AlphaFutures/qihuo_analyzer/modules/deepseek_agent.py

# AI 研判模块
import json
import requests
from typing import Dict, Optional, List
from qihuo_analyzer.utils.config_manager import config_manager
from qihuo_analyzer.core.models import AnalysisResult


class DeepseekAgent:
    """DeepSeek AI 研判代理"""
    
    def __init__(self):
        self.api_key = config_manager.deepseek_api_key
        self.api_url = config_manager.deepseek_api_url
        self.headers = {
            'Content-Type': 'application/json',
            'Authorization': f'Bearer {self.api_key}'
        }
    
    def analyze_market(self, market_data: Dict, technical_indicators: Dict, 
                      trend_analysis: Dict, risk_metrics: Dict) -> Dict:
        """分析市场"""
        # 构建提示词
        prompt = self._build_analysis_prompt(market_data, technical_indicators, trend_analysis, risk_metrics)
        
        # 调用API
        response = self._call_deepseek_api(prompt)
        
        # 解析结果
        analysis_result = self._parse_analysis_result(response)
        
        return analysis_result
    
    def generate_trade_recommendation(self, analysis_result: Dict) -> Dict:
        """生成交易建议"""
        # 构建提示词
        prompt = self._build_recommendation_prompt(analysis_result)
        
        # 调用API
        response = self._call_deepseek_api(prompt)
        
        # 解析结果
        recommendation = self._parse_recommendation_result(response)
        
        return recommendation
    
    def _build_analysis_prompt(self, market_data: Dict, technical_indicators: Dict, 
                              trend_analysis: Dict, risk_metrics: Dict) -> str:
        """构建分析提示词"""
        prompt = f"""# 期货市场分析任务

你是一位专业的期货市场分析师，需要基于以下多维度数据对市场进行综合研判。

## 1. 市场基本数据
- 品种：{market_data.get('symbol', '未知')}
- 最新价格：{market_data.get('latest_price', '未知')}
- 成交量：{market_data.get('volume', '未知')}
- 持仓量：{market_data.get('open_interest', '未知')}
- 时间周期：{market_data.get('timeframe', '未知')}

## 2. 技术指标数据
- MACD：{json.dumps(technical_indicators.get('macd', {}), ensure_ascii=False)}
- RSI：{technical_indicators.get('rsi', '未知')}
- 布林带：{json.dumps(technical_indicators.get('bollinger', {}), ensure_ascii=False)}
- KDJ：{json.dumps(technical_indicators.get('kdj', {}), ensure_ascii=False)}
- ATR：{technical_indicators.get('atr', '未知')}

## 3. 趋势分析数据
- ADX：{trend_analysis.get('adx', '未知')}
- 趋势强度：{trend_analysis.get('trend_strength', '未知')}
- 趋势方向：{trend_analysis.get('trend_direction', '未知')}
- 双均线关系：{trend_analysis.get('ma_relationship', '未知')}
- 多周期共振：{json.dumps(trend_analysis.get('multi_period_analysis', {}), ensure_ascii=False)}
- 综合趋势：{trend_analysis.get('overall_trend', '未知')}
- 胜率：{trend_analysis.get('win_rate', '未知')}%

## 4. 风险指标数据
- 止损位：{risk_metrics.get('stop_loss', '未知')}
- 目标价：{risk_metrics.get('target_price', '未知')}
- 盈亏比：{risk_metrics.get('profit_loss_ratio', '未知')}
- 建议仓位：{risk_metrics.get('position_size', '未知')}
- 风险比例：{risk_metrics.get('risk_ratio', '未知')}%

## 分析要求
1. **趋势判断**：基于多维度数据，判断当前市场的主要趋势
2. **胜率评估**：评估当前交易机会的胜率
3. **风险预警**：识别潜在的风险因素
4. **交易建议**：给出具体的交易方向、仓位、止损止盈建议
5. **逻辑解释**：详细说明分析逻辑和依据

请以JSON格式输出分析结果，包含以下字段：
- trend_judgment：趋势判断
- win_rate_assessment：胜率评估
- risk_warning：风险预警
- trade_recommendation：交易建议
- analysis_logic：分析逻辑
"""
        return prompt
    
    def _build_recommendation_prompt(self, analysis_result: Dict) -> str:
        """构建建议提示词"""
        prompt = f"""# 期货交易建议生成任务

基于以下市场分析结果，生成详细的交易建议。

## 分析结果
{json.dumps(analysis_result, ensure_ascii=False, indent=2)}

## 建议要求
1. **明确的交易方向**：做多/做空/观望
2. **具体的入场点位**：基于技术分析的合理入场点
3. **严格的止损设置**：基于ATR的动态止损
4. **合理的止盈目标**：基于压力支撑位的目标价
5. **科学的仓位管理**：基于账户资金的风险控制
6. **详细的执行计划**：包括入场时机、加仓策略、出场条件
7. **风险提示**：潜在的风险因素和应对措施

