fi-pool-server 0.1.0

package/dist/services/pipeline.js

@@ -0,0 +1,844 @@
+/**
+ * 流水线编排器
+ *
+ * 将数据获取、LLM 分析、舆情搜索、多角色讨论和最终报告
+ * 组装为可执行的个股分析流水线。
+ *
+ * @module services/pipeline
+ */
+// ─── 导入 ────────────────────────────────────────────────────────
+import * as stockService from './stock.js';
+import * as dailyInfoService from './daily-info.js';
+import * as analysisService from './analysis.js';
+import * as llmService from './llm.js';
+import * as sentimentService from './sentiment.js';
+import * as sessionService from './session.js';
+import * as embeddingService from './embedding.js';
+import { getDatabase } from '../db/index.js';
+import { dailyAnalysisReport, sentimentReport, analysisRoler, finalReport, } from '../db/schema.js';
+import { eq, and, desc, sql } from 'drizzle-orm';
+import { countWords } from './word-count.js';
+const ROLES = [
+    {
+        name: '技术分析师',
+        responsibility: '技术指标解读',
+        wordLimitRound1: 400,
+        wordLimitRound2: 300,
+        systemPrompt: '你是一位A股技术分析师。请专注于技术面分析，解读均线、MACD、RSI、KDJ、布林带等指标信号，分析量价关系和趋势形态。不要讨论基本面或消息面。',
+    },
+    {
+        name: '基本面分析师',
+        responsibility: '基本面评估',
+        wordLimitRound1: 400,
+        wordLimitRound2: 300,
+        systemPrompt: '你是一位A股基本面分析师。请专注于基本面分析，包括估值水平、财务健康度、行业地位和成长性评估。结合行情数据推断基本面表现。不要讨论技术面或消息面。',
+    },
+    {
+        name: '舆情分析师',
+        responsibility: '市场情绪解读',
+        wordLimitRound1: 300,
+        wordLimitRound2: 200,
+        systemPrompt: '你是一位A股舆情分析师。请专注于市场情绪和消息面解读，分析舆情对股价的潜在影响，判断当前市场情绪倾向。',
+    },
+    {
+        name: '风控官',
+        responsibility: '风险评估',
+        wordLimitRound1: 300,
+        wordLimitRound2: 300,
+        systemPrompt: '你是一位A股风控官。请全面评估下行风险，关注流动性问题、估值泡沫风险、板块回调风险和个股利空因素，给出风险等级判断。',
+    },
+];
+// ─── 辅助函数 ────────────────────────────────────────────────────
+/**
+ * 生成流水线唯一 ID。
+ * 格式：{时间戳}-{随机6位hex}
+ */
+function generatePipelineId() {
+    const ts = Date.now().toString(36);
+    const rand = Math.random().toString(16).slice(2, 8);
+    return `pipe-${ts}-${rand}`;
+}
+/**
+ * 获取今日日期字符串（北京时间，yyyy-MM-dd 格式）。
+ */
+function getTodayDate() {
+    const now = new Date();
+    // 调整为北京时间（UTC+8）
+    const local = new Date(now.getTime() + 8 * 60 * 60 * 1000);
+    const y = local.getUTCFullYear();
+    const m = String(local.getUTCMonth() + 1).padStart(2, '0');
+    const d = String(local.getUTCDate()).padStart(2, '0');
+    return `${y}-${m}-${d}`;
+}
+/**
+ * 获取会话当前消息列表。
+ */
+function getSessionMessages(sessionId) {
+    const session = sessionService.getSession(sessionId);
+    if (!session) {
+        throw new Error(`会话不存在: ${sessionId}`);
+    }
+    return session.messages;
+}
+/**
+ * 将 OHLCV 数组格式化为紧凑表格字符串（用于 LLM prompt）。
+ *
+ * @param data    - OHLCV 数组（按日期升序）
+ * @param maxRows - 最多显示的行数，不指定则全部显示
+ * @returns 格式化字符串
+ */
+function formatOHLCVTable(data, maxRows) {
+    const rows = maxRows ? data.slice(-maxRows) : data;
+    const lines = ['日期|开盘|收盘|最高|最低|成交量(股)'];
+    for (const r of rows) {
+        lines.push(`${r.date}|${r.open.toFixed(2)}|${r.close.toFixed(2)}|${r.high.toFixed(2)}|${r.low.toFixed(2)}|${r.volume}`);
+    }
+    return lines.join('\n');
+}
+/**
+ * 从 LLM 回复中尝试提取并解析 JSON。
+ *
+ * 处理以下格式：
+ * 1. 纯 JSON 字符串
+ * 2. ```json ... ``` 代码块包裹
+ * 3. ``` ... ``` 代码块包裹（无 json 标记）
+ * 4. 文本中包含 { ... } 对象
+ *
+ * @param text  - LLM 回复文本
+ * @returns 解析成功的对象，失败时返回 null
+ */
+function parseLLMJsonResponse(text) {
+    // 尝试直接解析
+    try {
+        return JSON.parse(text);
+    }
+    catch {
