update pay function

2025-11-28 14:49:16 +08:00
parent 18f8f75116
commit 9b7a221315
11 changed files with 2917 additions and 46 deletions
--- a/mcp_server.py
+++ b/mcp_server.py
@@ -2337,6 +2337,637 @@ async def search_chat_history(user_id: str, query: str, top_k: int = 10):
        raise HTTPException(status_code=500, detail=str(e))


+# ==================== 投研会议室系统 ====================
+
+# 投研会议室角色配置
+MEETING_ROLES = {
+    "buffett": {
+        "id": "buffett",
+        "name": "巴菲特",
+        "nickname": "唱多者",
+        "role_type": "bull",  # 多头
+        "avatar": "/avatars/buffett.png",
+        "model": "kimi-k2-thinking",
+        "color": "#10B981",  # 绿色（上涨）
+        "description": "主观多头，善于分析事件的潜在利好和长期价值",
+        "system_prompt": """你是"巴菲特"，一位资深的价值投资者和主观多头分析师。
+
+你的特点：
+1. 善于发现事件和公司的潜在利好因素
+2. 关注长期价值，不被短期波动干扰
+3. 分析公司的护城河、竞争优势和管理层质量
+4. 对市场保持乐观但理性的态度
+
+分析风格：
+- 重点挖掘利好因素和投资机会
+- 从产业链、市场格局、政策支持等角度分析
+- 给出清晰的看多逻辑和目标预期
+- 语言风格：稳重、专业、富有洞察力
+
+注意：你的发言要简洁有力，每次发言控制在200字以内。直接表达观点，不要客套。"""
+    },
+    "big_short": {
+        "id": "big_short",
+        "name": "大空头",
+        "nickname": "大空头",
+        "role_type": "bear",  # 空头
+        "avatar": "/avatars/big_short.png",
+        "model": "kimi-k2-thinking",
+        "color": "#EF4444",  # 红色（下跌）
+        "description": "善于分析事件和财报中的风险因素，帮助投资者避雷",
+        "system_prompt": """你是"大空头"，一位专业的风险分析师和空头研究员。
+
+你的特点：
+1. 善于发现被市场忽视的风险因素
+2. 擅长财报分析，发现财务造假和粉饰的迹象
+3. 关注行业天花板、竞争加剧、估值泡沫等问题
+4. 对市场保持警惕，帮助投资者避雷
+
+分析风格：
+- 重点挖掘风险因素和潜在隐患
+- 从财务数据、行业周期、估值水平等角度分析
+- 给出清晰的风险提示和规避建议
+- 语言风格：犀利、直接、善于质疑
+
+注意：你的发言要简洁有力，每次发言控制在200字以内。直接指出风险，不要绕弯子。"""
+    },
+    "simons": {
+        "id": "simons",
+        "name": "量化分析员",
+        "nickname": "西蒙斯",
+        "role_type": "quant",  # 量化
+        "avatar": "/avatars/simons.png",
+        "model": "deepseek-v3",
+        "color": "#3B82F6",  # 蓝色（中性）
+        "description": "中性立场，使用量化分析工具分析技术指标",
+        "system_prompt": """你是"量化分析员"（昵称：西蒙斯），一位专业的量化交易研究员。
+
+你的特点：
+1. 使用数据和技术指标说话，保持中性立场
+2. 擅长均线分析、量价关系、动能指标等技术分析
+3. 关注市场情绪、资金流向、筹码分布等量化因素
+4. 用概率思维看待市场，不做主观臆断
+
+分析风格：
+- 基于技术指标给出客观分析
+- 使用具体数据支撑观点（如：5日均线、MACD、RSI等）
+- 给出量化的买卖信号和风险评估
+- 语言风格：理性、客观、数据驱动
+
+注意：你的发言要简洁有力，每次发言控制在200字以内。多用数据说话，少发表主观意见。"""
+    },
+    "leek": {
+        "id": "leek",
+        "name": "韭菜",
+        "nickname": "牢大",
+        "role_type": "retail",  # 散户
+        "avatar": "/avatars/leek.png",
+        "model": "deepmoney",
+        "color": "#F59E0B",  # 黄色
+        "description": "贪婪又讨厌亏损，热爱追涨杀跌的典型散户",
+        "system_prompt": """你是"韭菜"（昵称：牢大），一个典型的散户投资者。
+
+你的特点：
+1. 贪婪但又害怕亏损，典型的追涨杀跌
+2. 容易被市场情绪影响，看到涨就想追，看到跌就想跑
+3. 喜欢听小道消息，容易被"内幕"吸引
+4. 短线思维，缺乏耐心，期望一夜暴富
+
+分析风格：
+- 用最朴素的散户思维来分析问题
+- 经常关注"这个能赚多少"、"会不会跌"
+- 容易情绪化，看涨时过度乐观，看跌时过度悲观
+- 语言风格：口语化、情绪化、接地气
+
+注意：你的发言要简洁直接，每次发言控制在150字以内。展现真实散户的心态，可以有些搞笑，但不要太出格。"""
+    },
+    "fund_manager": {
+        "id": "fund_manager",
+        "name": "基金经理",
+        "nickname": "决策者",
+        "role_type": "manager",  # 管理者
+        "avatar": "/avatars/fund_manager.png",
+        "model": "kimi-k2-thinking",
+        "color": "#8B5CF6",  # 紫色
+        "description": "总结其他人的发言做出最终决策",
+        "system_prompt": """你是"基金经理"，投研会议的主持人和最终决策者。
+
+你的角色：
+1. 综合各方观点，做出理性判断
