AI导哈

金融研究自动化系统

AlphaFlow是一个生产级的多智能体AI系统，专为深度金融研究设计，结合定量市场数据与定性新闻分析，通过监督者协调多个专业代理工作，支持人类干预和状态持久化。

  • by amit-lusha
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 amit-lusha/alphaflow

使用说明

📈 AlphaFlow：自主金融研究系统

AlphaFlow 是一个生产级的多智能体人工智能系统，旨在进行深入的金融研究。与简单的聊天机器人不同，AlphaFlow组织了一个专业代理团队，将定量市场数据（技术）与定性新闻分析（基本面）相结合，所有这些数据都由主管管理。

它的特点是 循环中的人类 控制， 状态持久性 通过PostgreSQL，以及通过 模型上下文协议（MCP）.

🚀 主要特点

  • 🤖 多代理编排：“星形拓扑”图，其中主管将任务委托给专业人员：
    • 技术分析师：获取实时价格、市值和配置文件（通过 yfinance).
    • 基础研究员：对财经新闻进行RAG搜索并阅读网络内容。
    • 出版商：将数据合成为结构化的JSON报告。
  • 🧠 混合存储器和RAG:
    • 短期的：状态对话历史记录存储在 PostgreSQL.
    • 长期：语义搜索使用 pg载体 查询摄入的新闻文章。
  • ✋ 人类在循环（HITL）：代理人起草一份报告 暂停执行，在发布之前等待人类批准。
  • 🔌 MCP集成：作为MCP服务器运行，允许在内部以本机方式使用 克劳德桌面, 光标，或 双子座命令行界面.
  • 🐳 生产就绪：完全使用Docker、FastAPI和Postgres进行容器化。

🛠️ 技术栈

组件 技术
语言 Python 3.12（管理者 uv)
脑 谷歌双子座2.0 Flash
编排 LangGraph（循环状态机）
框架 LangChain/Pydantic
数据库 PostgreSQL 16+ pgvector 扩展
API fastapi（异步）
可观测性 LangSmith（追踪与评估）

📂 项目结构

src/alphaflow/
├── agents/             # The AI Personas
│   ├── supervisor.py   # Router logic
│   ├── technical.py    # Quantitative worker
│   ├── fundamental.py  # Qualitative worker
│   └── publisher.py    # Report generator
├── core/               # Configuration & Schemas
│   ├── prompts.py      # OOP-based Prompt definitions
│   └── schema.py       # Pydantic models for JSON output
├── services/           # External Integrations
│   ├── llm.py          # Gemini Singleton
│   └── rag.py          # Postgres Vector Store logic
├── workflows/          # The Graph
│   └── entrypoint.py   # LangGraph definition & wiring
├── tools/              # Capabilities (Search, WebReader, YFinance)
├── scripts/            # Utilities (Ingestion pipeline)
├── server.py           # FastAPI Application
└── main.py             # CLI Entrypoint```

相关 MCP