1028 lines
27 KiB
Markdown
1028 lines
27 KiB
Markdown
# TradingAgents 配置与提示词修改指南
|
||
|
||
## 📖 概述
|
||
|
||
本文档为TradingAgents项目的新手用户提供详细的配置修改和提示词定制指南。通过本指南，您将了解：
|
||
- 如何修改系统配置参数
|
||
- 如何配置多市场支持（美股和A股）
|
||
- 如何设置数据库集成（MongoDB和Redis）
|
||
- 如何配置多LLM提供商（百炼、OpenAI、Google、Anthropic）
|
||
- 如何定制各个智能体的提示词
|
||
- 如何添加新的功能和配置
|
||
|
||
## 🌟 新功能概览
|
||
|
||
### 🇨🇳 中国A股市场支持
|
||
- **通达信API集成**: 实时A股数据获取
|
||
- **市场选择**: 交互式CLI市场选择
|
||
- **交易所支持**: 上交所、深交所、创业板、科创板
|
||
- **智能缓存**: 优化的数据获取和存储
|
||
|
||
### 🤖 百炼(DashScope)集成
|
||
- **通义千问模型系列**: qwen-turbo, qwen-plus, qwen-max, qwen-max-longcontext
|
||
- **Embedding服务**: 百炼embedding用于记忆系统
|
||
- **智能回退**: 百炼不可用时自动回退到OpenAI
|
||
|
||
### 🗄️ 数据库集成
|
||
- **MongoDB**: 持久化数据存储和分析
|
||
- **Redis**: 高性能缓存
|
||
- **自适应缓存**: 智能缓存管理和自动回退
|
||
|
||
## 🔧 配置文件位置与说明
|
||
|
||
### 1. 主配置文件
|
||
|
||
#### 📁 `tradingagents/default_config.py`
|
||
**作用**: 项目的核心配置文件，定义所有默认参数
|
||
|
||
```python
|
||
DEFAULT_CONFIG = {
|
||
# 目录配置
|
||
"project_dir": "项目根目录路径",
|
||
"results_dir": "结果输出目录",
|
||
"data_dir": "数据存储目录",
|
||
"data_cache_dir": "缓存目录",
|
||
|
||
# LLM模型配置
|
||
"llm_provider": "dashscope", # LLM提供商: "dashscope", "openai", "google", "anthropic"
|
||
"deep_think_llm": "qwen-plus", # 深度思考模型
|
||
"quick_think_llm": "qwen-turbo", # 快速思考模型
|
||
"backend_url": "https://dashscope.aliyuncs.com/api/v1", # API后端地址
|
||
|
||
# 辩论与讨论设置
|
||
"max_debate_rounds": 1, # 最大辩论轮数
|
||
"max_risk_discuss_rounds": 1, # 最大风险讨论轮数
|
||
"max_recur_limit": 100, # 最大递归限制
|
||
|
||
# 工具设置
|
||
"online_tools": True, # 是否使用在线工具
|
||
}
|
||
```
|
||
|
||
**修改方法**:
|
||
1. 直接编辑 `tradingagents/default_config.py` 文件
|
||
2. 修改对应的配置值
|
||
3. 重启应用生效
|
||
|
||
#### 📁 `main.py`
|
||
**作用**: 运行时配置覆盖，可以在不修改默认配置的情况下临时调整参数
|
||
|
||
```python
|
||
# 创建自定义配置
|
||
config = DEFAULT_CONFIG.copy()
|
||
config["llm_provider"] = "google" # 使用Google模型
|
||
config["backend_url"] = "https://generativelanguage.googleapis.com/v1"
|
||
config["deep_think_llm"] = "gemini-2.0-flash" # 深度思考模型
|
||
config["quick_think_llm"] = "gemini-2.0-flash" # 快速思考模型
|
||
config["max_debate_rounds"] = 2 # 增加辩论轮数
|
||
config["online_tools"] = True # 启用在线工具
|
||
```
|
||
|
||
**修改方法**:
|
||
1. 编辑 `main.py` 文件中的config部分
|
||
2. 添加或修改需要覆盖的配置项
|
||
3. 保存并运行
|
||
|
||
### 2. 动态配置管理
|
||
|
||
#### 📁 `tradingagents/dataflows/config.py`
|
||
**作用**: 提供配置的动态获取和设置功能
|
||
|
||
```python
|
||
# 获取当前配置
|
||
config = get_config()
|
||
|
||
# 动态修改配置
|
||
set_config({
|
||
"llm_provider": "anthropic",
|
||
"max_debate_rounds": 3
|
||
})
|
||
```
|
||
|
||
## 🌟 新功能配置详解
|
||
|
||
### 1. 环境变量配置 (`.env`)
|
||
|
||