请以JSON格式输出交易建议，包含以下字段：
- direction：交易方向
- entry_price：入场价格
- stop_loss：止损价格
- target_price：目标价格
- position_size：仓位大小
- execution_plan：执行计划
- risk_tips：风险提示
"""
        return prompt
    
    def _call_deepseek_api(self, prompt: str) -> str:
        """调用DeepSeek API"""
        # 如果没有API密钥，返回模拟结果
        if not self.api_key:
            return self._get_mock_response(prompt)
        
        payload = {
            'model': 'deepseek-chat',
            'messages': [
                {
                    'role': 'system',
                    'content': '你是一位专业的期货市场分析师，精通技术分析和基本面分析，能够基于多维度数据提供准确的市场研判和交易建议。'
                },
                {
                    'role': 'user',
                    'content': prompt
                }
            ],
            'temperature': 0.3,
            'max_tokens': 2000,
            'top_p': 0.9
        }
        
        try:
            response = requests.post(
                self.api_url,
                headers=self.headers,
                json=payload,
                timeout=30
            )
            response.raise_for_status()
            
            result = response.json()
            return result['choices'][0]['message']['content']
        except Exception as e:
            print(f"API调用失败：{e}")
            return self._get_mock_response(prompt)
    
    def _get_mock_response(self, prompt: str) -> str:
        """获取模拟响应"""
        # 模拟分析结果
        if '市场分析任务' in prompt:
            return json.dumps({
                'trend_judgment': '震荡偏多',
                'win_rate_assessment': '65%',
                'risk_warning': '短期波动较大，注意止损',
                'trade_recommendation': '轻仓做多',
                'analysis_logic': '基于MACD金叉、RSI中性偏多、双均线金叉等信号，综合判断震荡偏多趋势'
            }, ensure_ascii=False)
        
        # 模拟建议结果
        elif '交易建议生成任务' in prompt:
            return json.dumps({
                'direction': 'long',
                'entry_price': 3500,
                'stop_loss': 3450,
                'target_price': 3600,
                'position_size': 2,
                'execution_plan': '回调至3480附近入场，止损设置在3450，目标位3600，突破3600后可加仓',
                'risk_tips': '若跌破3450，立即止损；若成交量萎缩，考虑提前出场'
            }, ensure_ascii=False)
        
        else:
            return json.dumps({
                'error': '未知任务类型'
            }, ensure_ascii=False)
    
    def _parse_analysis_result(self, response: str) -> Dict:
        """解析分析结果"""
        try:
            # 尝试直接解析JSON
            return json.loads(response)
        except json.JSONDecodeError:
            # 如果不是纯JSON，提取JSON部分
            import re
            json_match = re.search(r'\{[\s\S]*\}', response)
            if json_match:
                try:
                    return json.loads(json_match.group())
                except json.JSONDecodeError:
                    return {'error': '解析失败'}
            else:
                return {'error': '无有效JSON'}
    
    def _parse_recommendation_result(self, response: str) -> Dict:
        """解析建议结果"""
        try:
            # 尝试直接解析JSON
            return json.loads(response)
        except json.JSONDecodeError:
            # 如果不是纯JSON，提取JSON部分
            import re
            json_match = re.search(r'\{[\s\S]*\}', response)
            if json_match:
                try:
                    return json.loads(json_match.group())
                except json.JSONDecodeError:
                    return {'error': '解析失败'}
            else:
                return {'error': '无有效JSON'}
    
    def fuse_multidimensional_data(self, data_sources: List[Dict]) -> Dict:
        """融合多维度数据"""
        # 构建融合提示词
        prompt = f"""# 多维度数据融合任务

请将以下多个数据源的数据进行融合分析，提取关键信息，形成综合的市场判断。

## 数据源
{json.dumps(data_sources, ensure_ascii=False, indent=2)}

## 融合要求
1. **数据一致性检查**：检查各数据源之间的一致性
2. **关键信息提取**：提取各数据源的关键信息
3. **综合判断形成**：基于融合数据形成综合市场判断
4. **不确定性评估**：评估数据的不确定性和风险

请以JSON格式输出融合结果，包含以下字段：
- fused_data：融合后的数据
- key_insights：关键洞察
- comprehensive_judgment：综合判断
- uncertainty_assessment：不确定性评估
"""
        
        # 调用API
        response = self._call_deepseek_api(prompt)
        
        # 解析结果
        fused_result = self._parse_analysis_result(response)
        
        return fused_result
    
    def generate_market_insights(self, historical_data: List[Dict], current_data: Dict) -> Dict:
        """生成市场洞察"""
        # 构建提示词
        prompt = f"""# 市场洞察生成任务

基于以下历史数据和当前数据，生成深度的市场洞察。

## 历史数据
{json.dumps(historical_data, ensure_ascii=False, indent=2)}

## 当前数据
{json.dumps(current_data, ensure_ascii=False, indent=2)}

## 洞察要求
1. **趋势变化分析**：分析市场趋势的变化
2. **关键转折点识别**：识别重要的市场转折点
3. **异常情况检测**：检测异常的市场行为
4. **未来走势预测**：基于历史和当前数据预测未来走势
5. **投资机会挖掘**：挖掘潜在的投资机会

请以JSON格式输出市场洞察，包含以下字段：
- trend_analysis：趋势分析
- turning_points：转折点分析
- anomalies：异常检测
- future_prediction：未来预测
- investment_opportunities：投资机会
"""
        
        # 调用API
        response = self._call_deepseek_api(prompt)
        
        # 解析结果
        insights = self._parse_analysis_result(response)
        
        return insights