为股票、基金和投资交易构建的开源反方辩手

我构建了一个多智能体系统，用于对公开股票、基金组合和私营公司交易的投资论点进行压力测试。我将其命名为反方辩手，因为它理想情况下能拆解你关于任何股票或私营公司交易的备忘录、融资演示、PDF 或声明。 **架构：** 1. 多头顾问 - 在实际存在用例或正面信号时维护你的论点。 2. 空头顾问 - 使用基于实际检索（真实可比公司、行业数据、FDA 文件、创始人历史、一手来源）的信息进行攻击。 3. 内部观点检查者 - 根据基金的书面授权进行评分。 4. 综合者 - 将所有方面合并为结构化的投资备忘录。 5. 反方辩手（有约束力）- 它可以否决、缩减规模或批准该头寸。不仅仅是 LLM 的决策。 **构建方式：** 编排层运行在 OpenAI 智能体上，而研究层由 Valyu 的金融搜索基础设施驱动，用于在文件、新闻、行业数据、生物技术/FDA 记录、创始人历史和可比市场中实现基于实际检索的搜索。架构上一个我喜欢的特点是：Valyu 的 OAuth 代理意味着检索成本是按租户划分的。用户账户为自己的研究使用付费，而不是将所有搜索成本通过集中式后端账户路由。跨智能体通信和输出模式通过 Zod 强制执行，因此每个智能体产生的是有类型、结构化的输出，而非自由形式的文本块。持久化层使用 SQLite + Drizzle。 **技术栈：** * 框架：Next.js * 智能体：OpenAI * 金融检索：Valyu * 验证/类型安全：Zod * 数据库：SQLite + Drizzle * UI：Tailwind 我植入了三个私营公司演示（种子轮、A 轮、B 轮），以便人们可以在运行自己的交易之前查看完整的多智能体输出。它是**开源的**，因此可以轻松克隆、修改甚至部署到私有实例上。我会在评论中放出链接。 好奇大家对架构或数据层的看法： 1. 你会考虑将此用于多少个其他金融用例？ 2. 有没有其他人正在实施按租户强制执行授权，而不是使用一套全局规则？ 3. 对于基于实际检索的投资研究，你更信任一手来源检索还是微调的金融模型？