druce introduction

发表于 2026/08/30

作者 RoooyHe

18 分钟阅读

druce introduction

Druce — 多视角 AI 金融投研助手

零幻觉底座 · 多 Agent 博弈 · 可追溯核查花五分钟得到别人花五小时手动搜索才能凑齐的行业情报。

Druce 是一个面向个人投资者的 AI 投研助手。它通过 确定性代码计算 保证财务数据零幻觉，通过 多视角 Agent 并行推演（价值派 / 成长派 / 风控派）打破单一 LLM 的平庸观点，通过 反思核查 Agent 逐句比对数据来源、剔除数字幻觉。

项目演示视频地址

1. 产品定位与架构

1.1 双路共存

Druce 同时支持两种报告路径，用户在侧栏 radio 切换：

路径	名称	数据基底	输出形态	延迟
路径 1	广域搜集报告	Tavily/Bing 搜索 + 巨潮资讯抓取	四段（摘要/分点/风险/参考）	1-3 分钟
路径 2	AlphaAgent 研报	AKShare 财务数据 + 多 Agent 推演	五章 Markdown 研报	待实测

flowchart TB
  U["用户输入<br/>(股票代码 / 公司名称 / 研究问题)"]
  U --> SW["侧栏 radio 切换"]
  SW --> P1["路径 1: 广域搜集报告"]
  SW --> P2["路径 2: AlphaAgent 研报"]

  P1 --> DC["问题拆解<br/>decompose.py"]
  DC --> SR["多轮联网搜索<br/>search.py"]
  SR --> RP["报告生成<br/>report.py"]
  RP --> OUT1["四段报告"]

  P2 --> DE["Data Engine<br/>AKShare + 确定性计算"]
  DE --> AG["3 个推演 Agent<br/>(价值/成长/风控)"]
  AG --> DB["Debate Agent<br/>汇总 + 共识/分歧"]
  DB --> AU["Auditor Agent<br/>溯源 + 数字比对"]
  AU --> OUT2["五章 Markdown 研报"]

1.2 路径 2 三层架构

路径 2（AlphaAgent 研报）采用 “确定性计算 + 多 Agent 协同推演 + 反思审核” 三层架构：

flowchart TB
  subgraph L1["层 1: 数据采集与确定性计算引擎 (Data Engine)"]
    AK["AKShare<br/>行情/财报"]
    CN["巨潮资讯<br/>PDF/文本"]
    FS["三大报表字段化"]
    RT["确定性比率计算"]
    AT["异常规则打标<br/>Anomaly_Tag"]
  end

  subgraph L2["层 2: 多视角投资框架 Agent"]
    VA["价值派 Agent<br/>(巴菲特/芒格)"]
    GA["成长派 Agent<br/>(彼得·林奇 GARP)"]
    RA["风控派 Agent<br/>(做空视角)"]
  end

  subgraph L3["层 3: 分歧辩论 + 反思核查"]
    DA["Debate Agent<br/>共识/分歧/分人群建议"]
    AA["Auditor Agent<br/>溯源标注/数字比对/打回重写"]
  end

  AK --> FS
  CN --> FS
  FS --> RT
  RT --> AT
  AT --> VA
  AT --> GA
  AT --> RA
  VA --> DA
  GA --> DA
  RA --> DA
  DA --> AA

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 Agent	GPT-4o	强，做汇总裁决质量更高
Auditor Agent	DeepSeek	便宜，做数字比对逻辑性强

2. 核心模块清单

2.1 Data Engine（`app/dataengine/`）

模块	职责	对应 PRD
`akshare_client.py`	AKShare 行情/财报拉取 + 文件缓存（财报 TTL 7 天，行情 TTL 1 天）+ 公司名→股票代码 resolver	§3.1
`financial_statements.py`	三大报表字段化提取，区分年报行（12-31 结尾）/季报行	§3.1
`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	§3.1
`anomaly_tags.py`	异常规则打标（应收账款增速 > 营收增速 + 15% 等），输出 `[Anomaly_Tag]` 列表	§3.1
`cninfo_client.py`	巨潮资讯网 PDF/文本抓取，供第四章溯源	§3.1
`thresholds.py`	量化阈值定义（ROE > 15%、资产负债率 < 40% 等）	§3.2

2.2 多 Agent（`app/agents/`）

模块	职责	对应 PRD
`value_agent.py`	价值派 Agent（巴菲特/芒格视角）：护城河、ROE 稳定性、FCF、债务风险	§3.2
`growth_agent.py`	成长派 Agent（彼得·林奇 GARP 视角）：营收/净利增速、PEG、存货匹配度	§3.2
`risk_agent.py`	风控派 Agent（做空视角）：财报隐患、非经常性损益占比、现金流断裂	§3.2
`debate_agent.py`	分歧辩论与综合研判：汇总 3 个推演输出，生成多视角对比矩阵 + 共识/分歧 + 分人群建议	§3.3
`auditor_agent.py`	反思核查与数据可追溯：溯源标注、报告数字 vs AKShare 原始数据比对、不符则打回重写	§3.4