+2. 平衡多空观点，识别有价值的分析
+3. 特别注意：韭菜的观点通常是反向指标
+4. 给出专业、负责任的投资建议
+
+决策风格：
+- 综合考虑基本面、技术面、情绪面
+- 权衡风险与收益，给出明确的投资建议
+- 指出讨论中的关键洞察和需要注意的风险
+- 语言风格：权威、专业、全面
+
+决策输出格式：
+1. 综合评估：对讨论议题的整体判断
+2. 关键观点：各方有价值的观点总结
+3. 风险提示：需要注意的主要风险
+4. 操作建议：具体的投资建议（买入/持有/观望/卖出）
+5. 信心指数：对这个结论的信心程度（1-10分）
+
+注意：如果讨论还不够充分，你可以要求继续讨论。每次发言控制在300字以内。"""
+    }
+}
+
+# 投研会议室专用模型配置（扩展现有配置）
+MEETING_MODEL_CONFIGS = {
+    **MODEL_CONFIGS,
+    "deepseek-v3": {
+        "api_key": "sk-1cf3dfadf7244a8680cd0a60da6f1efd",
+        "base_url": "https://api.deepseek.com/v1",
+        "model": "deepseek-chat",
+    }
+}
+
+
+class MeetingRoleMessage(BaseModel):
+    """会议角色消息"""
+    role_id: str
+    role_name: str
+    nickname: str
+    avatar: str
+    color: str
+    content: str
+    timestamp: str
+    round_number: int  # 第几轮讨论
+
+
+class MeetingRequest(BaseModel):
+    """投研会议请求"""
+    topic: str  # 用户提出的议题
+    user_id: str = "anonymous"
+    user_nickname: str = "匿名用户"
+    session_id: Optional[str] = None
+    user_message: Optional[str] = None  # 用户在讨论中的插话
+    conversation_history: List[Dict[str, Any]] = []  # 之前的讨论历史
+
+
+class MeetingResponse(BaseModel):
+    """投研会议响应"""
+    success: bool
+    session_id: str
+    messages: List[Dict[str, Any]]  # 本轮所有角色的发言
+    round_number: int  # 当前轮次
+    is_concluded: bool  # 是否已得出结论
+    conclusion: Optional[Dict[str, Any]] = None  # 基金经理的结论（如果有）
+
+
+async def call_role_llm(role_id: str, prompt: str, context: str = "") -> str:
+    """调用特定角色的LLM生成回复"""
+    role = MEETING_ROLES.get(role_id)
+    if not role:
+        raise ValueError(f"Unknown role: {role_id}")
+
+    model_name = role["model"]
+    model_config = MEETING_MODEL_CONFIGS.get(model_name, MODEL_CONFIGS["kimi-k2-thinking"])
+
+    try:
+        client = OpenAI(
+            api_key=model_config["api_key"],
+            base_url=model_config["base_url"]
+        )
+
+        messages = [
+            {"role": "system", "content": role["system_prompt"]},
+        ]
+
+        if context:
+            messages.append({"role": "user", "content": f"当前讨论背景：\n{context}"})
+
+        messages.append({"role": "user", "content": prompt})
+
+        response = client.chat.completions.create(
+            model=model_config["model"],
+            messages=messages,
+            temperature=0.7,
+            max_tokens=500,
+        )
+
+        return response.choices[0].message.content.strip()
+
+    except Exception as e:
+        logger.error(f"调用角色 {role_id} 的 LLM 失败: {e}")
+        return f"[{role['name']}暂时无法发言，请稍后重试]"
+
+
+async def determine_speaking_order(topic: str) -> List[str]:
+    """使用 K2 模型决定发言顺序"""
+    try:
+        client = OpenAI(
+            api_key=MODEL_CONFIGS["kimi-k2-thinking"]["api_key"],
+            base_url=MODEL_CONFIGS["kimi-k2-thinking"]["base_url"]
+        )
+
+        response = client.chat.completions.create(
+            model=MODEL_CONFIGS["kimi-k2-thinking"]["model"],
+            messages=[
+                {
+                    "role": "system",
+                    "content": """你是一个会议主持助手。根据用户提出的议题，决定投研会议中各角色的最佳发言顺序。
+
+可用角色（不包括基金经理，他最后总结）：
+- buffett: 巴菲特（主观多头，分析利好）
+- big_short: 大空头（风险分析师）
+- simons: 量化分析员（技术分析）
+- leek: 韭菜（散户视角）
+
