609 lines
20 KiB
Python
609 lines
20 KiB
Python
# 匯入 questionary 套件，用於建立互動式命令列提示
|
||
import questionary
|
||
# 匯入類型提示，用於更清晰地定義函式簽名
|
||
from typing import List, Optional, Tuple, Dict
|
||
# 匯入 rich.console 用於美化輸出
|
||
from rich.console import Console
|
||
|
||
# 從 cli.models 模組匯入 AnalystType 列舉
|
||
from cli.models import AnalystType
|
||
|
||
# 初始化 console
|
||
console = Console()
|
||
|
||
# 定義分析師的順序和對應的類型
|
||
ANALYST_ORDER = [
|
||
("市場分析師", AnalystType.MARKET),
|
||
("社群媒體分析師", AnalystType.SOCIAL),
|
||
("新聞分析師", AnalystType.NEWS),
|
||
("基本面分析師", AnalystType.FUNDAMENTALS),
|
||
]
|
||
|
||
|
||
def get_ticker() -> str:
|
||
"""
|
||
提示使用者輸入股票代碼。
|
||
|
||
返回:
|
||
str: 使用者輸入的股票代碼，已轉換為大寫並去除頭尾空格。
|
||
"""
|
||
ticker = questionary.text(
|
||
"請輸入要分析的股票代碼：",
|
||
# 驗證輸入是否為空
|
||
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的股票代碼。",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有輸入，則退出程式
|
||
if not ticker:
|
||
console.print("\n[red]未提供股票代碼。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 返回處理過的股票代碼
|
||
return ticker.strip().upper()
|
||
|
||
|
||
def get_analysis_date() -> str:
|
||
"""
|
||
提示使用者輸入 YYYY-MM-DD 格式的日期。
|
||
|
||
返回:
|
||
str: 使用者輸入的日期字串。
|
||
"""
|
||
import re
|
||
from datetime import datetime
|
||
|
||
def validate_date(date_str: str) -> bool:
|
||
"""驗證日期字串是否為 YYYY-MM-DD 格式"""
|
||
# 使用正規表示式檢查格式
|
||
if not re.match(r"^\d{4}-\d{2}-\d{2}$", date_str):
|
||
return False
|
||
try:
|
||
# 嘗試將字串解析為日期物件
|
||
datetime.strptime(date_str, "%Y-%m-%d")
|
||
return True
|
||
except ValueError:
|
||
return False
|
||
|
||
date = questionary.text(
|
||
"請輸入分析日期 (YYYY-MM-DD)：",
|
||
# 驗證日期格式是否正確
|
||
validate=lambda x: validate_date(x.strip())
|
||
or "請輸入有效的 YYYY-MM-DD 格式日期。",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有輸入，則退出程式
|
||
if not date:
|
||
console.print("\n[red]未提供日期。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 返回處理過的日期字串
|
||
return date.strip()
|
||
|
||
|
||
def select_analysts() -> List[AnalystType]:
|
||
"""
|
||
使用互動式核取方塊選擇分析師。
|
||
|
||
返回:
|
||
List[AnalystType]: 使用者選擇的分析師類型列表。
|
||
"""
|
||
choices = questionary.checkbox(
|
||
"選擇您的 [分析師團隊]：",
|
||
# 設定可選項
|
||
choices=[
|
||
questionary.Choice(display, value=value) for display, value in ANALYST_ORDER
|
||
],
|
||
# 提供操作說明
|
||
instruction="\n- 按下空白鍵選擇/取消選擇分析師\n- 按下 'a' 鍵選擇/取消選擇所有\n- 完成後按下 Enter 鍵",
|
||
# 驗證至少選擇一位分析師
|
||
validate=lambda x: len(x) > 0 or "您必須至少選擇一位分析師。",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("checkbox-selected", "fg:green"),
|
||
("selected", "fg:green noinherit"),
|
||
("highlighted", "noinherit"),
|
||
("pointer", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有選擇，則退出程式
|
||
if not choices:
|
||
console.print("\n[red]未選擇任何分析師。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 返回選擇的分析師列表
|
||
return choices
|
||
|
||
|
||
def select_research_depth() -> int:
|
||
"""
|
||
使用互動式選單選擇研究深度。
|
||
|
||
返回:
|
||
int: 代表研究深度的整數。