+        // 忽略
+    }
+    // 尝试从 markdown 代码块提取
+    const blockMatch = text.match(/```(?:json)?\s*\n?([\s\S]*?)\n?```/);
+    if (blockMatch) {
+        try {
+            return JSON.parse(blockMatch[1].trim());
+        }
+        catch {
+            // 忽略
+        }
+    }
+    // 尝试提取第一个 { ... } 对象
+    const objectMatch = text.match(/\{[\s\S]*\}/);
+    if (objectMatch) {
+        try {
+            return JSON.parse(objectMatch[0]);
+        }
+        catch {
+            // 忽略
+        }
+    }
+    return null;
+}
+// ─── Prompt 构造 ─────────────────────────────────────────────────
+/**
+ * 构造 Stage 2 客观分析 prompt。
+ */
+function buildObjectivePrompt(params) {
+    const ohlcvTable = formatOHLCVTable(params.dailyData, 60);
+    const prevContext = params.prevReports.length > 0
+        ? params.prevReports
+            .map((r, i) => `[前第 ${i + 1} 日报告]\n摘要: ${r.summary}\n指标: ${r.indicators}`)
+            .join('\n\n')
+        : '无历史报告';
+    return `你是一个客观的A股数据分析师。请基于以下数据生成一份客观分析报告，仅陈述客观事实和数据，不要给出投资建议。
+
+[股票信息]
+代码：${params.code}
+名称：${params.name}
+
+[最近 ${params.dailyData.length} 个交易日行情]
+${ohlcvTable}
+
+[技术指标摘要（最新交易日）]
+- 涨跌幅: ${params.indicators.priceChangePct.toFixed(2)}%
+- 振幅: ${params.indicators.amplitude.toFixed(2)}%
+- MA5: ${params.indicators.ma.ma5 ?? 'N/A'} | MA10: ${params.indicators.ma.ma10 ?? 'N/A'} | MA20: ${params.indicators.ma.ma20 ?? 'N/A'} | MA60: ${params.indicators.ma.ma60 ?? 'N/A'}
+- MACD: DIF=${params.indicators.macd.dif ?? 'N/A'} DEA=${params.indicators.macd.dea ?? 'N/A'} 柱=${params.indicators.macd.histogram ?? 'N/A'}
+- RSI(6): ${params.indicators.rsi.rsi6 ?? 'N/A'} | RSI(14): ${params.indicators.rsi.rsi14 ?? 'N/A'}
+- KDJ: K=${params.indicators.kdj.k ?? 'N/A'} D=${params.indicators.kdj.d ?? 'N/A'} J=${params.indicators.kdj.j ?? 'N/A'}
+- 布林带: 上=${params.indicators.bb.upper ?? 'N/A'} 中=${params.indicators.bb.mid ?? 'N/A'} 下=${params.indicators.bb.lower ?? 'N/A'}
+
+[信号检测]
+- 金叉: ${params.signals.goldenCross}
+- 死叉: ${params.signals.deadCross}
+- 超买: ${params.signals.overbought}
+- 超卖: ${params.signals.oversold}
+- 放量: ${params.signals.volumeSpike}
+- 量比: ${params.signals.volumeRatio.toFixed(2)}
+
+[历史报告参考]
+${prevContext}
+
+请按以下JSON格式输出（仅输出JSON，不要额外文字）：
+{
+  "summary": "简洁的客观数据总结（500字以内，对比前一日指标变化）",
+  "indicators": {
+    "priceChangePct": 数值,
+    "amplitude": 数值,
+    "ma": { "ma5": 数值, "ma10": 数值, "ma20": 数值, "ma60": 数值 },
+    "macd": { "dif": 数值, "dea": 数值, "histogram": 数值 },
+    "rsi": { "rsi6": 数值, "rsi14": 数值 },
+    "kdj": { "k": 数值, "d": 数值, "j": 数值 },
+    "bb": { "upper": 数值, "mid": 数值, "lower": 数值 }
+  },
+  "signals": {
+    "goldenCross": 布尔,
+    "deadCross": 布尔,
+    "overbought": 布尔,
+    "oversold": 布尔,
+    "volumeSpike": 布尔,
+    "volumeRatio": 数值
+  }
+}`;
+}
+/**
+ * 构造 Stage 4 单个角色的 prompt。
+ */
+function buildRolePrompt(params) {
+    const roundSuffix = params.round === 2
+        ? '\n\n如有不同意见，请明确反驳前序发言的观点并说明理由。'
+        : '';
+    const sentimentSection = params.srReport
+        ? `\n[舆情报告]\n${params.srReport}`
+        : '';
+    return `${params.role.systemPrompt}${roundSuffix}
+
+[股票信息]
+代码：${params.code}
+名称：${params.name}
+
+[客观数据报告]
+指标: ${params.darIndicators}
+摘要: ${params.darSummary}${sentimentSection}
+
+[前序发言]
+${params.previousSpeeches || '无'}
+
+请输出你的分析报告。字数限制：${params.round === 1
+        ? params.role.wordLimitRound1
+        : params.role.wordLimitRound2}字以内。`;
+}
+/**
+ * 构造 Stage 5 最终报告 prompt。
+ */
+function buildFinalReportPrompt(params) {
