接入行情数据源与 LLM API:让 Agent 真的懂市场
系列·Agent 篇 03 — 框架装好只是壳,数据给事实、模型给解读,这两根管子接对了 Agent 才有用
📖 本篇是《AI 投研 Agent 部署》第 3 篇,前置:Docker 部署开源投研 Agent。
01 · Agent 的两根管子
把投研 Agent 想成一位新来的实习生:数据源是他能查到的资料库(LLM 自己训练的行情知识早就过期了),LLM API 是他的大脑。两根管子任何一根没接对,产出的报告就是"一本正经地编"。
02 · LLM API:一张表选型
- 国产模型(DeepSeek / 智谱 GLM / Kimi / 通义) — 注册就送额度,价格便宜一个量级,中文金融文本 理解好,API 兼容 OpenAI 格式,个人量化首选起步。
- 海外模型(GPT / Claude) — 复杂推理与长文档更强,但需要海外支付渠道,单价高;适合预算充足或 做"终稿精读"环节。
- 本地模型(Ollama 跑开源模型) — 零 API 费用、数据不出门,但效果与云端旗舰有差距,且你的 2 核 2G 服务器跑不动——留给以后有 GPU 的机器再玩。
申请流程都一样:官网注册 → 控制台建 API Key → 复制保存。Key 就是钱,拿到后立刻做两件事: 在 .env 里配置(不要写进代码和 README),在控制台设余额告警/消费上限。
03 · 行情数据源:免费起步
# 在服务器上验证数据源可用(以 akshare 为例)
pip3 install akshare -i https://pypi.tuna.tsinghua.edu.cn/simple
python3 -c "import akshare as ak; print(ak.stock_zh_a_hist(symbol='600519', period='daily', start_date='20250801', end_date='20250831').tail())"能打印出贵州茅台 8 月的日线,数据管子就是通的。数据源选型:
- akshare — 免费无 key,聚合公开接口,适合起步;偶有接口变动,详见本站akshare 数据实操。
- tushare — 注册送积分,数据更规整稳定,接口丰富;部分高级接口要积分门槛,适合认真长期用。
- 项目自带适配 — TradingAgents-CN 这类项目已内置 A 股数据源选项,在
.env里选一个填 token 即可,不用自己写代码。
04 · 把两把钥匙交给 Agent
# 编辑项目目录下的 .env(变量名以项目 README 为准,常见如下)
DEEPSEEK_API_KEY=sk-xxxxxxxx # LLM key
TUSHARE_TOKEN=xxxxxxxxxxxxxxxx # 数据源 token
# 保存后重启生效
docker compose restart原则:所有密钥只放 .env,代码里零硬编码;改任何配置后都要重启服务才生效—— "改了没反应"一半是因为忘了重启。
05 · 验证:让它分析一只你熟的票
选一只你盯了很久、最近有明确事件的股票,让 Agent 出一份分析,然后做三个检查:
- 数据对不对:引用的收盘价/市值和行情软件核对,错一个就不用看后面的了。
- 来源明不明:好的输出会写"根据 XX 日公告/XX 数据";通篇没有数据出处、全是形容词的,降权看。
- 结论稳不稳:同一只票问两遍,结论天差地别说明模型温度设置或流程有问题,不是市场无常。
06 · 避坑清单
- Key 泄露 = 别人刷你的余额 — 不传公开仓库、不贴群里;发现异常消费立刻作废重生成。
- 免费数据源限频 — 循环调用中间加间隔;被封就退避等待,别火上浇油地重试。
- 幻觉数字 — LLM 会编造"看起来很像真的"的财务数据。纪律:凡是数字,必须能追溯到数据源; 追溯不到的一律不信。
- 成本失控 — 多 Agent 项目一次分析要调几十次模型。先用便宜模型跑通,再考虑局部换贵的。