123 lines
5.3 KiB
Python
123 lines
5.3 KiB
Python
# -*- coding: utf-8 -*-
|
||
import time
|
||
import json
|
||
from tradingagents.agents.utils.output_filter import fix_common_llm_errors, validate_and_warn
|
||
|
||
|
||
def create_neutral_debator(llm):
|
||
"""
|
||
建立一個中立的風險辯論員節點。
|
||
|
||
這個節點在風險評估辯論中扮演中立派的角色。
|
||
其目標是提供一個平衡的視角，權衡交易員決策的潛在利益和風險。
|
||
它會挑戰過於樂觀或過於謹慎的觀點，並倡導一個溫和、可持續的策略。
|
||
|
||
Args:
|
||
llm: 用於生成回應的語言模型。
|
||
|
||
Returns:
|
||
function: 一個代表中立辯論員節點的函式，可在 langgraph 中使用。
|
||
"""
|
||
|
||
def neutral_node(state) -> dict:
|
||
"""
|
||
中立辯論員節點的執行函式。
|
||
|
||
Args:
|
||
state (dict): 當前的圖狀態。
|
||
|
||
Returns:
|
||
dict: 更新後的狀態，包含新的風險辯論狀態。
|
||
"""
|
||
# 從狀態中獲取風險辯論的相關資訊
|
||
risk_debate_state = state["risk_debate_state"]
|
||
history = risk_debate_state.get("history", "")
|
||
neutral_history = risk_debate_state.get("neutral_history", "")
|
||
|
||
# 獲取其他辯論者的最新回應
|
||
current_risky_response = risk_debate_state.get("current_risky_response", "")
|
||
current_safe_response = risk_debate_state.get("current_safe_response", "")
|
||
|
||
# 從狀態中獲取各類分析報告
|
||
market_research_report = state["market_report"]
|
||
sentiment_report = state["sentiment_report"]
|
||
news_report = state["news_report"]
|
||
fundamentals_report = state["fundamentals_report"]
|
||
|
||
# 獲取交易員的決策
|
||
trader_decision = state["trader_investment_plan"]
|
||
|
||
# 移除截斷邏輯以保留完整報告內容
|
||
|
||
# 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】
|
||
您是平衡型風險策略師，客觀評估風險與報酬，提供折衷方案。**您必須保持嚴格中立觀點，公正評估積極與保守雙方論點，找出雙方的合理性與盲點。**
|
||
|
||
【論證重點】
|
||
1. **平衡視角**：客觀權衡上檔機會與下檔風險，不偏不倚
|
||
2. **情境分析**：評估不同市場情境下的策略適用性，提供多種可能
|
||
3. **風險調整**：建議部位規模與風險對沖措施，平衡風險與報酬
|
||
4. **整合觀點**：**公正評估積極與保守派的論點，綜合雙方合理之處，指出雙方盲點**
|
||
5. **折衷方案**：提供兼顧機會與風控的平衡策略
|
||
|
||
【可用資訊】
|
||
- 交易員計畫：{trader_decision}
|
||
- 各類報告：{market_research_report}, {sentiment_report}, {news_report}, {fundamentals_report}
|
||
- 辯論歷史：{history}
|
||
- 對手觀點：{current_risky_response}, {current_safe_response}
|
||
|
||
【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. 核心觀點（150字以上）：清晰陳述平衡策略的理由與價值
|
||
2. 風險報酬評估（450-500字）：客觀分析損益比，綜合評估雙方論點
|
||
3. 評論雙方（100字以上）：**公正指出積極與保守派的合理與盲點，不偏袒任何一方**
|
||
4. 操作建議（100字以上）：具體的折衷方案，兼顧機會與風控
|
||
|
||
**撰寫原則**：
|
||
- **嚴格中立**：不偏向任何一方，客觀分析雙方論點
|
||
- **公正評估**：找出積極派的合理性與盲點、保守派的合理性與盲點
|
||
- 客觀中立，避免偏頗，但不迴避指出雙方問題
|
||
- 提供可執行的平衡策略，兼顧風險與報酬
|
||
- 強調風險管理與機會把握的平衡
|
||
|
||
**結尾提示**：
|
||
請在報告最後加上以下結尾：
|
||
「---
|
||
※ 本報告為平衡型風險策略分析，立場客觀中立。建議綜合三方觀點（積極、保守、平衡）後做出決策。投資需平衡風險與報酬，請謹慎評估。」
|
||
|
||
請提供專業且客觀的平衡策略分析。"""
|
||
|
||
# 呼叫 LLM 生成回應
|
||
response = llm.invoke(prompt)
|
||
|
||
# CRITICAL FIX: Apply output filtering
|
||
response.content = fix_common_llm_errors(response.content)
|
||
validate_and_warn(response.content, "Neutral_Debator")
|
||
|
||
# 格式化論點
|
||
argument = f"中立分析師：{response.content}"
|
||
|
||
# 更新風險辯論狀態
|
||
new_risk_debate_state = {
|
||
"history": history + "\n" + argument,
|
||
"risky_history": risk_debate_state.get("risky_history", ""),
|
||
"safe_history": risk_debate_state.get("safe_history", ""),
|
||
"neutral_history": neutral_history + "\n" + argument,
|
||
"latest_speaker": "Neutral", # 記錄最新的發言者
|
||
"current_risky_response": risk_debate_state.get(
|
||
"current_risky_response", ""
|
||
),
|
||
"current_safe_response": risk_debate_state.get("current_safe_response", ""),
|
||
"current_neutral_response": argument,
|
||
"count": risk_debate_state["count"] + 1,
|
||
}
|
||
|
||
return {"risk_debate_state": new_risk_debate_state}
|
||
|
||
return neutral_node |