+    const sentimentSection = params.srReport
+        ? `\n[舆情分析]\n${params.srReport}`
+        : '';
+    return `你是一位资深的A股投资分析师。请综合以下材料，生成一份投资分析报告。
+
+[股票信息]
+代码：${params.code}
+名称：${params.name}
+
+[客观数据报告]
+指标: ${params.darIndicators}
+摘要: ${params.darSummary}${sentimentSection}
+
+[多角色分析讨论记录]
+${params.roleDiscussions || '无'}
+
+请生成以下两个部分：
+
+1. 【概述】（200字以内）
+核心结论、关键信号、主要风险
+
+2. 【完整报告】（不限字数）
+分为以下章节：
+a. 技术面分析
+b. 基本面分析
+c. 市场情绪分析
+d. 风险提示
+e. 综合判断
+
+请按以下JSON格式输出（仅输出JSON，不要额外文字）：
+{
+  "summary": "概述内容（200字以内）",
+  "fullReport": "完整报告，包含技术面分析、基本面分析、市场情绪分析、风险提示、综合判断等章节",
+  "roleSummary": [
+    { "role": "技术分析师", "keyPoint": "核心观点" },
+    { "role": "基本面分析师", "keyPoint": "核心观点" },
+    { "role": "舆情分析师", "keyPoint": "核心观点" },
+    { "role": "风控官", "keyPoint": "核心观点" }
+  ]
+}`;
+}
+// ─── Pipeline 类 ─────────────────────────────────────────────────
+export class Pipeline {
+    code;
+    sessionId;
+    constructor(code) {
+        this.code = code;
+        this.sessionId = sessionService.createSession();
+    }
+    // ─── Stage 1: 数据获取 ──────────────────────────────────────────
+    /**
+     * Stage 1 — 数据获取
+     *
+     * 从腾讯财经接口获取最近 60 个交易日数据，
+     * 写入 daily_info 表并更新 stock.current_price。
+     *
+     * @returns 最新交易日日期和记录数
+     *
+     * @throws 股票不存在或数据获取失败时抛出
+     */
+    async stage1FetchData() {
+        // 验证股票存在
+        const stockInfo = await stockService.getStockByCode(this.code);
+        if (!stockInfo) {
+            throw new Error(`股票 ${this.code} 不存在，请先添加该股票`);
+        }
+        // 从腾讯财经获取 K 线数据
+        const ohlcvData = await dailyInfoService.fetchFromTencent(this.code);
+        if (!ohlcvData || ohlcvData.length === 0) {
+            throw new Error(`获取股票 ${this.code} 行情数据失败: 返回空数据`);
+        }
+        // 构造 upsert 记录
+        const records = ohlcvData.map((o) => ({
+            code: this.code,
+            date: o.date,
+            open: o.open,
+            high: o.high,
+            low: o.low,
+            close: o.close,
+            volume: o.volume,
+        }));
+        // 写入 daily_info 表
+        const count = await dailyInfoService.upsertDailyInfo(records);
+        // 更新股票最新价格
+        const latest = ohlcvData[ohlcvData.length - 1];
+        await stockService.upsertStock(this.code, stockInfo.name, latest.close);
+        return {
+            date: latest.date,
+            records: count,
+        };
+    }
+    // ─── Stage 2: 客观报告（LLM）────────────────────────────────────
+    /**
+     * Stage 2 — 客观报告（LLM）
+     *
+     * 基于最近 60 个交易日的行情数据和技术指标，
+     * 调用本地 LLM 生成客观分析报告。
+     *
+     * 报告包含结构化技术指标和文字摘要，
+     * 写入 daily_analysis_report 表并生成向量嵌入。
+     *
+     * @param date - 报告日期（yyyy-MM-dd）
+     * @returns 创建的客观报告信息
+     */
+    async stage2ObjectiveReport(date) {
+        const db = getDatabase();
+        const { code, sessionId } = this;
+        // 1. 获取股票信息
+        const stockInfo = await stockService.getStockByCode(code);
+        if (!stockInfo) {
+            throw new Error(`股票 ${code} 不存在`);
+        }
+        // 2. 获取日行情数据（最近 60 个交易日）
+        const allDailyData = await dailyInfoService.getDailyInfo(code);
+        if (allDailyData.length < 5) {
+            throw new Error(`股票 ${code} 行情数据不足 (${allDailyData.length} 天，至少需要 5 天)`);
+        }
+        const recentData = allDailyData.slice(-60);
+        const ohlcvData = recentData.map((d) => ({
+            date: d.date,
+            open: d.open,
+            high: d.high,
+            low: d.low,
+            close: d.close,
