AI 量化交易分析 Agent

基于 ReAct (Reasoning and Acting) 逻辑的智能量化分析系统。 Agent 自主调用 Skills 完成多维度市场分析，支持 CLI / Web UI 双模式。

---

🏗 项目架构

QuantAgent/
├── main.py                              # 入口：CLI 交互 / 单次分析 / Web UI
├── agent/
│   ├── __init__.py
│   ├── core.py                          # Agent 决策中枢 (ReAct 循环，双模式)
│   ├── streaming.py                     # 流式 Agent (Gradio 实时渲染 Reasoning Trace)
│   ├── memory.py                        # 三级记忆 (短期 / 工作 / 摘要)
│   └── skill_registry.py               # 技能注册中心 (JSON Schema 自动发现)
├── skills/
│   ├── __init__.py
│   ├── data_fetcher.py                  # 历史 K 线 + 实时价格
│   ├── fetch_historical_data.json       #  └─ Schema
│   ├── indicators.py                    # 技术指标 (MA/MACD/RSI/布林带/ATR/ADX/KDJ/CCI 等)
│   ├── calculate_technical_indicators.json  # └─ Schema
│   ├── analyzer.py                      # 价格行为分析 + 交易信号
│   ├── analyze_price_action.json        #  └─ 分析 Schema
│   ├── generate_trading_signal.json     #  └─ 信号 Schema
│   ├── book_knowledge.py                # 本地 BM25 书籍知识库检索
│   ├── search_finance_books.json        #  └─ Schema
│   ├── web_sources.py                   # 白名单金融网站检索 + 抓取
│   ├── search_financial_web.json        #  └─ 检索 Schema
│   └── fetch_financial_source_url.json  #  └─ 抓取 Schema
├── engine/
│   ├── __init__.py
│   └── backtester.py                    # 历史回测引擎 (MA Crossover)
├── web/
│   ├── app.py                           # Gradio 入口
│   ├── components/                      # state, styles, charts
│   ├── pages/                           # dashboard, chat, analysis, backtest, settings
│   ├── services/                        # market_service (新浪行情 + LLM 分析)
│   └── utils/                           # adapters, persistence
├── config/
│   ├── __init__.py
│   └── settings.py                      # 全局配置 (LLM / Agent / 回测)
├── data/
│   ├── cache/                           # 数据缓存
│   ├── knowledge/                       # 书籍知识库 (books.jsonl)
│   └── settings.json                    # 持久化 LLM 配置
├── tests/
│   └── test_skills.py
├── requirements.txt
└── README.md

🚀 快速开始

1. 环境准备

cd QuantAgent
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

2. 配置 LLM

支持 OpenAI / DeepSeek / ModelArts / Ollama 等兼容端点。

cp .env.example .env
# 编辑 .env 填入:
#   LLM_BASE_URL=https://api.deepseek.com/v1
#   LLM_API_KEY=sk-xxx
#   LLM_MODEL=deepseek-chat

也可以在 Web UI 的 Settings 页面直接配置并保存。

3. 运行

# CLI 交互模式
python main.py

# 命令行单次分析
python main.py --ticker AAPL --months 3

# Web UI (Gradio)
python main.py --web

---

🧠 核心模块

模块	功能
Agent Core (agent/core.py)	ReAct 决策循环，支持原生 Function Calling + 文本解析双模式自动切换
Streaming Agent (agent/streaming.py)	流式推理，yield 事件供 Gradio 实时渲染 Reasoning Trace
Memory (agent/memory.py)	三级记忆：对话历史 + 工作记忆(自动缓存分析数据) + 摘要压缩
SkillRegistry (agent/skill_registry.py)	启动时扫描 skills/*.json，动态加载对应模块，实现技能即插即用
Backtester (engine/backtester.py)	历史回测引擎，MA 交叉策略，含佣金/滑点/夏普比率/最大回撤

