erlangshen 0.1.0

package/src/commands/report.py

@@ -0,0 +1,228 @@
+"""
+/report 命令 - 报告生成
+"""
+
+from typing import Optional
+from datetime import datetime
+from pathlib import Path
+from src.brain import Brain
+from src.mcp.registry import MCPRegistry
+
+
+class ReportCommand:
+    """
+    报告生成命令处理器
+    
+    用法:
+        /report 月度总结
+        /report 季度策略
+        /report 个股研究 贵州茅台
+    """
+    
+    def __init__(self, brain: Brain, mcp: MCPRegistry):
+        self.brain = brain
+        self.mcp = mcp
+        self.knowledge_dir = Path("~/.openclaw-agent-06/workspace/erlangshen/knowledge/reports").expanduser()
+        self.knowledge_dir.mkdir(parents=True, exist_ok=True)
+    
+    async def execute(self, args: str) -> str:
+        """
+        生成报告
+        
+        Args:
+            args: 报告类型和主题
+        
+        Returns:
+            报告内容
+        """
+        if not args:
+            return self._help()
+        
+        # 解析报告类型
+        report_type = self._parse_report_type(args)
+        
+        # 生成报告
+        report_content = await self._generate_report(args, report_type)
+        
+        # 保存报告
+        report_path = await self._save_report(args, report_content)
+        
+        return f"{report_content}\n\n📁 报告已保存至: {report_path}"
+    
+    def _parse_report_type(self, args: str) -> str:
+        """解析报告类型"""
+        args_lower = args.lower()
+        
+        if "月度" in args or "月报" in args:
+            return "月度报告"
+        elif "季度" in args or "季报" in args:
+            return "季度报告"
+        elif "年度" in args or "年报" in args:
+            return "年度报告"
+        elif "周" in args or "周报" in args:
+            return "周报"
+        elif "个股" in args or "研究" in args:
+            return "个股研究报告"
+        elif "策略" in args:
+            return "策略报告"
+        elif "宏观" in args:
+            return "宏观报告"
+        else:
+            return "专题报告"
+    
+    async def _generate_report(self, args: str, report_type: str) -> str:
+        """生成报告内容"""
+        templates = {
+            "月度报告": """# {title}
+
+**生成时间**: {date}
+
+## 本月回顾
+
+### 宏观经济
+(本月宏观经济运行情况)
+
+### 市场表现
+(本月市场走势回顾)
+
+### 重要事件
+(本月重要事件梳理)
+
+## 下月展望
+
+### 宏观预判
+(对下月宏观经济的判断)
+
+### 市场观点
+(对下月市场的展望)
+
+### 投资建议
+(具体投资建议)
+""",
+            "季度报告": """# {title}
+
+**生成时间**: {date}
+
+## 本季度概述
+
+### 宏观经济
+(本季度宏观经济运行情况)
+
+### 市场表现
+(本季度市场走势回顾)
+
+### 业绩归因
+(组合业绩归因分析)
+
+## 下季度展望
+
+### 宏观预判
+(对下季度宏观经济的判断)
+
+### 市场观点
+(对下季度市场的展望)
+
+### 配置建议
+(大类资产配置建议)
+""",
+            "个股研究报告": """# {title}
+
+**生成时间**: {date}
+
+## 投资摘要
+
+### 核心观点
+(1-2句话概括投资逻辑)
+
+### 关键数据
+| 指标 | 数值 |
+|------|------|
+| 当前价格 | - |
+| 目标价格 | - |
+| 评级 | - |
+
+## 公司概况
+
+### 主营业务
+(公司主要业务介绍)
+
+### 竞争优势
+(公司的核心竞争优势)
+
+## 财务分析
+
+### 盈利能力
+(营收、利润分析)
+
+### 成长性
+(同比、环比分析)
+
+### 估值水平
+(PE、PB分析)
+
+## 风险提示
+
+## 投资建议
+""",
+        }
+        
+        template = templates.get(report_type, templates["月度报告"])
+        
+        # 填充模板
+        title = args.replace("月度", "").replace("季度", "").replace("报告", "").strip()
+        if not title:
+            title = report_type
+        
+        content = template.format(
+            title=title,
