charieswei
/
TradingAgents
mirror of https://github.com/TauricResearch/TradingAgents.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity

This commit is contained in:
MarkLo 2025-11-25 21:16:11 +08:00
parent ec8f252fed
commit aca1903592
5 changed files with 2 additions and 1824 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

2
README.md
View File

@ -32,6 +32,8 @@
- 🔌 **RESTful API** - 完整的後端 API 支援
- 🐳 **一鍵部署** - 支援 Docker Compose 部署
- 🔑 **BYOK (Bring Your Own Key)** - 使用者自帶 API 金鑰，保障隱私與成本控制
- 📄 **JSON 格式報告** - 完整的 JSON 結構化分析報告，便於程式化處理與整合
- ⬇️ **一鍵下載報告** - 支援將分析結果匯出為 JSON 檔案，方便保存與分享
---

2
build/lib/cli/__init__.py
View File

@ -1,2 +0,0 @@
# -*- coding: utf-8 -*-
# 這個檔案的存在是為了讓 Python 將 `cli` 目錄視為一個套件。

1189
build/lib/cli/main.py
View File

File diff suppressed because it is too large Load Diff

24
build/lib/cli/models.py
View File

@ -1,24 +0,0 @@
# 匯入 Enum 模組，用於建立列舉類型
from enum import Enum
# 匯入 List, Optional, Dict 類型提示，用於更清晰地定義資料結構
from typing import List, Optional, Dict
# 匯入 BaseModel，用於建立資料模型
from pydantic import BaseModel
# 定義分析師類型的列舉
class AnalystType(str, Enum):
"""
AnalystType 是一個列舉 (Enum)，定義了不同類型的分析師。
這有助於標準化和限制分析師的角色，確保程式碼的一致性和可讀性。
屬性:
MARKET (str): 市場分析師，專注於市場趨勢和價格行為。
SOCIAL (str): 社交媒體分析師，監控和分析社交媒體上的情緒和討論。
NEWS (str): 新聞分析師，分析新聞事件對市場的影響。
FUNDAMENTALS (str): 基本面分析師，研究公司的財務狀況和健康狀況。
"""
MARKET = "market" # 市場分析師
SOCIAL = "social" # 社交媒體分析師
NEWS = "news" # 新聞分析師
FUNDAMENTALS = "fundamentals" # 基本面分析師

