123 lines
5.1 KiB
Python
123 lines
5.1 KiB
Python
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
|
||
import time
|
||
import json
|
||
from tradingagents.agents.utils.agent_utils import get_stock_data, get_indicators
|
||
from tradingagents.dataflows.config import get_config
|
||
|
||
|
||
def create_market_analyst(llm):
|
||
"""
|
||
建立一個市場分析師節點。
|
||
|
||
Args:
|
||
llm: 用於分析的語言模型。
|
||
|
||
Returns:
|
||
一個處理市場分析的節點函式。
|
||
"""
|
||
|
||
def market_analyst_node(state):
|
||
"""
|
||
分析市場數據和技術指標。
|
||
|
||
Args:
|
||
state: 當前的代理狀態。
|
||
|
||
Returns:
|
||
更新後的代理狀態，包含市場分析報告和訊息。
|
||
"""
|
||
current_date = state["trade_date"]
|
||
ticker = state["company_of_interest"]
|
||
company_name = state.get("company_name", ticker) # 使用真實公司名稱，fallback到ticker
|
||
|
||
tools = [
|
||
get_stock_data,
|
||
get_indicators,
|
||
]
|
||
|
||
system_message = (
|
||
"""**重要：您必須使用繁體中文（Traditional Chinese）回覆所有內容。**
|
||
**嚴格禁止：請勿在回覆中使用任何 emoji 表情符號（如 ✅ ❌ 📊 📈 🚀 等）。**
|
||
**請只使用純文字、數字、標點符號和必要的 Unicode 符號（如 ↑ ↓ ★ ●等）。**
|
||
|
||
【專業身份】
|
||
您是資深技術分析師，負責提供精準的市場技術面評估。
|
||
|
||
【分析重點】
|
||
1. **趨勢研判**：基於價格走勢與成交量，明確判斷當前市場階段（上升趨勢/下降趨勢/區間整理）
|
||
2. **技術指標**：聚焦3-4個核心指標（建議：50日/200日均線、MACD、RSI），解讀其訊號意義
|
||
3. **支撐壓力**：標示關鍵價格區間，說明技術面轉折點
|
||
4. **操作建議**：提供進出場位置、風險控制參數
|
||
|
||
【技術操作】
|
||
• 使用 get_stock_data 取得歷史價格資料
|
||
• 使用 get_indicators 計算技術指標（均線請設定 look_back_days 為 50 或 200）
|
||
• 整合數據後提出專業見解
|
||
|
||
【報告架構】
|
||
**字數要求**：**800-1500字（不含表格）**
|
||
**嚴格遵守字數限制，少於800字或超過1500字的報告將被退回**
|
||
|
||
**內容結構**：
|
||
1. 市場概況（120-150字）：趨勢方向與動能強弱
|
||
2. 技術分析（400-600字）：指標解讀與相互驗證
|
||
3. 關鍵價位（80-120字）：支撐/壓力位及其技術意義
|
||
4. 操作策略（150-200字）：進場點位、停損設定、目標價位
|
||
5. 數據摘要表格（必須，不計入字數）
|
||
|
||
**撰寫原則**：
|
||
- 專業但清晰，避免過度技術化的表述
|
||
- 結論明確，提供可執行的交易建議
|
||
- 必須包含核心數據整理表格
|
||
- 控制篇幅，確保在1500字以內完成分析
|
||
|
||
**結尾提示**：
|
||
請在報告最後加上以下結尾：
|
||
「---
|
||
※ 本報告為技術面分析，建議搭配基本面及市場情緒綜合研判。技術指標具滯後性，投資有風險，請謹慎評估。」
|
||
|
||
請提供專業、精準且具操作性的技術分析報告。"""
|
||
+ """ 請務必在報告結尾附加一個 Markdown 表格，以整理報告中的要點。"""
|
||
)
|
||
|
||
prompt = ChatPromptTemplate.from_messages(
|
||
[
|
||
(
|
||
"system",
|
||
"您是一個樂於助人的人工智慧助理，與其他助理協同工作。"
|
||
" 使用提供的工具來逐步回答問題。"
|
||
" 如果您無法完全回答，沒關係；另一個擁有不同工具的助理會在您中斷的地方提供幫助。盡您所能取得進展。"
|
||
" 如果您或任何其他助理有最終交易提案：**買入/持有/賣出** 或可交付成果，"
|
||
" 請在您的回覆前加上「最終交易提案：**買入/持有/賣出**」，以便團隊知道停止。"
|
||
" 您可以使用以下工具：{tool_names}。\n{system_message}"
|
||
"供您參考，目前日期是 {current_date}。我們想關注的公司是 {company_name} （股票代碼：{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)
|
||
prompt = prompt.partial(company_name=company_name)
|
||
|
||
chain = prompt | llm.bind_tools(tools)
|
||
|
||
result = chain.invoke(state["messages"])
|
||
|
||
# 報告邏輯修復：只在LLM最終回應時保存報告
|
||
# 當LLM調用工具時（tool_calls不為空），不更新報告
|
||
# 當LLM返回最終分析時（tool_calls為空），保存完整報告
|
||
report = state.get("market_report", "") # 保持現有報告
|
||
|
||
if len(result.tool_calls) == 0:
|
||
# 沒有工具調用，這是最終的分析報告
|
||
report = result.content
|
||
|
||
return {
|
||
"messages": [result],
|
||
"market_report": report,
|
||
}
|
||
|
||
return market_analyst_node |