基于 多 Agent 协作 的 A 股投研助手：通过「估值评估 → 用户决策（HITL）→ 技术分析」两阶段编排，结合资讯 RAG、六维风格画像与经验自进化闭环，输出带来源引用的买卖/观望建议。单股投研从传统人工的约 9.5 小时压缩至 18 分钟（效率提升约 31 倍）。
数据范围：仅支持 A 股市场。
Investment Compass 2026 飞书 AI 先锋赛 · 金仕达命题（命题：面向中小 B + 大 C 的智能化金融投研与财富助手）。
docs/images/ # 截图与架构图统一存放目录（由维护者添加）
├── screenshot-main.png # 工作台主界面
├── screenshot-analysis.png # 两阶段分析对话
├── screenshot-decision.png # 决策卡 / 引用卡片
├── screenshot-radar.png # 六维风格画像雷达
└── architecture-7layers.png # 7 层架构图
- 估值评估：5 类估值模型（DCF / PB-ROE 回归 / 可比公司 / DDM 高股息旁路 / 安全边际），规则层先算出确定性区间，LLM 只做解释
- 技术分析：8 类技术指标（趋势 / 震荡 / 波动 / 量能 / 筹码 / 形态 / 大盘相关性 / 行业动量）算法打分，100% 可复现
- 人工确认：估值展示后由用户
approve / reject / respond拍板，不可替用户下单，关键节点需由人类把控
plan → retrieve → synthesize反思循环，信息不足主动回头重查（最多两轮）- 四级事件权重（价格敏感 2 日 / 公告 4 日 / 情绪 7 日 / 战略 60 日）排序 + URL/标题去重
- 回答强制带
[1][2]引用编号，URL 必填，杜绝编造来源
- 30 题问卷冷启动 → 六维雷达（风险偏好 / 时间周期 / 决策依据 / 交易风格 / 仓位集中度 / 情绪偏好）
- HITL 反馈在线微调（±0.2 梯度）+ 月度 KL 散度校准防漂移
- 画像驱动下游全部个性化参数：估值加权系数、均线周期、止盈止损宽度、建议仓位
- 决策以
trace_id幂等落库 → 10 日窗口复盘 → 成功/失败案例 promote 进经验库 → 注入后续决策 - 注入预算治理（单条 ≤400 字、总注入 ≤1200 字），避免噪声淹没上下文
- 双源熔断：东财（主）⇄ 新浪（备）完整状态机（closed → open → half_open），主源连续失败 3 次自动切换
- 幂等决策：
decision_cards以 trace_id upsert，重复执行收敛到同一行，决策可回放、可追溯
- 多数据源：akshare / 东方财富 / Tushare 可配置切换
- 行情看板 / K 线 / 自选股 / 财务数据，WebSocket 实时行情推送
- 消息通知：飞书 Webhook / PushPlus
系统按单一职责切分为 7 层，层间通过 FastAPI REST / LangGraph State 解耦，便于独立扩展与灰度替换：
| 层级 | 主要模块 | 职责 |
|---|---|---|
| ① 前端交互层 | React + Vite + 系统设置中心 + 右侧来源 Tab | 双模式工作台、API Key 加密配置、资讯原文内嵌 |
| ② API 网关层 | FastAPI + CORS + Settings CRUD API | 鉴权、配置热更新、会话管理、连通性校验 |
| ③ 编排引擎层 | LangGraph StateGraph + MySQL Checkpointer | 两阶段编排：估值 → HITL → 技术，中断现场持久化可恢复 |
| ④ 子 Agent 层 | 估值 / 技术 / 资讯 RAG / 自选股画像 | Pydantic Schema 强约束输出，带反思重试 |
| ⑤ 数据中台层 | Tushare / AkShare + 双源熔断 + 限流缓存 | 行情、财务、公告、资讯统一拉取、去重、归并 |
| ⑥ 持久化层 | MySQL（决策+会话）/ Redis（缓存）/ Chroma（经验向量） | 事实层、偏好层、经验层三级持久化 |
| ⑦ 通知同步层 | 飞书群 Webhook 推送 + 配置同步 | 决策卡主动触达，工作台一次配置双端生效 |
架构图（待补充）：建议放置 7 层架构图与核心数据流图。图片存放至
docs/images/后替换下方引用，例如：
一次完整分析请求的调用链
用户提问 → Frontend /api/chat → Python Service
→ 主控 Agent 委派 估值评估 Agent（LLM + 财务数据源）
→ 返回估值建议 + 引用卡片，HITL 征求用户确认
→ 用户批准 → 技术分析 Agent（规则引擎打分 + LLM 解读）
→ 合并输出决策卡（方向 / 目标价 / 止损止盈位 / 支撑理由）
→ 持久化 + 飞书 Webhook 推送 + 前端渲染
系统最底层的设计哲学——不让 LLM 做它不擅长且容易出错的事（算指标、读财报数字），只让它做擅长的事（定性判断、跨维度推理）。两个决策引擎都严格遵循此原则：
| 维度 | 规则/算法引擎（前） | LLM 定性引擎（后） |
|---|---|---|
| 输入 | 财报数字、K 线几何特征、估值公式参数 | 规则分数、算法锚点 + 行业上下文 + 用户画像 |
| 输出 | 门控 PASS/REJECT、确定性分数、ATR 通道、客观分档 | 自然语言结论、矛盾风险揭示、理由清单 |
| 可复现性 | 100% 可复现：同一输入 → 同一分数 | 受温度影响，但锚点固定在事实层 |
- 估值引擎：4 道硬门控拦截（财务缺失 / ST / ROE<0 / 负债率>90%）→ 五维加权评分（盈利 30% / 成长 25% / 估值 20% / 财务健康 15% / 收益质量 10%）→ LLM 仅解释，不允许调整分数
- 技术引擎：8 类指标算法打分（±100 分 → 5 档：BUY_STRONG / BUY / HOLD / SELL / SELL_STRONG）→ 止盈止损位由
ATR × 自适应系数直接计算 → LLM 只写三句话解读 - 效果：从根本上解决金融场景最致命的问题——LLM 幻觉 K 线 / 财务数据
主 Agent 挂载 confirm_proceed_analysis 中断工具，被调用时由 HITL 中间件暂停 LangGraph 执行、征求用户决策；中断现场经 MySQL Checkpointer 持久化，进程重启 / 跨会话均可恢复；MySQL 不可用时自动降级为无中断流程，保证主链路可用。
