Simon
d9be75a98f
- agent/tools.py：Tool 元数据（JSON Schema）+ 白名单调用（异常转可读反馈，不中断对话） - agent/tools_impl.py：6 个受控工具 search_stocks / get_market_data / test_factor / run_backtest / get_experiment / compare_experiments —— 全部只读经 Job/Experiment 链路，研究自动归档；无 shell/任意执行/写删数据能力 - agent/llm.py：LLMClient 抽象 + OpenAI 兼容客户端（LLM_API_KEY/LLM_BASE_URL/LLM_MODEL 走 .env，未配置给出引导提示）+ 研究纪律 system prompt（反过拟合/样本外/成本） - agent/service.py：编排循环（tool/final JSON 决策 → 执行 → 回喂 → 结论），轮次上限兜底，未知工具拒绝 - /api/agent/chat；httpx 移至主依赖；Job 默认工厂抽取（api/agent/executor 复用） - 测试 6 项（白名单无 shell、完整研究循环产出、未知工具拒绝、轮次兜底），全量 79 passed / ruff clean
78 lines
2.7 KiB
Python
78 lines
2.7 KiB
Python
"""LLM 客户端抽象（Phase 5）。
|
||
|
||
实现约定：真实 Key 来自 .env（LLM_API_KEY / LLM_BASE_URL / LLM_MODEL，见 config.yaml 引用）。
|
||
测试注入 FakeLLMClient 走完整编排链路，不触网。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
from typing import Protocol
|
||
|
||
import httpx
|
||
|
||
from app.agent.tools import tools_schema
|
||
from app.agent.tools_impl import build_tools
|
||
from app.core.config import get_settings
|
||
|
||
SYSTEM_TEMPLATE = """你是个人 A 股量化研究助手（Research Assistant），不是系统管理员。
|
||
|
||
你可以调用以下工具（每次只能输出一个动作）：
|
||
{tools}
|
||
|
||
输出规则：只输出一行 JSON，两种形态之一：
|
||
1. 需要调用工具：{{"tool": "<工具名>", "args": {{...}}}}
|
||
2. 给出结论：{{"final": "结论文本"}}
|
||
|
||
研究纪律（必须遵守）：
|
||
- 先提出假设 → 用工具做因子测试或回测 → 基于实验事实分析，再给结论
|
||
- 不得仅凭单次回测高收益就宣布策略有效；要主动说明样本外、过拟合、
|
||
look-ahead bias、交易成本、参数敏感性等风险（未做验证的项要明说「未验证」）
|
||
- 全程只读：不得要求删除/修改数据或执行任意命令（你也没有这类工具）
|
||
- 回答使用简体中文
|
||
"""
|
||
|
||
|
||
class LLMClient(Protocol):
|
||
def chat(self, messages: list[dict]) -> str: ...
|
||
|
||
|
||
class OpenAICompatibleClient:
|
||
"""OpenAI 兼容 Chat Completions（qwen/dashscope、deepseek、openai 等均适用）。"""
|
||
|
||
def __init__(self, *, base_url: str, api_key: str, model: str, timeout: float = 60.0) -> None:
|
||
self._base_url = base_url.rstrip("/")
|
||
self._api_key = api_key
|
||
self._model = model
|
||
self._timeout = timeout
|
||
|
||
def chat(self, messages: list[dict]) -> str:
|
||
with httpx.Client(timeout=self._timeout) as client:
|
||
resp = client.post(
|
||
f"{self._base_url}/chat/completions",
|
||
headers={"Authorization": f"Bearer {self._api_key}"},
|
||
json={
|
||
"model": self._model,
|
||
"messages": messages,
|
||
"temperature": 0.2,
|
||
},
|
||
)
|
||
resp.raise_for_status()
|
||
data = resp.json()
|
||
return data["choices"][0]["message"]["content"]
|
||
|
||
|
||
def build_llm_from_settings():
|
||
"""从配置构造 LLM；未配置 Key 时返回 None（调用方给出引导提示）。"""
|
||
settings = get_settings()
|
||
if not settings.llm_api_key:
|
||
return None
|
||
return OpenAICompatibleClient(
|
||
base_url=settings.llm_base_url or "https://dashscope.aliyuncs.com/compatible-mode/v1",
|
||
api_key=settings.llm_api_key,
|
||
model=settings.llm_model,
|
||
)
|
||
|
||
|
||
def system_prompt() -> str:
|
||
return SYSTEM_TEMPLATE.format(tools=tools_schema(build_tools()))
|