Updated 2025-12-22
PythonAutoGenDeepSeekPydanticRAGChroma
概览
面向黄金交易场景的多智能体 AutoGen 工作流，尽量把“研究→交易→风控→结算”的真实链路拆成可组合的角色与工具，并要求代理输出严格遵守约定的 JSON Schema，便于复盘与审计。
我做了什么
- 拆解并实现端到端多智能体流水线：研究（技术/宏观/基本面/量化）→定调→纸面交易→风控/合规→结算
- 设计结构化输出协议（JSON Schema）与回炉机制：当风控/合规拒绝时可定位原因并驱动方案修订
- 建设可扩展工具层：统一行情入口、检索增强（RAG）、量化辅助与组合快照
技术要点
- 工具层路由：将多数据源封装为适配器，带缓存/降级/回退，避免“某个源挂了就全挂”
- 风控硬闸：在 CLI 层对仓位、敞口、止损、压力损失、回撤、相关性等指标做硬约束，违规即拒单
- 配置与可运维：Pydantic Settings 驱动
.env参数化，关键链路可独立运行/调试
亮点
- 多智能体流水线：Data → Research（技术/宏观/基本面/量化）→ HeadTrader 定调 → PaperTrader 生成方案 → Risk/Compliance 硬闸 → Settlement 收尾。
- 行情数据统一入口：通过适配器聚合多数据源，带缓存/降级/回退，降低“数据源挂了就全挂”的风险。
- 风控硬闸：在 CLI 层对仓位利用率、单笔敞口、止损覆盖、压力损失、回撤、相关性等指标进行硬约束，违规即拒单并触发回炉。
- 检索增强：基于本地持久化索引的 RAG，把宏观案例/交易剧本转成可检索知识。
使用与运行
建议直接看仓库 README 的 TL;DR 与命令列表；这个项目的“可运行性”是设计目标之一。