Skip to content

README.md

Latest commit

 

History

History
310 lines (228 loc) · 8.27 KB

README.md

File metadata and controls

310 lines (228 loc) · 8.27 KB
Raw

TradingAgents-CN Web管理界面

基于Streamlit构建的TradingAgents Web管理界面，提供直观的股票分析体验。支持多种LLM提供商和AI模型，让您轻松进行专业的股票投资分析。

✨ 功能特性

🌐 现代化Web界面

  • 🎯 直观的股票分析界面
  • 📊 实时分析进度显示
  • 📱 响应式设计，支持移动端
  • 🎨 专业的UI设计和用户体验

🤖 多LLM提供商支持

  • 阿里百炼: qwen-turbo, qwen-plus-latest, qwen-max
  • Google AI: gemini-2.0-flash, gemini-1.5-pro, gemini-1.5-flash
  • 智能切换: 一键切换不同的AI模型
  • 混合嵌入: Google AI推理 + 阿里百炼嵌入

📈 专业分析功能

  • 多分析师协作: 市场技术、基本面、新闻、社交媒体分析师
  • 可视化结果: 专业的分析报告和图表展示
  • 配置信息: 显示使用的模型和分析师信息
  • 风险评估: 多维度风险分析和提示

🚀 快速开始

1. 环境准备

# 激活虚拟环境
.\env\Scripts\activate  # Windows
source env/bin/activate  # Linux/macOS

# 确保已安装依赖
pip install -r requirements.txt

# 安装项目到虚拟环境（重要！）
pip install -e .

# 配置API密钥
cp .env.example .env
# 编辑.env文件，添加您的API密钥

2. 启动Web界面

# 方法1: 使用简化启动脚本（推荐）
python start_web.py

# 方法2: 使用项目启动脚本
python web/run_web.py

# 方法3: 使用快捷脚本
# Windows
start_web.bat

# Linux/macOS
./start_web.sh

# 方法4: 直接启动（需要先安装项目）
python -m streamlit run web/app.py

3. 访问界面

在浏览器中打开 http://localhost:8501

📋 使用指南

🔧 配置分析参数

左侧边栏配置：

  1. 🔑 API密钥状态

    • 查看已配置的API密钥状态
    • 绿色✅表示已配置，红色❌表示未配置

  2. 🧠 AI模型配置

    • 选择LLM提供商: 阿里百炼 或 Google AI
    • 选择具体模型:
      • 阿里百炼: qwen-turbo(快速) / qwen-plus-latest(平衡) / qwen-max(最强)
      • Google AI: gemini-2.0-flash(推荐) / gemini-1.5-pro(强大) / gemini-1.5-flash(快速)

  3. ⚙️ 高级设置

    • 启用记忆功能: 让AI学习和记住分析历史
    • 调试模式: 显示详细的分析过程信息
    • 最大输出长度: 控制AI回复的详细程度

主界面配置：

  1. 📊 股票分析配置
    • 股票代码: 输入要分析的股票代码（如AAPL、TSLA）
    • 分析日期: 选择分析的基准日期
    • 分析师选择: 选择参与分析的AI分析师
      • 📈 市场技术分析师 - 技术指标和图表分析
      • 💰 基本面分析师 - 财务数据和公司基本面
      • 📰 新闻分析师 - 新闻事件影响分析
      • 💭 社交媒体分析师 - 社交媒体情绪分析
    • 研究深度: 设置分析的详细程度（1-5级）

🎯 开始分析

  1. 点击"开始分析"按钮

  2. 观察实时进度:

    • 📋 配置分析参数
    • 🔍 检查环境变量
    • 🚀 初始化分析引擎
    • 📊 执行股票分析
    • ✅ 分析完成

  3. 等待分析完成 (通常需要2-5分钟)

📊 查看分析结果

🎯 投资决策摘要

  • 投资建议: BUY/SELL/HOLD
  • 置信度: AI对建议的信心程度
  • 风险评分: 投资风险等级
  • 目标价格: 预期价格目标

📋 分析配置信息

  • LLM提供商: 使用的AI服务商
  • AI模型: 具体使用的模型名称
  • 分析师数量: 参与分析的AI分析师
  • 分析师列表: 具体的分析师类型

📈 详细分析报告

  • 市场技术分析: 技术指标、图表模式、趋势分析
  • 基本面分析: 财务健康度、估值分析、行业对比
  • 新闻分析: 最新新闻事件对股价的影响
  • 社交媒体分析: 投资者情绪和讨论热度
  • 风险评估: 多维度风险分析和建议

