FinAgent 项目总结：从多智能体投研到可演示的 A 股工作台

阶段时间：2026 年 3 月 — 6 月
项目：FinAgent

---

摘要

FinAgent 是一款面向 A 股 的多智能体投研助手：用户输入股票代码，系统经 LangGraph 五段流水线（分析师 → 研究辩论 → 交易员 → 风控 → 组合经理）异步生成结构化报告；前端提供走势看板、PDF 导出、模拟交易、金融知识库与 AI 报告解读 等模块。三个月迭代中，项目从简单的原型成长为 可连续演示的成品——分析能跑完、报告能读懂、建议能练手、术语能查到、结论能追问。

---

一、我们在做什么

FinAgent 借鉴开源框架 TradingAgents 的分层思想，把单股研究拆成固定流水线：

analyst → research_debate → trader → risk_review → portfolio_manager → build_report

后端负责编排与落盘，前端负责发起任务、展示阶段进度与分区阅读。与原版框架相比，我们补齐了 模拟交易执行层、当天缓存治理、A 股金融知识库 与 报告读-only 问答，形成完整产品闭环。

---

二、演进脉络

阶段	时间	重心
搭框架	3 月下旬 — 4 月	AkShare 数据层、JWT 鉴权、五段编排骨架、前后端联调
做叙事	5 月 — 6 月上旬	下游四 Agent 做深；报告工作台化；记忆与耗时治理
做闭环	6 月中旬	模拟交易 + 仪表盘；当天缓存可恢复；Prompt 体积规化
做延伸	6 月中下旬	金融知识库后端、AI 报告解读助手

中期（5 月）分析师节点实现、链路能通已完成；后期工作是把剩下的节点实现、把功能拓展并且完善细节。

---

三、系统架构

┌─────────────────────────────────────────────────────────┐
│  React 前端：首页 · 单股 · 看板 · 报告 · 模拟 · 知识库   │
└───────────────────────────┬─────────────────────────────┘
                            │ /api/*
┌───────────────────────────▼─────────────────────────────┐
│  FastAPI：任务 · 分析 · 行情 · 模拟交易 · 知识库         │
└───────────────────────────┬─────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────┐
│  LangGraph 五段流水线 + Chroma 记忆                        │
└───────────────────────────┬─────────────────────────────┘
                            │
         AkShare 多源回退 · SQLite（任务/账本/语料/用户）

侧栏现已覆盖七个模块：首页 · 单股分析 · 走势看板 · 分析报告 · 模拟交易 · 知识库 · 使用说明书。

---

四、核心能力

4.1 多智能体分析与报告工作台

三位分析师（市场/新闻/基本面）ReAct 并行收集材料；下游研究辩论、交易员、风控三方辩论、组合经理依次产出可解释结论。AnalysisReportView 统一单股页与历史弹窗：按 Agent 折叠、H2 章节卡片、中文风险/情绪标签、骨架屏加载、PDF 导出。

页面上的买卖标签来自 风控 Judge 终稿解析 的 trading_signal，而非交易员原文直接映射。

4.2 首页线索与走势看板

首页聚合实时财经新闻、LLM 词云摘要与关键词发现 A 股公司；走势看板提供 K 线 + MA 与成交量可视化。慢操作走异步任务 + 进度轮询；当天成功结果落盘缓存，重启后可复用。

4.3 分析报告历史

报告列表支持按代码/市场/日期筛选、批量导出 PDF；结构化 report_json 弹窗阅读，标题统一为代码 + 公司名。

4.4 模拟交易

TradingAgents 原版只有 LLM 买卖建议。FinAgent 自建 SQLite 虚拟账户（默认 ¥100 万）、市价单、持仓/流水、日快照资产曲线与配置饼图；单股结果区去模拟下单通过 URL 预填与分析流水线 解耦衔接。

---

五、本期重点：知识库与报告解读

以下两项为项目后期新增、此前项目博客未系统展开的能力。

5.1 金融知识库后端

纯前端静态 JSON 无法满足收藏持久化、LLM 问答、运营扩容与搜索闭环。采用 前端静态语料 + 服务端扩展语料 + 用户数据 三层结构：

存储	路径	职责
语料库	kb_corpus.db	共享词条、搜索日志、待建词条池
用户库	user_knowledge.db	文件夹、收藏、批注

AI 能力：问答（RAG-lite + 合规 Prompt）、按分类扩容入库、一键建词、正文挖掘待审 phrase。搜索零结果自动入 kb_term_pending，hit_count 累加供运营优先建词。启动时语料表为空则从 seed_terms.json 灌库；LLM 未配置时问答降级，不抛 500。

前端 FinanceKnowledgePage 内置 120+ 静态词条，运行时 merge 服务端词条；滚动到底按分类 AI 补词；个人中心我的知识库同步收藏与笔记。

定位：投资者教育基础设施——规则以交易所公告为准，AI 只辅助解释与补词，不输出买卖建议。

5.2 AI 报告解读助手

新手对于报告常见疑问：结论依据是什么？宏观那段什么意思？分析落盘后，右下角 报告解读 提供读-only 问答：

• 方式 A：输入问题或点快捷问题（核心结论 / 风险 / 买卖依据 / 数据缺口）
• 方式 B：正文选中 12–2000 字 →解读选中→ quote 完整进 Prompt

后端按问题关键词路由 8 类章节（结论、市场、新闻、基本面、辩论、交易员、风控、组合），最多取 3 章、总上下文 ≤9000 字；与主 LangGraph 完全解耦——不重新跑分析、不写 memory。响应带 sections[]，前端展示本次引用章节。

---

六、演示路径

登录 → 首页查码 / 看词云
  → 单股分析 → 五段 Tab 阅读 + 报告解读追问
  → 去模拟下单 → 看资产曲线
  → 知识库搜术语 → AI 问答 / 收藏到个人库
  → 分析报告历史 → PDF 导出

使用说明书（/manual）提供 7 模块 onboarding，覆盖平台能力、快速上手与各功能模块说明。

---

七、工程共识

原则：

原则	典型场景
建议层与执行层解耦	模拟交易不进 LangGraph；trading_signal + URL 预填
缓存只存成功、当天有效	词云失败不落盘；重启后当天报告可恢复
Prompt 体积在代码里预算	工具截断、辩论低质过滤、下游证据块切片
加载态与文案是产品感	骨架屏、纯中文标签、说明书精简

---

八、小结

FinAgent 在课程周期内完成了从原型到成品的跨越：五段多智能体流水线 讲圆了投研故事，报告工作台 让结论可读可导，模拟交易 把建议接到练手，金融知识库 补上投资者教育底座，报告解读 补上看懂报告。

对用户而言，主故事是：

从主题/单股分析 → 风控信号 → 模拟练手 → 中文可读报告 → 对着报告追问 → 不懂的术语查知识库

——而不只是跑一次就结束的 LangGraph 脚本。

---

九、延伸阅读

组员	方向	CSDN 博客
yjd	LangGraph、报告解读	https://blog.csdn.net/2301_80139500
qjh	数据、模拟交易、知识库	https://blog.csdn.net/2301_80202012
cjw	任务、缓存、Prompt 规化	https://blog.csdn.net/2301_80431247
wyf	前端 UI、说明书	https://blog.csdn.net/2301_81374824

---

数据仅供研究参考，不构成投资建议。