基本面分析师**:
+   - 获取财务报表数据
+   - 分析内部交易情况
+   - 生成基本面分析报告
+
+3. **新闻分析师**:
+   - 搜索相关新闻
+   - 分析宏观环境影响
+   - 生成新闻影响报告
+
+4. **社交媒体分析师**:
+   - 获取社交媒体数据
+   - 进行情绪分析
+   - 生成情绪分析报告
+
+### 阶段3: 研究辩论
+1. **看涨研究员**:
+   - 基于所有分析报告
+   - 构建看涨论点
+   - 寻找投资机会
+
+2. **看跌研究员**:
+   - 基于所有分析报告
+   - 构建看跌论点
+   - 识别风险因素
+
+3. **研究经理**:
+   - 综合看涨和看跌观点
+   - 形成平衡的投资计划
+   - 制定投资策略
+
+### 阶段4: 交易决策
+1. **交易员**:
+   - 基于投资计划
+   - 制定具体交易策略
+   - 确定买卖时机和数量
+
+2. **风险分析师**:
+   - 评估交易风险
+   - 进行压力测试
+   - 提供风险建议
+
+3. **风险经理**:
+   - 综合所有信息
+   - 做出最终交易决策
+   - 输出最终建议
+
+## 🛠️ 关键特性
+
+### 1. 多模型支持
+- **国外模型**: OpenAI GPT、Anthropic Claude、Google Gemini
+- **国内模型**: 通义千问、文心一言、智谱AI、月之暗面Kimi
+
+### 2. 灵活配置
+- 可选择不同的分析师组合
+- 可调整辩论轮数
+- 支持在线/离线数据模式
+
+### 3. 状态管理
+- 完整的状态跟踪
+- 支持调试模式
+- 状态持久化
+
+### 4. 工具集成
+- 丰富的金融数据源
+- 技术指标计算
+- 新闻和社交媒体数据
+
+## 📊 数据流图
+
+```mermaid
+graph LR
+    A[用户输入] --> B[TradingAgentsGraph]
+    B --> C[Propagator创建初始状态]
+    C --> D[GraphSetup构建工作流]
+    D --> E[分析师代理执行]
+    E --> F[研究员代理辩论]
+    F --> G[管理代理决策]
+    G --> H[最终输出]
+
+    E --> I[数据工具调用]
+    I --> J[Yahoo Finance]
+    I --> K[FinnHub数据]
+    I --> L[Reddit数据]
+    I --> M[Google News]
+```
+
+## 🔍 调试与监控
+
+### 调试模式
+```python
+ta = TradingAgentsGraph(debug=True, config=config)
+```
+- 显示详细的执行过程
+- 打印每个代理的输出
+- 跟踪状态变化
+
+### 状态日志
+- 自动记录每次分析的状态
+- 支持状态回放和分析
+- 便于问题排查
+
+## 🚨 注意事项
+
+1. **API限制**: 注意各种API的调用限制和费用
+2. **数据质量**: 确保数据源的可靠性和时效性
+3. **模型选择**: 根据任务复杂度选择合适的模型
+4. **风险控制**: 本框架仅用于研究，不构成投资建议
+
+## 📈 扩展性
+
+### 添加新的分析师
+1. 在`tradingagents/agents/analysts/`中创建新文件
+2. 实现分析师逻辑
+3. 在`GraphSetup`中注册新节点
+
+### 添加新的数据源
+1. 在`tradingagents/dataflows/`中创建新工具
+2. 在`interface.py`中注册新接口
+3. 在代理中使用新工具
+
+### 添加新的模型
+1. 在`tradingagents/llm_adapters/`中创建适配器
+2. 在`TradingAgentsGraph`中添加模型支持
+3. 更新配置文件
+
+---
+
+这个指南提供了TradingAgents项目的完整架构和逻辑梳理，帮助开发者深入理解项目的设计思路和实现细节。