AI导哈

AI任务处理API

一个基于FastAPI的单路由应用，处理多种AI任务，包括问答、图像生成、平台内容生成，并提供JWT认证、MCP工具调用和交易回测功能。

  • by S18-Niloy
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 s18-niloy/fastapi

使用说明

快速 API

一个处理多个AI任务的单路由FastAPI应用程序，包括可选的JWT身份验证，集成了用于工具调用的最小MCP服务器/客户端，并附带了基本的交易回溯测试实用程序。在macOS上本地测试。

特性

  • 一条路线： POST /ai-task 随着 task 体内： qa, latest, image, platform_content
  • 代理人问答： 调用OpenAI聊天模型(DEFAULT_MODEL)
  • 最新答案： 将Q&A/图像/平台输出存储到SQLite，并获取最新的
  • 图像生成： 使用OpenAI图像返回base64编码的PNG(IMAGE_MODEL)
  • 平台内容： 脸书、领英、推特/X、Instagram、TikTok、Reddit、Medium风格
  • JWT身份验证（可选但已实现）： 无限令牌（无exp）；使用 /login 获得
  • MCP集成： 最小本地MCP服务器 upper(text) 演示工具+客户端
  • 反测试套件： 输出CSV、图表和指标的简单SMA交叉脚本

（macOS+VS代码）

1） 克隆

cd softvence-ai-task
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# At .env set OPENAI_API_KEY=...

2） 运行API

./run.sh
# or:
uvicorn app.main:app --reload --port 8000

打开http://127.0.0.1:8000/docs

3） 认证

  1. 击打 POST /login 使用任何用户名/密码（演示）。复制 access_token.
  2. 对于 POST /ai-task 添加标题： Authorization: Bearer <token>.

4） 请求示例

问答

curl -X POST http://127.0.0.1:8000/ai-task   -H "Authorization: Bearer TOKEN" -H "Content-Type: application/json"   -d '{"task":"qa","prompt":"What is MCP in one sentence?"}'

最新

curl -X POST http://127.0.0.1:8000/ai-task   -H "Authorization: Bearer TOKEN" -H "Content-Type: application/json"   -d '{"task":"latest"}'

图像

curl -X POST http://127.0.0.1:8000/ai-task   -H "Authorization: Bearer TOKEN" -H "Content-Type: application/json"   -d '{"task":"image","prompt":"A minimalist robot mascot, vector style"}'

响应包括 image_b64 --在浏览器中渲染或保存到文件。

平台内容

curl -X POST http://127.0.0.1:8000/ai-task   -H "Authorization: Bearer TOKEN" -H "Content-Type: application/json"   -d '{"task":"platform_content","platform":"linkedin","prompt":"Announce our new AI trading API beta"}'

MCP集成

这个仓库包括一个使用官方Python SDK的小型MCP服务器和客户端。

  • 服务器： app/mcp_server.py 公开单个工具 upper(text:str).
  • 客户： app/mcp_client.py 通过stdio连接并呼叫 upper.
  • FastAPI 的 问答 路径将 尝试 调用MCP工具并预先添加提示。

文件夹结构

app/
  auth.py          # JWT helpers
  db.py            # SQLite models + init
  main.py          # FastAPI entry — single /ai-task route
  mcp_client.py    # Minimal MCP client
  mcp_server.py    # Minimal MCP server with 'upper' tool
  schemas.py       # Pydantic models
backtest/
  sma_backtest.py  # SMA strategy CSV, chart, metrics
tests/
  test_api.py
Dockerfile
render.yaml
requirements.txt
run.sh
.env.example

短文：方法、风险控制和假设

方法

  • 单路API设计： 一个端点 POST /ai-task 用打字 task 现场(qa, latest, image, platform_content).这使客户端合约保持简单和可扩展。
  • 框架和结构： FastAPI带有Pydantic v2模型用于I/O验证，SQLAlchemy（异步）用于持久化，以及一个小而可读的模块布局(app/).
  • 认证： 可选JWT通过 /login。代币包括 sub 和 iat （默认情况下没有到期时间来匹配规格）；中间件强制执行 Authorization: Bearer <token>.
  • 问答和内容生成： OpenAI聊天模型 qa 和 platform_content平台输出使用风格图（LinkedIn、Facebook、X/Twitter、Instagram、TikTok、Reddit、Medium）来定制音调/长度。
  • 图像生成： OpenAI图像；回报 Base64 （默认为可移植）。通过将图像持久化，可以轻松地切换到URL输出 /static.
  • 状态和“最新”： 全部成功 qa, image，以及 platform_content 结果保存到SQLite； latest 返回最近的一行。
  • MCP集成（可扩展性）： 带演示的最小MCP服务器 upper(text) 工具和客户端； qa path首先尝试工具调用，以显示如何组合外部工具。
  • 运营： Uvicorn用于本地开发，Dockerfile用于容器运行， render.yaml 免费的Render部署。包括测试和回溯测试实用程序。

回测法（SMA交叉）

  • 数据和转换： 每日OHLCV（通过 yfinance 当地）。计算 SMA50 和 SMA200；放弃最初的热身行。
  • 信号： 很久的时候 SMA50 > SMA200，否则平坦。应用 下一次酒吧执行 (signal.shift(1))避免向前看。
  • 回报与权益： 每日退货= pct_change；战略回报= ret * shifted_signal；累计权益= (1 + strategy).
  • 韵律学： 复合年增长率（252个交易日）、年化波动率和夏普（无无风险利率，简单均值/标准公式）。CSV+PNG权益曲线+JSON指标用于可重复性。

风险控制

  • 前瞻性预防： 信号滞后一条(shift(1)).
  • 预热处理： 删除行，直到定义了两个SMA，以避免有偏见的早期信号。
  • 确定性人工制品： 保存CSV、图表和指标，以便进行审计和重新计算。
  • 关注点分离： 战略逻辑是纯粹的；除了工件写入之外，没有交易引擎的副作用（易于单元测试）。
  • 优雅的失败路径： 数据缺口由以下人员处理 dropna运行时错误显而易见。

假设和限制

  • 无摩擦市场： 无佣金、费用或滑点；近距离填充。（可以通过减去成本来添加 position 变化。)
  • 可用性和流动性： 假设您可以在没有影响或部分填充的情况下交易所需的大小。
  • 数据质量： 雅虎数据足以用于演示目的；生产应该使用经过审查的供应商和公司行为检查。
  • 无风险利率： Sharpe为了简单起见使用0%射频；可以调整。
  • JWT到期日： 根据规范偏好，代币是不确定的；生产应增加 exp、轮换和撤销列表（如果需要）。
  • 模型输出： LLM内容可能因运行而异；系统提示和温度的选择是为了一致性，而不是确定性。

再现性说明

  • API uvicorn app.main:app --reload --port 8000；使用 /docs 用于交互式测试。
  • 反向测试 ： python backtest/sma_backtest.py AAPL （在下面写入CSV/PNG/JSON backtest/results/).
  • 环境： Pin版本 requirements.txt; .env 持有 OPENAI_API_KEY, JWT_SECRET.

潜在改进

  • 添加 交易成本 和 仓位 （全面定位）。
  • 执行 JWT到期 并刷新流程。
  • 从以下位置提供图像 /static 并返回 网址 默认情况下。
  • CI管道（棉绒、类型检查、测试）+容器扫描。
  • 扩展MCP工具，用于数据检索、合规性检查或自定义检索增强生成。

链接

https://softvence-ai-task-gbsh.onrender.com/docs

相关 MCP