🏗️ 技术架构

📁 目录结构

web/
├── app.py                 # 主应用入口
├── run_web.py            # 启动脚本
├── components/           # UI组件
│   ├── __init__.py
│   ├── sidebar.py        # 左侧配置栏
│   ├── analysis_form.py  # 分析表单
│   ├── results_display.py # 结果展示
│   └── header.py         # 页面头部
├── utils/                # 工具函数
│   ├── __init__.py
│   ├── analysis_runner.py # 分析执行器
│   ├── api_checker.py    # API检查
│   └── progress_tracker.py # 进度跟踪
├── static/               # 静态资源
└── README.md            # 本文件

🔄 数据流程

用户输入 → 参数验证 → API检查 → 分析执行 → 结果展示
    ↓           ↓           ↓           ↓           ↓
  表单组件   → 配置验证   → 密钥检查   → 进度跟踪   → 结果组件

🧩 组件说明

  • sidebar.py: 左侧配置栏，包含API状态、模型选择、高级设置
  • analysis_form.py: 主分析表单，股票代码、分析师选择等
  • results_display.py: 结果展示组件，包含决策摘要、详细报告等
  • analysis_runner.py: 核心分析执行器，支持多LLM提供商
  • progress_tracker.py: 实时进度跟踪，提供用户反馈

⚙️ 配置说明

🔑 环境变量配置

在项目根目录的 .env 文件中配置：

# 阿里百炼API（推荐，国产模型）
DASHSCOPE_API_KEY=sk-your_dashscope_key

# Google AI API（可选，支持Gemini模型）
GOOGLE_API_KEY=your_google_api_key

# 金融数据API（可选）
FINNHUB_API_KEY=your_finnhub_key

# Reddit API（可选，用于社交媒体分析）
REDDIT_CLIENT_ID=your_reddit_client_id
REDDIT_CLIENT_SECRET=your_reddit_client_secret
REDDIT_USER_AGENT=TradingAgents-CN/1.0

🤖 模型配置说明

阿里百炼模型

  • qwen-turbo: 快速响应，适合简单分析
  • qwen-plus-latest: 平衡性能，推荐日常使用
  • qwen-max: 最强性能，适合复杂分析

Google AI模型

  • gemini-2.0-flash: 最新模型，推荐使用
  • gemini-1.5-pro: 强大性能，适合深度分析
  • gemini-1.5-flash: 快速响应，适合简单分析

🔧 故障排除

❌ 常见问题

1. 页面无法加载

# 检查Python环境
python --version  # 需要3.10+

# 检查依赖安装
pip list | grep streamlit

# 检查端口占用
netstat -an | grep 8501

2. API密钥问题

  • ✅ 检查 .env 文件是否存在
  • ✅ 确认API密钥格式正确
  • ✅ 验证API密钥有效性和余额

3. 分析失败

  • ✅ 检查网络连接
  • ✅ 确认股票代码有效
  • ✅ 查看浏览器控制台错误信息

4. 结果显示异常

  • ✅ 刷新页面重试
  • ✅ 清除浏览器缓存
  • ✅ 检查模型配置是否正确

🐛 调试模式

启用详细日志查看问题：

# 启用Streamlit调试模式
streamlit run web/app.py --logger.level=debug

# 启用应用调试模式
# 在左侧边栏勾选"调试模式"

📞 获取帮助

如果遇到问题：

  1. 📖 查看 完整文档
  2. 🧪 运行 测试程序
  3. 💬 提交 GitHub Issue

🚀 开发指南

添加新组件

  1. 在 components/ 目录创建新文件
  2. 实现组件函数
  3. 在 app.py 中导入和使用
# components/new_component.py
import streamlit as st

def render_new_component():
    """渲染新组件"""
    st.subheader("新组件")
    # 组件逻辑
    return component_data

# app.py
from components.new_component import render_new_component

# 在主应用中使用
data = render_new_component()

自定义样式

在 static/ 目录中添加CSS文件：

/* static/custom.css */
.custom-style {
    background-color: #f0f0f0;
    padding: 10px;
    border-radius: 5px;
}

然后在组件中引用：

# 在组件中加载CSS
st.markdown('<link rel="stylesheet" href="static/custom.css">', unsafe_allow_html=True)

📄 许可证

本项目遵循Apache 2.0许可证。详见 LICENSE 文件。

🙏 致谢

感谢 TauricResearch/TradingAgents 原始项目提供的优秀框架基础。