60 lines
3.0 KiB
Python
60 lines
3.0 KiB
Python
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
|
||
import time
|
||
import json
|
||
from tradingagents.agents.utils.agent_utils import get_news
|
||
from tradingagents.dataflows.config import get_config
|
||
|
||
|
||
def create_social_media_analyst(llm):
|
||
def social_media_analyst_node(state):
|
||
current_date = state["trade_date"]
|
||
ticker = state["company_of_interest"]
|
||
company_name = state["company_of_interest"]
|
||
|
||
tools = [
|
||
get_news,
|
||
]
|
||
|
||
system_message = (
|
||
"你是一名社交媒体和公司特定新闻研究员/分析师，负责分析过去一周特定公司的社交媒体帖子、近期公司新闻和公众情绪。你将获得公司名称，你的目标是撰写一份全面的长篇报告，详细说明你的分析、见解以及对交易员和投资者关于该公司当前状况的影响，这需要查看社交媒体、人们对该公司的评价、分析人们每天对公司的情绪数据以及近期公司新闻。尽量查看所有可能的来源，从社交媒体到情绪数据再到新闻。不要简单地陈述趋势好坏参半，提供详细和精细的分析和见解，以帮助交易员做出决策。"
|
||
+ """确保在报告末尾附加一个Markdown表格，以整理报告中的要点，使其井井有条、易于阅读。""",
|
||
)
|
||
|
||
prompt = ChatPromptTemplate.from_messages(
|
||
[
|
||
(
|
||
"system",
|
||
"你是一个乐于助人的人工智能助手，与其他助手协作。"
|
||
" 使用提供的工具来逐步回答问题。"
|
||
" 如果你无法完全回答，没关系；另一个拥有不同工具的助手会从你离开的地方继续。"
|
||
" 执行你力所能及的操作以取得进展。"
|
||
" 如果你或任何其他助手有最终的交易建议：**买入/持有/卖出**或可交付成果，"
|
||
" 请在你的回应前加上前缀“最终交易建议：**买入/持有/卖出**”，这样团队就知道可以停止了。"
|
||
" 你可以使用以下工具：{tool_names}。\n{system_message}"
|
||
"供你参考，当前日期是{current_date}。请确保在你的报告中使用此日期中的年份。我们当前想要分析的公司是{ticker}",
|
||
),
|
||
MessagesPlaceholder(variable_name="messages"),
|
||
]
|
||
)
|
||
|
||
prompt = prompt.partial(system_message=system_message)
|
||
prompt = prompt.partial(tool_names=", ".join([tool.name for tool in tools]))
|
||
prompt = prompt.partial(current_date=current_date)
|
||
prompt = prompt.partial(ticker=ticker)
|
||
|
||
chain = prompt | llm.bind_tools(tools)
|
||
|
||
result = chain.invoke(state["messages"])
|
||
|
||
report = ""
|
||
|
||
if len(result.tool_calls) == 0:
|
||
report = result.content
|
||
|
||
return {
|
||
"messages": [result],
|
||
"sentiment_report": report,
|
||
}
|
||
|
||
return social_media_analyst_node
|