app.py

import gradio as gr
import os
import time
import logging
from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG


# 配置日志输出格式
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S"
)
logger = logging.getLogger("TradingAgents")


# ---------------------- 1. 初始化 TradingAgents 框架 ----------------------
def init_trading_agents():
    """初始化框架，读取环境变量（API Key），配置LLM"""
    logger.info("开始初始化 TradingAgents 框架...")
    
    # 复制默认配置并修改
    custom_config = DEFAULT_CONFIG.copy()
    logger.info("加载默认配置并开始自定义配置...")
    
    # 1. 显式配置LLM提供商和模型（与项目默认规范匹配）
    custom_config["llm_provider"] = "openai"  # 显式指定提供商
    custom_config["backend_url"] = "https://api.vveai.com/v1"  # 对应API地址
    custom_config["deep_think_llm"] = "gpt-4o-mini"  # 深度思考模型
    custom_config["quick_think_llm"] = "gpt-4o-mini"  # 快速思考模型
    logger.info(f"配置LLM模型：提供商={custom_config['llm_provider']}, 深度模型={custom_config['deep_think_llm']}")
    
    # 2. 启用在线数据（依赖FinnHub）
    custom_config["online_tools"] = True
    logger.info(f"启用在线工具: {custom_config['online_tools']}")
    
    # 3. 配置辩论轮次（缩短响应时间）
    custom_config["max_debate_rounds"] = 1
    custom_config["max_risk_discuss_rounds"] = 1  # 补充风险辩论轮次配置
    logger.info(f"配置辩论参数: 最大辩论轮次={custom_config['max_debate_rounds']}, 风险讨论轮次={custom_config['max_risk_discuss_rounds']}")
    
    # 4. 检查必要环境变量（避免API调用失败）
    required_env_vars = ["OPENAI_API_KEY"]
    if custom_config["online_tools"]:
        required_env_vars.append("FINNHUB_API_KEY")
    
    missing_vars = [var for var in required_env_vars if not os.getenv(var)]
    if missing_vars:
        error_msg = f"缺少必要环境变量：{', '.join(missing_vars)}，请配置后重试"
        logger.error(error_msg)
        raise ValueError(error_msg)
    logger.info("所有必要环境变量均已配置")
    
    # 5. 初始化框架（debug模式便于调试）
    logger.info("开始初始化 TradingAgentsGraph 实例...")
    ta = TradingAgentsGraph(debug=True, config=custom_config)
    logger.info("TradingAgents 框架初始化完成")
    return ta


# 全局初始化（只执行一次）
try:
    logger.info("===== 启动 TradingAgents 应用 =====")
    ta = init_trading_agents()
except Exception as e:
    logger.critical(f"框架初始化失败: {str(e)}", exc_info=True)
    raise  # 终止程序，初始化失败无法继续运行


# ---------------------- 2. 定义交易决策函数 ----------------------

def generate_trading_decision(ticker, analysis_date, progress=gr.Progress()):
    """核心函数：生成交易决策，显示中间分析过程"""
    logger.info(f"收到分析请求 - 股票代码: {ticker}, 分析日期: {analysis_date}")
    
    try:
        # 1. 验证输入（与之前逻辑一致）
        if not ticker.strip():
            error_msg = "错误：股票代码不能为空！请输入如 AAPL、SPY 的代码。"
            logger.warning(error_msg)
            return error_msg
        
        if not analysis_date.strip():
            error_msg = "错误：分析日期不能为空！请输入格式如 2024-05-10 的日期。"
            logger.warning(error_msg)
            return error_msg
        
        try:
            time.strptime(analysis_date.strip(), "%Y-%m-%d")
        except ValueError:
            error_msg = f"错误：日期格式无效！请使用 YYYY-MM-DD 格式，输入的日期为: {analysis_date}"
            logger.warning(error_msg)
            return error_msg
        
        logger.info("输入验证通过，开始分析流程")
        
        # 2. 显示进度
        progress(0, desc="开始初始化分析...")
        time.sleep(1)
        
        progress(0.2, desc=f"获取 {ticker} 的金融数据（FinnHub）...")
        time.sleep(2)
        
        progress(0.5, desc="分析师团队分析（财务+情绪+技术指标）...")
        time.sleep(3)
        
        progress(0.8, desc="研究团队辩论+交易员决策+风险管理评估...")
        