609
build/lib/cli/utils.py
View File

@ -1,609 +0,0 @@
# 匯入 questionary 套件，用於建立互動式命令列提示
import questionary
# 匯入類型提示，用於更清晰地定義函式簽名
from typing import List, Optional, Tuple, Dict
# 匯入 rich.console 用於美化輸出
from rich.console import Console
# 從 cli.models 模組匯入 AnalystType 列舉
from cli.models import AnalystType
# 初始化 console
console = Console()
# 定義分析師的順序和對應的類型
ANALYST_ORDER = [
("市場分析師", AnalystType.MARKET),
("社群媒體分析師", AnalystType.SOCIAL),
("新聞分析師", AnalystType.NEWS),
("基本面分析師", AnalystType.FUNDAMENTALS),
]
def get_ticker() -> str:
"""
提示使用者輸入股票代碼。
返回:
str: 使用者輸入的股票代碼，已轉換為大寫並去除頭尾空格。
"""
ticker = questionary.text(
"請輸入要分析的股票代碼：",
# 驗證輸入是否為空
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的股票代碼。",
# 設定提示的樣式
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
# 如果使用者沒有輸入，則退出程式
if not ticker:
console.print("\n[red]未提供股票代碼。正在結束程式...[/red]")
exit(1)
# 返回處理過的股票代碼
return ticker.strip().upper()
def get_analysis_date() -> str:
"""
提示使用者輸入 YYYY-MM-DD 格式的日期。
返回:
str: 使用者輸入的日期字串。
"""
import re
from datetime import datetime
def validate_date(date_str: str) -> bool:
"""驗證日期字串是否為 YYYY-MM-DD 格式"""
# 使用正規表示式檢查格式
if not re.match(r"^\d{4}-\d{2}-\d{2}$", date_str):
return False
try:
# 嘗試將字串解析為日期物件
datetime.strptime(date_str, "%Y-%m-%d")
return True
except ValueError:
return False
date = questionary.text(
"請輸入分析日期 (YYYY-MM-DD)：",
# 驗證日期格式是否正確
validate=lambda x: validate_date(x.strip())
or "請輸入有效的 YYYY-MM-DD 格式日期。",
# 設定提示的樣式
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
# 如果使用者沒有輸入，則退出程式
if not date:
console.print("\n[red]未提供日期。正在結束程式...[/red]")
exit(1)
# 返回處理過的日期字串
return date.strip()
def select_analysts() -> List[AnalystType]:
"""
使用互動式核取方塊選擇分析師。
返回:
List[AnalystType]: 使用者選擇的分析師類型列表。
"""
choices = questionary.checkbox(
"選擇您的 [分析師團隊]：",
# 設定可選項
choices=[
questionary.Choice(display, value=value) for display, value in ANALYST_ORDER
],
# 提供操作說明
instruction="\n- 按下空白鍵選擇/取消選擇分析師\n- 按下 'a' 鍵選擇/取消選擇所有\n- 完成後按下 Enter 鍵",
# 驗證至少選擇一位分析師
validate=lambda x: len(x) > 0 or "您必須至少選擇一位分析師。",
# 設定提示的樣式
style=questionary.Style(
[
("checkbox-selected", "fg:green"),
("selected", "fg:green noinherit"),
("highlighted", "noinherit"),
("pointer", "noinherit"),
]
),
).ask()
# 如果使用者沒有選擇，則退出程式
if not choices:
console.print("\n[red]未選擇任何分析師。正在結束程式...[/red]")
exit(1)
# 返回選擇的分析師列表
return choices
def select_research_depth() -> int:
"""
使用互動式選單選擇研究深度。
返回:
int: 代表研究深度的整數。
"""
# 定義研究深度的選項及其對應值
DEPTH_OPTIONS = [
("淺層 - 快速研究，較少的辯論和策略討論", 1),
("中等 - 中等程度，適度的辯論和策略討論", 3),
("深層 - 全面研究，深入的辯論和策略討論", 5),
]
choice = questionary.select(
"選擇您的 [研究深度]：",
# 設定可選項
choices=[
questionary.Choice(display, value=value) for display, value in DEPTH_OPTIONS
],
# 提供操作說明
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
# 設定提示的樣式
style=questionary.Style(
[
("selected", "fg:yellow noinherit"),
("highlighted", "fg:yellow noinherit"),
("pointer", "fg:yellow noinherit"),
]
),
).ask()
# 如果使用者沒有選擇，則退出程式
if choice is None:
console.print("\n[red]未選擇研究深度。正在結束程式...[/red]")
exit(1)
# 返回選擇的研究深度
return choice
def select_shallow_thinking_agent(provider=None) -> str:
"""
使用互動式選單選擇淺層思維的 LLM 引擎。