+            volume: d.volume,
+        }));
+        // 3. 获取前 3 个交易日的分析报告
+        const prevReports = db
+            .select({
+            summary: dailyAnalysisReport.summary,
+            indicators: dailyAnalysisReport.indicators,
+        })
+            .from(dailyAnalysisReport)
+            .where(and(eq(dailyAnalysisReport.code, code), sql `${dailyAnalysisReport.date} < ${date}`))
+            .orderBy(desc(dailyAnalysisReport.date))
+            .limit(3)
+            .all();
+        // 4. 计算技术指标和信号
+        const indicators = analysisService.computeIndicators(ohlcvData);
+        const signals = analysisService.computeSignals(ohlcvData);
+        // 5. 构造 prompt 并调用 LLM
+        const prompt = buildObjectivePrompt({
+            code,
+            name: stockInfo.name,
+            dailyData: ohlcvData,
+            prevReports,
+            indicators,
+            signals,
+        });
+        // 追加到 session
+        sessionService.appendMessage(sessionId, 'system', '你是一个客观的A股数据分析师。请基于数据生成客观分析报告，不要给出投资建议。');
+        sessionService.appendMessage(sessionId, 'user', prompt);
+        // 调用 LLM
+        const llmResponse = await llmService.chatCompletion({
+            messages: getSessionMessages(sessionId),
+            maxTokens: 1500,
+            temperature: 0.3,
+            sessionId,
+        });
+        sessionService.appendMessage(sessionId, 'assistant', llmResponse);
+        // 6. 解析 LLM 回复
+        let summary = llmResponse;
+        let indicatorsStr = JSON.stringify(indicators);
+        let signalsStr = JSON.stringify(signals);
+        const parsed = parseLLMJsonResponse(llmResponse);
+        if (parsed) {
+            if (parsed.summary)
+                summary = parsed.summary;
+            if (parsed.indicators)
+                indicatorsStr = JSON.stringify(parsed.indicators);
+            if (parsed.signals)
+                signalsStr = JSON.stringify(parsed.signals);
+        }
+        // 7. 写入 daily_analysis_report 表
+        db.insert(dailyAnalysisReport)
+            .values({
+            code,
+            date,
+            summary,
+            indicators: indicatorsStr,
+            signals: signalsStr,
+        })
+            .onConflictDoUpdate({
+            target: [dailyAnalysisReport.code, dailyAnalysisReport.date],
+            set: {
+                summary,
+                indicators: indicatorsStr,
+                signals: signalsStr,
+            },
+        })
+            .run();
+        const inserted = db
+            .select()
+            .from(dailyAnalysisReport)
+            .where(and(eq(dailyAnalysisReport.code, code), eq(dailyAnalysisReport.date, date)))
+            .get();
+        // 8. 向量化并存储嵌入
+        try {
+            const embeddingText = `[${code} ${date}] ${summary}`;
+            const embedding = await embeddingService.getEmbedding(embeddingText);
+            // 先清理旧的 analysis 类型向量
+            await embeddingService.deleteEmbeddings(code, 'analysis');
+            await embeddingService.storeEmbedding({
+                contentType: 'analysis',
+                contentCode: code,
+                contentDate: date,
+                contentText: summary,
+                embedding,
+            });
+        }
+        catch (err) {
+            console.warn(`[pipeline] 向量化失败 (${code} ${date}):`, err.message);
+        }
+        return {
+            id: inserted.id,
+            summary,
+            indicators: indicatorsStr,
+            signals: signalsStr,
