""" AlphaEar 工具包层 - Agno Toolkit 适配器 复用 utils 中的底层工具实现，提供 Agno Agent 兼容的 Toolkit 接口 """ from datetime import datetime from typing import Optional from agno.tools import Toolkit from loguru import logger from ..utils.database_manager import DatabaseManager from ..utils.news_tools import NewsNowTools, PolymarketTools from ..utils.stock_tools import StockTools from ..utils.search_tools import SearchTools from ..utils.sentiment_tools import SentimentTools class NewsToolkit(Toolkit): """ 新闻工具包 - 包装 NewsNowTools 为 Agno Toolkit 提供热点新闻获取、内容提取等功能 """ def __init__(self, db: DatabaseManager, **kwargs): self._news_tools = NewsNowTools(db) self._sources = self._news_tools.SOURCES tools = [ self.fetch_hot_news, self.fetch_news_content, self.get_unified_trends, self.enrich_news_content, ] super().__init__(name="news_toolkit", tools=tools, **kwargs) def fetch_hot_news(self, source_id: str, count: int = 10) -> str: """ 从指定新闻源获取热点新闻列表。 Args: source_id: 新闻源标识符。可选值按类别: **金融类**: "cls" (财联社), "wallstreetcn" (华尔街见闻), "xueqiu" (雪球) **综合类**: "weibo" (微博热搜), "zhihu" (知乎热榜), "baidu" (百度热搜), "toutiao" (今日头条), "douyin" (抖音), "thepaper" (澎湃新闻) **科技类**: "36kr" (36氪), "ithome" (IT之家), "v2ex", "juejin" (掘金), "hackernews" (Hacker News) 推荐金融分析使用 "cls", "wallstreetcn", "xueqiu"。 count: 获取的新闻数量，默认 10 条。 Returns: 热点新闻列表的文本描述，包含排名、标题和链接。如果源不可用则返回错误信息。 """ logger.info(f"🔧 [TOOL CALLED] fetch_hot_news(source_id={source_id}, count={count})") items = self._news_tools.fetch_hot_news(source_id, count=count, fetch_content=False) if not items: return f"获取 {source_id} 热点失败" source_name = self._sources.get(source_id, source_id) result = f"## {source_name} 热点 (获取时间: {datetime.now().strftime('%Y-%m-%d %H:%M')})\n\n" for item in items: result += f"{item['rank']}. {item['title']}\n 链接: {item['url']}\n\n" logger.info(f"✅ [TOOL SUCCESS] Got {len(items)} news items from {source_id}") return result def fetch_news_content(self, url: str) -> str: """ 使用 Jina Reader 抓取指定 URL 的网页正文内容。 Args: url: 需要抓取内容的完整网页 URL，必须以 http:// 或 https:// 开头。 Returns: 提取的网页正文内容，如果失败则返回错误信息。 """ content = self._news_tools.fetch_news_content(url) if content: return content[:5000] # 限制长度 return "内容抓取失败" def get_unified_trends(self, sources: str = "wallstreetcn,cls") -> str: """ 获取多平台综合热点报告。 Args: sources: 要扫描的新闻源，用逗号分隔。 可选值: weibo, zhihu, baidu, toutiao, wallstreetcn, cls 默认: "wallstreetcn,cls" (金融资讯) Returns: 格式化的热点汇总报告。 """ source_list = [s.strip() for s in sources.split(",")] report = self._news_tools.get_unified_trends(source_list) return report def enrich_news_content(self, source: str = None, limit: int = 5) -> str: """ 为数据库中缺少正文内容的新闻补充内容。 Args: source: 筛选特定新闻源（如 "cls"），为空则处理所有。 limit: 最多处理的新闻数量，默认 5 条。 Returns: 处理结果的描述。 """ logger.info(f"🔧 [TOOL CALLED] enrich_news_content(source={source}, limit={limit})") # 获取需要补充内容的新闻 news_items = self._news_tools.db.get_daily_news(source=source, limit=limit) items_without_content = [n for n in news_items if not n.get('content')] if not items_without_content: return "没有需要补充内容的新闻" updated_count = 0 cursor = self._news_tools.db.conn.cursor() for item in items_without_content[:limit]: url = item.get('url') if url: content = self._news_tools.fetch_news_content(url) if content: cursor.execute( "UPDATE daily_news SET content = ? WHERE id = ?", (content[:10000], item['id']) ) updated_count += 1 self._news_tools.db.conn.commit() logger.info(f"✅ [TOOL SUCCESS] Enriched {updated_count} news items with content") return f"✅ 已为 {updated_count} 条新闻补充正文内容" class PolymarketToolkit(Toolkit): """ Polymarket 预测市场工具包 - 获取热门预测市场数据 预测市场数据可反映公众情绪、预期和关注度 """ def __init__(self, db: DatabaseManager, **kwargs): self._poly_tools = PolymarketTools(db) tools = [ self.get_prediction_markets, self.get_market_summary, ] super().__init__(name="polymarket_toolkit", tools=tools, **kwargs) def get_prediction_markets(self, limit: int = 20) -> str: """ 获取 Polymarket 活跃预测市场的关键数据。 预测市场反映公众对重大事件的概率预期，可用于: - 分析市场情绪和风险偏好 - 了解热门话题的关注度 - 获取重大事件的概率预期 Args: limit: 获取的市场数量，默认 20 个。 Returns: 预测市场数据列表，包含问题、结果概率和交易量。 如果获取失败返回错误信息。 """ logger.info(f"🔧 [TOOL CALLED] get_prediction_markets(limit={limit})") markets = self._poly_tools.get_active_markets(limit) if not markets: return "❌ 无法获取 Polymarket 数据（可能是网络问题）" result = f"## 🔮 Polymarket 热门预测 (共 {len(markets)} 个)\n\n" for i, m in enumerate(markets[:limit], 1): question = m.get("question", "Unknown") prices = m.get("outcomePrices", []) volume = m.get("volume", 0) result += f"{i}. **{question}**\n" if prices: result += f" 概率: {prices}\n" if volume: try: result += f" 交易量: ${float(volume):,.0f}\n" except: result += f" 交易量: {volume}\n" result += "\n" logger.info(f"✅ [TOOL SUCCESS] Got {len(markets)} prediction markets") return result def get_market_summary(self, limit: int = 10) -> str: """ 获取预测市场摘要报告，了解当前热门话题和公众预期。 Args: limit: 获取的市场数量，默认 10 个。 Returns: 格式化的预测市场报告。 """ return self._poly_tools.get_market_summary(limit) class StockToolkit(Toolkit): """ 股票工具包 - 包装 StockTools 为 Agno Toolkit 提供股票搜索、价格查询等功能 """ def __init__(self, db: DatabaseManager, **kwargs): self._stock_tools = StockTools(db) tools = [ self.search_ticker, self.get_stock_price, ] super().__init__(name="stock_toolkit", tools=tools, **kwargs) def search_ticker(self, query: str) -> str: """ 模糊搜索 A 股股票代码或名称。 Args: query: 搜索关键词，可以是股票代码（如 "600519"）或名称关键词（如 "茅台"、"宁德"、"比亚迪"）。 Returns: 匹配的股票列表，包含代码和名称。 """ q = (query or "").strip() # Guardrails: prevent overly generic queries that tend to return arbitrary "...股份" matches. generic_terms = { "股份", "有限公司", "概念股", "受益股", "龙头", "标的", "相关股票", "合作概念股", } if not q: return "查询为空，无法搜索股票" if q in generic_terms: return f"查询过于泛化（{q}），为避免误匹配已拒绝。请提供更具体的公司名或6位代码。" # If it's not a numeric code, require at least 2 non-space chars. if not any(ch.isdigit() for ch in q) and len(q.replace(" ", "")) < 2: return "查询过短，无法搜索股票。