Fix/openrouter embeddings

.agent/workflows/deploy.md

@@ -0,0 +1,131 @@
+---
+description: 如何部署 TradingAgents 项目
+---
+
+# TradingAgents 部署工作流
+
+本工作流描述如何从零开始部署 TradingAgents 多智能体交易框架。
+
+## 前置条件
+
+- 已安装 Conda
+- 已安装 Git
+- 有 OpenAI API 密钥
+- 有 Alpha Vantage API 密钥（免费获取：https://www.alphavantage.co/support/#api-key）
+
+## 部署步骤
+
+### 1. 克隆项目（如果还未克隆）
+
+```bash
+git clone https://github.com/TauricResearch/TradingAgents.git
+cd TradingAgents
+```
+
+### 2. 创建 Conda 虚拟环境
+
+// turbo
+```bash
+conda create -n tradingagents python=3.13 -y
+```
+
+### 3. 激活环境并安装依赖
+
+```bash
+conda activate tradingagents
+pip install -r requirements.txt
+```
+
+### 4. 配置 API 密钥
+
+复制示例环境文件：
+python -m cli.main
+```
+
+这将启动一个交互式界面，你可以选择：
+- 股票代码（ticker）
+- 日期
+- LLM 模型
+- 研究深度等参数
+
+#### 方式 2: 使用 Python 代码
+
+创建测试脚本或运行 `main.py`：
+
+```python
+from tradingagents.graph.trading_graph import TradingAgentsGraph
+from tradingagents.default_config import DEFAULT_CONFIG
+
+ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())
+_, decision = ta.propagate("NVDA", "2024-05-10")
+print(decision)
+```
+
+### 6. 自定义配置（可选）
+
+你可以修改默认配置来使用不同的 LLM 模型或数据源：
+
+```python
+from tradingagents.default_config import DEFAULT_CONFIG
+
+config = DEFAULT_CONFIG.copy()
+config["deep_think_llm"] = "gpt-4o-mini"  # 节省成本
+config["quick_think_llm"] = "gpt-4o-mini"
+config["max_debate_rounds"] = 1
+
+# 配置数据供应商
+config["data_vendors"] = {
+    "core_stock_apis": "yfinance",
+    "technical_indicators": "yfinance",
+    "fundamental_data": "alpha_vantage",
+    "news_data": "alpha_vantage",
+}
+
+ta = TradingAgentsGraph(debug=True, config=config)
+```
+
+## 重要提示
+
+⚠️ **成本控制**: 该框架会进行大量 API 调用。测试时建议使用 `gpt-4o-mini` 等较便宜的模型。
+
+⚠️ **免责声明**: TradingAgents 仅用于研究目的，不构成财务、投资或交易建议。
+
+⚠️ **API 限制**: Alpha Vantage 免费版有速率限制。TradingAgents 用户可获得提升的限制（每分钟 60 次请求，无每日限制）。
+
+## 验证部署
+
+运行以下命令验证环境配置正确：
+
+// turbo
+```bash
+python test.py
+```
+
+或者运行一个简单的测试：
+
+```bash
+python -c "from tradingagents.graph.trading_graph import TradingAgentsGraph; print('部署成功！')"
+```
+
+## 故障排除
+
+### 问题: 缺少 API 密钥
+**解决方案**: 确保 `.env` 文件存在且包含有效的 API 密钥，或设置环境变量。
+
+### 问题: 依赖安装失败
+**解决方案**: 
+- 确保使用 Python 3.13
+- 尝试升级 pip: `pip install --upgrade pip`
+- 逐个安装依赖以识别问题包
+
+### 问题: Alpha Vantage 速率限制
+**解决方案**: 
+- 等待一分钟后重试
+- 考虑升级到 Alpha Vantage Premium
+- 或在配置中切换到其他数据源
+
+## 下一步
+
+- 查看 `tradingagents/default_config.py` 了解所有可配置选项
+- 阅读项目文档了解多智能体架构
+- 加入 Discord 社区: https://discord.com/invite/hk9PGKShPK

