- 24 · 4 信任域agents
- 712tests
- PyPI · v1.0.6release
- 约 10 分钟一份研报
A 股单只个股深度研究工作站:24 个智能体分四层信任域协作,十分钟内产出基本面 / 技术面 / 资金 / 量化 + 多空辩论的研报。已发到 PyPI(v1.0.6),712 测试。
背景
A 股研究信息散、噪声大,一个人很难同时盯住基本面、技术面与资金面。我想要一个能像团队一样协作的系统:多个智能体各司其职,产出一份可以复核的研报——不是黑盒,是能逐层追问的链路。
方法
24 个智能体分四层信任域,把"接触不可信内容的能力"和"决定写什么的权力"在结构上隔离开。每一层职责不同,信任级别不同,文件读写权限也不同。
- 数据层 —— 负责读取不可信的新闻 / F10,用 JSON schema 锁死输出,只能进结构化字段
- 分析层 —— 基本面 / 技术面 / 资金情绪 / 量化,每条线一个或几个 agent
- 决策层 —— 多空双方 + 风控官 + report-writer,只有 report-writer 能写文件
- introspector —— 第四层 agent 做自审,检查前三层有没有 bug
关键设计
量化系统对记忆的依赖比想象的高 —— 错误一旦写进去会复利。
- 单写者模式 —— 24 个 agent 里只有 report-writer 能落盘,避免互相打架
- 可插拔的 markdown 记忆 + FTS5 检索 —— 每个 agent 有自己的小记忆库
- Dream loop 自迭代 —— 用过往研报加实际价格做经验回写,但坚持人工审核,绝不 auto-accept
- JSON schema 锁死外部内容入口 —— 不可信文本进不了下游决策
工程亮点
能让人真用起来的细节,往往比模型本身重要。
- `fa start` 一行启动:向导 + 后端 + Web UI + 自动开浏览器
- 31 个 buddy 工具 / 5 个 swarm 预设,场景化复用
- 4 家 LLM 热切换(qwen / deepseek / openai / anthropic),Aliyun Bailian 1M 免费 token 大约够 150 份报告
- 数据集托管 HuggingFace:demo 155 MB / lite 3 GB / full 14 GB,CN 用户走 hf-mirror 或 ModelScope 加速 3-10 倍
现状
已发到 PyPI 稳定版(v1.0.6),712 测试通过。代码、PyPI、数据集、构建手记四处入口对外。