内容很长，收藏起来，未来可能用得上哦

只需300行代码，让AI成为你的私人投资顾问！

最近，很多朋友都在问：“有没有一种方法，能让AI帮我分析股票，给出专业的投资建议？”

答案是肯定的！今天我们就用 LangGraph 框架，亲手搭建一个专业的股票分析智能体。

这个智能体能做到什么？

·“特斯拉和苹果股票，哪个更值得投资？”

·“帮我看一下小米最近的股价走势”

一、核心原理：ReAct架构让AI“思考”

我们的智能体基于 ReAct（推理+行动） 架构：

1. 推理：大模型分析用户问题，决定需要什么信息

2. 行动：调用相应的工具获取数据

3. 再推理：结合数据给出最终答案

比如当用户问“特斯拉和苹果股票相比如何”时：

text用户问题 → AI分析需要两家公司数据 → 调用工具获取股票代码 → 调用工具获取详细数据 → AI分析比较 → 给出建议

二、两大核心工具的实现

工具1：智能获取股票代码

很多人不知道，“苹果公司”的股票代码不是APPLE，而是AAPL。我们的第一个工具就是解决这个问题：

pythonimport requests@tooldef get_stock_symbol(company_name:str)->str:"""根据公司名称获取股票代码"""   api_key ="你的API密钥"   url =f"https://financialmodelingprep.com/api/v3/search?query={company_name}&apikey={api_key}"  response =requests.get(url) data = response.json()   
if data and len(data)>0:    return data[0]['symbol']  # 返回第一个匹配的股票代码    return"未找到对应股票代码"工具

2：获取全面的股票数据

我们使用专业的 yfinance 库来获取丰富的数据：

pythonimport yfinance as yf@tool  defget_stock_data(symbol:str)->dict: """获取股票详细数据""" stock = yf.Ticker(symbol)  # 获取基本信息 info = stock.info  # 获取最近一个月的历史数据 history = stock.history(period="1mo")  return{ "基本信息":{ "公司名称": info.get('longName',''), "当前价格": info.get('currentPrice',''), "市值": info.get('marketCap',''), "市盈率": info.get('trailingPE',''), "股息率": info.get('dividendYield','') }, "近期表现":{ "开盘价": history['Open'].tolist(), "收盘价": history['Close'].tolist(), "成交量": history['Volume'].tolist() } }

三、LangGraph智能体构建全流程

步骤1：创建智能体节点

pythonfrom langgraph.graph import StateGraph# 定义工作流状态classAgentState(TypedDict): question:str      # 用户问题 context: List[str]# 上下文信息 response:str      # 最终回复# 创建助理节点assistant_node = StateGraph(AgentState)@assistant_node.nodedefassistant(state: AgentState)-> AgentState: """处理用户消息并决定是否调用工具"""  # 系统提示词 - 定义AI的角色和能力 system_prompt =""" 你是一位专业的金融助手，专注于股票市场的分析和投资策略。  你的任务： 1. 理解用户关于股票的问题 2. 根据需要调用工具获取数据 3. 基于数据给出专业、客观的分析  回复格式： - 先总结关键数据 - 然后给出分析 - 最后提供建议（注明风险提示）"""  # 调用大模型（这里以DeepSeek为例） response = chat_model.invoke([ SystemMessage(system_prompt),HumanMessage(state['question']) ])  return{"response": response.content}步骤

2：构建工具调用系统

python# 将所有工具打包tools =[get_stock_symbol, get_stock_data]tool_node = ToolNode(tools)# 添加到图中assistant_node.add_node("assistant", assistant)assistant_node.add_node("tools", tool_node)# 设置条件边：决定是否调用工具defroute_tools(state): ifhasattr(state,'tool_calls')and state.tool_calls: return"tools"  # 需要调用工具 return"__end__"    # 直接结束assistant_node.add_conditional_edges( "assistant", route_tools)# 从工具节点返回助理节点assistant_node.add_edge("tools","assistant")步骤

3：编译并运行

python# 编译图graph = assistant_node.compile()# 运行智能体result = graph.invoke({ "question":"特斯拉和苹果股票相比如何？哪个更适合保守型投资者？"})print(result["response"])

四、实际运行效果

当我们询问“特斯拉和苹果股票相比如何”时，智能体会：

1. 第一步：识别出需要特斯拉和苹果两家公司的数据

2. 第二步：调用 get_stock_symbol 获取股票代码（TSLA和AAPL）

3. 第三步：调用 get_stock_data 获取详细财务数据

4. 第四步：综合分析后给出建议

典型的输出结果：

text📊股票对比分析报告一、关键数据对比：- 特斯拉（TSLA） • 当前价格：$245.30 • 市盈率：78.5倍 • 市值：$7800亿 • 月波动率：12.3%- 苹果（AAPL）   • 当前价格：$185.20 • 市盈率：28.9倍 • 市值：$2.9万亿 • 月波动率：8.7%二、分析要点：1. 成长性：特斯拉增长更快但波动大2. 稳定性：苹果现金流强劲，波动较小3. 估值：苹果估值相对合理，特斯拉溢价较高三、投资建议：✅保守型投资者：建议苹果，稳定性好，股息可靠✅成长型投资者：可考虑特斯拉，但需承受较高波动⚠️ 风险提示：股市有风险，投资需谨慎。以上分析仅供参考。

五、如何扩展这个系统？

这个基础框架可以轻松扩展：

1. 增加更多分析维度

python# 添加新闻情绪分析工具@tooldefget_news_sentiment(symbol:str): """获取近期新闻情绪""" # 添加技术指标分析  @tooldefget_technical_indicators(symbol:str): """计算RSI、MACD等技术指标"""2.

加入可视化功能

pythonimport matplotlib.pyplot as pltdefplot_stock_comparison(data1, data2): """绘制股票对比图表""" fig, axes = plt.subplots(2,1, figsize=(10,8))  # 绘制价格走势对比 axes[0].plot(data1['history']['Close'], label='特斯拉') axes[0].plot(data2['history']['Close'], label='苹果') axes[0].set_title('价格走势对比')  # 绘制成交量对比 axes[1].bar(range(len(data1['history'])), data1['history']['Volume'], alpha=0.5) axes[1].bar(range(len(data2['history'])), data2['history']['Volume'], alpha=0.5)  return fig3.

实现个性化记忆

python# 记录用户偏好user_preferences ={ "risk_tolerance":"conservative",  # 风险承受能力 "investment_style":"growth",      # 投资风格 "watchlist":["AAPL","TSLA"]      # 关注列表}