🥇 GoldMind

基于多智能体协作的下一代黄金市场智能分析引擎
A Next-Generation Multi-Agent Gold Market Intelligence Analysis Engine

English | 中文文档

快速开始 • 项目概述 • Agent原理 • 系统展示 • 工作流程 • 贡献 • 联系作者

---

⚡ 项目概述

GoldMind 是一个基于 LangChain Multi-Agent 架构 的黄金市场智能分析平台，融合 ReAct 推理框架、RAG（检索增强生成） 与 多模型协作 技术，为投资者提供深度市场洞察。

系统基于 GLM-4-Plus（智谱AI）与 DeepSeek-V3 双引擎驱动，通过专用 Agent 分工协作：Market Analysis Agent 负责技术面量化分析，News Intelligence Agent 基于实时搜索进行舆情解析，Institution Research Agent 追踪主流机构观点，Investment Advisory Agent 融合多源信息生成策略建议。各 Agent 通过结构化输出实现结果融合，形成对黄金市场的全景认知。

你只需：关注黄金市场动态，系统自动采集数据并分析
GoldMind 将返回：融合价格走势、市场情绪、机构观点的综合分析报告

🎯 核心技术架构

🚀 LangChain Multi-Agent 框架
基于 LangChain 构建的模块化 Agent 系统，每个 Agent 封装独立的分析逻辑与工具链。通过 BaseAgent 抽象基类统一 LLM 调用接口，支持 DeepSeek 与智谱AI 双模型后端灵活切换。Agent 间通过结构化数据传递实现协作，避免单点失效，提升系统鲁棒性。

🌐 GLM-4-Plus 实时搜索增强
集成智谱AI GLM-4-Plus 模型的 Web Search 能力，实现对机构研报、财经新闻、市场动态的实时检索与理解。相比传统静态数据源，系统能够捕捉最新市场变化，为分析提供时效性信息支撑。

🧠 DeepSeek 深度推理与多 Agent 融合
采用 DeepSeek-V3 作为核心推理引擎，结合其强大的长文本理解与逻辑推理能力，对多 Agent 输出进行融合分析。通过设计特定的融合 Prompt，将技术面、基本面、情绪面、机构观点四维信息整合，生成具备逻辑一致性的投资判断。

📊 ReAct 推理 + RAG 检索增强
在 Agent 内部实现 ReAct（Reasoning + Acting） 推理模式：Thought（分析当前状态）→ Action（调用工具获取数据）→ Observation（整合观察结果）→ Final Answer（输出结论）。结合 RAG 技术从本地数据库检索历史价格、新闻舆情等上下文信息，增强 LLM 的事实性与准确性。

---

🌟 我们的愿景

GoldMind 致力于通过社区共同努力，打造一个真实可用的 AI Agent 国际黄金市场数据分析与价格预测平台。

我们希望通过技术创新：

• 📉 减少信息差 - 让每位投资者都能获取专业级的市场分析
• 🛡️ 增强风险抵抗能力 - 提供多维度的风险评估和预警
• 💡 切实可行的投资建议 - 基于数据和逻辑，给出可操作的投资策略

🤝 期望您的加入！ 无论是代码贡献、功能建议还是使用反馈，都将成为推动项目前进的重要力量。

如果该项目对您有所帮助或启发，您的一个 ⭐ Star 是对我们最好的肯定！

---

📸 系统展示

首页仪表盘

实时价格走势

多空因素分析

机构观点

投资建议

市场总结

---

🚀 快速开始

前置要求

工具	版本要求	说明	安装检查
Node.js	18+	前端运行环境，包含 npm	node -v
Python	3.11 - 3.12	后端运行环境	python --version
MySQL	8.0+	数据存储	mysql --version

方式一：本地开发（推荐）

1. 配置环境变量

# 复制示例配置文件
cd backend
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# ============================================
# 数据库配置
# ============================================
# MySQL数据库连接URL
DATABASE_URL=mysql+pymysql://root:your_password@localhost:3306/gold_analysis

# ============================================
# AI API 密钥配置
# ============================================
# 智谱AI (Zhipu AI) - 用于实时搜索、新闻分析、机构预测
# 获取地址: https://open.bigmodel.cn/
ZHIPU_API_KEY=your_zhipu_api_key_here