#### 📁 `.env` 文件设置
|
||
**作用**: 配置API密钥和数据库设置
|
||
|
||
**必需的API密钥**:
|
||
|
||
**仅分析美股时**:
|
||
```env
|
||
# 选择一个LLM提供商
|
||
OPENAI_API_KEY=your_openai_api_key_here
|
||
# 或者
|
||
GOOGLE_API_KEY=your_google_api_key_here
|
||
# 或者
|
||
ANTHROPIC_API_KEY=your_anthropic_api_key_here
|
||
|
||
# FinnHub - 金融数据必需
|
||
FINNHUB_API_KEY=your_finnhub_api_key_here
|
||
```
|
||
|
||
**分析中国A股时**:
|
||
```env
|
||
# 百炼 - 中国股票分析必需
|
||
DASHSCOPE_API_KEY=your_dashscope_api_key_here
|
||
|
||
# FinnHub - 金融数据必需
|
||
FINNHUB_API_KEY=your_finnhub_api_key_here
|
||
```
|
||
|
||
**使用百炼LLM提供商时**:
|
||
```env
|
||
# 百炼 - 通义千问模型必需
|
||
DASHSCOPE_API_KEY=your_dashscope_api_key_here
|
||
|
||
# FinnHub - 金融数据必需
|
||
FINNHUB_API_KEY=your_finnhub_api_key_here
|
||
```
|
||
|
||
**数据库配置（可选）**:
|
||
```env
|
||
# MongoDB - 持久化数据存储
|
||
MONGODB_ENABLED=false
|
||
MONGODB_HOST=localhost
|
||
MONGODB_PORT=27018
|
||
MONGODB_USERNAME=admin
|
||
MONGODB_PASSWORD=your_mongodb_password
|
||
MONGODB_DATABASE=tradingagents
|
||
|
||
# Redis - 高性能缓存
|
||
REDIS_ENABLED=false
|
||
REDIS_HOST=localhost
|
||
REDIS_PORT=6380
|
||
REDIS_PASSWORD=your_redis_password
|
||
REDIS_DB=0
|
||
```
|
||
|
||
### 2. 市场选择配置
|
||
|
||
#### 📁 CLI市场选择
|
||
**作用**: 配置支持的市场和数据源
|
||
|
||
**支持的市场**:
|
||
1. **美股市场**
|
||
- 格式: 1-5位字母代码 (如 AAPL, SPY)
|
||
- 数据源: Yahoo Finance
|
||
- 验证: `^[A-Z]{1,5}$`
|
||
|
||
2. **中国A股市场**
|
||
- 格式: 6位数字代码 (如 000001, 600036)
|
||
- 数据源: 通达信API
|
||
- 验证: `^\d{6}$`
|
||
- 交易所: 上交所(60xxxx), 深交所(00xxxx), 创业板(30xxxx), 科创板(68xxxx)
|
||
|
||
**代码中的配置**:
|
||
```python
|
||
# 市场特定配置
|
||
market_config = {
|
||
"us_stock": {
|
||
"data_source": "yahoo_finance",
|
||
"pattern": r'^[A-Z]{1,5}$'
|
||
},
|
||
"china_a_share": {
|
||
"data_source": "tongdaxin",
|
||
"pattern": r'^\d{6}$'
|
||
}
|
||
}
|
||
```
|
||
|
||
### 3. 数据库集成配置
|
||
|
||
#### 📁 MongoDB配置
|
||
**作用**: 持久化数据存储和分析
|
||
|
||
**设置步骤**:
|
||
1. **启动MongoDB**:
|
||
```bash
|
||
docker run -d -p 27017:27017 --name mongodb mongo
|
||
```
|
||
|
||
2. **在.env中启用**:
|
||
```env
|
||
MONGODB_ENABLED=true
|
||
```
|
||
|
||
3. **配置选项**:
|
||
```python
|
||
mongodb_config = {
|
||
"host": "localhost",
|
||
"port": 27018,
|
||
"database": "tradingagents",
|
||
"username": "admin",
|
||
"password": "your_password"
|
||
}
|
||
```
|
||
|
||
#### 📁 Redis配置
|
||
**作用**: 高性能缓存
|
||
|
||
**设置步骤**:
|
||
1. **启动Redis**:
|
||
```bash
|
||
docker run -d -p 6379:6379 --name redis redis
|
||
```
|
||
|
||
2. **在.env中启用**:
|
||
```env
|
||
REDIS_ENABLED=true
|
||
```
|
||
|
||
3. **配置选项**:
|
||
```python
|
||
redis_config = {
|
||
"host": "localhost",
|
||
