82 lines
3.3 KiB
Python
82 lines
3.3 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"]
|
|
|
|
# 整合當前情況
|
|
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):
|
|
past_memory_str += rec["recommendation"] + "\n\n"
|
|
else:
|
|
past_memory_str = "找不到過去的記憶。"
|
|
|
|
# 建立上下文，包含給交易員的指示和投資計畫
|
|
context = {
|
|
"role": "user",
|
|
"content": f"根據分析師團隊的綜合分析，這是一份為 {company_name} 量身定制的投資計畫。該計畫結合了當前技術市場趨勢、宏觀經濟指標和社群媒體情緒的見解。請以此計畫為基礎，評估您的下一個交易決策。\n\n建議的投資計畫：{investment_plan}\n\n利用這些見解，做出明智且具策略性的決策。",
|
|
}
|
|
|
|
# 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}""",
|
|
},
|
|
context,
|
|
]
|
|
|
|
# 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") |