# DeepSeek - 用于深度推理、投资建议生成
# 获取地址: https://www.deepseek.com/
DEEPSEEK_API_KEY=your_deepseek_api_key_here

2. 安装依赖

后端依赖：

cd backend

# 创建虚拟环境（推荐）
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

前端依赖：

cd app

# 安装依赖
npm install

3. 初始化数据库

cd backend

# 确保MySQL服务已启动

# 初始化数据库（自动创建数据库、数据表，并填充2025年至今的历史数据）
python init_db.py

数据初始化说明：

init_db.py 会自动完成以下操作：

1. 创建数据库 gold_analysis（如果不存在）
2. 创建所有数据表结构
3. 自动获取并填充历史数据（2025年1月1日至今）
   • 黄金价格数据：开盘价、最高价、最低价、收盘价
   • 美元指数数据：开盘价、最高价、最低价、收盘价

数据源优先级（国内优先）：

• 黄金数据：新浪财经 → 东方财富 → Yahoo Finance
• 美元指数：新浪财经 → 东方财富 → Yahoo Finance

💡 提示：脚本会自动尝试多个数据源，确保国内用户也能成功获取数据。如果所有数据源都失败，您可以稍后再运行 python seed_data.py 重试。

跳过数据填充（仅创建表结构）：

SKIP_SEED=1 python init_db.py

手动填充数据：

# 如果初始化时跳过数据填充，或需要更新数据
python seed_data.py

4. 启动服务

同时启动前后端（在项目根目录执行）：

# Windows PowerShell
.\start_all.ps1

# 或者分别启动

单独启动：

# 后端（在 backend 目录）
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

# 前端（在 app 目录）
npm run dev

服务地址：

• 前端: http://localhost:5173
• 后端API: http://localhost:8000
• API文档: http://localhost:8000/docs

方式二：Docker部署

前置要求

工具	版本要求	说明	安装检查
Docker	20.10+	容器化平台	docker --version
Docker Compose	2.0+	多容器编排	docker compose version

⚠️ 网络要求：需要能够访问 Docker Hub 下载镜像。国内用户可能需要配置 VPN/代理。

1. 配置环境变量

# 复制示例配置文件
cp backend/.env.example backend/.env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# ============================================
# 数据库配置（Docker内部使用）
# ============================================
MYSQL_ROOT_PASSWORD=your_secure_password
DATABASE_URL=mysql+pymysql://root:your_secure_password@mysql:3306/gold_analysis

# ============================================
# AI API 密钥配置
# ============================================
# 智谱AI (Zhipu AI) - 用于实时搜索、新闻分析、机构预测
# 获取地址: https://open.bigmodel.cn/
ZHIPU_API_KEY=your_zhipu_api_key_here

# DeepSeek - 用于深度推理、投资建议生成
# 获取地址: https://www.deepseek.com/
DEEPSEEK_API_KEY=your_deepseek_api_key_here

💡 注意：docker-compose.yml 已配置自动加载 backend/.env 文件，无需手动设置环境变量。

2. 启动服务

# 构建并启动所有服务（前端 + 后端 + 数据库）
docker-compose up -d --build

# 查看服务状态
docker-compose ps

# 查看日志（观察数据初始化进度）
docker-compose logs -f backend

国内用户网络配置（如无法下载镜像）：

如果使用 Clash/V2Ray 等代理工具：

1. 开启系统代理或 TUN 模式
2. 在 Docker Desktop → Settings → Resources → Proxies 中配置：
   • HTTP Proxy: http://127.0.0.1:7890
   • HTTPS Proxy: http://127.0.0.1:7890
3. Apply & Restart
4. 重试 docker-compose up -d --build

⚠️ 如果网络问题无法解决，建议使用本地开发方式（方式一）。

首次启动说明：

Docker 部署会自动完成以下初始化：

1. ✅ 创建 MySQL 数据库和数据表
2. ✅ 自动获取并填充历史数据（2025年至今的黄金和美元指数数据）
3. ✅ 启动后端服务

数据获取过程可能需要 1-3 分钟，请观察日志等待初始化完成。

3. 访问应用

服务地址：

• 前端: http://localhost
• 后端API: http://localhost:8000
• API文档: http://localhost:8000/docs