+根据议题性质，安排最合适的发言顺序。比如：
+- 如果是分析某公司/事件，建议先让多头分析利好，再让空头分析风险
+- 如果是技术走势问题，可以先让量化分析
+- 韭菜可以随时插入，提供散户视角
+
+只需要返回角色ID列表，用逗号分隔，例如：buffett,simons,big_short,leek"""
+                },
+                {"role": "user", "content": f"议题：{topic}"}
+            ],
+            temperature=0.3,
+            max_tokens=100,
+        )
+
+        order_str = response.choices[0].message.content.strip()
+        # 解析返回的顺序
+        order = [r.strip() for r in order_str.split(",") if r.strip() in MEETING_ROLES]
+
+        # 确保所有非管理者角色都在列表中
+        for role_id, role in MEETING_ROLES.items():
+            if role["role_type"] != "manager" and role_id not in order:
+                order.append(role_id)
+
+        return order
+
+    except Exception as e:
+        logger.error(f"决定发言顺序失败: {e}")
+        # 返回默认顺序
+        return ["buffett", "big_short", "simons", "leek"]
+
+
+async def check_conclusion_ready(discussion_history: str, topic: str) -> tuple[bool, str]:
+    """基金经理判断是否可以得出结论"""
+    try:
+        client = OpenAI(
+            api_key=MODEL_CONFIGS["kimi-k2-thinking"]["api_key"],
+            base_url=MODEL_CONFIGS["kimi-k2-thinking"]["base_url"]
+        )
+
+        response = client.chat.completions.create(
+            model=MODEL_CONFIGS["kimi-k2-thinking"]["model"],
+            messages=[
+                {
+                    "role": "system",
+                    "content": MEETING_ROLES["fund_manager"]["system_prompt"]
+                },
+                {
+                    "role": "user",
+                    "content": f"""议题：{topic}
+
+目前的讨论内容：
+{discussion_history}
+
+请判断：
+1. 目前的讨论是否足够充分，可以得出最终结论？
+2. 如果可以，请给出你的最终决策。
+3. 如果不可以，请说明还需要讨论什么，并要求继续讨论。
+
+请以JSON格式回复：
+{{
+    "can_conclude": true/false,
+    "reasoning": "判断理由",
+    "conclusion": "如果可以结论，这里是你的完整决策；如果不能，这里是需要继续讨论的方向"
+}}"""
+                }
+            ],
+            temperature=0.5,
+            max_tokens=800,
+        )
+
+        result = response.choices[0].message.content.strip()
+        # 尝试解析JSON
+        try:
+            # 处理可能的 markdown 代码块
+            if "```json" in result:
+                result = result.split("```json")[1].split("```")[0].strip()
+            elif "```" in result:
+                result = result.split("```")[1].split("```")[0].strip()
+
+            data = json.loads(result)
+            return data.get("can_conclude", False), data.get("conclusion", result)
+        except json.JSONDecodeError:
+            # 如果JSON解析失败，直接返回内容
+            return True, result
+
+    except Exception as e:
+        logger.error(f"检查结论状态失败: {e}")
+        return True, "基于目前的讨论，建议投资者谨慎对待，继续关注后续发展。"
+
+
+@app.post("/agent/meeting/start")
+async def start_investment_meeting(request: MeetingRequest):
+    """
+    启动投研会议
+
+    第一轮：所有角色（除基金经理外）依次发言
+    """
+    logger.info(f"启动投研会议: {request.topic} (user: {request.user_id})")
+
+    session_id = request.session_id or str(uuid.uuid4())
+    messages = []
+    round_number = 1
+
+    # 决定发言顺序
+    speaking_order = await determine_speaking_order(request.topic)
+    logger.info(f"发言顺序: {speaking_order}")
+
+    # 构建讨论上下文
+    context = f"议题：{request.topic}\n\n这是第一轮讨论，请针对议题发表你的观点。"
+
+    # 依次让每个角色发言
+    for role_id in speaking_order:
