114 lines
4.2 KiB
Python
114 lines
4.2 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。**
|
||
|
||
【專業身份】
|
||
您是一位技術分析師，為業餘投資者提供實用的市場分析。
|
||
|
||
【分析要點】
|
||
1. **趨勢判斷**：明確判斷當前趨勢（多頭/空頭/盤整）
|
||
2. **技術指標**：選擇3-5個最重要的指標分析
|
||
- 建議指標：50日/200日均線、MACD、RSI、布林帶、ATR
|
||
3. **關鍵價位**：標示主要支撐和阻力位
|
||
4. **交易建議**：給出明確的進場、出場和止損建議
|
||
|
||
【技術操作】
|
||
• 使用 get_stock_data 獲取價格數據
|
||
• 使用 get_indicators 計算所需指標
|
||
• 基於數據進行分析
|
||
|
||
【報告要求】
|
||
**長度**：500-800字（必須精簡）
|
||
**結構**：
|
||
1. 執行摘要（100字）
|
||
2. 趨勢與指標分析（300-400字）
|
||
3. 支撐阻力位（100字）
|
||
4. 交易建議（100-200字）
|
||
5. 數據表格（必須包含）
|
||
|
||
**注意**：
|
||
- 使用簡潔語言，避免過度專業術語
|
||
- 重點突出，不要冗長描述
|
||
- 必須包含關鍵數據表格總結
|
||
|
||
請以實用為導向，提供清晰易懂的技術分析。"""
|
||
+ """ 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 |