# abot

**Repository Path**: carllee34/abot

## Basic Information

- **Project Name**: abot
- **Description**: No description available
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-14
- **Last Updated**: 2025-04-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# A股投资智能体系统 (Abot)

基于多智能体协同技术的智能投资决策系统，通过多个专业角色智能体的协作，实现市场分析、个股研究、策略制定和投资决策全流程自动化。

## 系统架构

![系统架构](https://via.placeholder.com/800x400?text=A股投资智能体系统架构图)

Abot系统基于以下技术栈构建：

- **大语言模型**: 基于OpenAI GPT模型开发智能体
- **多智能体框架**: 使用LangChain、LangGraph和CrewAI构建多智能体协作系统
- **数据处理**: 使用AKShare、Pandas等工具处理A股市场数据
- **可视化**: 使用Streamlit、Plotly构建直观的Web界面

## 核心功能

- **市场分析**: 自动分析市场趋势、行业轮动和宏观经济指标
- **个股研究**: 深入分析个股基本面、技术面和估值水平
- **投资策略**: 制定适合当前市场环境的投资策略和资产配置方案
- **决策执行**: 生成具体交易决策并模拟/实盘执行
- **绩效评估**: 评估投资组合表现，提供归因分析和改进建议

## 智能体团队

本系统包含多个专业角色智能体，各自负责不同的任务：

- **市场分析师 (张明睿)**: 分析大盘趋势和宏观经济环境
- **个股分析师 (李芳华)**: 研究个股基本面和技术指标
- **策略顾问 (王哲宇)**: 制定投资策略和资产配置方案
- **组合管理者 (赵建国)**: 构建投资组合和执行交易决策
- **首席投资官 (陈远山)**: 整合各方分析，做出最终投资决策
- **行业研究员 (吴雨晨)**: 深入研究特定行业动态和投资机会

## 快速开始

### 环境准备

1. 克隆本仓库
```bash
git clone https://github.com/yourusername/abot.git
cd abot
```

2. 安装依赖
```bash
pip install -r requirements.txt
```

3. 配置API密钥和模型设置
```bash
cp .env.example .env
# 编辑.env文件，填入您的API密钥和其他配置信息
```

#### 大型语言模型配置指南

Abot支持多种大型语言模型提供商，您可以根据自己的需求选择不同的模型：

1. **OpenAI (默认)**
   ```
   LLM_PROVIDER=openai
   LLM_MODEL=gpt-4-turbo  # 或其他可用的模型
   LLM_API_KEY=sk-your-openai-api-key
   ```

2. **Azure OpenAI**
   ```
   LLM_PROVIDER=azure
   LLM_MODEL=your-deployment-name  # Azure部署名称
   LLM_API_KEY=your-azure-openai-key
   LLM_API_BASE=https://your-resource-name.openai.azure.com/
   LLM_API_VERSION=2023-05-15
   ```

3. **Anthropic (Claude)**
   ```
   LLM_PROVIDER=anthropic
   LLM_MODEL=claude-3-opus-20240229  # 或其他Claude模型
   LLM_API_KEY=your-anthropic-api-key
   ```

4. **智谱AI (ChatGLM)**
   ```
   LLM_PROVIDER=zhipu
   LLM_MODEL=glm-4  # 或其他可用模型
   LLM_API_KEY=your-zhipu-api-key
   ```

5. **百度文心一言**
   ```
   LLM_PROVIDER=baidu
   LLM_MODEL=ernie-bot-4  # 或其他可用模型
   LLM_API_KEY=your-baidu-api-key
   BAIDU_SECRET_KEY=your-baidu-secret-key  # 旧版SDK需要
   ```

   推荐使用新版千帆SDK：
   ```bash
   pip install qianfan
   ```

6. **本地部署模型**
   ```
   LLM_PROVIDER=local
   LLM_API_BASE=http://localhost:8000/v1  # 您的本地模型API终端点
   LLM_API_KEY=                           # 如果需要的话
   ```

您还可以设置一些共同的参数来控制模型行为：
- `AGENT_TEMPERATURE`: 控制生成结果的随机性（0-1之间，越低越确定性）
- `AGENT_MAX_TOKENS`: 控制生成内容的最大长度
- `AGENT_MEMORY_SIZE`: 控制智能体记忆的对话轮数

### 运行示例

运行投资团队决策流程：
```bash
python examples/run_investment_team.py
```

启动Web界面：
```bash
cd web
streamlit run app.py
```

## 项目结构

```
Abot/
├── agents/                  # 智能体定义
│   ├── base_agent.py        # 基础智能体类
│   ├── analyst_agent.py     # 分析师智能体
│   ├── strategist_agent.py  # 策略师智能体
│   └── decision_agent.py    # 决策者智能体
├── data/                    # 数据处理
│   └── data_collector.py    # 数据采集器
├── strategies/              # 投资策略
├── utils/                   # 工具函数
│   ├── stock_analysis.py    # 股票分析工具
│   └── portfolio_management.py # 投资组合管理工具
├── workflows/               # 工作流定义
│   ├── base_workflow.py     # 基础工作流
│   └── investment_team.py   # 投资团队工作流
├── web/                     # Web界面
│   └── app.py               # Streamlit应用
├── examples/                # 示例脚本
├── config/                  # 配置文件
├── .env.example             # 环境变量示例
├── main.py                  # 程序入口
└── requirements.txt         # 依赖清单
```

## 使用场景

1. **个人投资决策辅助**: 帮助个人投资者做出更专业、更全面的投资决策
2. **投资研究自动化**: 自动生成市场分析报告和个股研究报告
3. **策略回测与优化**: 评估不同投资策略的效果并进行优化
4. **投资教育与培训**: 学习专业投资团队的决策流程和分析方法

## 注意事项

- 本系统仅提供投资参考，不构成实际投资建议
- 使用前请了解相关风险，投资决策需谨慎
- 需要自行申请OpenAI API密钥
- 量化交易具有一定风险，请谨慎使用实盘交易功能

## 后续开发计划

- [ ] 接入更多数据源和实盘交易接口
- [ ] 增加更多投资策略和分析方法
- [ ] 优化智能体协作效果和决策质量
- [ ] 实现更完善的风险控制机制
- [ ] 添加历史数据回测和策略评估功能

## 贡献指南

欢迎贡献代码或提交问题！请遵循以下步骤：

1. Fork本仓库
2. 创建您的特性分支 (`git checkout -b feature/amazing-feature`)
3. 提交您的更改 (`git commit -m 'Add some amazing feature'`)
4. 推送到分支 (`git push origin feature/amazing-feature`)
5. 打开一个Pull Request

## 许可证

本项目采用MIT许可证 - 详见 [LICENSE](LICENSE) 文件

## 联系方式

如有任何问题或建议，请联系：your-email@example.com