DEEPSEEK_CONFIG.md

@@ -0,0 +1,138 @@
+# DeepSeek API 配置指南
+
+## 📋 配置步骤
+
+### 1. 获取 DeepSeek API 密钥
+
+访问 DeepSeek 官网获取 API 密钥：
+- 网址: https://platform.deepseek.com/
+- 注册并登录账户
+- 在 API Keys 页面创建新的 API 密钥
+
+### 2. 配置环境变量
+
+编辑项目根目录下的 `.env` 文件，填入您的 API 密钥：
+
+```bash
+# DeepSeek API 密钥（使用 OPENAI_API_KEY 变量名，因为 DeepSeek 兼容 OpenAI SDK）
+OPENAI_API_KEY=your_deepseek_api_key_here
+
+# Alpha Vantage API 密钥（用于获取股票数据）
+ALPHA_VANTAGE_API_KEY=your_alpha_vantage_api_key_here
+```
+
+**重要提示**: 
+- DeepSeek API 使用 `OPENAI_API_KEY` 作为环境变量名
+- 这是因为 DeepSeek 使用 OpenAI 兼容的 API 格式
+- 不要将其与 OpenAI 的 API 密钥混淆
+
+### 3. 验证配置
+
+运行测试脚本验证 DeepSeek API 是否配置正确：
+
+```bash
+conda activate tradingagents
+python test_deepseek.py
+```
+
+如果看到 "✅ DeepSeek API 配置正确"，说明配置成功！
+
+## 🚀 运行 TradingAgents
+
+### 使用 Python 脚本
+
+已经为您配置好了 `main.py`，直接运行：
+
+```bash
+conda activate tradingagents
+python main.py
+```
+
+### 使用 CLI 界面
+
+```bash
+conda activate tradingagents
+python -m cli.main
+```
+
+## 🔧 DeepSeek 模型说明
+
+项目已配置使用以下 DeepSeek 模型：
+
+- **deepseek-reasoner**: 深度思考模型（思考模式）
+  - 用于复杂的分析和决策任务
+  - 对应 `deep_think_llm` 配置
+
+- **deepseek-chat**: 快速对话模型（非思考模式）
+  - 用于快速响应和简单任务
+  - 对应 `quick_think_llm` 配置
+
+## 💰 成本优化建议
+
+DeepSeek API 的定价比 OpenAI 更实惠，但仍建议：
+
+1. **测试时使用较少的辩论轮次**
+   - 当前配置: `max_debate_rounds = 1`
+   - 可以根据需要调整
+
+2. **监控 API 使用量**
+   - 在 DeepSeek 控制台查看使用情况
+   - 设置使用限额避免超支
+
+3. **使用缓存**
+   - 项目会缓存股票数据
+   - 避免重复调用相同数据
+
+## 📊 配置文件说明
+
+主要配置在 `main.py` 中：
+
+```python
+config = DEFAULT_CONFIG.copy()
+
+# DeepSeek API 配置
+config["llm_provider"] = "openai"  # 使用 OpenAI 兼容接口
+config["backend_url"] = "https://api.deepseek.com"  # DeepSeek API 端点
+config["deep_think_llm"] = "deepseek-reasoner"  # 思考模式
+config["quick_think_llm"] = "deepseek-chat"  # 非思考模式
+config["max_debate_rounds"] = 1  # 辩论轮次
+
+# 数据源配置
+config["data_vendors"] = {
+    "core_stock_apis": "yfinance",
+    "technical_indicators": "yfinance",
+    "fundamental_data": "alpha_vantage",
+    "news_data": "alpha_vantage",
+}
+```
+
+## ❓ 常见问题
+
+### Q: 为什么使用 OPENAI_API_KEY 而不是 DEEPSEEK_API_KEY？
+
+A: DeepSeek API 使用 OpenAI 兼容的格式，langchain-openai 库默认读取 `OPENAI_API_KEY` 环境变量。通过设置 `base_url="https://api.deepseek.com"`，我们将请求重定向到 DeepSeek 的服务器。
+
+### Q: 可以同时使用 OpenAI 和 DeepSeek 吗？
+
+A: 可以，但需要修改代码来支持不同的 API 密钥。当前配置只支持一个 LLM 提供商。
+
+### Q: Alpha Vantage API 是必需的吗？
+
+A: 是的，用于获取股票基本面数据和新闻。您可以免费获取 API 密钥: https://www.alphavantage.co/support/#api-key
+
+### Q: 如何切换回 OpenAI？
+
+A: 修改 `main.py` 中的配置：
+```python
+config["backend_url"] = "https://api.openai.com/v1"
+config["deep_think_llm"] = "gpt-4o"
+config["quick_think_llm"] = "gpt-4o-mini"
+```
+并在 `.env` 中使用 OpenAI 的 API 密钥。
+
+## 🔗 相关链接
+
+- DeepSeek 平台: https://platform.deepseek.com/
+- DeepSeek API 文档: https://platform.deepseek.com/api-docs/
+- Alpha Vantage: https://www.alphavantage.co/
+- TradingAgents GitHub: https://github.com/TauricResearch/TradingAgents