+            date=datetime.now().strftime("%Y年%m月%d日")
+        )
+        
+        # 使用LLM增强报告内容
+        enhanced = await self.brain.think(
+            prompt=f"""请基于以下主题生成{report_type}内容：
+
+主题：{args}
+
+请生成完整、专业的报告内容，替换下方模板中的占位内容：
+
+{content}
+""",
+            system="你是一位专业的投资研究报告撰写人，擅长生成结构清晰、数据翔实的投资报告。"
+        )
+        
+        return enhanced if enhanced else content
+    
+    async def _save_report(self, args: str, content: str) -> Path:
+        """保存报告"""
+        # 生成文件名
+        date_str = datetime.now().strftime("%Y%m%d_%H%M%S")
+        safe_title = "".join(c if c.isalnum() else "_" for c in args[:20])
+        filename = f"{date_str}_{safe_title}.md"
+        
+        filepath = self.knowledge_dir / filename
+        
+        with open(filepath, "w", encoding="utf-8") as f:
+            f.write(content)
+        
+        return filepath
+    
+    def _help(self) -> str:
+        """帮助信息"""
+        return """
+/report - 报告生成命令
+
+用法:
+    /report <报告类型> [主题]
+
+示例:
+    /report 月度总结
+    /report 季度策略
+    /report 周报
+    /report 个股研究 贵州茅台
+    /report 宏观月报
+
+支持的报告类型:
+    月度报告, 季度报告, 年度报告, 周报,
+    个股研究报告, 策略报告, 宏观报告
+"""

package/src/commands/risk.py

@@ -0,0 +1,183 @@
+"""
+/risk 命令 - 风险分析
+"""
+
+from typing import Optional, Dict
+from datetime import datetime
+from src.brain import Brain
+from src.mcp.registry import MCPRegistry
+
+
+class RiskCommand:
+    """
+    风险分析命令处理器
+    
+    用法:
+        /risk 市场风险
+        /risk 持仓风险
+        /risk 压力测试
+    """
+    
+    def __init__(self, brain: Brain, mcp: MCPRegistry):
+        self.brain = brain
+        self.mcp = mcp
+    
+    async def execute(self, args: str) -> str:
+        """
+        执行风险分析
+        
+        Args:
+            args: 分析类型
+        
+        Returns:
+            分析结果
+        """
+        if not args:
+            return self._help()
+        
+        args_lower = args.lower()
+        
+        if "市场" in args or "系统性" in args:
+            return await self._market_risk()
+        elif "持仓" in args or "个券" in args or "信用" in args:
+            return await self._position_risk()
+        elif "压力" in args or "测试" in args:
+            return await self._stress_test()
+        elif "流动性" in args:
+            return await self._liquidity_risk()
+        elif "VaR" in args or "风险价值" in args:
+            return await self._var_analysis()
+        else:
+            return await self._general_risk_analysis(args)
+    
+    async def _market_risk(self) -> str:
+        """市场风险分析"""
+        prompt = """请分析当前市场风险状况：
+
+分析维度：
+1. 整体市场估值 (PE, PB分位)
+2. 情绪指标 (换手率、融资融券)
+3. 资金流向
+4. 外围市场联动
+5. 政策环境
+
+请给出：
+- 当前市场风险等级 (低/中/高)
+- 主要风险点
+- 风险缓释建议
+"""
+        return await self.brain.analyze(prompt, framework="市场风险框架")
+    
+    async def _position_risk(self) -> str:
+        """持仓风险分析"""
+        prompt = """请分析持仓风险：
+
+持仓情况示例：
+- 单一股票最大持仓: 20%
+- 行业集中度: 信息技术 35%
+- 信用评级分布: AAA 50%, AA 30%, A 20%
+
+分析维度：
+1. 集中度风险 (个股、行业)
+2. 流动性风险
+3. 信用风险
+4. 杠杆风险
+
+请给出：
+- 风险评估
+- 风险分散建议
+"""
+        return await self.brain.analyze(prompt, framework="持仓风险框架")
+    
+    async def _stress_test(self) -> str:
+        """压力测试"""
+        prompt = """请进行压力测试分析：
+
+测试情景：