- Python 3.11+、Node 18+、JDK 21、Maven 3.9+
- MySQL 8+、Redis
# 创建数据库 investment_compass 并执行 sql/ 下迁移脚本
python scripts/init_db.pycd python-service
pip install -r requirements.txt
cp .env.example .env # 按需修改数据库连接等
python main.py # http://localhost:8002，健康检查 GET /healthcd java-backend
mvn spring-boot:run # http://localhost:8879/apicd frontend
npm install
npm run dev # http://localhost:5173打开工作台 → 系统设置，填入 DeepSeek API Key（可选飞书 Webhook），保存即自动加密落盘。
- 估值 + 技术分析：输入股票代码或名称 → 估值评分 → 确认后输出技术方向建议
- 纯技术分析：明确要求只看技术面时，跳过估值直接进入技术分析
- 资讯问答：询问"XX 板块怎么看"等，返回带引用编号的可溯源回答
- 自选股管理：增删查自选列表，行情看板实时跟踪
- 偏好画像：前端问卷初始化，Agent 持续自进化更新
环境变量模板见 python-service/.env.example：
| 变量 | 默认值 | 说明 |
|---|---|---|
DEEPSEEK_API_KEY |
空 | 兼容 fallback；优先使用前端「系统设置」配置的加密 Key |
DATABASE_URL |
mysql+pymysql://root@localhost:3306/investment_compass |
MySQL 连接串 |
CONFIG_ENCRYPTION_KEY |
空 | Fernet 密钥；缺省时自动生成于 config/.config.key |
DAILY_LOSS_LIMIT |
5.0 |
日亏损上限（风控参数） |
MONTHLY_DRAWDOWN_LIMIT |
10.0 |
月回撤上限（风控参数） |
LOG_LEVEL |
INFO |
日志级别 |
HOST / PORT |
0.0.0.0 / 8002 |
FastAPI 监听地址 |
系统设置项（加密存储于 config/settings.json）：LLM provider / base_url / api_key、飞书 webhook / secret / app_id、Tushare token、PushPlus token、决策参数（confidence 阈值、retry 策略等）。
核心表（详见 sql/ 迁移脚本，V002~V013 共 12 个）：
| 表 | 职责 |
|---|---|
decision_cards |
决策事实层，trace_id 幂等唯一键，重复执行收敛到同一行 |
message |
会话消息，(conversation_id, sequence) 唯一 |
agent_threads |
Agent 会话线程 |
watchlist |
自选股 |
style_profiles |
用户六维风格画像 |
financial_data |
财务数据 |
news_* |
资讯数据 |
sync_task / data_quality_issue |
数据同步任务与质量稽核 |
Investment-Compass/
├── python-service/ # 决策引擎：Agent 编排、估值/技术分析、RAG、画像、经验闭环、数据同步
│ ├── agents/ # 子 Agent（value_assessment / technical_analysis / advisory ...）
│ ├── services/ # 业务服务（chat / settings / style_profiler / experience_loop ...）
│ ├── shared/ # 公共层（config / 加密 / 数据源抽象 / 限流熔断）
│ └── pa_analyzer/ # 策略库（40+ skills + prompts）
├── java-backend/ # Spring Boot 数据服务：行情、K线、看板、WebSocket
├── frontend/ # React 工作台
├── sql/ # Flyway 风格数据库迁移脚本
├── scripts/ # 初始化 / 回测 / e2e 测试脚本
└── docs/ # 架构与 API 文档（图示见 docs/images/）
本项目遵循金融业务「合规优先」原则，在设计层面规避荐股、收益承诺、黑箱决策三大风险：
- HITL 人工拍板：最终决策 100% 由人类作出，系统仅输出「建议 + 引用 + 风险提示」
- 引用可溯源：资讯 RAG 强制结构化引用（URL 必填），回答带
[1][2]编号，可点击原文 - 硬门控拦截：ST 股、连续亏损股、高负债股在规则层直接 REJECT，不进入 LLM 建议环节
- 无收益承诺：每份决策卡附标准风险声明，前端首次进入弹风险揭示
- 凭据保护：密钥经 Fernet 加密落盘；
.env、日志、运行数据均被.gitignore排除
# Python 服务测试
cd python-service && pytest
# 历史回测验证（回测产物见 python-service/out/）
cd python-service && python scripts/backtest.py
# Java 后端编译
cd java-backend && mvn compile
# 前端 lint / 构建
cd frontend && npm run lint && npm run buildAPI 文档见 docs/api-document.md 与 docs/api-full-reference.md。
欢迎提交 Issue 与 PR。请遵循：
- Fork 本仓库，从
main新建特性分支 - 保持
.gitignore覆盖：禁止提交任何密钥、日志与运行数据 - 提交前运行对应模块的测试与 lint
- 提交信息使用 Conventional Commits 风格
MIT © Coder-xiaosuo