|
||
"""
|
||
|
||
# 定義研究深度的選項及其對應值
|
||
DEPTH_OPTIONS = [
|
||
("淺層 - 快速研究，較少的辯論和策略討論", 1),
|
||
("中等 - 中等程度，適度的辯論和策略討論", 3),
|
||
("深層 - 全面研究，深入的辯論和策略討論", 5),
|
||
]
|
||
|
||
choice = questionary.select(
|
||
"選擇您的 [研究深度]：",
|
||
# 設定可選項
|
||
choices=[
|
||
questionary.Choice(display, value=value) for display, value in DEPTH_OPTIONS
|
||
],
|
||
# 提供操作說明
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:yellow noinherit"),
|
||
("highlighted", "fg:yellow noinherit"),
|
||
("pointer", "fg:yellow noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有選擇，則退出程式
|
||
if choice is None:
|
||
console.print("\n[red]未選擇研究深度。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 返回選擇的研究深度
|
||
return choice
|
||
|
||
|
||
def select_shallow_thinking_agent(provider=None) -> str:
|
||
"""
|
||
使用互動式選單選擇淺層思維的 LLM 引擎。
|
||
|
||
參數:
|
||
provider (str, optional): LLM 供應商的名稱（已廢棄，不再使用）。
|
||
|
||
返回:
|
||
str: 選擇的 LLM 模型的名稱。
|
||
"""
|
||
|
||
# 定義不同供應商的淺層思維 LLM 引擎選項
|
||
SHALLOW_AGENT_OPTIONS = {
|
||
"OpenAI": [
|
||
("GPT-5.1", "gpt-5.1-2025-11-13"),
|
||
("GPT-5-mini","gpt-5-mini-2025-08-07"),
|
||
("GPT-5-nano","gpt-5-nano-2025-08-07"),
|
||
("GPT-4.1-mini", "gpt-4.1-mini"),
|
||
("GPT-4.1-nano", "gpt-4.1-nano"),
|
||
("o4-mini", "o4-mini-2025-04-16"),
|
||
],
|
||
"Anthropic": [
|
||
("Claude Haiku 4.5", "claude-haiku-4-5"),
|
||
("Claude Sonnet 4.5", "claude-sonnet-4-5"),
|
||
("Claude Sonnet 4", "claude-sonnet-4-0"),
|
||
("Claude Haiku 3.5", "claude-3-5-haiku-20241022"),
|
||
("Claude Haiku 3", "claude-3-haiku-20240307"),
|
||
],
|
||
"Google": [
|
||
("Gemini 2.5 Pro", "gemini-2.5-pro"),
|
||
("Gemini 2.5 Flash", "gemini-2.5-flash"),
|
||
("Gemini 2.5 Flash Lite", "gemini-2.5-flash-lite"),
|
||
("Gemini 2.0 Flash", "gemini-2.0-flash"),
|
||
("Gemini 2.0 Flash-Lite", "gemini-2.0-flash-lite"),
|
||
],
|
||
"Grok":[
|
||
("Grok 4.1 Fast Reasoning","grok-4-1-fast-reasoning"),
|
||
("Grok 4.1 Fast Non Reasoning","grok-4-1-fast-non-reasoning"),
|
||
("Grok 4 Fast Reasoning","grok-4-fast-reasoning"),
|
||
("Grok 4 Fast Non Reasoning","grok-4-fast-non-reasoning"),
|
||
("Grok 4","grok-4-0709"),
|
||
("Grok 3","grok-3"),
|
||
("Grok 3 Mini","grok-3-mini"),
|
||
],
|
||
"DeepSeek": [
|
||
("DeepSeek Reasoner","deepseek-reasoner"),
|
||
("DeepSeek Chat","deepseek-chat"),
|
||
],
|
||
"Qwen":[
|
||
("Qwen 3 Max", "qwen3-max"),
|
||
("Qwen Plus", "qwen-plus"),
|
||
("Qwen Flash", "qwen-flash"),
|
||
]
|
||
}
|
||
|
||
# 第一步：選擇供應商
|
||
provider_choice = questionary.select(
|
||
"選擇 [快速思維] 模型供應商：",
|
||
choices=[
|
||
questionary.Choice(provider_name, value=provider_name)
|
||
for provider_name in SHALLOW_AGENT_OPTIONS.keys()
|
||
],
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:cyan noinherit"),
|
||
("highlighted", "fg:cyan noinherit"),
|
||
("pointer", "fg:cyan noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if provider_choice is None:
|
||