2.3 编排与前端

模块	职责	对应 PRD
`pipeline_v2.py`	路径 2 编排：Data Engine → 3 推演 Agent → Debate → Auditor，emit 进度回调	§4
`pipeline.py`	路径 1 编排：拆解 → 搜索 → 验证 → 报告	现有
`streamlit_app.py`	Streamlit 单页前端，侧栏 radio 切换 path1/path2	§1.1
`llm.py`	多 provider LLM 路由（OpenAI 兼容 / DeepSeek / GPT-4o）	§3.2
`config.py`	环境变量与运行配置，`has_llm` / `has_search` / `is_mock` 三属性判定模式	—

3. 五章输出规范

路径 2 的 AlphaAgent 研报严格遵循 PRD v2 第四章的五章 Markdown 结构：

章节	定位	关键内容
第一章摘要与多视角判定矩阵	结论先行仪表盘，1 分钟掌握核心分歧	公司摘要、投资视角碰撞矩阵、共识/分歧总结
第二章基础数据与确定性指标分析	零幻觉底座，所有数据由 Python/AKShare 确定性计算	财务健康度硬指标表、估值与市场表现表、异常指标自动预警
第三章经典投资框架深度推演	3 个独立 Agent 站在不同投资哲学下深度推演	价值派（巴菲特/芒格）、成长派（彼得·林奇 GARP）、风控派（做空视角），每个含核心指标阈值表 + 硬性判定规则 + Agent 推演输出
第四章数据可追溯性与事实核查	展现 AI 设计的严谨性，解决大模型幻觉	关键事实溯源表（指标 × 近 5 年报告年份，每格数值 + 出处页码）、审查 Agent 修正记录
第五章情景推演与投资策略建议	从分析走向落地决策	乐观/中性/悲观三种情景下的估值与策略、分人群操作建议表（保守型/稳健型/激进型）

4. 核心模块截图

⚠️ 截图待补 — 以下为占位标记，需启动 uv run python run.py 后拍摄并回填。

S1：侧栏路径切换 + 巨潮参数配置

S2：路径 2 端到端五章研报渲染

S3：路径 1 广域搜集报告（论点卡片 + 信源折叠）

5. 性能数据

⚠️ 性能数据待实测 — 以下表格中标注 待实测 的项需通过 tests/test_latency.py 补测。标注 假数据 的项为占位估算值，不代表真实测量结果，实测后需替换。

5.1 响应时间（AC-05: 单次报告 ≤ 15 分钟）

路径	阶段	实测延迟	PRD 标准	达标
路径 1	端到端（拆解 + 搜索 + 报告）	1-3 分钟	≤15 分钟	✅
路径 2	Data Engine（AKShare 拉取 + 确定性计算）	待实测	—	待验证
路径 2	3 个推演 Agent（串行 DeepSeek 调用）	待实测	—	待验证
路径 2	Debate Agent（GPT-4o 汇总）	待实测	—	待验证
路径 2	Auditor Agent（DeepSeek 核查）	待实测	—	待验证
路径 2	端到端总计	待实测	≤15 分钟	待验证

5.2 数据覆盖率

数据维度	覆盖率	数据源	备注
三大报表字段化	100%（近 5 年年报 + 全部季报）	AKShare `stock_financial_abstract_ths`	121 行/公司（1989-2026）
实时行情	100%（37 个字段）	雪球 `stock_individual_spot_xq`	现价/PE/PB/股息率/每股净资产等
巨潮溯源	待实测	巨潮资讯网 PDF 抓取	5 年时序溯源矩阵
公司名→代码映射	100%（白名单 17 家 + AKShare 全 A 股反查）	`resolve_symbol()`	P0 修复后生效

5.3 准确性指标

以下为 假数据占位，实测后需替换。

指标	假数据值	实测值	测量方法
财务比率计算准确率	99.2%	待实测	与 AKShare 原始数据交叉比对
Auditor Agent 幻觉检出率	87.5%	待实测	人工标注 50 份报告
溯源页码命中率	94.3%	待实测	巨潮 PDF 页码核对
公司名→代码映射命中率	100%	待实测	白名单 + 全 A 股反查

