项目概述

该项目是一个基于PySide6的桌面应用程序，模拟了一个类似Telegram的聊天界面，具备实时对话和股票分析功能。用户可以通过输入消息与智能助手进行对话，并可以请求对特定股票的分析。该应用程序集成了自然语言处理（通过外部API）和机器学习模型（LSTM）来进行股票价格预测和指标分析。

主要功能

1. 实时聊天功能：
   • 用户可以与智能助手进行对话。
   • 对话内容通过HTTP请求发送到外部API（yi-lightning模型），并接收回复。
   • 支持显示加载中动画，增强用户体验。
2. 股票分析功能：
   • 用户可以输入股票代码，应用程序会获取该股票的历史数据并进行分析。
   • 使用LSTM模型对股票价格进行预测，并生成技术指标分析报告。
   • 预测结果以图表形式展示，并通过QPixmap在聊天界面中显示。
3. 用户界面：
   • 采用PySide6构建图形用户界面，支持自定义头像和背景图片。
   • 聊天消息以气泡形式展示，支持文本和图片消息。
   • 界面支持拖动，增强用户交互体验。

---

技术细节

1. 聊天功能实现

• MessageItem类：
  • 用于存储单条消息的内容、发送者、是否发送、头像和图片信息。
• MessageModel类：
  • 继承自QAbstractListModel，用于存储和管理聊天消息列表。
  • 提供添加消息、更新消息等方法。
• MessageDelegate类：
  • 继承自QStyledItemDelegate，用于自定义消息气泡的绘制。
  • 支持绘制文本消息和图片消息，并根据发送者显示不同的气泡颜色和头像。
• TelegramLikeChat类：
  • 主窗口类，包含聊天界面和输入框。
  • 通过QTimer实现加载中动画，通过QThread实现多线程消息发送和股票分析。

2. 股票分析功能实现

• 数据获取：
  • 使用yfinance库获取股票历史数据。
  • 对缺失数据进行处理，确保数据完整性。
• 技术指标计算：
  • 计算移动平均线（MA）、相对强弱指数（RSI）、MACD等技术指标。
  • 使用pandas和numpy进行数据处理和分析。
• LSTM模型：
  • 使用Keras构建LSTM模型，对股票价格进行预测。
  • 数据标准化处理，使用MinMaxScaler对特征进行缩放。
  • 创建序列数据，训练LSTM模型，并进行价格预测。
• 结果展示：
  • 使用matplotlib绘制实际价格和预测价格的折线图。
  • 生成技术分析报告，并通过QPixmap在聊天界面中显示。

3. 用户界面实现

• 自定义头像和背景：
  • 支持用户自定义头像和背景图片，通过QFileDialog选择图片文件。
  • 更新头像和背景图片时，实时刷新界面。
• 界面样式：
  • 使用QSS样式表自定义窗口和控件的样式，包括颜色、边框、背景等。

代码结构

.
├── main.py
    ├── MessageItem类
    ├── MessageModel类
    ├── MessageDelegate类
    ├── TelegramLikeChat类
    ├── 主程序入口

主要类和方法

• MessageItem类：
  • __init__：初始化消息内容、发送者、是否发送、头像和图片信息。
• MessageModel类：
  • __init__：初始化消息列表。
  • rowCount：返回消息数量。
  • data：返回指定索引的消息。
  • add_message：添加新消息。
  • update_message：更新现有消息。
• MessageDelegate类：
  • paint：绘制单条消息气泡。
  • sizeHint：返回消息气泡的大小。
• TelegramLikeChat类：
  • __init__：初始化主窗口，设置界面布局和控件。
  • open_settings：打开设置对话框，选择并更新头像和背景图片。
  • send_message：发送用户消息，并请求智能助手回复。
  • analyze_stock：分析用户输入的股票代码，获取历史数据并进行分析和预测。
  • fetch_and_analyze_stock：获取股票数据，计算技术指标，训练LSTM模型，并生成预测结果和图表。
  • send_to_llm：发送消息到外部API，获取智能助手回复。
  • get_response：处理API回复，更新聊天界面。
  • display_response：显示智能助手回复。
  • update_loading_message：更新加载中动画。
  • mousePressEvent、mouseMoveEvent、mouseReleaseEvent：实现窗口拖动。

依赖库

• PySide6：用于构建图形用户界面。
• requests：用于发送HTTP请求，获取智能助手回复。
• yfinance：用于获取股票历史数据。
• matplotlib：用于绘制股票价格预测图表。
• numpy、pandas：用于数据处理和分析。
• tensorflow：用于构建和训练LSTM模型。

运行说明

1. 安装依赖库：

   pip install PySide6 requests yfinance matplotlib numpy pandas tensorflow

2. 运行主程序：

   python main.py

3. 输入股票代码或消息，点击发送按钮，查看智能助手回复和股票分析结果。

未来改进方向

1. 多语言支持：增加多语言支持，提升国际化水平。
2. 更多技术指标：增加更多技术指标，提升股票分析的全面性。
3. 模型优化：优化LSTM模型参数，提升预测准确性。
4. 用户体验：增加更多交互功能，提升用户体验。

中期报告