"port": 6380,
|
||
"password": "your_password",
|
||
"db": 0
|
||
}
|
||
```
|
||
|
||
### 4. LLM提供商配置
|
||
|
||
#### 📁 百炼(DashScope)配置
|
||
**作用**: 中文优化的LLM提供商
|
||
|
||
**支持的模型**:
|
||
- `qwen-turbo`: 快速响应，适合快速任务
|
||
- `qwen-plus`: 平衡性能和成本（推荐）
|
||
- `qwen-max`: 复杂分析的最佳性能
|
||
- `qwen-max-longcontext`: 超长上下文支持
|
||
|
||
**配置示例**:
|
||
```python
|
||
dashscope_config = {
|
||
"llm_provider": "dashscope",
|
||
"deep_think_llm": "qwen-plus",
|
||
"quick_think_llm": "qwen-turbo",
|
||
"backend_url": "https://dashscope.aliyuncs.com/api/v1"
|
||
}
|
||
```
|
||
|
||
**API密钥设置**:
|
||
1. 访问: https://dashscope.aliyun.com/
|
||
2. 注册阿里云账号
|
||
3. 开通百炼服务
|
||
4. 获取API密钥
|
||
5. 在.env中设置: `DASHSCOPE_API_KEY=your_key`
|
||
|
||
#### 📁 多LLM回退配置
|
||
**作用**: LLM提供商之间的智能回退
|
||
|
||
**回退优先级**:
|
||
1. 主要: 百炼（如果配置）
|
||
2. 次要: OpenAI（如果配置）
|
||
3. 第三: Google AI（如果配置）
|
||
4. 回退: Anthropic（如果配置）
|
||
|
||
**配置**:
|
||
```python
|
||
fallback_config = {
|
||
"primary_provider": "dashscope",
|
||
"fallback_providers": ["openai", "google", "anthropic"],
|
||
"auto_fallback": True,
|
||
"retry_attempts": 3
|
||
}
|
||
```
|
||
|
||
## 🤖 智能体提示词修改指南
|
||
|
||
### 1. 分析师提示词
|
||
|
||
#### 📁 市场分析师 (`tradingagents/agents/analysts/market_analyst.py`)
|
||
|
||
**位置**: 第24-50行的 `system_message` 变量
|
||
|
||
**当前提示词**:
|
||
```python
|
||
system_message = (
|
||
"""You are a trading assistant tasked with analyzing financial markets.
|
||
Your role is to select the **most relevant indicators** for a given market
|
||
condition or trading strategy from the following list..."""
|
||
)
|
||
```
|
||
|
||
**修改示例**:
|
||
```python
|
||
system_message = (
|
||
"""您是一位专业的市场分析师，专门分析金融市场。您的任务是从以下指标列表中
|
||
选择最相关的指标，为特定的市场条件或交易策略提供分析。目标是选择最多8个
|
||
提供互补信息且无冗余的指标..."""
|
||
)
|
||
```
|
||
|
||
#### 📁 基本面分析师 (`tradingagents/agents/analysts/fundamentals_analyst.py`)
|
||
|
||
**位置**: 第23-26行的 `system_message` 变量
|
||
|
||
**修改要点**:
|
||
- 分析深度要求
|
||
- 报告格式要求
|
||
- 关注的财务指标
|
||
|
||
#### 📁 新闻分析师 (`tradingagents/agents/analysts/news_analyst.py`)
|
||
|
||
**位置**: 第20-23行的 `system_message` 变量
|
||
|
||
**修改要点**:
|
||
- 新闻来源偏好
|
||
- 分析时间范围
|
||
- 关注的新闻类型
|
||
|
||
#### 📁 社交媒体分析师 (`tradingagents/agents/analysts/social_media_analyst.py`)
|
||
|
||
**位置**: 第19-22行的 `system_message` 变量
|
||
|
||
**修改要点**:
|
||
- 情感分析深度
|
||
- 社交媒体平台偏好
|
||
- 情感权重设置
|
||
|
||
### 2. 研究员提示词
|
||
|
||
#### 📁 多头研究员 (`tradingagents/agents/researchers/bull_researcher.py`)
|
||
|
||
**位置**: 第25-43行的 `prompt` 变量
|
||
|
||
**当前提示词结构**:
|
||
```python
|
||
prompt = f"""You are a Bull Analyst advocating for investing in the stock.
