大愚Agent（dayu-agent）是一个专为买方投资研究场景设计的专业级智能体（Agent）开源系统。该系统创新性地将大语言模型（LLM）能力、结构化财报提取工具、自动化的财报下载与预处理数据管线，以及研报撰写流程深度结合，构建了一套端到端的自动化分析平台。在架构设计上，大愚Agent对齐了OpenClaw体系，具备完整的“宿主强约束下的LLM in the loop”能力，通过严格分层有效规避大模型处理金融数据时的“幻觉”现象。系统涵盖四大核心应用工作流：一是全自动化财报数据管线，支持SEC美股、A股和港股财报的下载上传与清洗；二是多维度投研问答，提供单次Prompt问答、多轮交互以及微信端接入交互；三是买方分析报告自动写作，基于结构化数据与大语言模型自动成稿；四是多格式渲染功能，将文本报告转化为可视化的HTML、PDF或Word文档。大愚Agent能够极大地提升金融研究员的工作效率，是深度投研不可或缺的AI基础设施。
Funktionsliste
- 自动化财报数据管线：提供一键执行脚手架，批量下载、上传并自动预处理美国SEC、A股及港股上市公司的财务报告原始数据。
- 自动化买方研报撰写：输入目标分析公司的信息并执行
write命令，系统即会自动调用财报工具提取财务数据，经大模型总结推演后撰写专业的深度买方研报。 - 交互式投研问答引擎：支持指定单次提示词（Prompt）提问以获取确切指标数据，同时支持带记忆断点续接的多轮交互（Interactive）深度对话。
- 微信生态原生接入：提供
dayu-wechat服务端应用服务，可将智能体完整移植为微信端联系人助手，实现全天候移动端随时发问和图文接收反馈。 - 高质量文档格式渲染：内置文档排版与转化模块，可将生成的Markdown研报结果直接渲染转译为商业级排版的HTML网页、PDF文档或Word文档。
- 跨平台智能脚本生成：可根据宿主操作系统（macOS/Linux或Windows），自动推断公司背景信息，并生成与之匹配的
.sh或.cmd数据执行脚本以简化部署工作。
Hilfe verwenden
大愚Agent（dayu-agent）是一款面向买方投资分析的专业级智能体系统。为了让您能够顺利上手并充分发挥这套自动化投研系统的强大潜力，我们为您准备了以下极为详细的操作与使用指南。本指南涵盖了从基础环境安装到复杂数据管线配置，再到智能问答与专业分析报告生成的全流程操作方法。
一、 系统环境要求与安装部署
在开始使用大愚Agent之前，请确保您的计算机软硬件配置符合以下基础环境约束：
- Betriebssystem：兼容 macOS, Linux, 以及 Windows。
- Python-Umgebung：由于架构采用最新规范限制，系统必须运行在 Python 3.11 及其以上版本。
- 第三方依赖：必须在系统中安装 Google Chrome 浏览器（后续执行渲染生成PDF文件和部分网络爬虫能力需要调用浏览器内核）。
- API-Schlüssel-Vorbereitung：您需要准备原生的大语言模型服务商API Key（如OpenAI或Anthropic）。若计划使用高级数据补全推断与批量下载自动化管线，还需提前申请并准备好 FMP_API_KEY（Financial Modeling Prep）。
快速安装命令
项目提供打包好的轮子包，最快捷的安装方式是打开您的计算机终端或命令行工具，直接输入以下指令：
pip install https://github.com/noho/dayu-agent/releases/download/v0.1.0/dayu_agent-0.1.0-py3-none-any.whl
(开发者注：如果您希望深入参与项目开发以及调整分析模板和策略，请前往GitHub直接使用 git clone 下载源码，并使用 pip install -e . 的方式完成可编辑模式环境部署)
安装成功后，系统会自动向环境变量中注册三个核心全局控制命令：
dayu-cli或python -m dayu.cli：核心控制台入口，主要负责处理财报管线解析、提问交互和自动化写作功能。dayu-wechat：微信服务端命令，专用于将分析Agent接入您的微信完成随身投研。dayu-render：渲染组件模块，专用于将Agent生成的分析报告打包为多媒体阅读格式。