參數:
provider (str, optional): LLM 供應商的名稱（已廢棄，不再使用）。
返回:
str: 選擇的 LLM 模型的名稱。
"""
# 定義不同供應商的淺層思維 LLM 引擎選項
SHALLOW_AGENT_OPTIONS = {
"OpenAI": [
("GPT-5.1", "gpt-5.1-2025-11-13"),
("GPT-5-mini","gpt-5-mini-2025-08-07"),
("GPT-5-nano","gpt-5-nano-2025-08-07"),
("GPT-4.1-mini", "gpt-4.1-mini"),
("GPT-4.1-nano", "gpt-4.1-nano"),
("o4-mini", "o4-mini-2025-04-16"),
],
"Anthropic": [
("Claude Haiku 4.5", "claude-haiku-4-5-20251001"),
("Claude Sonnet 4.5", "claude-sonnet-4-5-20250929"),
("Claude Sonnet 4", "claude-sonnet-4-0"),
("Claude Haiku 3.5", "claude-3-5-haiku-20241022"),
("Claude Haiku 3", "claude-3-haiku-20240307"),
],
"Google": [
("Gemini 2.5 Pro", "gemini-2.5-pro"),
("Gemini 2.5 Flash", "gemini-2.5-flash"),
("Gemini 2.5 Flash Lite", "gemini-2.5-flash-lite"),
("Gemini 2.0 Flash", "gemini-2.0-flash"),
("Gemini 2.0 Flash-Lite", "gemini-2.0-flash-lite"),
],
"Grok":[
("Grok 4.1 Fast Reasoning","grok-4-1-fast-reasoning"),
("Grok 4.1 Fast Non Reasoning","grok-4-1-fast-non-reasoning"),
("Grok 4 Fast Reasoning","grok-4-fast-reasoning"),
("Grok 4 Fast Non Reasoning","grok-4-fast-non-reasoning"),
("Grok 4","grok-4-0709"),
("Grok 3","grok-3"),
("Grok 3 Mini","grok-3-mini"),
],
"DeepSeek": [
("DeepSeek Reasoner","deepseek-reasoner"),
("DeepSeek Chat","deepseek-chat"),
],
"Qwen":[
("Qwen 3 Max", "qwen3-max"),
("Qwen Plus", "qwen-plus"),
("Qwen Flash", "qwen-flash"),
]
}
# 第一步：選擇供應商
provider_choice = questionary.select(
"選擇 [快速思維] 模型供應商：",
choices=[
questionary.Choice(provider_name, value=provider_name)
for provider_name in SHALLOW_AGENT_OPTIONS.keys()
],
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
style=questionary.Style(
[
("selected", "fg:cyan noinherit"),
("highlighted", "fg:cyan noinherit"),
("pointer", "fg:cyan noinherit"),
]
),
).ask()
if provider_choice is None:
console.print("\n[red]未選擇供應商。正在結束程式...[/red]")
exit(1)
# 第二步：根據選擇的供應商顯示模型列表
model_choice = questionary.select(
f"選擇 [{provider_choice}] 的快速思維模型：",
choices=[
questionary.Choice(display, value=value)
for display, value in SHALLOW_AGENT_OPTIONS[provider_choice]
],
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
style=questionary.Style(
[
("selected", "fg:magenta noinherit"),
("highlighted", "fg:magenta noinherit"),
("pointer", "fg:magenta noinherit"),
]
),
).ask()
if model_choice is None:
console.print(
"\n[red]未選擇快速思維 LLM 引擎。正在結束程式...[/red]"
)
exit(1)
# 如果選擇自訂，提示輸入模型名稱
if model_choice == "custom":
model_name = questionary.text(
"請輸入快速思維 LLM 模型名稱：",
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的模型名稱。",
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
if not model_name:
console.print(
"\n[red]未提供模型名稱。正在結束程式...[/red]"
)
exit(1)
return model_name.strip()
# 返回選擇的 LLM 模型
return model_choice
def select_deep_thinking_agent(provider=None) -> str:
"""
使用互動式選單選擇深層思維的 LLM 引擎。
參數:
provider (str, optional): LLM 供應商的名稱（已廢棄，不再使用）。
返回:
str: 選擇的 LLM 模型的名稱。
"""
# 定義不同供應商的深層思維 LLM 引擎選項
DEEP_AGENT_OPTIONS = {
"OpenAI": [
("GPT-5.1", "gpt-5.1-2025-11-13"),
("GPT-5-mini","gpt-5-mini-2025-08-07"),
("GPT-5-nano","gpt-5-nano-2025-08-07"),