|
||
|
||
Key points to focus on:
|
||
- Growth Potential: 突出公司的市场机会、收入预测和可扩展性
|
||
- Competitive Advantages: 强调独特产品、强势品牌或主导市场地位
|
||
- Positive Indicators: 使用财务健康、行业趋势和最新正面新闻作为证据
|
||
- Bear Counterpoints: 用具体数据和合理推理批判性分析空头论点
|
||
"""
|
||
```
|
||
|
||
**修改建议**:
|
||
- 调整分析重点
|
||
- 修改论证策略
|
||
- 自定义反驳逻辑
|
||
|
||
#### 📁 空头研究员 (`tradingagents/agents/researchers/bear_researcher.py`)
|
||
|
||
**修改要点**:
|
||
- 风险识别重点
|
||
- 悲观情景分析
|
||
- 反驳多头论点的策略
|
||
|
||
### 3. 交易员提示词
|
||
|
||
#### 📁 交易员 (`tradingagents/agents/trader/trader.py`)
|
||
|
||
**位置**: 第30-36行的 `messages` 数组中的system消息
|
||
|
||
**当前提示词**:
|
||
```python
|
||
{
|
||
"role": "system",
|
||
"content": f"""You are a trading agent analyzing market data to make
|
||
investment decisions. Based on your analysis, provide a specific
|
||
recommendation to buy, sell, or hold. End with a firm decision and
|
||
always conclude your response with 'FINAL TRANSACTION PROPOSAL:
|
||
**BUY/HOLD/SELL**' to confirm your recommendation.""",
|
||
}
|
||
```
|
||
|
||
**修改示例**:
|
||
```python
|
||
{
|
||
"role": "system",
|
||
"content": f"""您是一位专业的交易智能体，负责分析市场数据并做出投资决策。
|
||
基于您的分析，请提供具体的买入、卖出或持有建议。
|
||
|
||
决策要求：
|
||
1. 提供详细的分析理由
|
||
2. 考虑风险管理
|
||
3. 必须以'最终交易建议: **买入/持有/卖出**'结束
|
||
|
||
过往经验教训：{past_memory_str}""",
|
||
}
|
||
```
|
||
|
||
### 4. 风险管理提示词
|
||
|
||
#### 📁 保守派辩论者 (`tradingagents/agents/risk_mgmt/conservative_debator.py`)
|
||
#### 📁 激进派辩论者 (`tradingagents/agents/risk_mgmt/aggresive_debator.py`)
|
||
#### 📁 中性派辩论者 (`tradingagents/agents/risk_mgmt/neutral_debator.py`)
|
||
|
||
**修改要点**:
|
||
- 风险容忍度设置
|
||
- 辩论风格调整
|
||
- 决策权重分配
|
||
|
||
### 5. 反思系统提示词
|
||
|
||
#### 📁 反思系统 (`tradingagents/graph/reflection.py`)
|
||
|
||
**位置**: 第15-47行的 `_get_reflection_prompt` 方法
|
||
|
||
**当前提示词结构**:
|
||
```python
|
||
return """
|
||
You are an expert financial analyst tasked with reviewing trading
|
||
decisions/analysis and providing a comprehensive, step-by-step analysis.
|
||
|
||
1. Reasoning: 分析每个交易决策是否正确
|
||
2. Improvement: 对错误决策提出修正建议
|
||
3. Summary: 总结成功和失败的经验教训
|
||
4. Query: 将关键洞察提取为简洁的句子
|
||
"""
|
||
```
|
||
|
||
## 🎯 提示词修改最佳实践
|
||
|
||
### 1. 修改前的准备工作
|
||
|
||
1. **备份原文件**:
|
||
```bash
|
||
cp tradingagents/agents/trader/trader.py tradingagents/agents/trader/trader.py.backup
|
||
```
|
||
|
||
2. **了解智能体角色**: 确保修改符合智能体的预期功能
|
||
|
||
3. **测试环境准备**: 在测试环境中验证修改效果
|
||
|
||
### 2. 提示词修改技巧
|
||
|
||
#### 🔍 **结构化提示词**
|
||
```python
|
||
system_message = f"""
|
||
角色定义：您是一位{role_name}
|
||
|
||
主要任务：
|
||
1. {task_1}
|
||
2. {task_2}
|
||
3. {task_3}
|
||
|
||
分析要求：
|
||
- 深度：{analysis_depth}
|
||
- 格式：{output_format}
|
||
- 重点：{focus_areas}
|
||
|
||
输出格式：
|
||
{output_template}
|
||
|
||
注意事项：
|
||
- {constraint_1}
|
||
- {constraint_2}
|
||
"""
|
||
```
|
||
|
||
#### 🌐 **多语言支持**
|
||
```python
|
||
# 中文提示词示例
|
||
system_message_cn = """
|
||
您是一位专业的股票分析师，具有以下特点：
|
||
|
||
专业领域：
|
||
- 技术分析：均线、MACD、RSI等指标分析
|
||
- 基本面分析：财务报表、行业趋势、公司治理
|
||
- 市场情绪：新闻分析、社交媒体情绪、投资者行为
|
||
|
||
分析框架：
|
||
1. 数据收集：获取相关市场数据
|
||
2. 指标计算：计算技术和基本面指标
|
||
3. 趋势识别：识别短期和长期趋势
|
||
4. 风险评估：评估潜在风险和机会
|
||
5. 投资建议：提供明确的买入/持有/卖出建议
|
||
|
||
输出要求：
|
||
- 使用中文进行分析
|
||
- 提供详细的分析理由
|
||
- 包含风险提示
|
||
- 以表格形式总结关键指标
|
||
"""
|
||
```
|
||
|
||
#### ⚙️ **参数化提示词**
|
||
```python
|
||
def create_analyst_prompt(
|
||
role="市场分析师",
|
||
analysis_depth="详细",
|
||
time_horizon="1周",
|
||
risk_tolerance="中等",
|
||
output_language="中文"
|
||
):
|
||
return f"""
|
||
您是一位专业的{role}，请根据以下参数进行分析：
|
||
|
||
分析深度：{analysis_depth}
|
||
时间范围：{time_horizon}
|
||
风险偏好：{risk_tolerance}
|
||
输出语言：{output_language}
|
||
|
||
请基于这些参数提供相应的市场分析和投资建议。
|
||
"""
|
||
```
|
||
|
||
### 3. 常见修改场景
|
||
|
||
#### 📈 **调整分析重点**
|
||
```python
|
||
# 原始：通用市场分析
|
||
system_message = "分析整体市场趋势..."
