📈 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```