update

requirements.txt

@@ -1,3 +1,4 @@
 google-adk
 supabase
 litellm
+python-dotenv

team_framework/team_quant_rows-20250514.sql

@@ -0,0 +1,35 @@
+INSERT INTO "public"."team_quant" ("id", "model", "instruction", "tools", "description", "created_at", "name", "is_root", "sub_agents", "sort_id", "title", "global_instruction") VALUES ('497bb1fe-f22b-4dbb-8122-3470df8e665f', 'gemini-2.5-flash-preview-04-17', '你是AI金融量化研究员/分析师 (AI Quantitative Researcher/Analyst): 这是核心角色。负责：
+
+- 开发和测试股票分析模型，例如价值投资模型、动量模型、技术分析模型等。
+- 利用统计学、计量经济学等方法分析股票数据，发现投资机会。
+- 对股票进行估值分析，评估其投资价值。
+- 监控市场风险，提出风险控制建议。', null, 'AI金融量化研究员/分析师 (AI Quantitative Researcher/Analyst)', '2025-05-12 09:34:49.92523+00', 'ai_quant_researcher', 'false', null, '1', 'AI金融量化研究员', null), ('634f97af-516d-4d11-9113-b3ef82a9d04c', 'gemini-2.5-flash-preview-04-17', '你是AI金融量化开发工程师 (AI Quantitative Developer/Engineer):
+
+负责将研究成果转化为可执行的代码和系统。
+职责：
+将量化研究员开发的策略模型转化为程序代码实现。
+构建和维护策略回测平台。
+开发和维护自动化交易执行系统。
+处理和管理交易所需的数据（数据清洗、存储、获取）。
+负责交易系统的日常运行和维护。
+协助实现风险控制的技术逻辑。', null, 'AI金融量化开发工程师（AI Quantitative Developer/Engineer）', '2025-05-12 17:00:29.407603+00', 'ai_quant_developer', 'false', null, '4', 'AI金融量化开发工程师', null), ('825c4f17-0d49-4c3e-bf8b-a15b0183e73f', 'gemini-2.5-flash-preview-04-17', '你是AI金融量化交易员 (AI Quantitative Trader) 或 交易执行/监控专员:
+
+负责交易策略的实际执行、监控和管理。
+在自动化量化交易中，这个角色的职责通常包括：
+启动和监控自动化交易系统。
+管理交易头寸和资金分配。
+实时监控市场和系统运行状态。
+处理交易中的异常情况和错误。
+执行实时的风险控制措施。
+与研究员和开发工程师沟通系统表现和市场反馈。', null, 'AI金融量化交易员（AI Quantitative Trader）', '2025-05-12 16:57:25.300213+00', 'ai_quant_trader', 'false', null, '3', 'AI金融量化交易员', null), ('bba6efef-9db5-44c4-817b-df69f1b3a453', 'gemini-2.5-flash-preview-04-17', '你是AI金融量化数据科学家 (AI Data Scientist):
+
+专注于数据基础设施、数据处理和高级数据分析。
+职责：
+负责更复杂、更多样化数据源的收集、清洗、转换和管理（包括非结构化数据、另类数据等）。
+构建高效的数据管道和数据湖/仓库。
+应用机器学习、深度学习等高级统计和建模技术来发现数据中的模式和信号。
+支持量化研究员进行更深入的数据探索和特征工程。
+可能负责数据质量监控和数据治理。', null, 'AI金融量化数据科学家（AI Data Scientist）', '2025-05-11 12:37:23.847852+00', 'ai_data_scientist', 'false', null, '2', 'AI金融量化数据科学家', null), ('c78579d7-6fe5-4c73-860b-777ac202fc28', 'gemini-2.5-flash-preview-04-17', '你是AI金融量化交易团队的调度员（AI Dispatcher）
+- 你的主要工作是调配好整个金融量化交易团队的分工协作
+- 除了分配调度不要做其他具体工作
+- 如果你的团队成员都无法进行的工作，你就委婉告诉用户说你无法解答', null, 'AI金融量化交易团队的调度员（AI Dispatcher）', '2025-05-10 09:58:58.341622+00', 'ai_dispatcher', 'true', '["ai_quant_researcher","ai_data_scientist","ai_quant_trader","ai_quant_developer"]', '99', 'AI金融量化调度员', 'AI金融量化交易团队有个响亮的名字：“AI金融量化梦之队”，你是该团队的成员，当agent回答时，请带上你的角色名，比如：我是xxx（角色名），当用户问起你是谁，你就说出你的角色名称，比如我是：量化研究员');