|
||
|
||
# 修改：专注特定行业
|
||
system_message = "专门分析科技股市场趋势，重点关注AI、半导体、云计算行业..."
|
||
```
|
||
|
||
#### 🎯 **修改决策风格**
|
||
```python
|
||
# 原始：保守型
|
||
"provide conservative investment recommendations..."
|
||
|
||
# 修改：激进型
|
||
"provide aggressive growth-oriented investment recommendations with higher risk tolerance..."
|
||
```
|
||
|
||
#### 🌍 **本地化适配**
|
||
```python
|
||
# 原始：美股市场
|
||
"analyze US stock market trends..."
|
||
|
||
# 修改：A股市场
|
||
"分析中国A股市场趋势，考虑中国特色的市场因素，如政策影响、国企改革、科创板等..."
|
||
```
|
||
|
||
## 🔧 新增配置项
|
||
|
||
### 1. 缓存配置 (`tradingagents/dataflows/cache_manager.py`)
|
||
|
||
```python
|
||
# 在cache_manager.py中添加新的缓存配置
|
||
self.cache_config = {
|
||
'us_stock_data': {
|
||
'ttl_hours': 2, # 美股数据缓存2小时
|
||
'description': '美股历史数据'
|
||
},
|
||
'china_stock_data': {
|
||
'ttl_hours': 1, # A股数据缓存1小时
|
||
'description': 'A股历史数据'
|
||
},
|
||
# 添加新的缓存类型
|
||
'crypto_data': {
|
||
'ttl_hours': 0.5, # 加密货币数据缓存30分钟
|
||
'description': '加密货币数据'
|
||
}
|
||
}
|
||
```
|
||
|
||
### 2. API配置
|
||
|
||
```python
|
||
# 在default_config.py中添加新的API配置
|
||
DEFAULT_CONFIG = {
|
||
# 现有配置...
|
||
|
||
# 新增API配置
|
||
"api_keys": {
|
||
"finnhub": "your_finnhub_api_key",
|
||
"alpha_vantage": "your_alpha_vantage_key",
|
||
"polygon": "your_polygon_key"
|
||
},
|
||
|
||
# API限制配置
|
||
"api_limits": {
|
||
"finnhub_calls_per_minute": 60,
|
||
"alpha_vantage_calls_per_minute": 5,
|
||
"polygon_calls_per_minute": 100
|
||
}
|
||
}
|
||
```
|
||
|
||
## 🚀 快速开始示例
|
||
|
||
### 1. 切换到Google模型
|
||
|
||
```python
|
||
# 编辑 main.py
|
||
config = DEFAULT_CONFIG.copy()
|
||
config["llm_provider"] = "google"
|
||
config["backend_url"] = "https://generativelanguage.googleapis.com/v1"
|
||
config["deep_think_llm"] = "gemini-2.0-flash"
|
||
config["quick_think_llm"] = "gemini-2.0-flash"
|
||
```
|
||
|
||
#### 🚀 支持的Google模型
|
||
|
||
**快速思考模型（快速分析）**：
|
||
- `gemini-2.0-flash-lite` - 成本效率和低延迟
|
||
- `gemini-2.0-flash` - 下一代功能、速度和思考能力 ⭐ **推荐**
|
||
- `gemini-2.5-flash-preview-05-20` - 自适应思考、成本效率
|
||
|
||
**深度思考模型（复杂分析）**：
|
||
- `gemini-2.0-flash-lite` - 成本效率和低延迟
|
||
- `gemini-2.0-flash` - 下一代功能、速度和思考能力 ⭐ **当前默认**
|
||
- `gemini-2.5-flash-preview-05-20` - 自适应思考、成本效率
|
||
- `gemini-2.5-pro-preview-06-05` - 专业级性能
|
||
|
||
#### 🔑 Google API密钥设置
|
||
|
||
**方法1: 环境变量（推荐）**
|
||
```bash
|
||
export GOOGLE_API_KEY="your_google_api_key_here"
|
||
```
|
||
|
||
**方法2: 代码中设置**
|
||
```python
|
||
import os
|
||
os.environ["GOOGLE_API_KEY"] = "your_google_api_key_here"
|
||
```
|
||
|
||
**方法3: .env文件**
|
||
```
|
||
# 在项目根目录创建.env文件
|
||
GOOGLE_API_KEY=your_google_api_key_here
|
||
```
|
||
|
||
#### 📋 模型选择示例
|
||
|
||
**高性能配置**：
|
||
```python
|
||
config["deep_think_llm"] = "gemini-2.5-pro-preview-06-05" # 最佳推理能力
|
||
config["quick_think_llm"] = "gemini-2.0-flash" # 快速响应
|
||
```
|
||
|
||
**成本优化配置**：
|
||
```python
|
||
config["deep_think_llm"] = "gemini-2.0-flash-lite" # 经济实惠
|
||
config["quick_think_llm"] = "gemini-2.0-flash-lite" # 经济实惠
|
||
```
|
||
|
||
**平衡配置（当前默认）**：
|
||
```python
|
||
config["deep_think_llm"] = "gemini-2.0-flash" # 良好性能
|
||
config["quick_think_llm"] = "gemini-2.0-flash" # 良好速度
|
||
```
|
||
|
||
### 2. 修改为中文分析师
|
||
|
||
```python
|
||
# 编辑 tradingagents/agents/analysts/market_analyst.py
|
||
system_message = (
