五个智能体¶
每条通过你自选股过滤的新闻条目会同时交给各个智能体:五个,SentimentPulse 关闭期间为四个(见下文)。它们并行运行(当前配置下每条端到端约 20–40 秒),输出聚合为你在仪表盘上看到的最终信号。
| Agent | 图标 | 关注点 |
|---|---|---|
| SignalScope |  |
主线新闻解析——发生了什么、涉及谁、ticker 级事实。可选调用 Tavily 联网搜索做交叉印证。 |
| MacroMind |  |
宏观经济框架——这条是否关联利率决议、CPI 公布、FX 冲击、地缘事件?"零关联"也是合法答案。 |
| SectorScan |  |
行业与供应链传导——谁还受益或受损?TSM → ASML → AMAT 这条链,上游 vs 下游。 |
| SentimentPulse |  |
散户情绪——条目本身反映的散户情绪、讨论量激增、价格与讨论背离。目前已关闭:它对 Reddit、Stocktwits 和 YouTube 的查询全部暂停(见已暂停的来源),所以它不运行,条目由另外四个智能体分析。只要其中任一来源恢复,它就会重新运行。 |
| PolicyRadar |  |
监管与政策——出口管制、制裁、监管机构动作、央行声明。 |
由谁运行:编排器¶
在智能体启动之前,编排器会针对每条新闻做一次简短的 LLM 调用。它参考三样信息:新闻本身、当前美股时段(盘前 / 盘中 / 盘后 / 休市,由交易日历确定,而不是让模型判断)、你最近在相同股票上收到的信号。然后它决定哪些智能体有内容可分析。它只返回智能体的名字,不会给智能体额外加任何内容,所以无论是否由编排器决定,智能体看到的新闻都是一样的。
保护机制:
- PolicyRadar 每条新闻都运行。编排器只在另外四个智能体中选择。
- 部分来源固定派给特定智能体。经济日历和官方数据条目一定派给 MacroMind 和 SectorScan;RSS 新闻一定派给 MacroMind;SEC 文件、Yahoo Finance 和新闻稿条目一定派给 SectorScan。Reddit、Stocktwits、YouTube 的条目(目前已暂停)以前一定派给 SentimentPulse。编排器可以在此基础上增加智能体,但不能删减。
- 编排器出错,或总共选中的智能体少于两个时,所有已开启的智能体全部运行。
编排器目前处于影子模式:它会记录自己的选择,但每条新闻仍由所有已开启的智能体分析,以便拿它的选择与各智能体的实际产出对比。只有验证跳过智能体不会让任何 ALERT 或 FLASH 信号降级后,才会开始跳过智能体。2026 年 10 月的验证发现会降级:在 Yahoo Finance 新闻上,编排器常常没有选中 MacroMind,而分数恰恰由 MacroMind 给出,所以所有已开启的智能体继续运行。
每个智能体输出什么¶
五个智能体产出 相同 的结构化输出:
{
"agent_id": "sectorscan",
"signal_type": "routine_news",
"urgency": "ALERT",
"impact_score": 0.72,
"confidence_score": 0.84,
"tickers_linked": [
{"ticker": "NVDA", "impact_score": 0.80, "link_type": "direct"},
{"ticker": "TSM", "impact_score": 0.60, "link_type": "sector"}
],
"reasoning": "... (at most 200 chars)"
}
signal_type 词表刻意做得窄(routine_news / earnings / policy_change / supply_chain / macro_event / ...)。如果智能体的车道与条目无关,它仍然要结构化地回——把 impact_score 压低——而不是默默跳过。这样聚合数学干净。
聚合¶
引擎按如下方式合并已运行智能体的输出:
top_signal— 持久化到signals的那一行。中英文摘要在聚合之后按条目只写一次,依据条目原文、合并结果和最高影响力智能体的 reasoning(各智能体自身不再写摘要);取所有成功智能体的加权平均影响分。reasoning 是所有智能体 reasoning 的拼接(所以仪表盘卡片可以在可折叠块里展示每个智能体的视角)。tickers_linked— 所有智能体的并集,去重,每个 ticker 做平均。agents_breakdown— 每个智能体各自的分数、延迟、错误(若有)都留在 signal 行上,方便你在仪表盘的可折叠面板里查看拆解。
为什么是五个而不是一个¶
经验上,用一个大提示去判断一条金融新闻的"重要性"会快速漂移——不同车道(监管 vs 情绪 vs 供应链)回答的是不同维度。拆分关注点让 UI 有更丰富的内容可展示(agent-breakdown 面板),让我们有独立信号可供 Reflexion 批判,也意味着单个智能体的故障或幻觉无法把聚合结果带偏太远。
另见¶
- Scoring — urgency 档位如何从
impact_score推导 - Claw chat (RAG) — 智能体的摘要如何变成可查询的知识