+        role = MEETING_ROLES[role_id]
+        if role["role_type"] == "manager":
+            continue  # 基金经理不在第一轮发言
+
+        # 加入之前角色的发言作为上下文
+        prev_context = context
+        if messages:
+            prev_context += "\n\n其他人的观点：\n"
+            for msg in messages:
+                prev_context += f"- {msg['role_name']}：{msg['content']}\n"
+
+        # 调用LLM生成发言
+        content = await call_role_llm(role_id, request.topic, prev_context)
+
+        message = {
+            "role_id": role_id,
+            "role_name": role["name"],
+            "nickname": role["nickname"],
+            "avatar": role["avatar"],
+            "color": role["color"],
+            "content": content,
+            "timestamp": datetime.now().isoformat(),
+            "round_number": round_number
+        }
+        messages.append(message)
+
+    # 第一轮结束后，基金经理判断是否可以得出结论
+    discussion_summary = "\n".join([
+        f"【{msg['role_name']}】：{msg['content']}"
+        for msg in messages
+    ])
+
+    can_conclude, conclusion_content = await check_conclusion_ready(discussion_summary, request.topic)
+
+    # 添加基金经理的发言
+    fund_manager = MEETING_ROLES["fund_manager"]
+    fund_manager_message = {
+        "role_id": "fund_manager",
+        "role_name": fund_manager["name"],
+        "nickname": fund_manager["nickname"],
+        "avatar": fund_manager["avatar"],
+        "color": fund_manager["color"],
+        "content": conclusion_content,
+        "timestamp": datetime.now().isoformat(),
+        "round_number": round_number,
+        "is_conclusion": can_conclude
+    }
+    messages.append(fund_manager_message)
+
+    return {
+        "success": True,
+        "session_id": session_id,
+        "messages": messages,
+        "round_number": round_number,
+        "is_concluded": can_conclude,
+        "conclusion": fund_manager_message if can_conclude else None
+    }
+
+
+@app.post("/agent/meeting/continue")
+async def continue_investment_meeting(request: MeetingRequest):
+    """
+    继续投研会议讨论
+
+    根据之前的讨论历史，继续新一轮讨论
+    支持用户在讨论中插话
+    """
+    logger.info(f"继续投研会议: {request.topic} (round: {len(request.conversation_history) // 5 + 1})")
+
+    session_id = request.session_id or str(uuid.uuid4())
+    messages = []
+    round_number = len(request.conversation_history) // 5 + 2  # 估算轮次
+
+    # 构建历史讨论上下文
+    history_context = "历史讨论：\n"
+    for msg in request.conversation_history:
+        history_context += f"【{msg.get('role_name', '未知')}】：{msg.get('content', '')}\n"
+
+    # 如果用户有插话，先处理用户消息
+    if request.user_message:
+        history_context += f"\n【用户】：{request.user_message}\n"
+        messages.append({
+            "role_id": "user",
+            "role_name": "用户",
+            "nickname": request.user_nickname,
+            "avatar": "",
+            "color": "#6366F1",
+            "content": request.user_message,
+            "timestamp": datetime.now().isoformat(),
+            "round_number": round_number
+        })
+
+    # 新一轮讨论的发言顺序
+    speaking_order = await determine_speaking_order(request.topic)
+
+    # 依次让每个角色发言
+    for role_id in speaking_order:
+        role = MEETING_ROLES[role_id]
+        if role["role_type"] == "manager":