请提供更具体的公司名或6位代码。" results = self._stock_tools.search_ticker(query) if not results: return f"未找到匹配 '{query}' 的股票" output = f"## 股票搜索结果 (关键词: {query})\n\n" for r in results: output += f"- {r['code']} - {r['name']}\n" return output def get_stock_price(self, ticker: str, days: int = 30) -> str: """ 获取指定股票的近期价格走势。 Args: ticker: 股票代码，如 "600519"（贵州茅台）或 "000001"（平安银行）。 days: 查询天数，默认 30 天。 Returns: 价格走势的文本摘要。 """ from datetime import timedelta end_date = datetime.now().strftime('%Y-%m-%d') start_date = (datetime.now() - timedelta(days=days)).strftime('%Y-%m-%d') df = self._stock_tools.get_stock_price(ticker, start_date, end_date) if df.empty: return f"未能获取 {ticker} 的股价数据" latest = df.iloc[-1] change = ((latest['close'] - df.iloc[0]['close']) / df.iloc[0]['close']) * 100 # 格式化历史数据供 LLM 分析 (取最近 15 天) history_df = df.tail(15).copy() history_df['date'] = history_df['date'].astype(str) # 简化列名以节省 token history_cols = ['date', 'open', 'close', 'high', 'low', 'volume'] # 尝试使用 markdown 格式，如果失败退回到 string try: history_str = history_df[history_cols].to_markdown(index=False, numalign="left", stralign="left") except ImportError: history_str = history_df[history_cols].to_string(index=False) except Exception: history_str = history_df[history_cols].to_string(index=False) return f"""## {ticker} 价格走势 ({days}天) - 当前价: ¥{latest['close']:.2f} - 期间涨跌: {change:+.2f}% - 最高/最低: ¥{df['high'].max():.2f} / ¥{df['low'].min():.2f} - 数据范围: {df.iloc[0]['date']} -> {latest['date']} ### 最近 15 个交易日详细数据 (OHLCV): {history_str} """ class SentimentToolkit(Toolkit): """ 情绪分析工具包 - 包装 SentimentTools 为 Agno Toolkit 提供文本情绪分析功能（支持 BERT 和 LLM 模式） """ def __init__(self, db: DatabaseManager, mode: str = "auto", **kwargs): self._sentiment_tools = SentimentTools(db, mode=mode) self._db = db tools = [ self.analyze_sentiment, self.batch_update_sentiment, ] super().__init__(name="sentiment_toolkit", tools=tools, **kwargs) def analyze_sentiment(self, text: str) -> str: """ 分析文本的情绪极性。 Args: text: 需要分析的文本内容，如新闻标题或摘要。 Returns: 情绪分析结果，包含分值(-1.0到1.0)和标签(positive/negative/neutral)。 """ result = self._sentiment_tools.analyze_sentiment(text) score = result.get('score', 0.0) label = result.get('label', 'neutral') reason = result.get('reason', '') return f"""情绪分析结果: - 文本: {text[:100]}{'...' if len(text) > 100 else ''} - 分值: {score:.2f} - 标签: {label} - 分析: {reason}""" def batch_update_sentiment(self, source: str = None, limit: int = 20) -> str: """ 批量更新数据库中新闻的情绪分数。 Args: source: 筛选特定新闻源（如 "cls", "wallstreetcn"），为空则处理所有。 limit: 最多处理的新闻数量，默认 20 条。 Returns: 更新结果的描述。 """ logger.info(f"🔧 [TOOL CALLED] batch_update_sentiment(source={source}, limit={limit})") count = self._sentiment_tools.batch_update_news_sentiment(source=source, limit=limit) return f"✅ 已更新 {count} 条新闻的情绪分数" class SearchToolkit(Toolkit): """ 搜索工具包 - 包装 SearchTools 为 Agno Toolkit 提供网络搜索功能（支持 Jina、DuckDuckGo 和百度） 当环境变量 JINA_API_KEY 设置时，默认使用 Jina Search， 提供 LLM 友好的搜索结果。 """ def __init__(self, db: DatabaseManager, **kwargs): self._search_tools = SearchTools(db) tools = [ self.web_search, self.aggregate_search, ] super().