deepfund 的项目扩展与二次开发

项目的基础介绍

DeepFund 是一个开源项目，由 HKUSTDial 开发，旨在探索大型语言模型（LLM）在金融投资领域的应用能力。该项目通过让 LLM 消化外部信息，驱动多智能体系统，并做出交易决策，从而评估 LLM 在不同金融市场的交易能力。

项目的核心功能

DeepFund 的核心功能包括：

• 数据分析：项目集成了多种分析师角色，能够分析公司新闻、财务指标、内部人士交易活动、宏观经济指标、政策新闻以及技术指标，为交易决策提供依据。
• 交易决策：系统可以根据分析结果生成交易信号，如看涨、看跌或中立，并记录交易决策。
• 数据存储：使用数据库存储交易状态和 LLM 推理结果，以便进行后续分析和回溯。

项目使用了哪些框架或库？

DeepFund 项目使用了以下框架或库：

• 数据库：支持 Supabase 和 SQLite 两种数据库。
• LLM 提供商：支持 OpenAI、DeepSeek、Anthropic、Grok 等官方 API，以及 Fireworks AI、AiHubMix 等代理 API。
• 金融数据源：使用 Alpha Vantage API 和 YFinance API 下载市场数据。

项目的代码目录及介绍

DeepFund 项目的代码目录结构如下：

• src/: 源代码目录，包含主要的程序文件。
  • main.py: 主入口文件。
  • agents/: 智能体构建和注册。
  • apis/: 外部金融数据的 API 接口。
  • config/: 配置文件。
  • database/: 数据库设置和帮助函数。
  • example/: 预期输出示例。
  • graph/: 工作流、提示和模式。
  • llm/: LLM 提供商。
  • util/: 实用函数和帮助工具。
• environment.yml: Conda 环境配置文件。
• README.md: 项目文档。

对项目进行扩展或者二次开发的方向

1. 增加新的分析师角色：根据需求添加新的分析师，如市场情绪分析师、行业趋势分析师等，以丰富交易决策的维度。
2. 集成更多的金融数据源：整合更多金融数据服务，如国际知名财经媒体等，以获取更全面的市场信息。
3. 优化交易策略：根据市场反馈和历史数据，改进现有的交易决策逻辑，提高交易成功率。
4. 增加用户界面：开发一个用户友好的前端界面，使得用户能够更直观地查看分析结果和交易决策。
5. 扩展数据库功能：增强数据库的存储和管理能力，以便处理更大规模的数据集和复杂的查询需求。
6. 提升系统的性能和可扩展性：优化代码结构和性能，确保系统能够在高负载下稳定运行。