console.print("\n[red]未選擇供應商。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 第二步：根據選擇的供應商顯示模型列表
|
||
model_choice = questionary.select(
|
||
f"選擇 [{provider_choice}] 的快速思維模型：",
|
||
choices=[
|
||
questionary.Choice(display, value=value)
|
||
for display, value in SHALLOW_AGENT_OPTIONS[provider_choice]
|
||
],
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:magenta noinherit"),
|
||
("highlighted", "fg:magenta noinherit"),
|
||
("pointer", "fg:magenta noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if model_choice is None:
|
||
console.print(
|
||
"\n[red]未選擇快速思維 LLM 引擎。正在結束程式...[/red]"
|
||
)
|
||
exit(1)
|
||
|
||
# 如果選擇自訂，提示輸入模型名稱
|
||
if model_choice == "custom":
|
||
model_name = questionary.text(
|
||
"請輸入快速思維 LLM 模型名稱：",
|
||
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的模型名稱。",
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if not model_name:
|
||
console.print(
|
||
"\n[red]未提供模型名稱。正在結束程式...[/red]"
|
||
)
|
||
exit(1)
|
||
|
||
return model_name.strip()
|
||
|
||
# 返回選擇的 LLM 模型
|
||
return model_choice
|
||
|
||
|
||
def select_deep_thinking_agent(provider=None) -> str:
|
||
"""
|
||
使用互動式選單選擇深層思維的 LLM 引擎。
|
||
|
||
參數:
|
||
provider (str, optional): LLM 供應商的名稱（已廢棄，不再使用）。
|
||
|
||
返回:
|
||
str: 選擇的 LLM 模型的名稱。
|
||
"""
|
||
|
||
# 定義不同供應商的深層思維 LLM 引擎選項
|
||
DEEP_AGENT_OPTIONS = {
|
||
"OpenAI": [
|
||
("GPT-5.1", "gpt-5.1-2025-11-13"),
|
||
("GPT-5-mini","gpt-5-mini-2025-08-07"),
|
||
("GPT-5-nano","gpt-5-nano-2025-08-07"),
|
||
("GPT-4.1-mini", "gpt-4.1-mini"),
|
||
("GPT-4.1-nano", "gpt-4.1-nano"),
|
||
("o4-mini", "o4-mini-2025-04-16"),
|
||
],
|
||
"Anthropic": [
|
||
("Claude Haiku 4.5", "claude-haiku-4-5"),
|
||
("Claude Sonnet 4.5", "claude-sonnet-4-5"),
|
||
("Claude Sonnet 4", "claude-sonnet-4-0"),
|
||
("Claude Haiku 3.5", "claude-3-5-haiku-20241022"),
|
||
("Claude Haiku 3", "claude-3-haiku-20240307"),
|
||
],
|
||
"Google": [
|
||
("Gemini 2.5 Pro", "gemini-2.5-pro"),
|
||
("Gemini 2.5 Flash", "gemini-2.5-flash"),
|
||
("Gemini 2.5 Flash Lite", "gemini-2.5-flash-lite"),
|
||
("Gemini 2.0 Flash", "gemini-2.0-flash"),
|
||
("Gemini 2.0 Flash-Lite", "gemini-2.0-flash-lite"),
|
||
],
|
||
"Grok":[
|
||
("Grok 4.1 Fast Reasoning","grok-4-1-fast-reasoning"),
|
||
("Grok 4.1 Fast Non Reasoning","grok-4-1-fast-non-reasoning"),
|
||
("Grok 4 Fast Reasoning","grok-4-fast-reasoning"),
|
||
("Grok 4 Fast Non Reasoning","grok-4-fast-non-reasoning"),
|
||
("Grok 4","grok-4-0709"),
|
||
("Grok 3","grok-3"),
|
||
("Grok 3 Mini","grok-3-mini"),
|
||
],
|
||
"DeepSeek":[
|
||
("DeepSeek Reasoner","deepseek-reasoner"),
|
||
("DeepSeek Chat","deepseek-chat"),
|
||
],
|
||
"Qwen":[
|
||
("Qwen 3 Max", "qwen3-max"),
|
||
("Qwen Plus", "qwen-plus"),
|
||
("Qwen Flash", "qwen-flash"),
|
||
]
|
||
}
|
||
|
||
# 第一步：選擇供應商
|
||
provider_choice = questionary.select(
|
||
"選擇 [深度思維] 模型供應商：",
|
||
choices=[
|
||
questionary.Choice(provider_name, value=provider_name)
|
||