|
||
"""您是一位专业的中文市场分析师，专门分析中国A股和美股市场。
|
||
|
||
您的主要任务：
|
||
1. 选择最相关的技术指标（最多8个）
|
||
2. 提供详细的中文市场分析
|
||
3. 考虑中国特色的市场因素
|
||
|
||
技术指标类别：
|
||
|
||
移动平均线：
|
||
- close_50_sma: 50日简单移动平均线，中期趋势指标
|
||
- close_200_sma: 200日简单移动平均线，长期趋势基准
|
||
- close_10_ema: 10日指数移动平均线，短期趋势响应
|
||
|
||
请用中文提供详细且细致的趋势分析，避免简单地说"趋势混合"。
|
||
在报告末尾添加Markdown表格来组织关键要点。"""
|
||
)
|
||
```
|
||
|
||
### 2. 添加风险控制
|
||
|
||
```python
|
||
# 编辑 tradingagents/agents/trader/trader.py
|
||
messages = [
|
||
{
|
||
"role": "system",
|
||
"content": f"""您是一位专业的交易智能体，具有严格的风险控制意识。
|
||
|
||
交易原则：
|
||
1. 风险第一，收益第二
|
||
2. 严格止损，保护本金
|
||
3. 分散投资，降低风险
|
||
4. 基于数据，理性决策
|
||
|
||
决策流程：
|
||
1. 分析市场趋势和技术指标
|
||
2. 评估基本面和新闻影响
|
||
3. 计算风险收益比
|
||
4. 设定止损和止盈点
|
||
5. 做出最终交易决策
|
||
|
||
输出要求：
|
||
- 必须包含风险评估
|
||
- 必须设定止损点
|
||
- 必须以'最终交易建议: **买入/持有/卖出**'结束
|
||
|
||
历史经验：{past_memory_str}""",
|
||
},
|
||
context,
|
||
]
|
||
```
|
||
|
||
## 📝 注意事项
|
||
|
||
1. **备份重要**: 修改前务必备份原文件
|
||
2. **测试验证**: 在测试环境中验证修改效果
|
||
3. **版本控制**: 使用Git管理配置变更
|
||
4. **文档更新**: 及时更新相关文档
|
||
5. **团队协作**: 与团队成员同步配置变更
|
||
|
||
## 🔗 相关文件快速索引
|
||
|
||
| 功能 | 文件路径 | 说明 |
|
||
|------|----------|------|
|
||
| 主配置 | `tradingagents/default_config.py` | 系统默认配置 |
|
||
| 运行配置 | `main.py` | 运行时配置覆盖 |
|
||
| 动态配置 | `tradingagents/dataflows/config.py` | 配置管理接口 |
|
||
| 市场分析师 | `tradingagents/agents/analysts/market_analyst.py` | 技术分析提示词 |
|
||
| 基本面分析师 | `tradingagents/agents/analysts/fundamentals_analyst.py` | 基本面分析提示词 |
|
||
| 新闻分析师 | `tradingagents/agents/analysts/news_analyst.py` | 新闻分析提示词 |
|
||
| 社媒分析师 | `tradingagents/agents/analysts/social_media_analyst.py` | 情感分析提示词 |
|
||
| 多头研究员 | `tradingagents/agents/researchers/bull_researcher.py` | 多头分析提示词 |
|
||
| 空头研究员 | `tradingagents/agents/researchers/bear_researcher.py` | 空头分析提示词 |
|
||
| 交易员 | `tradingagents/agents/trader/trader.py` | 交易决策提示词 |
|
||
| 反思系统 | `tradingagents/graph/reflection.py` | 反思分析提示词 |
|
||
| 缓存配置 | `tradingagents/dataflows/cache_manager.py` | 缓存管理配置 |
|
||
|
||
## 🛠️ 高级配置技巧
|
||
|
||
### 1. 环境变量配置
|
||
|
||
您可以通过环境变量来覆盖某些配置，而无需修改代码：
|
||
|
||
```bash
|
||
# 设置结果目录
|
||
export TRADINGAGENTS_RESULTS_DIR="/path/to/custom/results"
|
||
|
||
# 设置API密钥
|
||
export OPENAI_API_KEY="your_openai_api_key"
|
||
export GOOGLE_API_KEY="your_google_api_key"
|
||
export FINNHUB_API_KEY="your_finnhub_api_key"
|
||
```
|
||
|
||
### 2. 配置文件模板
|
||
|
||
创建 `config_template.py` 用于不同环境的配置：
|
||
|
||
```python
|
||
# config_template.py
|
||
DEVELOPMENT_CONFIG = {
|
||
"llm_provider": "openai",
|
||
"max_debate_rounds": 1,
|
||
"online_tools": False, # 开发环境使用离线工具
|
||
"debug": True
|
||
}
|
||
|
||
PRODUCTION_CONFIG = {
|
||
"llm_provider": "google",
|
||
"max_debate_rounds": 3,
|
||
"online_tools": True,
|
||
"debug": False
|
||
}
|
||
|
||
TESTING_CONFIG = {
|
||
"llm_provider": "mock", # 使用模拟LLM进行测试
|
||
"max_debate_rounds": 1,
|
||
"online_tools": False,
|
||
"debug": True
|
||
}
|
||
```
|
||
|
||
### 3. 动态提示词加载
|
||
|
||
创建外部提示词文件，便于管理：
|
||
|
||
```python
|
||
# prompts/market_analyst_prompts.py
|
||
MARKET_ANALYST_PROMPTS = {
|
||
"chinese": """您是一位专业的中文市场分析师...""",
|
||
"english": """You are a professional market analyst...""",
|
||
"conservative": """您是一位保守型市场分析师...""",
|
||
"aggressive": """您是一位激进型市场分析师..."""