二、 核心功能与工作流操作详解
大愚Agent的操作逻辑高度模块化，整体围绕“建立工作区 -> 注入目标财报 -> 提问/自动撰写 -> 呈现渲染研报”这一固定工作流展开。您可以统一使用 --base ./workspace 参数将所有的临时文档和配置锁定在某一个工作目录内。
1. 自动化财报数据管线获取 (Data Pipeline)
大愚Agent具备一套高度自动化的财报文件处理功能。为了降低用户的操作复杂度，系统默认采用脚本自动化生成方案，而不是手动拖拽管理。
在终端中输入如下命令，为指定股票生成批量拉取与上传的预备脚本：
python -m dayu.cli upload_filings_from --ticker AAPL --infer --base ./workspace
指令核心参数说明：
--ticker：指定目标进行分析的股票代码（例如苹果公司为 AAPL）。--infer：开启此高级功能后，代码在脚本生成阶段会单次调用FMP接口（需在环境变量配置FMP_API_KEY），自动完成股票背景推断、别名纠错等逻辑，并将最终准确的公司抬头直接硬编码到生成的本地执行脚本正文内。--output：如果不传此参数，默认系统会探测您当前运行环境并在workspace根目录自动生成适配的脚本（macOS或Linux环境下为upload_filings_AAPL.sh，而Windows下会自动生成upload_filings_AAPL.cmd）。
生成结束后，用户只需赋予对应脚本执行权限并运行它。脚本运行时会自动构建起 workspace/portfolio/{ticker} 相关的目录结构，并将SEC、A股或港股财报进行下载、格式清理和切割入库。该脚本顶部也附带有原始命令注释，方便财务季度轮转后一键重刷获取新数据。
2. 多模式投研智能交互问答 (Interactive & Prompt Q&A)
当目标公司的财报清洗入库后，您可以马上启动智能体的认知引擎挖掘价值信息。
- 特定指标的单次提取（Prompt 模式）：
若您只需要明确获取某个指标对比（如：“分析这家公司最新的三费比率与上季度环比差距是多少”），使用单向提问即可：python -m dayu.cli prompt "请分析最新的三费比率变化并提供出处" --base ./workspace --log-level info(注：
--log-level info/debug/quiet这组参数可协助您掌控命令行界面输出详细思考过程的范围) - 沉浸式多轮投研对谈（Interactive 模式）：
在拆解公司主营业务构成时通常需要长篇追问，开启多轮模式更为合适：python -m dayu.cli interactive --base ./workspace极致的会话防断点体验：针对金融长文档交互响应极慢的问题，系统设计了会话续接保护机制。Interactive引擎在默认状况下会自动续接当前目录上次尚未完成的对话。即便大模型的回答因为网络波动等原因没有完整显示在终端，此时您完全可以关闭并重启CLI命令行，系统在初始化时会优先把上一次残缺的回答文本全额补发输出，补齐结束后再等待您的下一步输入。
针对底层优化需要，您还可以叠加--tool-timeout-seconds设定外部结构查询工具的等待时长，或者通过--max-iterations限制Agent多轮反思自我否定的最大轮数，以此加快输出速度。
3. 买方分析报告自动化撰写体系 (Write Report)
真正解放分析师生产力的核心在于自动化撰写引擎。大愚Agent能够根据配置内的宿主强制推演规则框架，自适应抓取财务节点完成整篇长报表撰写。
python -m dayu.cli write --base ./workspace --verbose
Agent在接到这条指令后，会通过dayu.fins.storage仓储协议与本地财报数据库互动，并在定量与定性的框架中填充逻辑严密的事实段落，最终产出一份详尽严谨的Markdown工作底稿。为降低大模型由于上下文超限带来的显存负担与成本，您可以使用高级参数 --doc-limits-json zu --fins-limits-json 对文本投喂块的上限阈值进行微调。
