126 lines
4.7 KiB
Python
126 lines
4.7 KiB
Python
# -*- coding: utf-8 -*-
|
||
from langchain_core.messages import AIMessage
|
||
import time
|
||
import json
|
||
|
||
|
||
def create_safe_debator(llm):
|
||
"""
|
||
建立一個安全/保守的風險辯論員節點。
|
||
|
||
這個節點在風險評估辯論中扮演保守派的角色。
|
||
其主要目標是保護資產、最小化波動性並確保穩定可靠的增長。
|
||
它會優先考慮穩定性、安全性和風險緩解，並對交易員的決策提出謹慎的調整建議。
|
||
|
||
Args:
|
||
llm: 用於生成回應的語言模型。
|
||
|
||
Returns:
|
||
function: 一個代表保守辯論員節點的函式，可在 langgraph 中使用。
|
||
"""
|
||
|
||
def safe_node(state) -> dict:
|
||
"""
|
||
保守辯論員節點的執行函式。
|
||
|
||
Args:
|
||
state (dict): 當前的圖狀態。
|
||
|
||
Returns:
|
||
dict: 更新後的狀態，包含新的風險辯論狀態。
|
||
"""
|
||
# 從狀態中獲取風險辯論的相關資訊
|
||
risk_debate_state = state["risk_debate_state"]
|
||
history = risk_debate_state.get("history", "")
|
||
safe_history = risk_debate_state.get("safe_history", "")
|
||
|
||
# 獲取其他辯論者的最新回應
|
||
current_risky_response = risk_debate_state.get("current_risky_response", "")
|
||
current_neutral_response = risk_debate_state.get("current_neutral_response", "")
|
||
|
||
# 從狀態中獲取各類分析報告
|
||
market_research_report = state["market_report"]
|
||
sentiment_report = state["sentiment_report"]
|
||
news_report = state["news_report"]
|
||
fundamentals_report = state["fundamentals_report"]
|
||
|
||
# 獲取交易員的決策
|
||
trader_decision = state["trader_investment_plan"]
|
||
|
||
# 定義文本截斷函數以避免超過 token 限制
|
||
def truncate_text(text, max_chars):
|
||
"""截斷文本到指定字符數"""
|
||
if len(text) <= max_chars:
|
||
return text
|
||
return text[:max_chars] + "\n...(內容已截斷)"
|
||
|
||
# 截斷各類輸入以控制 token 使用量
|
||
# 模型限制: 8192 tokens，目標: < 3500 字符
|
||
market_research_report = truncate_text(market_research_report, 500)
|
||
sentiment_report = truncate_text(sentiment_report, 500)
|
||
news_report = truncate_text(news_report, 600)
|
||
fundamentals_report = truncate_text(fundamentals_report, 600)
|
||
trader_decision = truncate_text(trader_decision, 800)
|
||
history = truncate_text(history, 400)
|
||
current_risky_response = truncate_text(current_risky_response, 300)
|
||
current_neutral_response = truncate_text(current_neutral_response, 300)
|
||
|
||
# 建立提示 (prompt)
|
||
prompt = f"""**重要：您必須使用繁體中文（Traditional Chinese）回覆所有內容。**
|
||
|
||
【專業身份】
|
||
您是穩健型策略師，首要任務是保護本金。
|
||
|
||
【論證重點】
|
||
1. **下檔風險**：最慘會賠多少？
|
||
2. **隱形地雷**：大家忽略了什麼危險？
|
||
3. **價格偏離**：現在股價是不是太貴了？
|
||
4. **回應激進**：指出激進派的盲點。
|
||
|
||
【可用資訊】
|
||
- 交易員計畫：{trader_decision}
|
||
- 各類報告：{market_research_report}, {sentiment_report}, {news_report}, {fundamentals_report}
|
||
- 辯論歷史：{history}
|
||
- 對手觀點：{current_risky_response}, {current_neutral_response}
|
||
|
||
【輸出要求】
|
||
**長度**：200-350字（謹慎小心）
|
||
**結構**：
|
||
1. 核心警告（50字）：為什麼現在很危險？
|
||
2. 風險盤點（100-150字）：列出具體威脅。
|
||
3. 潑冷水（50-100字）：反駁過度樂觀的看法。
|
||
4. 操作建議（50字）：保守為上，現金為王。
|
||
|
||
**注意**：
|
||
- 寧可少賺，不可大賠。
|
||
- 強調安全邊際。
|
||
- 建議防禦性策略。
|
||
|
||
請提供一份穩健保守的投資論證！"""
|
||
|
||
# 呼叫 LLM 生成回應
|
||
response = llm.invoke(prompt)
|
||
|
||
# 格式化論點
|
||
argument = f"安全分析師：{response.content}"
|
||
|
||
# 更新風險辯論狀態
|
||
new_risk_debate_state = {
|
||
"history": history + "\n" + argument,
|
||
"risky_history": risk_debate_state.get("risky_history", ""),
|
||
"safe_history": safe_history + "\n" + argument,
|
||
"neutral_history": risk_debate_state.get("neutral_history", ""),
|
||
"latest_speaker": "Safe", # 記錄最新的發言者
|
||
"current_risky_response": risk_debate_state.get(
|
||
"current_risky_response", ""
|
||
),
|
||
"current_safe_response": argument,
|
||
"current_neutral_response": risk_debate_state.get(
|
||
"current_neutral_response", ""
|
||
),
|
||
"count": risk_debate_state["count"] + 1,
|
||
}
|
||
|
||
return {"risk_debate_state": new_risk_debate_state}
|
||
|
||
return safe_node |