("GPT-4.1-mini", "gpt-4.1-mini"),
("GPT-4.1-nano", "gpt-4.1-nano"),
("o4-mini", "o4-mini-2025-04-16"),
],
"Anthropic": [
("Claude Haiku 4.5", "claude-haiku-4-5-20251001"),
("Claude Sonnet 4.5", "claude-sonnet-4-5-20250929"),
("Claude Sonnet 4", "claude-sonnet-4-0"),
("Claude Haiku 3.5", "claude-3-5-haiku-20241022"),
("Claude Haiku 3", "claude-3-haiku-20240307"),
],
"Google": [
("Gemini 2.5 Pro", "gemini-2.5-pro"),
("Gemini 2.5 Flash", "gemini-2.5-flash"),
("Gemini 2.5 Flash Lite", "gemini-2.5-flash-lite"),
("Gemini 2.0 Flash", "gemini-2.0-flash"),
("Gemini 2.0 Flash-Lite", "gemini-2.0-flash-lite"),
],
"Grok":[
("Grok 4.1 Fast Reasoning","grok-4-1-fast-reasoning"),
("Grok 4.1 Fast Non Reasoning","grok-4-1-fast-non-reasoning"),
("Grok 4 Fast Reasoning","grok-4-fast-reasoning"),
("Grok 4 Fast Non Reasoning","grok-4-fast-non-reasoning"),
("Grok 4","grok-4-0709"),
("Grok 3","grok-3"),
("Grok 3 Mini","grok-3-mini"),
],
"DeepSeek":[
("DeepSeek Reasoner","deepseek-reasoner"),
("DeepSeek Chat","deepseek-chat"),
],
"Qwen":[
("Qwen 3 Max", "qwen3-max"),
("Qwen Plus", "qwen-plus"),
("Qwen Flash", "qwen-flash"),
]
}
# 第一步：選擇供應商
provider_choice = questionary.select(
"選擇 [深度思維] 模型供應商：",
choices=[
questionary.Choice(provider_name, value=provider_name)
for provider_name in DEEP_AGENT_OPTIONS.keys()
],
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
style=questionary.Style(
[
("selected", "fg:cyan noinherit"),
("highlighted", "fg:cyan noinherit"),
("pointer", "fg:cyan noinherit"),
]
),
).ask()
if provider_choice is None:
console.print("\n[red]未選擇供應商。正在結束程式...[/red]")
exit(1)
# 第二步：根據選擇的供應商顯示模型列表
model_choice = questionary.select(
f"選擇 [{provider_choice}] 的深度思維模型：",
choices=[
questionary.Choice(display, value=value)
for display, value in DEEP_AGENT_OPTIONS[provider_choice]
],
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
style=questionary.Style(
[
("selected", "fg:magenta noinherit"),
("highlighted", "fg:magenta noinherit"),
("pointer", "fg:magenta noinherit"),
]
),
).ask()
if model_choice is None:
console.print("\n[red]未選擇深度思維 LLM 引擎。正在結束程式...[/red]")
exit(1)
# 如果選擇自訂，提示輸入模型名稱
if model_choice == "custom":
model_name = questionary.text(
"請輸入深度思維 LLM 模型名稱：",
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的模型名稱。",
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
if not model_name:
console.print(
"\n[red]未提供模型名稱。正在結束程式...[/red]"
)
exit(1)
return model_name.strip()
# 返回選擇的 LLM 模型
return model_choice
def select_llm_provider() -> tuple[str, str]:
"""
使用互動式選單選擇 LLM 供應商。
返回:
tuple[str, str]: 包含供應商顯示名稱和 API 基礎 URL 的元組。
"""
# 定義 LLM 供應商及其 API 基礎 URL
BASE_URLS = [
("OpenAI", "https://api.openai.com/v1"),
("Anthropic", "https://api.anthropic.com/v1"),
("Google", "https://generativelanguage.googleapis.com/v1beta/openai"),
("Grok", "https://api.x.ai/v1"),
("DeepSeek", "https://api.deepseek.com/v1"),
("Qwen", "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"),
("自訂 URL", "custom") # 新增自訂 URL 選項
]
choice = questionary.select(
"選擇您的 LLM 供應商：",
# 設定可選項
choices=[
questionary.Choice(display, value=(display, value))