🛠 Skills 工具列表

工具名	功能	数据源
fetch_historical_data	获取股票历史 K 线 (OHLCV)	akshare → yfinance → demo
get_current_price	获取实时价格	akshare / yfinance
calculate_technical_indicators	MA/EMA/MACD/RSI/布林带/ATR/ADX/KDJ/CCI/OBV/MFI 等	pandas/numpy
analyze_price_action	支撑阻力位 / 趋势判定 / K 线形态识别	纯规则引擎
generate_trading_signal	综合评分 → BUY/SELL/HOLD + 置信度 + 理由	多因子打分
search_finance_books	本地 BM25 检索金融书籍	离线知识库
search_financial_web	白名单金融网站检索	财联社/新浪/Quantpedia
fetch_financial_source_url	抓取单个白名单 URL 正文	urllib + HTMLParser

---

➕ 如何新增一个 Skill

Skill 由 一份 JSON Schema + 一个 Python 函数 组成，Agent 启动时自动发现并挂载，无需修改 core.py。

Step 1: 编写 Python 函数

在 skills/ 下新建或使用已有的 .py 文件，实现工具函数：

# skills/my_tools.py

def get_sentiment(ticker: str, source: str = "news") -> dict:
    """
    获取指定股票的市场情绪分析。

    Args:
        ticker: 股票代码
        source: 数据来源，'news' 或 'social'

    Returns:
        {"success": True, "ticker": "...", "sentiment": "bullish", "score": 0.75}
    """
    return {
        "success": True,
        "ticker": ticker.upper(),
        "sentiment": "bullish",
        "score": 0.75,
        "source": source,
    }

函数名会作为工具名，参数名会暴露给 LLM，请用清晰的英文命名。

Step 2: 创建 JSON Schema

在 skills/ 下创建 JSON 文件，描述工具给 LLM：

{
  "module": "skills.my_tools",
  "type": "function",
  "function": {
    "name": "get_sentiment",
    "description": "获取指定股票的市场情绪分析，返回市场情绪方向和置信度分数。",
    "parameters": {
      "type": "object",
      "properties": {
        "ticker": {
          "type": "string",
          "description": "股票代码，如 'AAPL' 或 '600519.SS'"
        },
        "source": {
          "type": "string",
          "enum": ["news", "social"],
          "description": "数据来源，默认 'news'"
        }
      },
      "required": ["ticker"]
    }
  }
}

字段	说明
module	函数所在的 Python 模块路径
function.name	必须与 Python 函数名完全一致
function.description	LLM 据此判断何时调用该工具
function.parameters	OpenAI Function Calling 格式 JSON Schema

一个 .py 可以导出多个函数 — 为每个函数各创建一个 .json，指向同一个 module。

Step 3: 导出（可选）

如需 Web UI 直接导入，在 skills/__init__.py 中添加：

from skills.my_tools import get_sentiment

Step 4: 重启即生效

python main.py          # CLI
python main.py --web    # Web

启动日志会显示：

=== [SkillRegistry] 开始动态加载技能库 ===
    ✅ 已挂载: [get_sentiment] (来自 skills.my_tools)
=== [SkillRegistry] 注册完成，共成功挂载 8 个技能 ===

返回结果约定

# 成功
{"success": True, ...}

# 失败
{"success": False, "error": "具体错误描述"}

---

📋 技术栈

• Python 3.11+
• LLM: OpenAI SDK (DeepSeek / OpenAI / ModelArts / Ollama)
• Web UI: Gradio + Plotly
• 数据处理: pandas, numpy
• 金融数据: akshare (东方财富), yfinance (Yahoo Finance)
• 校验: pydantic v2

---

🌐 Web UI 页面

页面	功能
Dashboard	实时行情仪表盘（新浪财经 API）+ AI 市场分析
Chat	交互式对话 + 右侧 ReAct 推理步骤实时跟踪
Analysis	确定性分析（无 LLM）：K 线图 + 指标图表 + 信号仪表盘
Backtest	MA Crossover 策略回测 + 权益曲线 + 回撤图
Settings	LLM 配置、Provider 预设、连接测试