For AI agents: the complete documentation index is available at /druce-website/llms.txt, the full documentation bundle is available at /druce-website/llms-full.txt, and this page is available as Markdown at /druce-website/development/prd-v2-roadmap.md.
Druce

    PRD v2 AlphaAgent 落地路线图

    本文档沉淀自 2026-08-05 grilling session(5 轮 14 拍板点)。 架构决策详见 ADR-0004(仓库根 docs/adr/0004-prd-v2-alphaagent-architecture.md), 领域术语详见仓库根 CONTEXT.md。

    1. 定位:PRD v2 与当前 Druce 的关系

    PRD v2 标题为「AlphaAgent — 多视角 AI 金融投研助手」,描述的是一个与当前 Druce 不同的产品形态。

    grilling 第 1 轮拍板:两者关系为「叠加 (B)」——

    维度当前 Druce(路径 1)PRD v2 AlphaAgent(路径 2)
    数据基底Tavily/Bing 搜索 + 巨潮资讯抓取AKShare(Python 财务数据接口)+ 巨潮资讯 PDF 解析
    Agent 架构单 LLM 拼四段报告多 Agent(价值/成长/风控)并行推演 + Debate 汇总 + Auditor 核查
    输出形态四段(摘要/分点/风险/参考)五章(摘要矩阵/确定性指标/框架推演/事实核查/情景推演)

    两路并存,用户可选「广域搜集报告」(路径 1)或「AlphaAgent 研报」(路径 2)。

    2. 差距分析:PRD v2 四模块 vs 当前实现

    PRD v2 的 4 个新模块在当前 Druce 代码里完全没有任何前身可演进(grilling 1.2 拍板),均为绿地新建。

    2.1 模块一:数据采集与确定性计算引擎 (Data Engine)

    PRD v2 要求:

    • 数据源:AKShare(行情/财务报表)+ 巨潮资讯(公告/财报 PDF)+ Tavily/Serper(新闻/舆情)
    • 自动提取近 3~5 年三大财务报表
    • Python 侧确定性计算 ROE、毛利率、净利率、资产负债率、PEG、应收账款周转天数等
    • 规则预警打标 [Anomaly_Tag]

    当前实现差距:

    差距项当前状态差距性质
    AKShare 接入无绿地新建
    三大报表字段化提取无绿地新建
    确定性财务比率计算无绿地新建
    异常规则打标无绿地新建
    新闻/舆情数据源app/search.py 已有 Tavily/Bing复用,无需新建

    关键决策(grilling 2.1 拍板 b):路径 2 的新闻/舆情复用路径 1 的 search.py,AKShare 只管财报/行情,避免双搜索栈和 fallback 幻觉。

    2.2 模块二:多视角投资框架 Agent (3 个推演 Agent)

    PRD v2 要求:

    • 价值派 Agent(巴菲特/芒格):护城河、ROE 稳定性、FCF、债务风险
    • 成长派 Agent(彼得·林奇 GARP):营收/净利增速、PEG、存货匹配度
    • 风控派 Agent:财报隐患、非经常性损益占比、现金流断裂隐患
    • 每个 Agent 有「核心指标与定量阈值表」+「代码/Prompt 硬性判定规则」

    当前实现差距:

    差距项当前状态差距性质
    价值派 Agent无绿地新建
    成长派 Agent无绿地新建
    风控派 Agent无绿地新建
    阈值表 prompt 结构无绿地新建

    关键决策(grilling 2.2 拍板):门槛逻辑写 prompt(时间有限,没法调算法)。已知风险:LLM 可能把 14.8% 判成 pass(差不多),幻觉风险回来。兜底项:最终交付前把关键门槛从 prompt 抽到 Python 确定性判断。

    关键决策(grilling 3.1 拍板 b):3 个推演 Agent 串行调用 LLM(非并行)。已知风险:串行延迟可能把单次研报从 1-3 分钟推到 8-15 分钟,顶 AC-05 的 15 分钟上限。

    关键决策(grilling 3.2 拍板 e):推演 Agent 用 DeepSeek(便宜),Debate 用 GPT-4o(强)。app/llm.py 需改成多 provider 路由。

    2.3 模块三:分歧辩论与综合研判 Agent (Debate Agent)

    PRD v2 要求:

    • 汇总 3 个推演 Agent 评估结果
    • 生成多视角对比矩阵(Dashboard 表格)
    • 提取共识点、梳理核心争议点
    • 给出分人群操作建议

    当前实现差距:

    差距项当前状态差距性质
    多视角汇总逻辑无绿地新建
    共识/分歧提取无绿地新建
    分人群操作建议无绿地新建

    2.4 模块四:反思核查与数据可追溯模块 (Auditor Agent)

    PRD v2 要求:

    • 溯源标注:对报告中每一个具体财务数据,自动附带出处索引
    • 文本 vs Data Engine 数据二次比对
    • 若发现数字不符或无中生有,打回重写

    当前实现差距:

    差距项当前状态差距性质
    财报数据溯源标注无绿地新建
    报告数字 vs AKShare 原始数据比对无绿地新建
    不符则打回重写的回环无绿地新建