+1. 情景A: 市场下跌20%
+2. 情景B: 利率上行100bp
+3. 情景C: 人民币贬值10%
+4. 情景D: 组合情景 (同时发生)
+
+请分析：
+- 各情景下组合预期损失
+- 最坏情况下的损失
+- 风险缓释措施
+"""
+        return await self.brain.analyze(prompt, framework="压力测试框架")
+    
+    async def _liquidity_risk(self) -> str:
+        """流动性风险分析"""
+        prompt = """请分析流动性风险：
+
+分析维度：
+1. 组合整体流动性
+2. 低流动性资产比例
+3. 持仓变现能力
+4. 申赎压力
+
+请给出：
+- 流动性风险评估
+- 流动性预警指标
+- 流动性管理建议
+"""
+        return await self.brain.analyze(prompt, framework="流动性风险框架")
+    
+    async def _var_analysis(self) -> str:
+        """VaR分析"""
+        prompt = """请进行VaR (Value at Risk) 分析：
+
+组合配置：
+- 沪深300: 30%
+- 中证500: 15%
+- 恒生科技: 10%
+- 纳斯达克: 10%
+- 黄金: 10%
+- 债券: 15%
+- 现金: 10%
+
+请计算/估算：
+1. 1-day VaR (95%置信度)
+2. 10-day VaR
+3. Expected Shortfall (CVaR)
+4. 最大回撤估计
+
+说明分析方法假设。
+"""
+        return await self.brain.analyze(prompt, framework="VaR分析框架")
+    
+    async def _general_risk_analysis(self, args: str) -> str:
+        """通用风险分析"""
+        prompt = f"""请分析以下风险相关问题：
+
+问题：{args}
+
+请提供专业的风险分析，包括：
+1. 风险识别
+2. 风险评估
+3. 风险缓释建议
+"""
+        return await self.brain.analyze(prompt, framework="风险管理框架")
+    
+    def _help(self) -> str:
+        """帮助信息"""
+        return """
+/risk - 风险分析命令
+
+用法:
+    /risk <风险类型>
+
+子命令:
+    /risk 市场风险      - 分析整体市场风险
+    /risk 持仓风险      - 分析持仓集中度风险
+    /risk 压力测试      - 情景压力测试
+    /risk 流动性风险    - 流动性风险分析
+    /risk VaR          - 风险价值分析
+
+示例:
+    /risk 市场风险
+    /risk 持仓风险
+    /risk 压力测试
+    /risk 流动性风险
+    /risk VaR
+"""

package/src/commands/search.py

@@ -0,0 +1,183 @@
+"""
+/search 命令 - 搜索
+"""
+
+from typing import Optional, List, Dict, Any
+from pathlib import Path
+from src.brain import Brain
+from src.mcp.registry import MCPRegistry
+
+
+class SearchCommand:
+    """
+    搜索命令处理器
+    
+    用法:
+        /search 茅台
+        /search 宏观研报
+        /search 量化策略
+    """
+    
+    def __init__(self, brain: Brain, mcp: MCPRegistry):
+        self.brain = brain
+        self.mcp = mcp
+        self.knowledge_dir = None
+    
+    async def execute(self, args: str) -> str:
+        """
+        执行搜索
+        
+        Args:
+            args: 搜索关键词
+        
+        Returns:
+            搜索结果
+        """
+        if not args:
+            return self._help()
+        
+        # 优先搜索本地知识库
+        local_results = await self._search_local(args)
+        
+        # 如果本地没有，生成综合回答
+        if not local_results:
+            result = await self._generate_answer(args)
+            return result
+        
+        return self._format_results(local_results)
+    
+    async def _search_local(self, query: str) -> List[Dict[str, Any]]:
+        """搜索本地知识库"""
+        knowledge_base = Path("~/.openclaw-agent-06/workspace/erlangshen/knowledge").expanduser()
+        
+        if not knowledge_base.exists():
+            return []
+        
+        results = []
+        
+        # 搜索纪要
+        memos_dir = knowledge_base / "memos"
+        if memos_dir.exists():
+            for file in memos_dir.glob("*.md"):
+                if self._matches_query(file, query):
+                    results.append({
+                        "type": "memo",
+                        "title": file.stem,