teams/base_team/agent.py

@@ -11,9 +11,9 @@ def my_before_model_callback(callback_context, **kwargs):
 # 建议将敏感信息通过环境变量传递，而不是直接硬编码或从文件中读取
 # 这里为了演示，直接使用了从 .env 文件读取到的值
 # 在实际生产环境中，请确保通过安全的方式加载配置
-SUPABASE_URL = os.environ.get("SUPABASE_URL", "https://bbvyxjvleoizsipxydsm.supabase.co")
-SUPABASE_KEY = os.environ.get("SUPABASE_KEY", "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJzdXBhYmFzZSIsInJlZiI6ImJidnl4anZsZW9изsipxydsmIiwicm9sZSI6ImFub24iLCJpYXQiOjE3NDQ1MzkwNjIsImV4cCI6MjA2MDExNTA2Mn0.cbUNhiCHXqIaW4leU_vGTKVI51gLVvsFOVWYS_vJrA4")
-DB_TABLE_NAME = os.environ.get("DB_TABLE_NAME", "team_quant")
+SUPABASE_URL = os.environ.get("SUPABASE_URL")
+SUPABASE_KEY = os.environ.get("SUPABASE_KEY")
+DB_TABLE_NAME = os.environ.get("DB_TABLE_NAME")
 
 # 初始化 Supabase 客户端
 supabase: Client = create_client(SUPABASE_URL, SUPABASE_KEY)

teams/base_team/cache.py

@@ -1,6 +1,9 @@
 import os
 from supabase import create_client, Client
 import time
+from dotenv import load_dotenv
+
+load_dotenv()
 
 # Simple in-memory cache
 api_key_cache = {}

teams/base_team/team_quant_rows.sql

@@ -1,3 +0,0 @@
-INSERT INTO "public"."team_quant" ("id", "model", "instruction", "tools", "description", "created_at", "name", "is_root", "sub_agents", "sort_id", "title", "global_instruction") VALUES ('bba6efef-9db5-44c4-817b-df69f1b3a453', 'gemini-2.0-pro-exp', '你是谷歌搜索专家，专门搜索和金融量化交易相关的信息。
-仅执行搜索操作，不处理其他任务', '["searcher"]', '你是搜索专家，专门搜索和金融量化交易相关的信息', '2025-05-11 12:37:23.847852+00', 'searcher', 'false', null, '1', '金融量化信息检索专家', null), ('c78579d7-6fe5-4c73-860b-777ac202fc28', 'gemini-2.0-pro-exp', '你是量化交易团队的调度员。
-将搜索任务委派给google_searcher', null, '量化交易团队的调度员', '2025-05-10 09:58:58.341622+00', 'dispatcher', 'true', '["searcher"]', null, '调度员', '量化交易团队成员');

test.py

@@ -1,5 +0,0 @@
-d=1
-a={"b":{"c":d}}
-print(a["b"]["c"])
-d=2
-print(a["b"]["c"])

