基于大语言模型智能体（Agent）的金融投顾与量化回测系统设计与实现产品系统Vibe Coding

粤港澳大湾区作为国际金融枢纽，聚集数千家金融机构，每日产生海量投研需求。传统模式下，个人投资者需跨平台手动采集数据、撰写报告，单篇耗时2-3天，策略验证周期长达1周，信息碎片化与决策主观性问题突出，行业亟需智能化工具实现降本增效。

FinGent基于LangGraph构建多Agent协作流水线，集成实时数据采集、领域RAG增强与自动化回测，5分钟生成投研报告，2小时完成策略验证。Docker容器化部署保障金融级可靠性，为机构提供7×24小时智能投研服务。

核心技术：
• 分层Agent架构：LangGraph构建「意图识别→数据获取→风险评估→专家分析→汇总投票」多智能体协作，降低单Agent上下文长度，缓解模型幻觉，各个agent执行采用异步执行，实现并发
• 智能数据引擎：akshare/Tiingo API + SEC EDGAR爬虫，LangChain Tool封装标准化接口，支持A股/美股 Agent自主调用
• 状态持久化：PostgreSQL存储Agent执行状态，实现checkpoint机制，支持崩溃恢复与时间旅行
• 领域RAG优化：Query Rewriting机制，LLM金融语义重写与关键词扩展，提升知识库命中率
• 量化回测引擎：Backtrader框架，LLM生成策略自动化回测
• 前端可视化：Vue3 + TypeScript + ECharts实时投研Dashboard，K线组件与Agent决策链路可视化
• 容器化部署：Docker封装完整服务，conda环境导出+miniconda基础镜像构建，数据卷挂载实现状态持久化