← 返回项目列表
AI 智能体大语言模型Python数据分析机器学习
多智能体金融研究助手
基于 LLM 的多智能体编排系统，实现自动化金融研究流水线：数据采集 Agent → 量化分析 Agent → 报告生成 Agent，支持工具调用与上下文记忆，将研究周期从数天压缩至分钟级。
10 分钟阅读
含交互演示
5 个技术标签
项目概述
本项目构建了一个以 Supervisor Agent 为核心的多智能体协作系统，用于自动化完成金融研究任务。用户输入研究主题（如「分析某上市公司Q3财报风险」），系统自动拆解为子任务并分配给专职 Agent：数据采集 Agent 拉取财务数据和新闻，量化分析 Agent 运行指标计算和异常检测，报告生成 Agent 汇总为结构化研究报告。
核心功能
01
Supervisor-Worker 架构：Supervisor Agent 负责任务分解、子 Agent 调度与结果汇总，支持动态路由
02
工具调用（Function Calling）：各 Agent 配备专属工具集，包括财务数据 API、计算器、图表生成器
03
上下文记忆管理：短期记忆存储当前研究状态，历史摘要压缩避免 Token 溢出
04
并行 Agent 执行：数据采集与初步分析并行运行，整体延迟降低 60%
05
Human-in-the-loop：关键节点（风险评级、结论确认）插入人工审批，确保输出可信
技术方法
框架基于 LangGraph 构建状态机，节点为各 Agent，边为条件路由规则。Supervisor 使用 ReAct 模式规划 → 执行 → 观察循环。每个 Worker Agent 使用 structured output 返回标准 JSON 格式结果，Supervisor 汇总后送入报告生成 Agent。最终输出为 Markdown 格式研究报告，含摘要、财务分析、风险评估、投资建议四个章节。
交互演示
多智能体流水线演示
选择研究课题，启动 4 层 Agent 流水线，实时观察工具调用日志与最终报告生成。
Multi-Agent · 流水线演示
金融研究多智能体系统
4 层 Agent 协作（监督→数据→分析→报告），工具调用日志可视化。
0/4