+                        "path": str(file),
+                        "content": self._get_preview(file, query)
+                    })
+        
+        # 搜索报告
+        reports_dir = knowledge_base / "reports"
+        if reports_dir.exists():
+            for file in reports_dir.glob("*.md"):
+                if self._matches_query(file, query):
+                    results.append({
+                        "type": "report",
+                        "title": file.stem,
+                        "path": str(file),
+                        "content": self._get_preview(file, query)
+                    })
+        
+        # 搜索洞察
+        insights_dir = knowledge_base / "insights"
+        if insights_dir.exists():
+            for file in insights_dir.glob("*.md"):
+                if self._matches_query(file, query):
+                    results.append({
+                        "type": "insight",
+                        "title": file.stem,
+                        "path": str(file),
+                        "content": self._get_preview(file, query)
+                    })
+        
+        return results
+    
+    def _matches_query(self, file: Path, query: str) -> bool:
+        """检查文件是否匹配查询"""
+        try:
+            content = file.read_text(encoding="utf-8").lower()
+            query_lower = query.lower()
+            
+            # 简单的关键词匹配
+            keywords = query_lower.split()
+            for kw in keywords:
+                if kw in content:
+                    return True
+            
+            return False
+        except Exception:
+            return False
+    
+    def _get_preview(self, file: Path, query: str, max_lines: int = 5) -> str:
+        """获取匹配内容预览"""
+        try:
+            content = file.read_text(encoding="utf-8")
+            lines = content.split("\n")
+            
+            preview = []
+            query_lower = query.lower()
+            
+            for line in lines:
+                if query_lower in line.lower():
+                    preview.append(line.strip())
+                
+                if len(preview) >= max_lines:
+                    break
+            
+            return "\n".join(preview) if preview else content[:200]
+        except Exception:
+            return ""
+    
+    async def _generate_answer(self, query: str) -> str:
+        """生成综合回答"""
+        prompt = f"""请回答以下问题：
+
+问题：{query}
+
+请提供：
+1. 简洁直接的回答
+2. 相关背景信息
+3. 可能的行动建议
+
+如果你不知道，请明确说明。
+"""
+        
+        return await self.brain.think(
+            prompt,
+            system="你是一个知识渊博的投资顾问。请简洁、专业地回答问题。"
+        )
+    
+    def _format_results(self, results: List[Dict[str, Any]]) -> str:
+        """格式化搜索结果"""
+        output = f"找到 {len(results)} 条相关结果：\n\n"
+        
+        for i, result in enumerate(results, 1):
+            output += f"{i}. 【{result['type']}】{result['title']}\n"
+            output += f"   {result['content'][:100]}...\n"
+            output += f"   📁 {result['path']}\n\n"
+        
+        return output
+    
+    def _help(self) -> str:
+        """帮助信息"""
+        return """
+/search - 搜索命令
+
+用法:
+    /search <关键词>
+
+示例:
+    /search 茅台
+    /search 宏观
+    /search 量化策略
