FinEventAgent · 上市公司重大事件影响分析助手

输入一段上市公司重大事件描述，系统按投研决策链自动完成：

确认事实 → 分析影响 → 重估价值 → 输出操作建议

产品定位

面向买方/卖方研究员的事件驱动投研分析助手。解决三类痛点：

痛点	FinEventAgent 的做法
信息分散、核验耗时	L1 自动比对官方披露与多源数据，输出置信度
分析口径不统一	L1-L4 固定框架，结构化输出、口径一致
结论难追溯	每层结论可溯源，可穿透到底层指标与公告

设计原则：准确的数据、稳定的 Agent 调用、简洁的用户体验。

架构设计

采用「主控 Orchestrator + L1-L4 分层 Agent」，对应研究员认知链：

flowchart LR
    U[用户输入事件] --> O[主控调度 Orchestrator]
    O --> L1[L1 信息核验]
    L1 --> Data[进门 MCP 数据采集]
    Data --> L2[L2 多维影响]
    L2 --> L2a[基本面]
    L2 --> L2b[舆情]
    L2 --> L2c[产业链]
    L2a --> F[融合]
    L2b --> F
    L2c --> F
    F --> L3[L3 估值映射]
    L3 --> L4[L4 持仓决策]
    L4 --> R[对话流结果 / 局部重算]

Loading

层级	回答的问题	关键输出
主控	如何编排与局部重算？	会话上下文、SSE 进度、层间 Schema
L1 信息核验	事实是什么？可信吗？	EventProfile、核验状态、置信度
L2 多维影响	基本面/舆情/产业链如何变化？	影响矩阵、情绪分布、传导判断
L3 估值映射	合理估值中枢如何变化？	PE / DCF 影响区间、假设与敏感性
L4 持仓决策	给定仓位与约束怎么做？	建议、三情景、风险与观察点

层间只传递结构化 Schema，不直接传递自由文本；L2 内部并行，失败可降级；支持从指定层向下重算。

交互设计

• 对话流：输入事件后，L1 → 数据采集 → L2 → L3 → L4 逐层展开
• 可视化：舆情情绪/渠道/热度图；估值前后对比；进门 MCP 底层指标卡
• 继续分析：改持仓、调估值参数、刷新舆情或底层数据；展示前后对比
• 溯源：核验依据、公告来源、计算公司可点击查看

快速开始

pip install -r demo/requirements.txt
cp .env.example .env   # 可选：填写 LLM / 进门 MCP Key
python server.py       # 生产入口；开发可用 python run.py
# 浏览器打开 http://localhost:8000

Windows：

$env:PYTHONPATH = "$PWD"; python server.py

临时公网演示

本机已配置 Cloudflare Quick Tunnel（需本机服务保持运行）：

.\scripts\start_public_demo.ps1

终端会打印 https://xxxx.trycloudflare.com 链接。更稳定的长期部署见下方 Docker / Render。

线上部署（长期）

仓库已包含 Dockerfile 与 render.yaml。推荐：

1. 在 Render 连接本仓库，按 Docker 部署
2. 在控制台注入 Secrets：JINMEN_MCP_KEY（可选 LLM_API_KEY）
3. 建议 RUN_MODE=hybrid（公网不一定能访问内网 LLM）

# 本地构建自测（需 Docker）
docker build -t fineventagent .
docker run --rm -p 8000:8000 -e JINMEN_MCP_KEY=xxx -e RUN_MODE=hybrid fineventagent

运行模式与配置

模式	条件	说明
live	LLM Key + 进门 MCP Key	实时数据 + LLM 增强
hybrid	仅进门 MCP Key	实时数据 + 规则分析（无 LLM 可完整跑通）
demo	均无 Key	本地样例，离线可演示

统一配置：demo/config/analysis.json（runtime / llm / sentiment / valuation）
密钥：仅环境变量 .env 中的 LLM_API_KEY、JINMEN_MCP_KEY（不入库）

LLM 只增强「事件抽取」与「基本面叙述」；估值、策略、MCP、舆情主链路不依赖大模型。公网部署可将 llm.enabled=false，或把 base_url / model 指到可达的 OpenAI 兼容端点。

项目结构

├── run.py
├── .env.example
├── demo/
│   ├── app.py                 # /api/health · /api/analyze · /api/refine
│   ├── config/analysis.json   # 统一业务与 LLM 配置
│   ├── agent/                 # Orchestrator + L1-L4 + MCP/LLM
│   ├── static/                # 对话流前端
│   └── scripts/               # 辅助脚本
└── LICENSE

API

• GET /api/health — 模式与配置摘要
• POST /api/analyze — SSE 全量分析
• POST /api/refine — SSE 局部重算（session_id + 目标层）

License

MIT