6. 快速开始

6.1 安装依赖（uv 托管）

uv sync

uv sync 会自动创建 .venv 并安装 pyproject.toml 中声明的依赖。

6.2 配置密钥（可选）

无密钥时自动进入 mock 模式，返回示例数据，开箱可演示。

  
cp .env.example .env
# 编辑 .env，填入以下密钥：
#   OPENAI_API_KEY       — 路径 1 报告生成 + 路径 2 Debate Agent (gpt-4o)
#   DEEPSEEK_API_KEY     — 路径 2 推演 Agent (价值/成长/风控) + Auditor Agent
#   TAVILY_API_KEY        — 路径 1 多轮联网搜索 (优先)
#   BING_API_KEY          — 路径 1 搜索降级备选

6.3 启动

uv run python run.py
# 或指定端口
uv run python run.py 8888

浏览器打开 http://localhost:8501。

6.4 使用路径 2（AlphaAgent 研报）

在侧栏 报告路径 radio 选择 “AlphaAgent 研报 (路径 2)”
在侧栏 公司简称 填入公司名（如”平安银行”），系统会自动解析为股票代码
在侧栏 交易所归属 选择沪市（sse）或深市（szse）
在主区域 st.chat_input 输入股票代码或公司名（如”平安银行”或”000001”）
等待 Data Engine → 3 推演 Agent → Debate → Auditor 串行执行
查看五章 Markdown 研报渲染结果

7. 验收标准

7.1 路径 1 验收标准

编号	验收项	标准	当前状态
AC-01	问题拆解	自动生成 ≥3 个子搜索词，用户可见	✅
AC-02	信源数量	每个观点至少 2 个独立来源	✅
AC-03	引用规范	所有引用含来源 + 链接 + 时间，无遗漏	✅
AC-04	私有数据	上传后优先引用内部资料，再补充公开信息	✅
AC-05	响应时间	单次报告 ≤ 15 分钟	✅ (1-3 分钟)

7.2 路径 2 验收标准（PRD v2）

编号	验收项	标准	当前状态
AC-V2-01	AKShare 接入	输入股票代码，能拉到近 3~5 年三大报表 + 行情	✅ (P0 修复后)
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	✅ (P0 修复后)
AC-V2-03	异常打标	触发异常规则时正确打 `[Anomaly_Tag]`	✅
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	✅
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	✅
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	✅
AC-V2-07	Debate 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	✅
AC-V2-08	Auditor 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	✅
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）	✅
AC-V2-10	双路共存	Streamlit 用户可选路径 1 或路径 2，路径 1 不受影响	✅
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	待实测

8. 项目结构

.
├── app/
│   ├── agents/                    # 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 (做空视角)
│   │   ├── 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/                # AKShare + 确定性计算
│   │   ├── akshare_client.py      # AKShare 接入 + 公司名→代码 resolver
│   │   ├── 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
│   │   ├── cninfo_client.py       # 巨潮资讯网 PDF/文本抓取
│   │   └── thresholds.py          # 量化阈值定义
│   ├── config.py                  # 环境变量与运行配置
│   ├── llm.py                     # 多 provider LLM 路由
│   ├── pipeline.py                # 路径 1 编排 (广域搜集)
│   ├── pipeline_v2.py             # 路径 2 编排 (AlphaAgent 研报)
│   ├── streamlit_app.py           # Streamlit 前端
│   └── ...                        # 其他现有模块
├── docs/
│   ├── adr/                       # 架构决策记录
│   │   ├── 0001-single-user-no-multitenancy.md
│   │   ├── 0002-celery-redis-async-queue.md
│   │   ├── 0003-persistent-conversational-agent.md
│   │   └── 0004-prd-v2-alphaagent-architecture.md
│   └── screenshots/               # 核心模块截图 (待补)
├── druce-website/                 # PRD 文档站 (Rspress)
├── data/                          # AKShare 文件缓存 (git-ignorable)
├── tests/
│   ├── test_thresholds.py
│   └── test_latency.py            # 性能实测脚本 (待补)
├── run.py                         # 入口脚本
├── pyproject.toml
├── .env.example
└── README.md

9. 与 PRD 的对应关系

PRD 章节	实现位置
§1.1 核心定位	`README.md` 顶部 + `app/streamlit_app.py` 顶部文案
§2 产品总体架构	`app/pipeline_v2.py`（三层架构串联）
§3.1 Data Engine	`app/dataengine/` 全部模块
§3.2 多视角投资框架 Agent	`app/agents/value_agent.py` / `growth_agent.py` / `risk_agent.py`
§3.3 分歧辩论与综合研判	`app/agents/debate_agent.py`
§3.4 反思核查与数据可追溯	`app/agents/auditor_agent.py`
§4 输出成果规范（五章）	`app/pipeline_v2.py::_render_chapter_1` ~ `_render_chapter_5`
§验收标准	`README.md` §7 验收标准对照表

License

MIT

本文由作者按照 CC BY 4.0 进行授权