+            continue
+
+        # 构建本次发言的上下文
+        current_context = f"议题：{request.topic}\n\n{history_context}"
+        if messages:
+            current_context += "\n本轮讨论：\n"
+            for msg in messages:
+                if msg["role_id"] != "user":
+                    current_context += f"- {msg['role_name']}：{msg['content']}\n"
+
+        # 调用LLM
+        prompt = f"这是第{round_number}轮讨论，请根据之前的讨论内容，进一步阐述或补充你的观点。"
+        if request.user_message:
+            prompt += f"\n\n用户刚才说：{request.user_message}\n请也回应用户的观点。"
+
+        content = await call_role_llm(role_id, prompt, current_context)
+
+        message = {
+            "role_id": role_id,
+            "role_name": role["name"],
+            "nickname": role["nickname"],
+            "avatar": role["avatar"],
+            "color": role["color"],
+            "content": content,
+            "timestamp": datetime.now().isoformat(),
+            "round_number": round_number
+        }
+        messages.append(message)
+
+    # 本轮结束后，基金经理再次判断
+    all_discussion = history_context + "\n本轮讨论：\n" + "\n".join([
+        f"【{msg['role_name']}】：{msg['content']}"
+        for msg in messages if msg["role_id"] != "user"
+    ])
+
+    can_conclude, conclusion_content = await check_conclusion_ready(all_discussion, request.topic)
+
+    # 添加基金经理的发言
+    fund_manager = MEETING_ROLES["fund_manager"]
+    fund_manager_message = {
+        "role_id": "fund_manager",
+        "role_name": fund_manager["name"],
+        "nickname": fund_manager["nickname"],
+        "avatar": fund_manager["avatar"],
+        "color": fund_manager["color"],
+        "content": conclusion_content,
+        "timestamp": datetime.now().isoformat(),
+        "round_number": round_number,
+        "is_conclusion": can_conclude
+    }
+    messages.append(fund_manager_message)
+
+    return {
+        "success": True,
+        "session_id": session_id,
+        "messages": messages,
+        "round_number": round_number,
+        "is_concluded": can_conclude,
+        "conclusion": fund_manager_message if can_conclude else None
+    }
+
+
+@app.get("/agent/meeting/roles")
+async def get_meeting_roles():
+    """获取所有会议角色配置"""
+    return {
+        "success": True,
+        "roles": [
+            {
+                "id": role["id"],
+                "name": role["name"],
+                "nickname": role["nickname"],
+                "role_type": role["role_type"],
+                "avatar": role["avatar"],
+                "color": role["color"],
+                "description": role["description"],
+            }
+            for role in MEETING_ROLES.values()
+        ]
+    }
+
+
+@app.post("/agent/meeting/stream")
+async def stream_investment_meeting(request: MeetingRequest):
+    """
+    流式投研会议
+
+    以 SSE 方式逐个角色流式返回发言
+    """
+    logger.info(f"流式投研会议: {request.topic} (user: {request.user_id})")
+
+    async def generate_meeting_stream() -> AsyncGenerator[str, None]:
+        session_id = request.session_id or str(uuid.uuid4())
+        round_number = 1
+        all_messages = []
+
+        # 发送会话开始事件
+        yield f"data: {json.dumps({'type': 'session_start', 'session_id': session_id}, ensure_ascii=False)}\n\n"