utils.py.willdel

@@ -1,122 +0,0 @@
-from google.adk.agents import Agent
-from google.adk.agents.invocation_context import InvocationContext
-from google.adk.tools import google_search
-from supabase import create_client, Client
-
-import logging # 导入 logging 模块
-import os,json
-
-# 配置日志
-logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(name)s - %(message)s')
-logger = logging.getLogger(__name__)
-
-class Base_Agent(Agent):
-    def __init__(self, agent_id: str):
-        logger.info("Base_Agent __init__ started.")
-
-        # 从环境变量加载 Supabase URL 和 Key
-        url: str = os.environ.get("SUPABASE_URL")
-        key: str = os.environ.get("SUPABASE_KEY") # 从环境变量获取 Supabase Key
-
-        if not url or not key:
-            logger.error("Supabase URL or Key not set in environment variables.")
-            # 如果环境变量未设置，可以使用默认配置
-            logger.warning("Supabase URL and Key not set. Using default agent configuration.")
-            super().__init__(
-                name="基础助手",
-                model="gemini-2.0-flash-exp",
-                instruction="执行基本指令",
-                tools=[google_search],
-                description="一个执行基本通用命令的基础助手"
-            )
-            logger.info("Base_Agent initialized with default configuration.")
-            return # Exit __init__ if using default config
-
-        logger.info("Supabase URL and Key loaded from environment variables.")
-
-        # 创建 Supabase 客户端
-        try:
-            supabase: Client = create_client(url, key)
-            logger.info("Supabase client created successfully.")
-        except Exception as e:
-            logger.error(f"Error creating Supabase client: {e}")
-            # 如果创建客户端失败，使用默认配置
-            logger.warning("Error creating Supabase client. Using default agent configuration.")
-            super().__init__(
-                name="基础助手",
-                model="gemini-2.0-flash-exp",
-                instruction="执行基本指令",
-                tools=[google_search],
-                description="一个执行基本通用命令的基础助手"
-            )
-            return # Exit __init__ if using default config
-
-        # 从数据库加载 agent 配置信息
-        try:
-            logger.info(f"Attempting to load agent configuration from Supabase for id: {agent_id}")
-            # 查询 airs_agents 表，获取对应的 agent 配置
-            data, count = supabase.table('airs_agents').select('*').eq('id', agent_id).execute()
-
-            if not data or not data[0]:
-                logger.error(f"Agent configuration for id '{self.agent_id}' not found in Supabase table 'airs_agents'.")
-                # 如果配置未找到，使用默认配置
-                logger.warning("Agent configuration not found. Using default agent configuration.")
-                super().__init__(
-                    name="基础助手",
-                    model="gemini-2.0-flash-exp",
-                    instruction="执行基本指令",
-                    tools=[google_search],
-                    description="一个执行基本通用命令的基础助手"
-                )
-                return # Exit __init__ if using default config
-            print('\n\n\n\ndata',data)
-            print('**************************')
-            print('data[0]',data[0])
-            print('data[1]',data[1])
-            print('data[1][0]',data[1][0])
-
-            config = data[1][0] # 假设查询结果是列表中的第一个字典
-            logger.info("Agent configuration data fetched from Supabase. config: ",)
-
-            # 解析 tools 字段（假设存储为 JSONB）
-            tools_list = []
-            if config.get("tools"):
-                logger.info("Processing tools field.")
-                try:
-                    stored_tools = json.loads(config["tools"]) if isinstance(config["tools"], str) else config["tools"]
-                    # 示例：如果存储的是工具名称列表，查找对应的工具对象
-                    available_tools = {"google_search": google_search} # 假设可用的工具映射
-                    tools_list = [available_tools.get(tool_name) for tool_name in stored_tools if available_tools.get(tool_name)]
-                    print('\n\n\n\ntools_list',tools_list)
-                    # logger.info(f"Tools processed: {[tool.__name__ for tool in tools_list if tool]}")
-                except Exception as tool_e:
-                    logger.error(f"Error parsing or mapping tools: {tool_e}")
-                    # 如果解析或映射工具失败，可以使用默认工具或空列表
-                    tools_list = [google_search] # 默认使用 google_search
-                    logger.warning("Using default tool: google_search")
-
-            # 使用从数据库获取的配置初始化 Base_Agent 实例自身
-            print('\n\n\n\nconfig: ',config)
-            super().__init__(
-                name=config.get("name", "基础助手"),
-                model=config.get("model", "gemini-2.0-flash-exp"),
-                instruction=config.get("instruction", "执行基本指令"),
-                tools=tools_list, # 使用从数据库加载并解析的工具列表
-                description=config.get("description", "一个执行基本通用命令的基础助手")
-            )
-            logger.info("Base_Agent initialized successfully with Supabase configuration.")
-
-        except Exception as e:
-            logger.error(f"Error loading agent configuration from Supabase: {e}")
-            # 如果从数据库加载失败，使用默认配置
-            logger.warning("Error loading agent configuration from Supabase. Using default agent configuration.")
-            super().__init__(
-                name="基础助手",
-                model="gemini-2.0-flash-exp",
-                instruction="执行基本指令",
-                tools=[google_search],
-                description="一个执行基本通用命令的基础助手"
-            )
-
-        logger.info("Base_Agent __init__ finished.")
-