+    /search 美联储
+
+搜索范围:
+    - 本地知识库 (纪要、报告、洞察)
+    - 实时生成回答
+
+说明:
+    搜索会优先查找本地已保存的纪要和报告，
+    如果没有找到相关记录，会基于LLM生成回答。
+"""

package/src/commands/stock.py

@@ -0,0 +1,124 @@
+"""
+/stock 命令 - 股票分析
+"""
+
+from typing import Optional, List
+import re
+from src.agents.equity import EquityAgent
+from src.brain import Brain
+from src.mcp.registry import MCPRegistry
+
+
+class StockCommand:
+    """
+    股票分析命令处理器
+    
+    用法:
+        /stock 贵州茅台
+        /stock 000001
+        /stock 腾讯 阿里巴巴
+    """
+    
+    def __init__(self, brain: Brain, mcp: MCPRegistry):
+        self.brain = brain
+        self.mcp = mcp
+        self.agent = EquityAgent(brain, mcp)
+    
+    async def execute(self, args: str) -> str:
+        """
+        执行股票分析
+        
+        Args:
+            args: 分析查询
+        
+        Returns:
+            分析结果
+        """
+        if not args:
+            return self._help()
+        
+        # 提取股票代码或名称
+        symbols = self._extract_symbols(args)
+        
+        if len(symbols) == 1:
+            return await self.agent.analyze_stock(symbols[0])
+        elif len(symbols) > 1:
+            return await self.agent.compare_stocks(symbols)
+        else:
+            # 无法识别股票，分析查询意图
+            return await self.agent.analyze_sector(args)
+    
+    def _extract_symbols(self, query: str) -> List[str]:
+        """从查询中提取股票代码"""
+        # A股代码模式 (6位数字)
+        a_stock_pattern = r'\b(\d{6})\b'
+        a_stocks = re.findall(a_stock_pattern, query)
+        
+        # 常见股票名称映射
+        name_to_symbol = {
+            "茅台": "600519.SH",
+            "贵州茅台": "600519.SH",
+            "平安": "601318.SH",
+            "中国平安": "601318.SH",
+            "招商": "600036.SH",
+            "招商银行": "600036.SH",
+            "平安银行": "000001.SZ",
+            "万科": "000002.SZ",
+            "平安好医生": "1833.HK",
+            "腾讯": "0700.HK",
+            "阿里巴巴": "9988.HK",
+            "美团": "3690.HK",
+            "比亚迪": "002594.SZ",
+            "美的": "000333.SZ",
+            "美的集团": "000333.SZ",
+            "恒瑞": "600276.SH",
+            "恒瑞医药": "600276.SH",
+            "中信": "600030.SH",
+            "中芯": "688981.SH",
+            "中芯国际": "688981.SH",
+            "宁德": "300750.SZ",
+            "宁德时代": "300750.SZ",
+            "隆基": "601012.SH",
+            "隆基绿能": "601012.SH",
+        }
+        
+        symbols = []
+        
+        # 检查名称
+        for name, symbol in name_to_symbol.items():
+            if name in query:
+                symbols.append(symbol)
+        
+        # 添加数字代码
+        for code in a_stocks:
+            # 判断交易所
+            if code.startswith(('0', '3')):
+                symbol = f"{code}.SZ"
+            else:
+                symbol = f"{code}.SH"
+            
+            if symbol not in symbols:
+                symbols.append(symbol)
+        
+        return symbols
+    
+    def _help(self) -> str:
+        """帮助信息"""
+        return """
+/stock - 股票分析命令
+
+用法:
+    /stock <股票名称或代码>
+    /stock <股票1> <股票2> ... (比较)
+
+示例:
+    /stock 贵州茅台
+    /stock 600519
+    /stock 腾讯 阿里巴巴 美团
+    /stock 比亚迪
+
+支持:
+    - A股代码 (自动识别沪深)
+    - 港股代码
+    - 股票名称 (部分支持)
+"""