+
+        # 决定发言顺序
+        speaking_order = await determine_speaking_order(request.topic)
+
+        yield f"data: {json.dumps({'type': 'order_decided', 'order': speaking_order}, ensure_ascii=False)}\n\n"
+
+        context = f"议题：{request.topic}\n\n这是第一轮讨论，请针对议题发表你的观点。"
+
+        # 依次让每个角色发言
+        for role_id in speaking_order:
+            role = MEETING_ROLES[role_id]
+            if role["role_type"] == "manager":
+                continue
+
+            # 发送"正在发言"状态
+            yield f"data: {json.dumps({'type': 'speaking_start', 'role_id': role_id, 'role_name': role['name']}, ensure_ascii=False)}\n\n"
+
+            # 构建上下文
+            prev_context = context
+            if all_messages:
+                prev_context += "\n\n其他人的观点：\n"
+                for msg in all_messages:
+                    prev_context += f"- {msg['role_name']}：{msg['content']}\n"
+
+            # 调用LLM生成发言
+            content = await call_role_llm(role_id, request.topic, prev_context)
+
+            message = {
+                "role_id": role_id,
+                "role_name": role["name"],
+                "nickname": role["nickname"],
+                "avatar": role["avatar"],
+                "color": role["color"],
+                "content": content,
+                "timestamp": datetime.now().isoformat(),
+                "round_number": round_number
+            }
+            all_messages.append(message)
+
+            # 发送完整发言
+            yield f"data: {json.dumps({'type': 'message', 'message': message}, ensure_ascii=False)}\n\n"
+
+            # 短暂延迟，让前端有时间处理
+            await asyncio.sleep(0.5)
+
+        # 基金经理总结
+        fund_manager = MEETING_ROLES["fund_manager"]
+        yield f"data: {json.dumps({'type': 'speaking_start', 'role_id': 'fund_manager', 'role_name': fund_manager['name']}, ensure_ascii=False)}\n\n"
+
+        discussion_summary = "\n".join([
+            f"【{msg['role_name']}】：{msg['content']}"
+            for msg in all_messages
+        ])
+        can_conclude, conclusion_content = await check_conclusion_ready(discussion_summary, request.topic)
+
+        fund_manager_message = {
+            "role_id": "fund_manager",
+            "role_name": fund_manager["name"],
+            "nickname": fund_manager["nickname"],
+            "avatar": fund_manager["avatar"],
+            "color": fund_manager["color"],
+            "content": conclusion_content,
+            "timestamp": datetime.now().isoformat(),
+            "round_number": round_number,
+            "is_conclusion": can_conclude
+        }
+
+        yield f"data: {json.dumps({'type': 'message', 'message': fund_manager_message}, ensure_ascii=False)}\n\n"
+
+        # 发送会议结束事件
+        yield f"data: {json.dumps({'type': 'meeting_end', 'is_concluded': can_conclude, 'round_number': round_number}, ensure_ascii=False)}\n\n"
+
+    return StreamingResponse(
+        generate_meeting_stream(),
+        media_type="text/event-stream",
+        headers={
+            "Cache-Control": "no-cache",
+            "Connection": "keep-alive",
+            "X-Accel-Buffering": "no",
+        },
+    )
+
+
 # ==================== 健康检查 ====================

@app.get("/health")