Skip to content

README.md

Latest commit

 

History

History
178 lines (140 loc) · 5.05 KB

README.md

File metadata and controls

178 lines (140 loc) · 5.05 KB

LLM 集成文档目录

本目录包含了 TradingAgents 项目中大语言模型（LLM）集成的完整文档，帮助开发者理解、测试和扩展LLM功能。

📚 文档结构

🔧 集成指南

  • LLM_INTEGRATION_GUIDE.md - 大模型接入完整指导手册
    • 系统架构概览
    • OpenAI兼容适配器开发
    • 前端集成步骤
    • 百度千帆模型实际接入案例
    • 常见问题与解决方案

🧪 测试验证

  • LLM_TESTING_VALIDATION_GUIDE.md - LLM测试验证指南
    • 测试脚本模板
    • 千帆模型专项测试
    • 工具调用功能测试
    • Web界面集成测试
    • 完整验证清单

🎯 专项指南

  • QIANFAN_INTEGRATION_GUIDE.md - 百度千帆模型专项接入指南
    • 千帆模型特点和优势
    • 详细接入步骤
    • 特殊问题解决方案
    • 性能优化建议
    • 常见问题FAQ

🚀 快速开始

新手入门

如果您是第一次接入LLM，建议按以下顺序阅读：

  1. LLM_INTEGRATION_GUIDE.md - 了解整体架构和通用流程
  2. QIANFAN_INTEGRATION_GUIDE.md - 学习具体的接入案例
  3. LLM_TESTING_VALIDATION_GUIDE.md - 进行测试验证

开发者指南

如果您要添加新的LLM提供商：

  1. 📖 阅读 LLM_INTEGRATION_GUIDE.md 了解开发规范
  2. 🔍 参考 QIANFAN_INTEGRATION_GUIDE.md 中的实际案例
  3. 🧪 使用 LLM_TESTING_VALIDATION_GUIDE.md 进行全面测试
  4. 📝 提交PR时包含完整的测试报告

🎯 支持的LLM提供商

已集成

  • ✅ 阿里百炼 (DashScope) - 通义千问系列模型
  • ✅ DeepSeek - DeepSeek V3等高性价比模型
  • ✅ Google AI - Gemini系列模型
  • ✅ OpenRouter - 60+模型统一接口
  • ✅ 百度千帆 - 文心一言系列模型（详见专项指南）

计划中

  • 🔄 智谱AI - GLM系列模型
  • 🔄 腾讯混元 - 混元系列模型
  • 🔄 月之暗面 - Kimi系列模型
  • 🔄 MiniMax - ABAB系列模型

🔧 技术架构

核心组件

tradingagents/
├── llm_adapters/              # LLM适配器实现
│   ├── openai_compatible_base.py  # OpenAI兼容基类
│   ├── dashscope_adapter.py       # 阿里百炼适配器
│   ├── deepseek_adapter.py        # DeepSeek适配器
│   ├── google_openai_adapter.py   # Google AI适配器
│   └── （通过 openai_compatible_base 内部注册 qianfan 提供商）
└── web/
    ├── components/sidebar.py      # 前端模型选择
    └── utils/analysis_runner.py   # 运行时配置

设计原则

  1. 统一接口: 基于OpenAI兼容标准
  2. 插件化: 新提供商可独立开发和测试
  3. 配置化: 通过环境变量管理API密钥
  4. 可扩展: 支持自定义适配器和工具调用

🧪 测试策略

测试层级

  1. 单元测试: 适配器基础功能
  2. 集成测试: 与TradingGraph的集成
  3. 端到端测试: 完整的股票分析流程
  4. 性能测试: 响应时间和并发能力

测试覆盖

  • ✅ 基础连接和认证
  • ✅ 消息格式转换
  • ✅ 工具调用功能
  • ✅ 错误处理和重试
  • ✅ 中文编码处理
  • ✅ 成本控制机制

🚨 常见问题类型

认证问题

  • API密钥格式错误
  • 环境变量配置问题
  • Token过期和刷新

格式兼容性

  • 消息格式差异
  • 工具调用格式不同
  • 参数名称映射

网络和性能

  • 请求超时
  • 连接池配置
  • 重试策略

中文处理

  • 编码问题
  • 提示词优化
  • 输出格式化

📊 性能优化

成本控制

  • 智能模型选择
  • Token使用监控
  • 请求缓存策略

响应优化

  • 连接池复用
  • 异步请求处理
  • 流式输出支持

稳定性保障

  • 自动重试机制
  • 降级策略
  • 健康检查

🤝 贡献指南

添加新LLM提供商

  1. 创建适配器类继承 OpenAICompatibleBase
  2. 实现特殊的认证和格式转换逻辑
  3. 更新前端模型选择界面
  4. 编写完整的测试用例
  5. 更新相关文档

文档贡献

  1. 遵循现有文档格式和风格
  2. 包含实际的代码示例
  3. 提供详细的问题解决方案
  4. 添加必要的截图和图表

测试贡献

  1. 覆盖所有核心功能
  2. 包含边界情况测试
  3. 提供性能基准测试
  4. 记录测试环境和依赖

📞 获取帮助

技术支持

文档反馈

如果您发现文档中的问题或有改进建议：

  1. 提交Issue描述问题
  2. 或直接提交PR修复
  3. 在Discussion中分享使用经验

感谢您对TradingAgents LLM集成的关注和贡献！ 🎉

通过这些文档，我们希望能够帮助更多开发者成功集成各种大语言模型，共同构建更强大的AI金融分析平台。