💡 提示：首次访问时，如果看到 "数据加载中"，说明后端仍在初始化数据，请稍等片刻刷新页面。

4. 常用命令

# 停止服务
docker-compose down

# 停止并删除数据卷（清空数据库）
docker-compose down -v

# 重启服务
docker-compose restart

# 进入后端容器
docker exec -it goldmind_backend /bin/bash

# 进入数据库容器
docker exec -it goldmind_mysql mysql -uroot -p

---

🔄 工作流程

1. 数据采集层：实时金价API抓取 & 新闻舆情Web搜索 & 机构研报智能检索
2. 多Agent并行分析：Market Analysis Agent技术面量化 & News Intelligence Agent情绪解析 & Institution Research Agent观点追踪
3. ReAct推理决策：各Agent基于RAG检索历史数据 → Thought分析 → Action工具调用 → Observation整合 → Final Answer输出
4. 结果融合引擎：DeepSeek-V3接收四维结构化数据 → 多源信息交叉验证 → 逻辑一致性校验 → 生成综合投资判断
5. 智能报告生成：Investment Advisory Agent整合所有分析结果 → 生成策略建议与风险提示 → 结构化JSON响应前端可视化

---

🤖 Agent原理

📈 市场分析 Agent

属性	详情
技术栈	LangChain + 智谱AI GLM-4-Plus
大模型	智谱AI GLM-4-Plus (支持实时搜索)
架构	ReAct推理架构 + 实时搜索插件
功能逻辑	基于24小时新闻与市场数据，智能提取看涨/看空因子
数据来源	智谱AI实时搜索 + 腾讯财经API + MySQL历史数据

---

🏛️ 机构预测 Agent

属性	详情
技术栈	LangChain + 智谱AI GLM-4-Plus
大模型	智谱AI GLM-4-Plus (支持实时搜索)
架构	专用Agent架构 + Web Search实时检索插件
功能逻辑	实时抓取高盛、瑞银、摩根士丹利、花旗等主流机构最新黄金预测观点，提取目标价位与逻辑依据
数据来源	智谱AI实时搜索 + 机构官方研报 + 权威财经新闻

---

� 新闻分析 Agent

属性	详情
技术栈	LangChain + 智谱AI GLM-4-Plus
大模型	智谱AI GLM-4-Plus (支持实时搜索)
架构	实时搜索 + 情感分析 + 多空因子提取
功能逻辑	24小时滚动抓取黄金市场相关新闻，分析情感倾向，智能提取看涨/看空因子及其市场影响权重
数据来源	智谱AI实时搜索 + 新浪财经 + 腾讯财经 + 金十数据

---

💡 投资建议 Agent

属性	详情
技术栈	LangChain + DeepSeek-V3 + RAG
大模型	DeepSeek-V3 (671B参数)
架构	RAG检索增强生成 + 多源分析结果融合
功能逻辑	综合分析市场分析Agent、机构预测Agent、新闻分析Agent的输出结果，生成个性化投资策略与风险提示
数据来源	市场分析Agent结构化输出 + 机构预测Agent观点汇总 + 新闻分析Agent情绪数据

---

🧠 综合分析 Agent

属性	详情
技术栈	LangChain + DeepSeek-V3 + 多Agent协作
大模型	DeepSeek-V3 (671B参数)
架构	多Agent结果融合 + 深度推理生成 + 结构化输出
功能逻辑	整合所有Agent分析结果，进行交叉验证与逻辑一致性校验，生成全面市场认知与投资判断，输出包含技术面、基本面、情绪面、机构观点的四维综合分析报告
数据来源	市场分析Agent + 机构预测Agent + 新闻分析Agent + 投资建议Agent

---

🤝 贡献

我们欢迎所有形式的贡献！请查看我们的贡献指南了解如何参与项目。

贡献者

---

📄 许可证

本项目采用 MIT 许可证 开源。

---

🙏 致谢

• DeepSeek - 提供AI模型支持
• 智谱AI - 提供大语言模型API
• FastAPI - 高性能Web框架
• React - 前端UI框架

---

📧 联系作者

如果您有任何问题、建议或合作意向，欢迎通过以下方式联系我们：

• 📮 谷歌邮箱：JasonBuildAI@gmail.com
• 📮 QQ邮箱：3310145612@qq.com

---

_{Built with ❤️ by JasonBuildAI}