|
||
}
|
||
|
||
# 在market_analyst.py中使用
|
||
from prompts.market_analyst_prompts import MARKET_ANALYST_PROMPTS
|
||
|
||
def create_market_analyst(llm, toolkit, style="chinese"):
|
||
system_message = MARKET_ANALYST_PROMPTS.get(style, MARKET_ANALYST_PROMPTS["english"])
|
||
# ... 其余代码
|
||
```
|
||
|
||
## 🔍 调试与测试
|
||
|
||
### 1. 提示词测试
|
||
|
||
创建测试脚本验证提示词效果：
|
||
|
||
```python
|
||
# tests/test_prompts.py
|
||
def test_market_analyst_prompt():
|
||
"""测试市场分析师提示词"""
|
||
from tradingagents.agents.analysts.market_analyst import create_market_analyst
|
||
|
||
# 创建模拟状态
|
||
test_state = {
|
||
"trade_date": "2024-01-15",
|
||
"company_of_interest": "AAPL",
|
||
"messages": []
|
||
}
|
||
|
||
# 测试分析师响应
|
||
analyst = create_market_analyst(mock_llm, mock_toolkit)
|
||
result = analyst(test_state)
|
||
|
||
# 验证输出格式
|
||
assert "market_report" in result
|
||
assert len(result["market_report"]) > 100
|
||
```
|
||
|
||
### 2. 配置验证
|
||
|
||
```python
|
||
# utils/config_validator.py
|
||
def validate_config(config):
|
||
"""验证配置的有效性"""
|
||
required_keys = [
|
||
"llm_provider", "deep_think_llm", "quick_think_llm",
|
||
"backend_url", "max_debate_rounds"
|
||
]
|
||
|
||
for key in required_keys:
|
||
if key not in config:
|
||
raise ValueError(f"Missing required config key: {key}")
|
||
|
||
if config["max_debate_rounds"] < 1:
|
||
raise ValueError("max_debate_rounds must be at least 1")
|
||
|
||
valid_providers = ["openai", "google", "anthropic"]
|
||
if config["llm_provider"] not in valid_providers:
|
||
raise ValueError(f"Invalid llm_provider: {config['llm_provider']}")
|
||
|
||
return True
|
||
```
|
||
|
||
## 📊 性能优化配置
|
||
|
||
### 1. 缓存优化
|
||
|
||
```python
|
||
# 在default_config.py中添加缓存优化配置
|
||
DEFAULT_CONFIG = {
|
||
# ... 现有配置
|
||
|
||
# 缓存优化配置
|
||
"cache_settings": {
|
||
"enable_cache": True,
|
||
"cache_size_limit_mb": 1000, # 缓存大小限制
|
||
"cache_cleanup_interval": 3600, # 清理间隔（秒）
|
||
"cache_compression": True, # 启用压缩
|
||
},
|
||
|
||
# 并发配置
|
||
"concurrency": {
|
||
"max_workers": 4, # 最大工作线程数
|
||
"api_rate_limit": 60, # API调用频率限制（每分钟）
|
||
"batch_size": 10, # 批处理大小
|
||
}
|
||
}
|
||
```
|
||
|
||
### 2. 内存管理
|
||
|
||
```python
|
||
# 在config.py中添加内存管理
|
||
def optimize_memory_usage():
|
||
"""优化内存使用"""
|
||
import gc
|
||
import psutil
|
||
|
||
# 获取当前内存使用
|
||
process = psutil.Process()
|
||
memory_mb = process.memory_info().rss / 1024 / 1024
|
||
|
||
# 如果内存使用超过阈值，触发垃圾回收
|
||
if memory_mb > 500: # 500MB阈值
|
||
gc.collect()
|
||
print(f"内存优化：从 {memory_mb:.1f}MB 优化到 {process.memory_info().rss / 1024 / 1024:.1f}MB")
|
||
```
|
||
|
||
## 🌐 国际化支持
|
||
|
||
### 1. 多语言提示词管理
|
||
|
||
```python
|
||
# i18n/prompts.py
|
||
PROMPTS = {
|
||
"zh-CN": {
|
||
"market_analyst": "您是一位专业的市场分析师...",
|
||
"trader": "您是一位专业的交易员...",
|
||
"bull_researcher": "您是一位看多的研究员..."
