Java 生态多智能体投研框架 —— 动态流水线编排 · 多专家对抗辩论 · 持续进化的决策记忆
一个基于 Spring AI 的多智能体金融分析系统。多个 AI 专家分工协作、对抗辩论，产出可执行的投研决策；系统每日自动复盘持仓、反思决策对错，把经验教训沉淀到向量记忆，让下一次分析更聪明。
- 动态分析流水线：分析阶段不再写死，流水线节点存于数据库，可在「流水线」页面可视化增删、排序、配置每个节点的模型与提示词。
- 多专家对抗辩论：多头 vs 空头研究员多轮辩论，由投资决策节点裁决；风控官独立审查；投资委员会（CIO）做最终研报。
- 投研顾问对话：独立的对话式 AI 顾问，支持多轮对话与 tool-calling，可实时查询 K 线、技术指标、财联社快讯、历史记忆与当前持仓。
- 持续进化的记忆（RAG）：两层向量记忆——情境记忆（每次分析的市场快照）与教训记忆（事后反思）。召回时用当前市场情境动态生成 query，并支持跨股票迁移通用教训。
- 每日自动复盘：每个交易日收盘后自动评估持仓，用 LLM 判断决策对错、结论是否被推翻，自动生成反思并存入向量库。
- 模拟交易闭环：分析 → 决策 → 一键执行模拟交易 → 持仓复盘 → 反哺下次分析。
- 实时流式：SSE 推送每个节点的执行进度。
| 层级 | 技术 |
|---|---|
| 后端框架 | Spring Boot 3.4 + Java 21（Virtual Threads） |
| AI 框架 | Spring AI 1.0（Ollama 本地 + OpenAI 兼容 API） |
| 数据库 | TimescaleDB（PG16）+ PgVector 向量库 |
| 前端 | Vue 3 + Element Plus + ECharts + Vite |
| 数据源 | 东方财富 / 腾讯行情 / 财联社快讯（公开接口） |
默认流水线（可在「流水线」页面自定义）：
[阶段1 · 研究 — 并行]
技术面 ─┐
消息面 ─┤── Virtual Threads 并行
情绪面 ─┤
基本面 ─┘
│
[阶段2 · 辩论 — 多轮]
多头研究员 ⇄ 空头研究员
│
[阶段3 · 结论]
辩论裁判（读取辩论历史裁决）
│
[阶段4 · 风控]
风控官（独立审查交易计划）
│
[阶段5 · 最终研报]
投资委员会 CIO（产出最终决策）
每个节点可单独配置模型源与模型名；同模型节点串行、不同模型节点并行执行。
docker compose up -d将 src/main/resources/db/ 下的 SQL 脚本按序号导入（01-init.sql 起）。
编辑 src/main/resources/application.yml：
- 本地模型：启动 Ollama 并拉取模型（如
qwen2.5:14b）。 - API 模型：在「系统设置」页面新增模型源（OpenAI 兼容 API），配置 Base URL 与 API Key 环境变量。
./mvnw spring-boot:runcd frontend && npm install && npm run dev| 页面 | 说明 |
|---|---|
| 智能分析 | 选择股票与节点，实时查看流水线执行进度与最终研报 |
| 行情数据 | 多级别 K 线、技术指标、市场情绪、财联社快讯 |
| 模拟交易 | 账户总览、持仓盈亏、买入卖出、一键执行分析决策 |
| 历史报告 | 分析报告归档、决策复盘与人工反思 |
| 流水线 | 可视化编辑分析流水线节点 |
| 经验库 | 查看向量记忆中的情境与教训 |
| 投研顾问 | 与 AI 顾问多轮对话，实时调用工具辅助决策 |
| 系统设置 | 模型源管理、全局默认模型、投研顾问模型配置 |
src/main/java/com/tradingagents/
├── core/ # 编排引擎（Graph + Node + State + Event + 动态流水线）
├── agent/ # Agent 实现与工具（tool-calling）
├── chat/ # 投研顾问对话（AdvisorAgent + Tools + SSE）
├── scheduler/ # 每日持仓复盘与反思
├── memory/ # 向量记忆（PgVector，两层 RAG）
├── model/ # 模型客户端动态解析
├── data/ # 数据层（Eastmoney/Tencent/CLS + 指标引擎 + JPA）
├── trading/ # 模拟交易
└── api/ # REST API + SSE
frontend/src/
├── views/ # 8 个功能页面
└── components/ # KlineChart 等组件
Apache 2.0