        # 3. 调用框架核心方法，捕获中间结果
        logger.info(f"调用 propagate 方法 - company_name={ticker.strip()}, trade_date={analysis_date.strip()}")
        start_time = time.time()
        
        # ---- 关键修改：调试模式下捕获流式中间结果 ----
        all_outputs = []  # 存储所有中间输出
        final_state = None
        processed_signal = None

        # 若处于调试模式（debug=True），使用 stream 获取中间结果
        if ta.debug:
            # 获取 graph.invoke 所需的参数
            args = ta.propagator.get_graph_args()
            init_state = ta.propagator.create_initial_state(ticker.strip(), analysis_date.strip())
            
            # 遍历流式结果
            for i, chunk in enumerate(ta.graph.stream(init_state, **args)):
                # 提取并格式化中间消息
                if chunk.get("messages") and len(chunk["messages"]) > 0:
                    msg = chunk["messages"][-1].content  # 假设消息内容在 .content 中
                    all_outputs.append(f"## 中间步骤 {i+1}\n{msg}\n\n")
                    logger.info(f"中间结果 {i+1}: {msg[:50]}...")  # 日志简略显示
                
                # 模拟进度（根据实际步骤数调整，这里简化）
                progress(0.8 + 0.2 * i / 10, desc=f"处理中间步骤 {i+1}/10")
        
            # 流式结束后，最终状态为最后一个 chunk
            final_state = chunk
        else:
            # 非调试模式，直接调用（无中间结果）
            final_state, processed_signal = ta.propagate(
                company_name=ticker.strip(),
                trade_date=analysis_date.strip()
            )
            all_outputs.append("（非调试模式，无中间步骤显示）\n\n")

        # 处理最终结果
        if final_state:
            decision = final_state.get("final_trade_decision", "未获取到最终交易决策")
            all_outputs.append(f"# 最终交易决策\n{decision}\n\n")
            
            # 添加免责声明
            disclaimer = "\n\n【免责声明】本结果仅用于研究目的，不构成任何财务、投资或交易建议。交易风险自负。"
            final_result = f"# {ticker} 交易决策报告（分析日期：{analysis_date}）\n\n" + "".join(all_outputs) + disclaimer
        
        end_time = time.time()
        logger.info(f"分析完成，耗时 {end_time - start_time:.2f} 秒")
        
        progress(1.0, desc="分析完成！")
        return final_result
    
    except Exception as e:
        error_msg = (
            f"分析失败：{str(e)}\n\n可能原因：\n"
            "1. API Key 无效或已过期\n"
            "2. 股票代码不存在\n"
            "3. 分析日期格式错误（需 YYYY-MM-DD）\n"
            "4. FinnHub/OpenAI API 调用超限"
        )
        logger.error(f"分析过程出错: {str(e)}", exc_info=True)
        return error_msg



# ---------------------- 3. 构建 Gradio 界面 ----------------------
logger.info("开始构建 Gradio 界面...")
with gr.Blocks(title="TradingAgents 金融交易决策工具") as demo:
    gr.Markdown("# TradingAgents 多智能体 LLM 金融交易工具")
    gr.Markdown("基于大语言模型的多智能体协作分析，支持股票财务、情绪、技术指标综合评估")
    gr.Markdown("⚠️ 免费版 API 有调用限制，单次分析约 1-3 分钟，请耐心等待")
    
    with gr.Row():
        ticker_input = gr.Textbox(
            label="股票代码", 
            value="AAPL",
            placeholder="输入股票代码，如 AAPL（苹果）、SPY（标普 500 ETF）",
            interactive=True
        )
        date_input = gr.Textbox(
            label="分析日期", 
            value="2024-05-10",
            placeholder="输入格式：YYYY-MM-DD（如 2024-05-10）",
            interactive=True
        )
    
    submit_btn = gr.Button("生成交易决策", variant="primary")
    result_output = gr.Markdown(
        label="分析结果",
        value="点击上方按钮开始分析，结果将显示在这里..."
    )
    
    submit_btn.click(
        fn=generate_trading_decision,
        inputs=[ticker_input, date_input],
        outputs=result_output
    )

logger.info("Gradio 界面构建完成")


# ---------------------- 4. 启动界面 ----------------------
if __name__ == "__main__":
    logger.info("启动 Gradio 服务...")
    try:
        demo.launch(server_name="0.0.0.0", server_port=7860)
        logger.info("Gradio 服务已启动")
    except Exception as e:
        logger.critical(f"Gradio 服务启动失败: {str(e)}", exc_info=True)