4. 商业级研报成果渲染交付 (Render PDF/Word)
系统不仅止步于分析结果，更负责末端的视觉传达。基于Markdown输出的工作底稿，可以直接触发渲染管道：
python -m dayu.render --input ./workspace/report.md --format pdf
该组件不仅支持生成完美的PDF文件方便邮件群发阅读，同样也支持转换输出精美的HTML或者便于后续二次编辑修订的Word文档，完成高质量内容在机构内的最后一公里分享。
三、 全局管理与扩展指引
在使用过程中遇到配置卡壳，可以在任意节点执行 python -m dayu.cli <subcommand> --help 获取最全列表。针对有极客需求的研究员，除了常规桌面端作业外，您还可执行 python -m dayu.wechat --base ./workspace 将服务部署并在控制台扫码认证，大愚Agent将以微信助手的身份入驻通讯录，目前已支持接收文本消息直接联动后方计算管线给与反馈，极大拓宽了随时随地投研办公的应用可能。
Anwendungsszenario
- 大批量目标公司财务数据初筛与汇总
在财报密集披露季，研究员需要阅览成百上千份上市企业的最新财报。依靠系统内置的自动化管线组件与生成脚本，可以实现跨市场（美股、港股、A股）财报的静默批量下载整理与结构化清洗入库，减少重复人工搬运时间。 - 个股异动时的极速深度探因交互
当重点关注企业出现个股突发情况或超预期指标时，投研人员可立刻通过 Interactive 投研多轮交互模式与Agent对话，指派智能体依据一手的季报披露文字拆解经营风险事件，深挖突发财务状况的根本业务驱动来源。 - 机构级买方跟踪研报全自动规模化生产
针对跟踪池中数量庞大的非核心标的，利用大愚Agent的 Write 模块在几分钟内根据最新财报数据结构提取并自动写成逻辑清晰、事实充分的 Markdown 研报，渲染打包后分发供基金经理审核，弥补研究产能的不足。 - 移动端碎片化时间投研办公协同
分析师在参与外部路演、实地考察工厂或者候机途中，无须开启电脑，可利用对接妥当的 dayu-wechat 微信通道，直接在私人对话框向分析助理发送财务求证问题，实现碎片化状态下高度专业且精确的财务动态掌握。
QA
- 系统的“宿主强约束下的LLM in the loop”概念具有什么实战意义？
在传统大模型分析中常常出现财务数据捏造问题。此架构通过分层隔离设计（UI -> Service -> Host -> Agent），让Agent所有针对财报数据的操作与读取都被底层仓储协议强硬接管约束，强制使用预置的结构化财报调用工具。数据事实必须直接来源于报表底层原文逻辑，从根源上杜绝了利用间接迹象进行表面敷衍或凭空捏造的情况发生。 - 在执行
upload_filings_from生成脚本时出现的--infer推断功能具体有何用处？
--infer功能会在您指定单一股票代码时介入预处理流程，它不仅帮您拼装下载指令，还会调用FMP_API对该代码进行企业背景的精准溯源。它能补全和识别公司各种财务别名与注册信息，并直接固化至自动生成的环境脚本内，确保后续执行批量文件下载任务时能够针对多变的企业改名或异构财报实现高精准提取。 - 多轮投研对话中如果不慎关停了命令行终端，正在梳理的分析脉络会清空吗？
绝对不会清空。投研过程极耗心力，系统的Interactive多轮交互模式自带强大的会话保护和延续能力。当上一次Agent未回答完整就被迫中断时，您只需原路径重新输入交互命令唤醒CLI，系统立刻补录上次错漏的内容到终端，随之无缝衔接您的下一个逻辑追问。 - 如何调整大模型生成报告时的资源消耗？
由于买方研报动辄处理几万至十几万字的财报底稿，容易触发大模型调用上限并产生高昂Token费用。大愚Agent在各项命令末尾皆开放了针对性的参数扩展，例如您可以通过传递定制的--doc-limits-json与--fins-limits-json限制输入至LLM时的文本分块规模，平衡阅读效果与运行预算。
