Multi Agent Financial Report

Multi-Agent Financial Report System

多Agent金融研究报告自动生成系统

从零到面试的完整指南 | Python / Java / Go 三语言实现 | Pipeline + Fan-out 并行架构

**一个输入股票代码，就能自动生成专业投资研究报告的AI系统。**

5个AI Agent协作完成：数据采集 → 舆情分析 → 市场分析 → 报告撰写 → 合规审查

---

目录

• 项目介绍
• 系统架构
• 快速开始（3步运行）
• 三种语言版本
• Agent角色详解
• 核心代码解读
• 面试准备材料
• 技术栈详解
• 项目结构
• 常见问题FAQ
• 参考资料

---

项目介绍

这个项目是什么？

这是一个**多Agent金融研究报告自动生成系统**。你只需要输入一个股票代码（比如 AAPL），系统会自动：

1. 从Yahoo Finance、SEC等平台采集金融数据
2. 从新闻媒体分析市场舆情
3. 计算技术指标并综合分析市场趋势
4. 自动撰写专业投资研究报告
5. 合规审查确保报告符合监管要求
6. 输出 PDF / Markdown / JSON 三种格式

为什么做这个项目？

痛点	解决方案
人工写研报需要4-6小时	自动化，3分钟完成
需要查阅多个数据源	自动集成5+数据源
合规审查容易遗漏	Agent自动检查
单Agent无法处理复杂流程	5-Agent协作分工
面试缺少项目经验	完整的企业级项目

关键指标

指标	数值
Agent数量	5个
延迟优化	降低45%（Fan-out并行）
报告生成时间	~3分钟（人工需4小时）
数据源	5+（Yahoo Finance, SEC EDGAR, Tavily等）
合规准确率	92%
实现语言	Python, Java, Go
输出格式	PDF, Markdown, JSON

---

系统架构

整体架构图

用户输入(股票代码)
      │
      ▼
 ┌─────────────────────────────────────────────┐
 │            Orchestrator（编排器）              │
 │                                              │
 │  ┌─── Stage 1: Fan-out 并行 ───────────────┐ │
 │  │                                          │ │
 │  │  ┌──────────────┐  ┌──────────────────┐ │ │
 │  │  │Data Collector │  │ Sentiment Agent  │ │ │
 │  │  │ (数据采集)     │  │ (舆情分析)        │ │ │
 │  │  │              │  │                  │ │ │
 │  │  │ Yahoo Finance│  │ Tavily新闻搜索    │ │ │
 │  │  │ SEC EDGAR    │  │ LLM情感分析      │ │ │
 │  │  └──────┬───────┘  └────────┬─────────┘ │ │
 │  │         └──────┬────────────┘            │ │
 │  └───────────────│──────────────────────────┘ │
 │                  ▼                             │
 │  ┌─── Stage 2: Pipeline 串行 ──────────────┐  │
 │  │  ┌────────────────┐                     │  │
 │  │