cli/main.py

@@ -29,7 +29,7 @@ from tradingagents.graph.trading_graph import TradingAgentsXGraph
 from tradingagents.default_config import DEFAULT_CONFIG
 from cli.models import AnalystType
 from cli.utils import *
-from cli.utils import select_market
+from cli.utils import select_market, select_embedding_model
 
 # 初始化 rich Console
 console = Console()
@@ -519,6 +519,14 @@ def get_user_selections():
     )
     embedding_provider, embedding_url = select_embedding_provider()
     
+    # 步驟 8.5：選擇具體的嵌入模型
+    console.print(
+        create_question_box(
+            "步驟 8.5：嵌入模型", "選擇具體的嵌入模型"
+        )
+    )
+    selected_embedding_model = select_embedding_model(embedding_provider)
+    
     # 步驟 9：API Keys
     console.print(
         create_question_box(
@@ -570,7 +578,15 @@ def get_user_selections():
     
     default_quick_think_key = get_provider_api_key(quick_think_provider)
     default_deep_think_key = get_provider_api_key(deep_think_provider)
-    default_embedding_key = get_provider_api_key(embedding_provider)
+    
+    # 本地嵌入模型不需要 API Key
+    is_local_embedding = embedding_url == "local"
+    if is_local_embedding:
+        console.print("\n[green]✓ 本地嵌入模型無需 API Key[/green]")
+        default_embedding_key = None
+        embedding_api_key = None
+    else:
+        default_embedding_key = get_provider_api_key(embedding_provider)
     
     # 快速思維模型 API Key
     quick_think_api_key = get_api_key("快速思維模型", default_quick_think_key)
@@ -578,8 +594,9 @@ def get_user_selections():
     # 深度思維模型 API Key
     deep_think_api_key = get_api_key("深度思維模型", default_deep_think_key)
     
-    # 嵌入模型 API Key
-    embedding_api_key = get_api_key("嵌入模型", default_embedding_key)
+    # 嵌入模型 API Key（僅在非本地模型時詢問）
+    if not is_local_embedding:
+        embedding_api_key = get_api_key("嵌入模型", default_embedding_key)
     
     # Alpha Vantage API Key（必填）
     alpha_vantage_key = os.getenv("ALPHA_VANTAGE_API_KEY")
@@ -601,6 +618,7 @@ def get_user_selections():
         "market_type": selected_market,
         "embedding_provider": embedding_provider,
         "embedding_url": embedding_url,
+        "embedding_model": selected_embedding_model,
         "quick_think_api_key": quick_think_api_key,
         "deep_think_api_key": deep_think_api_key,
         "embedding_api_key": embedding_api_key,

cli/utils.py

@@ -547,11 +547,13 @@ def select_embedding_provider() -> tuple[str, str]:
 
     返回:
         tuple[str, str]: 包含供應商名稱和 API 基礎 URL 的元組。
+                        對於本地模型，URL 為 "local"。
     """
-    # 定義嵌入模型供應商（只有 OpenAI 和自訂）
+    # 定義嵌入模型供應商（本地 HuggingFace、OpenAI 和自訂）
     EMBEDDING_PROVIDERS = [
-        ("OpenAI", "https://api.openai.com/v1"),
-        ("自訂 URL", "custom")
+        ("🖥️  本地模型 (HuggingFace) - 免費", "local"),
+        ("☁️  OpenAI - 收費", "https://api.openai.com/v1"),
+        ("🔧 自訂 URL", "custom")
     ]
     
     choice = questionary.select(
@@ -603,12 +605,73 @@ def select_embedding_provider() -> tuple[str, str]:
         display_name = "自訂供應商"
     
     # 印出使用者的選擇
-    print(f"您選擇了嵌入模型：{display_name}\tURL: {url}")
+    if url == "local":
+        print(f"您選擇了：{display_name}（本地執行，無需 API Key）")
+    else:
+        print(f"您選擇了嵌入模型：{display_name}\tURL: {url}")
     
     # 返回供應商名稱和 URL
     return display_name, url
 
 
+def select_embedding_model(provider: str) -> str:
+    """
+    根據供應商選擇具體的嵌入模型。
+
+    參數:
+        provider (str): 嵌入模型供應商名稱
+
+    返回:
+        str: 選擇的嵌入模型名稱
+    """
+    # 本地 HuggingFace 模型選項
+    LOCAL_EMBEDDING_MODELS = [
+        ("all-MiniLM-L6-v2 (推薦) - 90MB, 輕量快速", "all-MiniLM-L6-v2"),
+        ("all-mpnet-base-v2 - 420MB, 更高質量", "all-mpnet-base-v2"),
+    ]
+    
+    # OpenAI 嵌入模型選項
+    OPENAI_EMBEDDING_MODELS = [
+        ("text-embedding-3-small (推薦) - 高性價比", "text-embedding-3-small"),
+        ("text-embedding-3-large - 最高質量", "text-embedding-3-large"),
+    ]
+    
+    # 根據供應商判斷使用哪個模型列表
+    if "本地" in provider or "local" in provider.lower():
+        model_options = LOCAL_EMBEDDING_MODELS
+        prompt_text = "選擇本地嵌入模型："
+        description = "\n[dim]💡 本地模型首次使用會自動下載，之後無需網路連接[/dim]"
+    else:
+        model_options = OPENAI_EMBEDDING_MODELS
+        prompt_text = "選擇 OpenAI 嵌入模型："
+        description = "\n[dim]💡 OpenAI 模型需要 API Key 和網路連接[/dim]"
+    
+    console.print(description)
+    
+    choice = questionary.select(
+        prompt_text,
+        choices=[
+            questionary.Choice(display, value=value)
+            for display, value in model_options
+        ],
+        instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
+        style=questionary.Style(
+            [
+                ("selected", "fg:green noinherit"),
+                ("highlighted", "fg:green noinherit"),
+                ("pointer", "fg:green noinherit"),
+            ]
+        ),
+    ).ask()
+    
+    if choice is None:
+        console.print("\n[red]未選擇嵌入模型。正在結束程式...[/red]")
+        exit(1)
+    
+    console.print(f"[green]✓ 已選擇：{choice}[/green]")
+    return choice
+
+
 def get_api_key(model_type: str, default_key: Optional[str] = None) -> str:
     """
     提示使用者輸入 API Key，如果留空則使用預設值。