__init__(name="search_toolkit", tools=tools, **kwargs) def web_search(self, query: str, engine: str = None, max_results: int = 5) -> str: """ 使用指定搜索引擎执行网络搜索。 Args: query: 搜索关键词，如 "英伟达财报" 或 "光伏行业政策"。 engine: 搜索引擎选择。可选值: "jina" (Jina Search，需配置 JINA_API_KEY，LLM友好输出), "ddg" (DuckDuckGo，推荐英文/国际搜索), "baidu" (百度，推荐中文/国内搜索)。 默认: 若配置了 JINA_API_KEY 则使用 "jina"，否则 "ddg"。 max_results: 返回结果数量。默认 5。 Returns: 搜索结果的文本描述。 """ return self._search_tools.search(query, engine=engine, max_results=max_results) def aggregate_search(self, query: str, max_results: int = 5) -> str: """ 同时使用多个搜索引擎搜索并聚合结果。 Args: query: 搜索关键词。 max_results: 每个引擎返回的最大结果数。默认 5。 Returns: 聚合后的搜索结果。 """ return self._search_tools.aggregate_search(query, max_results=max_results) class ContextSearchToolkit(Toolkit): """ 上下文搜索工具包 - 用于 RAG 场景的文档片段检索 支持在内存中存储文档片段，并通过关键词搜索相关内容。 适用于 ReportAgent 的分段编辑场景。 """ def __init__(self, **kwargs): self._store = {} # {doc_id: {"title": str, "content": str, "summary": str}} tools = [ self.search_context, self.get_toc, ] super().__init__(name="context_search_toolkit", tools=tools, **kwargs) def add_document(self, doc_id: str, title: str, content: str, summary: str = ""): """添加文档到存储（供外部调用，非 LLM 工具）""" self._store[doc_id] = { "title": title, "content": content, "summary": summary or content[:200] + "..." } logger.info(f"📄 Added document to context store: {doc_id} - {title[:30]}...") def clear(self): """清空文档存储""" self._store.clear() logger.info("🗑️ Context store cleared") def search_context(self, query: str, max_results: int = 3) -> str: """ 在已存储的文档中搜索与查询相关的内容片段。 Args: query: 搜索关键词，如 "消费板块" 或 "茅台 预测"。 max_results: 返回的最大结果数，默认 3。 Returns: 匹配的文档片段，按相关性排序。 """ logger.info(f"🔍 [TOOL CALLED] search_context(query={query}, max_results={max_results})") if not self._store: return "⚠️ 上下文存储为空，无可搜索内容。" # 简单的关键词匹配 + 计分 query_terms = query.lower().split() results = [] for doc_id, doc in self._store.items(): score = 0 content_lower = doc["content"].lower() title_lower = doc["title"].lower() for term in query_terms: # 标题匹配权重更高 if term in title_lower: score += 3 if term in content_lower: score += content_lower.count(term) if score > 0: results.append((score, doc_id, doc)) # 按分数排序 results.sort(key=lambda x: x[0], reverse=True) results = results[:max_results] if not results: return f"未找到与 '{query}' 相关的内容。" output = f"## 搜索结果 (查询: {query})\n\n" for score, doc_id, doc in results: output += f"### [{doc_id}] {doc['title']}\n" # 返回摘要而非全文，节省 token output += f"{doc['summary']}\n\n" logger.info(f"✅ [TOOL SUCCESS] Found {len(results)} matching documents") return output def get_toc(self) -> str: """ 获取当前存储的所有文档的目录（TOC）。 Returns: 文档目录列表，包含 ID 和标题。 """ logger.info("🔍 [TOOL CALLED] get_toc()") if not self._store: return "⚠️ 上下文存储为空。" output = "## 文档目录 (TOC)\n\n" for doc_id, doc in self._store.items(): output += f"- **[{doc_id}]** {doc['title']}\n" return output