Rag MCP Chatbot

定量顾问

人工智能驱动的投资顾问聊天机器人，用于量化交易策略。

概述

Quant Advisor是一款AI聊天机器人，可以推荐自定义Quant投资策略，并与Stock-Lab-Demo后台测试系统集成，帮助验证策略。

特性

• 📊 推荐基于规格的战略：价值，增长，质量，动力，分红战略
• 🤖 AI交互式界面：用自然语言进行战略咨询
• 📚 RAG知识库：投资规格、战略、行业指南
• 🔧 MCP工具集成：自动生成条件表达式
• 🔗 后台测试联动：直接与Stock-Lab-Demo API集成

建筑

quant-advisor/
├── mcp-server/        # MCP 서버 (도구 제공)
├── rag/               # RAG 지식 베이스
├── chatbot/           # 챗봇 로직
└── api/               # FastAPI 백엔드

快速开始

1.首选参数

cp .env.example .env
# OPENAI_API_KEY 설정

2.安装依赖性

# MCP Server
cd mcp-server
pip install -r requirements.txt

# RAG
cd ../rag
pip install -r requirements.txt
python scripts/build_embeddings.py  # 벡터 DB 생성

# Chatbot
cd ../chatbot
pip install -r requirements.txt

# API
cd ../api
pip install -r requirements.txt

3.运行API服务器

cd api
python main.py

服务器http://localhost:8001在中运行。

4.API测试

# Health Check
curl http://localhost:8001/health

# Chat
curl -X POST http://localhost:8001/api/v1/chat/message \
  -H "Content-Type: application/json" \
  -d '{"message": "가치주 투자 전략 추천해줘"}'

# Strategy Recommendation
curl -X POST http://localhost:8001/api/v1/recommend/strategy \
  -H "Content-Type: application/json" \
  -d '{
    "risk_tolerance": "medium",
    "investment_horizon": "long",
    "preferred_style": "value"
  }'

API终点

聊天

发布 /api/v1/chat/message

{
  "message": "안정적인 배당 투자 전략 추천해줘",
  "session_id": "optional_session_id"
}

答复：

{
  "answer": "안정적인 배당 투자 전략을 추천드립니다...",
  "intent": "recommend",
  "conditions": {...}
}

推荐策略

发布 /api/v1/recommend/strategy

{
  "risk_tolerance": "low",
  "investment_horizon": "long",
  "preferred_style": "dividend"
}

答复：

{
  "strategy": "dividend",
  "description": "안정적 배당 수익",
  "primary_factors": ["배당수익률", "배당성향"],
  "secondary_factors": ["ROE", "부채비율"],
  "sample_conditions": [...]
}

建造条件

发布 /api/v1/recommend/conditions

{
  "buy_conditions": [
    {"factor": "PER", "operator": "", "value": 10}
  ]
}

答复：

{
  "backtest_request": {
    "buy_conditions": [...],
    "sell_conditions": [],
    "start_date": "2024-01-01",
    ...
  }
}

组件

1.MCP服务器

MCP服务器提供规格推荐和条件生成工具。

工具：

• recommend_factors：推荐不同战略的规格组合
• build_conditions：创建Stock-Lab-Demo条件表达式

资源：

• factor_definitions：因子元数据

2.RAG知识库

投资规格、战略和行业指南文档。

文件：

• factors/：规格说明（value，growth，quality，momentum，risk）
• strategies/：战略指南
• sectors/：行业指南

3.聊天机器人

实现交互式AI逻辑。

特征：

• 目的分类（Explain，Recommend，Build）
• 搜索RAG上下文
• 调用MCP工具
• 创建LLM响应

4.API

基于FastAPI的REST API。

路线：

• /api/v1/chat/*：聊天端点
• /api/v1/recommend/*：推荐的端点

与股票实验室演示集成

Quant Advisor与Stock-Lab-Demo备份测试系统集成。

User → Quant Advisor API → Stock-Lab-Demo API → Backtest Result
       (Generate Conditions)  (Run Backtest)

流量：

1. 用户请求策略
2. Quant Advisor生成条件表达式
3. 使用Stock-Lab-Demo API请求后台测试
4. 返回结果

发展

运行测试

pytest

代码质量

black .
ruff check .

建筑预埋件

cd rag
python scripts/build_embeddings.py

Docker部署

docker-compose up -d

环境变量

路线图

• \[\]实现RAG搜索
• \[\]MCP客户端集成
• \[\]流式处理响应
• \[\]保存对话历史数据库
• \[\]管理用户配置文件
• \[\]跟踪战略成果
• \[\]多语言支持

许可证

专有的

联系

如有疑问或问题，请联系开发团队。