125 lines
5.0 KiB
Python
125 lines
5.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
import functools
|
||
import time
|
||
import json
|
||
|
||
|
||
def create_trader(llm, memory):
|
||
"""
|
||
建立一個交易員節點。
|
||
|
||
這個節點扮演交易員的角色，其任務是根據分析師團隊和研究團隊提供的綜合投資計畫，
|
||
做出最終的交易決策（買入、賣出或持有）。
|
||
它還會利用過去的交易經驗（記憶）來輔助決策。
|
||
|
||
Args:
|
||
llm: 用於生成決策的語言模型。
|
||
memory: 儲存過去情況和反思的記憶體物件。
|
||
|
||
Returns:
|
||
function: 一個代表交易員節點的函式，可在 langgraph 中使用。
|
||
"""
|
||
|
||
def trader_node(state, name):
|
||
"""
|
||
交易員節點的執行函式。
|
||
|
||
Args:
|
||
state (dict): 當前的圖狀態。
|
||
name (str): 節點的名稱。
|
||
|
||
Returns:
|
||
dict: 更新後的狀態，包含交易員的投資計畫和決策。
|
||
"""
|
||
# 從狀態中獲取所需資訊
|
||
company_name = state["company_of_interest"]
|
||
investment_plan = state["investment_plan"]
|
||
market_research_report = state["market_report"]
|
||
sentiment_report = state["sentiment_report"]
|
||
news_report = state["news_report"]
|
||
fundamentals_report = state["fundamentals_report"]
|
||
|
||
# 移除截斷邏輯以保留完整報告內容
|
||
|
||
# 整合當前情況（用於記憶檢索）
|
||
curr_situation = f"{market_research_report}\n\n{sentiment_report}\n\n{news_report}\n\n{fundamentals_report}"
|
||
|
||
# 從記憶體中獲取過去相似情況的經驗
|
||
past_memories = memory.get_memories(curr_situation, n_matches=2)
|
||
|
||
# 將過去的經驗格式化為字串
|
||
past_memory_str = ""
|
||
if past_memories:
|
||
for i, rec in enumerate(past_memories, 1):
|
||
recommendation = rec["recommendation"]
|
||
past_memory_str += recommendation + "\n\n"
|
||
else:
|
||
past_memory_str = "找不到過去的記憶。"
|
||
|
||
# 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。**
|
||
**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】
|
||
您是交易執行專家，負責將投資決策轉化為具體可執行的交易計畫。
|
||
|
||
【職責】
|
||
1. **整合決策**：綜合研究團隊與風控團隊的建議，形成統一執行方案
|
||
2. **制定計畫**：明確買入/賣出/持有的執行細節與時機
|
||
3. **風險管理**：設定清晰的進出場與停損參數，確保風控到位
|
||
|
||
【可用資訊】
|
||
- 投資計畫：{investment_plan}
|
||
- 過去反思：{past_memory_str}
|
||
|
||
【輸出要求】
|
||
**字數要求**：**800-1500字**
|
||
**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. 執行摘要（150字以上）：最終決策與核心理由的清晰陳述
|
||
2. 決策整合（150字以上）：研究與風控觀點的平衡整合過程
|
||
3. 交易計畫（400字以上）：
|
||
- 進場策略：具體價位區間與進場時機
|
||
- 部位規模：資金配置比例與分批策略
|
||
- 目標價位：獲利了結點與階段性目標
|
||
- 停損設定：風險控制線與觸發條件
|
||
4. 監控機制（100字以上）：關鍵監控指標與調整觸發條件
|
||
|
||
**撰寫原則**：
|
||
- 決策明確，參數具體，避免模糊表述
|
||
- 可執行性強，提供清晰的操作步驟
|
||
- 風險控制完善，確保每個環節都有風控措施
|
||
- 兼顧機會把握與風險管理的平衡
|
||
|
||
**結尾提示**：
|
||
請在報告最後加上以下內容：
|
||
「---
|
||
※ 本報告為交易執行計畫，整合研究與風控決策後制定。執行前需確認市場狀況，嚴格遵守風控參數。投資有風險，請謹慎評估。」
|
||
|
||
**重要**：請以「最終交易提案：**買入/持有/賣出**」結束回應！"""
|
||
|
||
# 建立傳送給 LLM 的訊息列表
|
||
messages = [
|
||
{
|
||
"role": "system",
|
||
"content": f"""您是一位分析市場數據以做出投資決策的交易代理。根據您的分析，提供具體的買入、賣出或持有建議。以堅定的決策結束，並始終以「最終交易提案：**買入/持有/賣出**」來結束您的回應，以確認您的建議。不要忘記利用過去決策的教訓來從錯誤中學習。以下是您在類似情況下交易的一些反思和學到的教訓：{past_memory_str}""",
|
||
},
|
||
{
|
||
"role": "user",
|
||
"content": prompt,
|
||
},
|
||
]
|
||
|
||
# 呼叫 LLM 生成決策
|
||
result = llm.invoke(messages)
|
||
|
||
# 返回更新後的狀態
|
||
return {
|
||
"messages": [result],
|
||
"trader_investment_plan": result.content,
|
||
"sender": name,
|
||
}
|
||
|
||
# 使用 functools.partial 來固定節點名稱
|
||
return functools.partial(trader_node, name="Trader") |