+        };
+    }
+    // ─── Stage 3: 舆情获取 ──────────────────────────────────────────
+    /**
+     * Stage 3 — 舆情获取
+     *
+     * 调用 DashScope API 搜索股票最近三天的新闻和市场舆情，
+     * 将结果写入 sentiment_report 表。
+     *
+     * @param date - 报告日期（yyyy-MM-dd）
+     * @returns 舆情报告信息
+     */
+    async stage3Sentiment(date) {
+        const db = getDatabase();
+        const code = this.code;
+        // 获取股票名称
+        const stockInfo = await stockService.getStockByCode(code);
+        const name = stockInfo?.name || code;
+        // 调用舆情搜索
+        const { report, sources } = await sentimentService.fetchSentiment(code, name);
+        // 写入 sentiment_report 表
+        db.insert(sentimentReport)
+            .values({
+            code,
+            date,
+            report,
+            sources: JSON.stringify(sources),
+        })
+            .onConflictDoUpdate({
+            target: [sentimentReport.code, sentimentReport.date],
+            set: {
+                report,
+                sources: JSON.stringify(sources),
+            },
+        })
+            .run();
+        const inserted = db
+            .select()
+            .from(sentimentReport)
+            .where(and(eq(sentimentReport.code, code), eq(sentimentReport.date, date)))
+            .get();
+        return {
+            id: inserted.id,
+            report,
+            sources,
+        };
+    }
+    // ─── Stage 4: 多角色分析 ────────────────────────────────────────
+    /**
+     * Stage 4 — 多角色分析
+     *
+     * 4 个角色按顺序发言，每轮每人聚焦各自专业领域。
+     * 第一轮（必须）：技术分析师 → 基本面分析师 → 舆情分析师 → 风控官
+     * 第二轮（可选）：风控官 → 舆情分析师 → 基本面分析师 → 技术分析师（回应分歧）
+     *
+     * 每个角色的发言写入 analysis_roler 表。
+     *
+     * @param date  - 分析日期
+     * @param darId - 客观报告 ID
+     * @param srId  - 舆情报告 ID（可为 null）
+     * @returns 所有角色发言记录
+     */
+    async stage4MultiRole(date, darId, srId) {
+        const db = getDatabase();
+        const { code, sessionId } = this;
+        // 1. 读取客观报告和舆情报告
+        const dar = db
+            .select()
+            .from(dailyAnalysisReport)
+            .where(eq(dailyAnalysisReport.id, darId))
+            .get();
+        if (!dar) {
+            throw new Error(`客观报告不存在 (id=${darId})`);
+        }
+        const darNonNull = dar;
+        const sr = srId
+            ? db
+                .select()
+                .from(sentimentReport)
+                .where(eq(sentimentReport.id, srId))
+                .get()
+            : null;
+        // 2. 获取股票名称
+        const stockInfo = await stockService.getStockByCode(code);
+        const name = stockInfo?.name || code;
+        const allRoleRecords = [];
+        /**
+         * 执行一轮角色发言。
+         *
+         * @param roleOrder    - 角色数组（发言顺序）
+         * @param round        - 轮次编号
+         * @param allRound1Speeches - 第一轮所有发言（仅第二轮需要）
+         */
+        async function runRound(roleOrder, round, allRound1Speeches) {
+            // 收集本轮之前的发言，用于构造上下文
+            const previousSpeeches = [];
+            for (const role of roleOrder) {
+                // 构造本轮上下文（不包括当前角色的发言）
+                const previousContext = allRound1Speeches && round === 2
+                    ? allRound1Speeches
+                    : previousSpeeches.join('\n\n---\n\n');
+                const prompt = buildRolePrompt({
+                    role,
+                    code,
+                    name,
+                    darSummary: darNonNull.summary,
+                    darIndicators: darNonNull.indicators,