for provider_name in DEEP_AGENT_OPTIONS.keys()
|
||
],
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:cyan noinherit"),
|
||
("highlighted", "fg:cyan noinherit"),
|
||
("pointer", "fg:cyan noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if provider_choice is None:
|
||
console.print("\n[red]未選擇供應商。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 第二步：根據選擇的供應商顯示模型列表
|
||
model_choice = questionary.select(
|
||
f"選擇 [{provider_choice}] 的深度思維模型：",
|
||
choices=[
|
||
questionary.Choice(display, value=value)
|
||
for display, value in DEEP_AGENT_OPTIONS[provider_choice]
|
||
],
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:magenta noinherit"),
|
||
("highlighted", "fg:magenta noinherit"),
|
||
("pointer", "fg:magenta noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if model_choice is None:
|
||
console.print("\n[red]未選擇深度思維 LLM 引擎。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 如果選擇自訂，提示輸入模型名稱
|
||
if model_choice == "custom":
|
||
model_name = questionary.text(
|
||
"請輸入深度思維 LLM 模型名稱：",
|
||
validate=lambda x: len(x.strip()) > 0 or "請輸入有效的模型名稱。",
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
if not model_name:
|
||
console.print(
|
||
"\n[red]未提供模型名稱。正在結束程式...[/red]"
|
||
)
|
||
exit(1)
|
||
|
||
return model_name.strip()
|
||
|
||
# 返回選擇的 LLM 模型
|
||
return model_choice
|
||
|
||
def select_llm_provider() -> tuple[str, str]:
|
||
"""
|
||
使用互動式選單選擇 LLM 供應商。
|
||
|
||
返回:
|
||
tuple[str, str]: 包含供應商顯示名稱和 API 基礎 URL 的元組。
|
||
"""
|
||
# 定義 LLM 供應商及其 API 基礎 URL
|
||
BASE_URLS = [
|
||
("OpenAI", "https://api.openai.com/v1"),
|
||
("Anthropic", "https://api.anthropic.com"),
|
||
("Google", "https://generativelanguage.googleapis.com/v1beta/openai"),
|
||
("Grok", "https://api.x.ai/v1"),
|
||
("DeepSeek", "https://api.deepseek.com/v1"),
|
||
("Qwen", "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"),
|
||
("自訂 URL", "custom") # 新增自訂 URL 選項
|
||
]
|
||
|
||
choice = questionary.select(
|
||
"選擇您的 LLM 供應商：",
|
||
# 設定可選項
|
||
choices=[
|
||
questionary.Choice(display, value=(display, value))
|
||
for display, value in BASE_URLS
|
||
],
|
||
# 提供操作說明
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:magenta noinherit"),
|
||
("highlighted", "fg:magenta noinherit"),
|
||
("pointer", "fg:magenta noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有選擇，則退出程式
|
||
if choice is None:
|
||
console.print("\n[red]未選擇 LLM 後端。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 解構選擇的元組
|
||
display_name, url = choice
|
||
|
||
# 如果使用者選擇自訂 URL，提示輸入
|
||
if url == "custom":
|
||
custom_url = questionary.text(
|
||
"請輸入自訂的 Base URL：",
|
||
# 驗證 URL 格式
|
||
validate=lambda x: (x.strip().startswith("http://") or x.strip().startswith("https://"))
|
||
or "請輸入有效的 URL（必須以 http:// 或 https:// 開頭）",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有輸入，則退出程式
|
||
if not custom_url:
|
||
console.print("\n[red]未提供 Base URL。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