    关键决策(grilling 2.3 拍板 ii):路径 2 的 Auditor Agent 与路径 1 的 cross_validate 互不干涉。路径 2 Auditor 只管"研究报告里的数字 vs AKShare 原始数据比对",路径 1 cross_validate 只管"信源数量/权威/冲突"。

    3. 架构决策汇总

    3.1 代码组织(grilling 4.1 拍板 a)

    app/
├── agents/                    # 新建:多 Agent 推演
│   ├── value_agent.py         # 价值派(巴菲特/芒格)
│   ├── growth_agent.py        # 成长派(彼得·林奇 GARP)
│   ├── risk_agent.py          # 风控派
│   ├── debate_agent.py        # 分歧辩论与综合研判
│   └── auditor_agent.py       # 反思核查与数据可追溯
├── dataengine/                # 新建:AKShare + 确定性计算
│   ├── akshare_client.py      # AKShare 接入
│   ├── financial_statements.py # 三大报表字段化提取
│   ├── ratios.py              # 确定性财务比率计算
│   └── anomaly_tags.py        # 异常规则打标
├── search.py                  # 留顶层不动(避免连锁 import 改动)
├── pipeline.py                # 路径 1 编排(现有)
├── pipeline_v2.py             # 新建:路径 2 编排
├── llm.py                     # 改造:单 provider → 多 provider 路由
├── report.py                  # 路径 1 报告生成(现有)
├── streamlit_app.py           # 入口,加路由:用户选路径 1 或路径 2
└── ... (其他现有文件不动)

    3.2 LLM 多 provider 路由(grilling 3.2 拍板 e)

    Agent 角色LLM理由
    价值派 / 成长派 / 风控派DeepSeek便宜,推演逻辑可由 prompt 引导
    Debate AgentGPT-4o强,做汇总裁决质量更高
    Auditor AgentDeepSeek便宜,做数字比对逻辑性强

    3.3 AKShare 数据缓存(grilling 4.3 拍板 i)

    • 拉到的财报数据存 data/{company}_{report_period}.json
    • 财报缓存 TTL 7 天(财报一年 4 次更新)
    • 行情缓存 TTL 1 天
    • 轻量,Druce 单用户无并发问题,data/ 目录 git-ignorable

    3.4 落地顺序 — 拓扑序(grilling 5.2 拍板 e)

    Data Engine (AKShare + 确定性计算)
        ↓
[Value ‖ Growth ‖ Risk]  3 个推演 Agent
        ↓
Debate Agent (汇总)
        ↓
Auditor Agent (核查)

    4. Roadmap:分阶段落地

    Milestone 0:基础设施改造(前置)

    任务说明依赖
    app/llm.py 多 provider 路由支持 DeepSeek + GPT-4o 切换,按 Agent 角色路由无
    新建 app/agents/ 目录结构空目录 + __init__.py无
    新建 app/dataengine/ 目录结构空目录 + __init__.py无
    新建 app/pipeline_v2.py 骨架空函数 + emit 进度回调无
    data/ 目录 + .gitignoreAKShare 缓存目录,git-ignorable无

    Milestone 1:Data Engine(AKShare + 确定性计算)

    任务说明依赖
    akshare_client.pyAKShare 接入,封装行情/财务报表拉取M0
    financial_statements.py三大报表(资产负债表/利润表/现金流量表)字段化提取,近 3~5 年M1.akshare_client
    ratios.py确定性计算 ROE、毛利率、净利率、资产负债率、PEG、应收账款周转天数、经营性现金流/净利润比值M1.financial_statements
    anomaly_tags.py异常规则打标:应收账款增速 > 营收增速 + 15% 等,自动打 [Anomaly_Tag]M1.ratios
    文件缓存data/{company}_{report_period}.json,财报 TTL 7 天,行情 TTL 1 天M1.akshare_client

    验收标准(Milestone 1):

    • 输入股票代码,能拉到近 3~5 年三大报表
    • 确定性计算出 PRD v2 第三章所有 Agent 需要的比率
    • 异常规则触发时正确打标
    • 重复请求同一公司同一报告期命中缓存

    Milestone 2:3 个推演 Agent

    任务说明依赖
    value_agent.py价值派 Agent:护城河、ROE 稳定性、FCF、债务风险,门槛逻辑写 promptM1
    growth_agent.py成长派 Agent:营收/净利增速、PEG、存货匹配度,门槛逻辑写 promptM1
    risk_agent.py风控派 Agent:财报隐患、非经常性损益占比、现金流断裂隐患,门槛逻辑写 promptM1
    推演 Agent prompt 模板每个 Agent 的阈值表 + 硬性判定规则 prompt 结构M2.value/growth/risk

    验收标准(Milestone 2):

    • 输入确定性计算结果,3 个 Agent 各自输出【看多/观望/看空】(或【低/中/高风险】)+ 逻辑叙述
    • 串行调用,延迟可接受(暂不卡 AC-05)
    • 3 个 Agent 用 DeepSeek