+                    srReport: sr?.report,
+                    previousSpeeches: previousContext,
+                    round,
+                });
+                // 添加到 session
+                sessionService.appendMessage(sessionId, 'system', role.systemPrompt);
+                sessionService.appendMessage(sessionId, 'user', prompt);
+                // 调用 LLM
+                const response = await llmService.chatCompletion({
+                    messages: getSessionMessages(sessionId),
+                    maxTokens: round === 1 ? role.wordLimitRound1 + 200 : role.wordLimitRound2 + 200,
+                    temperature: 0.5,
+                    sessionId,
+                });
+                sessionService.appendMessage(sessionId, 'assistant', response);
+                // 统计字数并写入数据库
+                const wordCount = countWords(response);
+                db.insert(analysisRoler)
+                    .values({
+                    code,
+                    date,
+                    role: role.name,
+                    responsibility: role.responsibility,
+                    report: response,
+                    round,
+                    wordCount,
+                })
+                    .run();
+                const inserted = db
+                    .select()
+                    .from(analysisRoler)
+                    .where(and(eq(analysisRoler.code, code), eq(analysisRoler.date, date), eq(analysisRoler.role, role.name), eq(analysisRoler.round, round)))
+                    .orderBy(desc(analysisRoler.id))
+                    .limit(1)
+                    .all();
+                if (inserted.length > 0) {
+                    allRoleRecords.push({
+                        id: inserted[0].id,
+                        role: role.name,
+                        report: response,
+                        round,
+                        wordCount,
+                    });
+                }
+                previousSpeeches.push(`【${role.name}】\n${response}`);
+            }
+        }
+        // 第一轮：按 1→2→3→4 顺序
+        await runRound(ROLES, 1);
+        // 第二轮（可选）：收集第一轮所有内容作为上下文，按 4→3→2→1 顺序
+        const round1Speeches = allRoleRecords
+            .filter((r) => r.round === 1)
+            .map((r) => `【${r.role}】\n${r.report}`)
+            .join('\n\n---\n\n');
+        const reversedRoles = [...ROLES].reverse();
+        await runRound(reversedRoles, 2, round1Speeches);
+        return { roles: allRoleRecords };
+    }
+    // ─── Stage 5: 最终报告 ──────────────────────────────────────────
+    /**
+     * Stage 5 — 最终报告
+     *
+     * 综合客观报告、舆情报告和多角色分析结果，
+     * 调用 LLM 生成包含概述（overview）和完整报告（full）的最终报告。
+     *
+     * 写入 final_report 表并生成向量嵌入。
+     *
+     * @param date - 报告日期
+     * @returns 最终报告信息
+     */
+    async stage5FinalReport(date) {
+        const db = getDatabase();
+        const { code, sessionId } = this;
+        // 1. 获取股票信息
+        const stockInfo = await stockService.getStockByCode(code);
+        const name = stockInfo?.name || code;
+        // 2. 收集客观报告
+        const dar = db
+            .select()
+            .from(dailyAnalysisReport)
+            .where(and(eq(dailyAnalysisReport.code, code), eq(dailyAnalysisReport.date, date)))
+            .get();
+        // 3. 收集舆情报告
+        const sr = db
+            .select()
+            .from(sentimentReport)
+            .where(and(eq(sentimentReport.code, code), eq(sentimentReport.date, date)))
+            .get();
+        // 4. 收集多角色发言
+        const roleRecords = db