|
||
},
|
||
"en-US": {
|
||
"market_analyst": "You are a professional market analyst...",
|
||
"trader": "You are a professional trader...",
|
||
"bull_researcher": "You are a bull researcher..."
|
||
},
|
||
"ja-JP": {
|
||
"market_analyst": "あなたはプロの市場アナリストです...",
|
||
"trader": "あなたはプロのトレーダーです...",
|
||
"bull_researcher": "あなたは強気の研究者です..."
|
||
}
|
||
}
|
||
|
||
def get_prompt(role, language="zh-CN"):
|
||
"""获取指定语言的提示词"""
|
||
return PROMPTS.get(language, PROMPTS["en-US"]).get(role, "")
|
||
```
|
||
|
||
### 2. 区域化配置
|
||
|
||
```python
|
||
# 针对不同市场的配置
|
||
MARKET_CONFIGS = {
|
||
"US": {
|
||
"trading_hours": "09:30-16:00 EST",
|
||
"currency": "USD",
|
||
"major_indices": ["SPY", "QQQ", "DIA"],
|
||
"data_sources": ["yahoo", "finnhub", "alpha_vantage"]
|
||
},
|
||
"CN": {
|
||
"trading_hours": "09:30-15:00 CST",
|
||
"currency": "CNY",
|
||
"major_indices": ["000001", "399001", "399006"],
|
||
"data_sources": ["tushare", "akshare", "eastmoney"]
|
||
},
|
||
"JP": {
|
||
"trading_hours": "09:00-15:00 JST",
|
||
"currency": "JPY",
|
||
"major_indices": ["N225", "TOPX"],
|
||
"data_sources": ["yahoo_jp", "sbi"]
|
||
}
|
||
}
|
||
```
|
||
|
||
## 🚨 常见问题与解决方案
|
||
|
||
### 1. 配置问题
|
||
|
||
**问题**: 修改配置后不生效
|
||
**解决**:
|
||
```python
|
||
# 确保重新加载配置
|
||
from tradingagents.dataflows.config import reload_config
|
||
reload_config()
|
||
```
|
||
|
||
**问题**: API密钥配置错误
|
||
**解决**:
|
||
```python
|
||
# 验证API密钥
|
||
def validate_api_keys():
|
||
config = get_config()
|
||
if not config.get("openai_api_key"):
|
||
raise ValueError("OpenAI API key not configured")
|
||
|
||
# 测试API连接
|
||
try:
|
||
client = OpenAI(api_key=config["openai_api_key"])
|
||
client.models.list()
|
||
print("✅ OpenAI API连接成功")
|
||
except Exception as e:
|
||
print(f"❌ OpenAI API连接失败: {e}")
|
||
```
|
||
|
||
### 2. 提示词问题
|
||
|
||
**问题**: 提示词过长导致token超限
|
||
**解决**:
|
||
```python
|
||
def truncate_prompt(prompt, max_tokens=4000):
|
||
"""截断过长的提示词"""
|
||
# 简单的token估算（1 token ≈ 4 characters）
|
||
if len(prompt) > max_tokens * 4:
|
||
return prompt[:max_tokens * 4] + "..."
|
||
return prompt
|
||
```
|
||
|
||
**问题**: 中文提示词效果不佳
|
||
**解决**:
|
||
```python
|
||
# 优化中文提示词结构
|
||
def optimize_chinese_prompt(prompt):
|
||
"""优化中文提示词"""
|
||
# 添加角色强化
|
||
prompt = f"请严格按照以下角色要求执行：\n{prompt}"
|
||
|
||
# 添加输出格式要求
|
||
prompt += "\n\n请确保输出格式规范，使用中文回答。"
|
||
|
||
return prompt
|
||
```
|
||
|
||
## 📚 扩展阅读
|
||
|
||
- [LangChain提示词工程指南](https://python.langchain.com/docs/modules/model_io/prompts/)
|
||
- [OpenAI API最佳实践](https://platform.openai.com/docs/guides/prompt-engineering)
|
||
- [Google AI提示词优化](https://ai.google.dev/docs/prompt_best_practices)
|
||
|
||
通过本指南，您应该能够轻松地修改TradingAgents项目的配置和提示词，以满足您的特定需求。如有问题，请参考测试目录中的示例代码或联系开发团队。
|