for display, value in BASE_URLS
],
# 提供操作說明
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
# 設定提示的樣式
style=questionary.Style(
[
("selected", "fg:magenta noinherit"),
("highlighted", "fg:magenta noinherit"),
("pointer", "fg:magenta noinherit"),
]
),
).ask()
# 如果使用者沒有選擇，則退出程式
if choice is None:
console.print("\n[red]未選擇 LLM 後端。正在結束程式...[/red]")
exit(1)
# 解構選擇的元組
display_name, url = choice
# 如果使用者選擇自訂 URL，提示輸入
if url == "custom":
custom_url = questionary.text(
"請輸入自訂的 Base URL：",
# 驗證 URL 格式
validate=lambda x: (x.strip().startswith("http://") or x.strip().startswith("https://"))
or "請輸入有效的 URL（必須以 http:// 或 https:// 開頭）",
# 設定提示的樣式
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
# 如果使用者沒有輸入，則退出程式
if not custom_url:
console.print("\n[red]未提供 Base URL。正在結束程式...[/red]")
exit(1)
url = custom_url.strip()
display_name = "自訂供應商"
# 印出使用者的選擇
print(f"您選擇了：{display_name}\tURL: {url}")
# 返回供應商名稱和 URL
return display_name, url
def select_embedding_provider() -> tuple[str, str]:
"""
使用互動式選單選擇嵌入模型供應商。
返回:
tuple[str, str]: 包含供應商名稱和 API 基礎 URL 的元組。
"""
# 定義嵌入模型供應商（只有 OpenAI 和自訂）
EMBEDDING_PROVIDERS = [
("OpenAI", "https://api.openai.com/v1"),
("自訂 URL", "custom")
]
choice = questionary.select(
"選擇您的嵌入模型供應商：",
# 設定可選項
choices=[
questionary.Choice(display, value=(display, value))
for display, value in EMBEDDING_PROVIDERS
],
# 提供操作說明
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
# 設定提示的樣式
style=questionary.Style(
[
("selected", "fg:cyan noinherit"),
("highlighted", "fg:cyan noinherit"),
("pointer", "fg:cyan noinherit"),
]
),
).ask()
# 如果使用者沒有選擇，則退出程式
if choice is None:
console.print("\n[red]未選擇嵌入模型供應商。正在結束程式...[/red]")
exit(1)
# 解構選擇的元組
display_name, url = choice
# 如果選擇自訂 URL，提示使用者輸入
if url == "custom":
custom_url = questionary.text(
"請輸入自訂的 Base URL：",
validate=lambda x: (x.startswith("http://") or x.startswith("https://")) or "URL 必須以 http:// 或 https:// 開頭",
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
# 如果使用者沒有輸入，則退出程式
if not custom_url:
console.print("\n[red]未提供 Base URL。正在結束程式...[/red]")
exit(1)
url = custom_url.strip()
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}")
# 返回供應商名稱和 URL
return display_name, url
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。
參數:
model_type (str): 模型類型（例如：「快速思維」、「深度思維」、「嵌入模型」）
default_key (Optional[str]): 從 .env 文件讀取的預設 API Key
返回:
str: 使用者輸入的 API Key 或預設值
"""
import os
from rich.console import Console
console = Console()
# 顯示提示訊息
if default_key:
hint = f"[dim]（留空使用 .env 中的 API Key: {default_key[:10]}...{default_key[-4:]}）[/dim]"
else:
hint = "[dim]（必填）[/dim]"
console.print(f"\n[cyan]{model_type} API Key {hint}[/cyan]")
api_key = questionary.password(
f"請輸入 {model_type} 的 API Key：",
style=questionary.Style(
[
("text", "fg:green"),
("highlighted", "noinherit"),
]
),
).ask()
# 如果使用者沒有輸入，使用預設值
if not api_key or api_key.strip() == "":
if default_key:
console.print(f"[green]✓ 使用 .env 中的 API Key[/green]")
return default_key
else:
console.print(f"\n[red]未提供 {model_type} API Key。正在結束程式...[/red]")
exit(1)
console.print(f"[green]✓ API Key 已設定[/green]")
return api_key.strip()