+            .select()
+            .from(analysisRoler)
+            .where(and(eq(analysisRoler.code, code), eq(analysisRoler.date, date)))
+            .orderBy(analysisRoler.round, analysisRoler.id)
+            .all();
+        // 5. 编排角色讨论文本
+        const roleDiscussions = roleRecords
+            .map((r) => `[第${r.round}轮 ${r.role}]（${r.responsibility}）\n${r.report}`)
+            .join('\n\n---\n\n');
+        // 6. 构造 prompt 并调用 LLM
+        const pipelineId = generatePipelineId();
+        const prompt = buildFinalReportPrompt({
+            code,
+            name,
+            darSummary: dar?.summary || '无客观报告',
+            darIndicators: dar?.indicators || '{}',
+            srReport: sr?.report,
+            roleDiscussions,
+        });
+        sessionService.appendMessage(sessionId, 'system', '你是一位资深的A股投资分析师。请综合所有材料生成投资分析报告。');
+        sessionService.appendMessage(sessionId, 'user', prompt);
+        const llmResponse = await llmService.chatCompletion({
+            messages: getSessionMessages(sessionId),
+            maxTokens: 3000,
+            temperature: 0.5,
+            sessionId,
+        });
+        sessionService.appendMessage(sessionId, 'assistant', llmResponse);
+        // 7. 解析 LLM 回复
+        let summary = llmResponse.slice(0, 500);
+        let fullReport = llmResponse;
+        let roleSummary = '[]';
+        const parsed = parseLLMJsonResponse(llmResponse);
+        if (parsed) {
+            if (parsed.summary)
+                summary = parsed.summary;
+            if (parsed.fullReport)
+                fullReport = parsed.fullReport;
+            if (parsed.roleSummary)
+                roleSummary = JSON.stringify(parsed.roleSummary);
+        }
+        // 8. 写入 final_report 表
+        db.insert(finalReport)
+            .values({
+            code,
+            date,
+            summary,
+            fullReport,
+            roleSummary,
+            pipelineId,
+        })
+            .onConflictDoUpdate({
+            target: [finalReport.code, finalReport.date],
+            set: {
+                summary,
+                fullReport,
+                roleSummary,
+                pipelineId,
+            },
+        })
+            .run();
+        const inserted = db
+            .select()
+            .from(finalReport)
+            .where(and(eq(finalReport.code, code), eq(finalReport.date, date)))
+            .get();
+        // 9. 向量化并存储嵌入
+        try {
+            const embeddingText = `[${code} ${date} 最终报告] ${summary}`;
+            const embedding = await embeddingService.getEmbedding(embeddingText);
+            // 先清理旧的 final 类型向量
+            await embeddingService.deleteEmbeddings(code, 'final');
+            await embeddingService.storeEmbedding({
+                contentType: 'final',
+                contentCode: code,
+                contentDate: date,
+                contentText: fullReport.slice(0, 500),
+                embedding,
+            });
+        }
+        catch (err) {
+            console.warn(`[pipeline] 最终报告向量化失败 (${code} ${date}):`, err.message);
+        }
+        return {
+            id: inserted.id,
+            summary,
+            fullReport,
+            roleSummary,
+            pipelineId,
+        };
+    }
+    // ─── Orchestrators ───────────────────────────────────────────────
+    /**
+     * 运行完整流水线（Stage 1→5）。
+     *
+     * 依次执行数据获取、客观报告、
+     * 舆情获取、多角色分析和最终报告。
+     *
+     * @returns 流水线运行结果（日期、流水线 ID、最终报告 ID）
+     *
