llm-quant/README.md

多智能体投资助理骨架

本仓库提供一个基于多智能体博弈的 A 股日线投资助理代码框架，满足单机可运行、SQLite 存储和 Streamlit UI 的需求。核心模块划分如下：

• app/data：数据库初始化与 Schema 定义。
• app/utils：配置、数据库连接、日志和交易日历工具。
• app/ingest：TuShare 数据抓取、新闻 RSS、数据覆盖检查器。
• app/features：指标与信号计算接口。
• app/agents：多智能体博弈实现，包括动量、价值、新闻、流动性、宏观与风险代理。
• app/backtest：日线回测引擎与指标计算的占位实现。
• app/llm：人类可读卡片与摘要生成入口（仅构建提示，不直接交易）。
• app/ui：Streamlit 四页界面骨架，含“自检测试”页。

快速开始

# 初始化数据库结构
python -m app.cli init-db

# 一键开机检查（默认回溯 365 天，缺失数据会自动补齐）
python -m app.cli boot-check --days 365

# 启动界面
streamlit run app/ui/streamlit_app.py

Streamlit 自检测试 页签提供：

• 数据库初始化快捷按钮；
• TuShare 小范围拉取测试；
• 开机检查器（展示当前数据覆盖范围与股票基础信息完整度）。

下一步

1. 在 app/features 和 app/backtest 中完善信号计算、事件驱动撮合与绩效指标输出。
2. 将代理效用写入 SQLite 的 agent_utils 和 alloc_log 表，驱动 UI 决策解释。
3. 使用轻量情感分析与热度计算填充 news、heat_daily 与热点指数。
4. 接入本地小模型或 API 完成人类可读的策略建议卡片，形成端到端体验。