url = custom_url.strip()
|
||
display_name = "自訂供應商"
|
||
|
||
# 印出使用者的選擇
|
||
print(f"您選擇了：{display_name}\tURL: {url}")
|
||
|
||
# 返回供應商名稱和 URL
|
||
return display_name, url
|
||
|
||
|
||
def select_embedding_provider() -> tuple[str, str]:
|
||
"""
|
||
使用互動式選單選擇嵌入模型供應商。
|
||
|
||
返回:
|
||
tuple[str, str]: 包含供應商名稱和 API 基礎 URL 的元組。
|
||
"""
|
||
# 定義嵌入模型供應商（只有 OpenAI 和自訂）
|
||
EMBEDDING_PROVIDERS = [
|
||
("OpenAI", "https://api.openai.com/v1"),
|
||
("自訂 URL", "custom")
|
||
]
|
||
|
||
choice = questionary.select(
|
||
"選擇您的嵌入模型供應商：",
|
||
# 設定可選項
|
||
choices=[
|
||
questionary.Choice(display, value=(display, value))
|
||
for display, value in EMBEDDING_PROVIDERS
|
||
],
|
||
# 提供操作說明
|
||
instruction="\n- 使用方向鍵導覽\n- 按下 Enter 鍵選擇",
|
||
# 設定提示的樣式
|
||
style=questionary.Style(
|
||
[
|
||
("selected", "fg:cyan noinherit"),
|
||
("highlighted", "fg:cyan noinherit"),
|
||
("pointer", "fg:cyan noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有選擇，則退出程式
|
||
if choice is None:
|
||
console.print("\n[red]未選擇嵌入模型供應商。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
# 解構選擇的元組
|
||
display_name, url = choice
|
||
|
||
# 如果選擇自訂 URL，提示使用者輸入
|
||
if url == "custom":
|
||
custom_url = questionary.text(
|
||
"請輸入自訂的 Base URL：",
|
||
validate=lambda x: (x.startswith("http://") or x.startswith("https://")) or "URL 必須以 http:// 或 https:// 開頭",
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有輸入，則退出程式
|
||
if not custom_url:
|
||
console.print("\n[red]未提供 Base URL。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
url = custom_url.strip()
|
||
display_name = "自訂供應商"
|
||
|
||
# 印出使用者的選擇
|
||
print(f"您選擇了嵌入模型：{display_name}\tURL: {url}")
|
||
|
||
# 返回供應商名稱和 URL
|
||
return display_name, url
|
||
|
||
|
||
def get_api_key(model_type: str, default_key: Optional[str] = None) -> str:
|
||
"""
|
||
提示使用者輸入 API Key，如果留空則使用預設值。
|
||
|
||
參數:
|
||
model_type (str): 模型類型（例如：「快速思維」、「深度思維」、「嵌入模型」）
|
||
default_key (Optional[str]): 從 .env 文件讀取的預設 API Key
|
||
|
||
返回:
|
||
str: 使用者輸入的 API Key 或預設值
|
||
"""
|
||
import os
|
||
from rich.console import Console
|
||
|
||
console = Console()
|
||
|
||
# 顯示提示訊息
|
||
if default_key:
|
||
hint = f"[dim]（留空使用 .env 中的 API Key: {default_key[:10]}...{default_key[-4:]}）[/dim]"
|
||
else:
|
||
hint = "[dim]（必填）[/dim]"
|
||
|
||
console.print(f"\n[cyan]{model_type} API Key {hint}[/cyan]")
|
||
|
||
api_key = questionary.password(
|
||
f"請輸入 {model_type} 的 API Key：",
|
||
style=questionary.Style(
|
||
[
|
||
("text", "fg:green"),
|
||
("highlighted", "noinherit"),
|
||
]
|
||
),
|
||
).ask()
|
||
|
||
# 如果使用者沒有輸入，使用預設值
|
||
if not api_key or api_key.strip() == "":
|
||
if default_key:
|
||
console.print(f"[green]✓ 使用 .env 中的 API Key[/green]")
|
||
return default_key
|
||
else:
|
||
console.print(f"\n[red]未提供 {model_type} API Key。正在結束程式...[/red]")
|
||
exit(1)
|
||
|
||
console.print(f"[green]✓ API Key 已設定[/green]")
|
||
return api_key.strip() |