+     * @example
+     * const result = await new Pipeline('600519').runFull();
+     * console.log(result.date, result.pipelineId);
+     */
+    async runFull() {
+        const code = this.code;
+        console.log(`[pipeline] 开始全流水线: ${code} (session=${this.sessionId})`);
+        // Stage 1: 数据获取
+        console.log(`[pipeline] Stage 1/5 — 数据获取: ${code}`);
+        const stage1 = await this.stage1FetchData();
+        const date = stage1.date;
+        console.log(`[pipeline] Stage 1 完成: date=${date}, records=${stage1.records}`);
+        // Stage 2: 客观报告
+        console.log(`[pipeline] Stage 2/5 — 客观报告: ${code}`);
+        const stage2 = await this.stage2ObjectiveReport(date);
+        console.log(`[pipeline] Stage 2 完成: id=${stage2.id}`);
+        // Stage 3: 舆情获取
+        console.log(`[pipeline] Stage 3/5 — 舆情获取: ${code}`);
+        const stage3 = await this.stage3Sentiment(date);
+        console.log(`[pipeline] Stage 3 完成: id=${stage3.id}`);
+        // Stage 4: 多角色分析
+        console.log(`[pipeline] Stage 4/5 — 多角色分析: ${code}`);
+        const stage4 = await this.stage4MultiRole(date, stage2.id, stage3.id);
+        console.log(`[pipeline] Stage 4 完成: ${stage4.roles.length} 条发言`);
+        // Stage 5: 最终报告
+        console.log(`[pipeline] Stage 5/5 — 最终报告: ${code}`);
+        const stage5 = await this.stage5FinalReport(date);
+        console.log(`[pipeline] Stage 5 完成: id=${stage5.id}, pipelineId=${stage5.pipelineId}`);
+        console.log(`[pipeline] 全流水线完成: ${code} ${date}`);
+        return {
+            date,
+            pipelineId: stage5.pipelineId,
+            finalReportId: stage5.id,
+        };
+    }
+    /**
+     * 运行本地分析（Stage 1→2）。
+     *
+     * 仅执行数据获取和客观分析报告生成，跳过舆情和多角色环节。
+     *
+     * @returns 分析结果（日期和报告 ID）
+     *
+     * @example
+     * const result = await new Pipeline('600519').runLocalAnalysis();
+     * console.log(result.date, result.analysisReportId);
+     */
+    async runLocalAnalysis() {
+        const code = this.code;
+        console.log(`[pipeline] 开始本地分析: ${code} (session=${this.sessionId})`);
+        // Stage 1: 数据获取
+        console.log(`[pipeline] Stage 1/2 — 数据获取: ${code}`);
+        const stage1 = await this.stage1FetchData();
+        const date = stage1.date;
+        console.log(`[pipeline] Stage 1 完成: date=${date}, records=${stage1.records}`);
+        // Stage 2: 客观报告
+        console.log(`[pipeline] Stage 2/2 — 客观报告: ${code}`);
+        const stage2 = await this.stage2ObjectiveReport(date);
+        console.log(`[pipeline] Stage 2 完成: id=${stage2.id}`);
+        console.log(`[pipeline] 本地分析完成: ${code} ${date}`);
+        return {
+            date,
+            analysisReportId: stage2.id,
+        };
+    }
+}
+// ─── 向后兼容包装函数 ────────────────────────────────────────────
+/**
+ * Stage 1 — 数据获取（向后兼容包装）
+ *
+ * @param code - 六位股票代码
+ * @returns 最新交易日日期和记录数
+ */
+export async function stage1FetchData(code) {
+    const pipeline = new Pipeline(code);
+    return pipeline.stage1FetchData();
+}
+/**
+ * 运行完整流水线（Stage 1→5，向后兼容包装）。
+ *
+ * @param code - 股票代码
+ * @returns 流水线运行结果（日期、流水线 ID、最终报告 ID）
+ */
+export async function runFullPipeline(code) {
+    const pipeline = new Pipeline(code);
+    return pipeline.runFull();
+}
+/**
+ * 运行本地分析（Stage 1→2，向后兼容包装）。
+ *
+ * @param code - 股票代码
+ * @returns 分析结果（日期和报告 ID）
+ */
+export async function runLocalAnalysis(code) {
+    const pipeline = new Pipeline(code);
+    return pipeline.runLocalAnalysis();
+}
+//# sourceMappingURL=pipeline.js.map