    Milestone 3:Debate Agent(汇总)

    任务说明依赖
    debate_agent.py汇总 3 个推演 Agent 结果,生成多视角对比矩阵,提取共识/分歧,给出分人群操作建议M2
    Debate prompt 模板输入 3 个推演输出,输出第一章「摘要与多视角判定矩阵」+ 第五章「情景推演与投资策略建议」M3.debate_agent

    验收标准(Milestone 3):

    • 输入 3 个推演 Agent 输出,Debate 生成多视角对比矩阵 + 共识/分歧 + 分人群操作建议
    • Debate 用 GPT-4o
    • 延迟可接受

    Milestone 4:Auditor Agent(核查)

    任务说明依赖
    auditor_agent.py溯源标注:对报告中每一个具体财务数据自动附带出处索引;文本 vs Data Engine 数据二次比对;不符则打回重写M1 + M3
    Auditor prompt 模板输入 Debate 报告 + AKShare 原始数据,输出第四章「数据可追溯性与事实核查」M4.auditor_agent

    验收标准(Milestone 4):

    • 输入 Debate 报告 + AKShare 原始数据,Auditor 输出溯源表 + 修正记录
    • 报告里的数字与 AKShare 原始数据不符时,标记并打回
    • Auditor 用 DeepSeek

    Milestone 5:pipeline_v2 串联 + Streamlit 路由

    任务说明依赖
    pipeline_v2.py 串联Data Engine → 3 推演 Agent → Debate → Auditor,emit 进度回调M1-M4
    streamlit_app.py 路由用户选「广域搜集报告」(路径 1)或「AlphaAgent 研报」(路径 2)M5.pipeline_v2
    五章输出渲染将路径 2 的结构化输出渲染为 PRD v2 第五章规范M5.pipeline_v2

    验收标准(Milestone 5):

    • Streamlit 用户可选路径 1 或路径 2
    • 路径 2 端到端跑通,输出五章 Markdown 研报
    • 路径 1(广域搜集报告)不受影响,继续可用

    Milestone 6:已知风险兜底(最终交付前)

    任务说明依赖
    关键门槛从 prompt 抽到 Python 确定性判断grilling 2.2 已知风险兜底:LLM 可能把 14.8% 判成 pass,关键门槛最终抽到 PythonM2
    串行延迟监控grilling 3.1 已知风险兜底:若串行延迟顶到 AC-05 的 15 分钟,后续异步化或并行化M5

    5. 与现有 ADR 的关系

    ADR状态与 PRD v2 的关系
    ADR-0001 单用户为主待重新评估PRD v2 不改这个判定,路径 2 仍单用户
    ADR-0002 Celery+RedisdeprecatedPRD v2 的串行拓扑不依赖异步队列,ADR-0002 的 deprecated 判定不变
    ADR-0003 持续对话 Agentactive → 暂停PRD v2 优先,ADR-0003 暂停(grilling 5.1 拍板)
    ADR-0004 PRD v2 AlphaAgent 架构active本 roadmap 的架构决策来源

    6. 暂停项:ADR-0003 持续对话 Agent

    grilling 5.1 拍板:PRD v2 优先,ADR-0003 暂停。

    理由:

    • PRD v2 是产品经理提出的新版需求,优先级高于内部演进
    • PRD v2 的多 Agent 研报落地后,反过来会重塑 ADR-0003 的对话记忆颗粒度——对话要引用"价值派的护城河评分",而不是引用现有 DataPoint
    • 先把 PRD v2 跑通,ADR-0003 等尘埃落定再续

    7. 验收标准(PRD v2 整体)

    编号验收项标准对应 Milestone
    AC-V2-01AKShare 接入输入股票代码,能拉到近 3~5 年三大报表 + 行情M1
    AC-V2-02确定性计算Python 侧计算出 PRD v2 第三章所有 Agent 需要的比率M1
    AC-V2-03异常打标触发异常规则时正确打 [Anomaly_Tag]M1
    AC-V2-04价值派 Agent输入确定性计算结果,输出【看多/观望/看空】+ 护城河逻辑 + 最关心风险M2
    AC-V2-05成长派 Agent输入确定性计算结果,输出【看多/观望/看空】+ 成长匹配度逻辑 + 拓展潜力M2
    AC-V2-06风控派 Agent输入确定性计算结果,输出【低/中/高风险】+ 核心财务隐患清单M2
    AC-V2-07Debate Agent输入 3 个推演输出,生成多视角对比矩阵 + 共识/分歧 + 分人群操作建议M3
    AC-V2-08Auditor Agent输入 Debate 报告 + AKShare 原始数据,输出溯源表 + 修正记录,数字不符则打回M4
    AC-V2-09五章输出路径 2 输出严格遵循 PRD v2 第五章规范(五章 Markdown 研报)M5
    AC-V2-10双路共存Streamlit 用户可选路径 1(广域搜集报告)或路径 2(AlphaAgent 研报),路径 1 不受影响M5
    AC-V2-11延迟可控单次研报 ≤ 15 分钟(AC-05),串行拓扑下监控延迟M5 + M6