6_4_1_金融事件分析案例.md

金融事件分析案例

案例说明

本案例基于PeerPlanner，搭建了一个用于分析金融事件的多智能体协作案例，并以“巴菲特2023年减持比亚迪”事件为例，展示了如何在agentUniverse中使用PEER多智能体协作模式，并详细展示了PEER中每种智能体的配置方式及输出样例。

该案例基于OPENAI的gpt-4o模型，使用前需要您在环境变量中配置OPENAI_API_KEY。

Agents

Planning Agent

原始代码文件可参考

• 配置文件
• 提示词

Planning Agent负责将原始的金融问题拆分为多个可被单独解决的子问题，提供给后续的Executing Agent执行。在这个案例中，原始问题“分析下巴菲特减持比亚迪的原因”可以被拆解为下图中的数个子问题：
您可以在测试文件中单独调试Planning Agent。

Executing Agent

原始代码文件可参考

• 配置文件
• 提示词

在这个Agent中，我们提供了一个用于在google上搜索信息的工具google_search_tool，该工具的使用需要在环境信息中配置SERPER_API_KEY。为了方便您进行简单的尝试，当环境配置中没有SERPER_API_KEY时，该工具会返回一段预设好的关于本案例问题的查询结果，具体内容您可以在mock_search_tool中查看。

Executing Agent负责解决Planning Agent拆分出的子问题。在本案例中，Executing Agent对拆解问题的执行结果如下：
结果较长，这里只展示了前两问的执行结果。您可以在测试文件中单独调试Executing Agent获得完整的结果。

Expressing Agent

原始代码文件可参考

• 配置文件
• 提示词

Expressing Agent负责将Executing Agent输出的所有结果进行汇总，并根据提示词中的要求总结表达为对原始问题的回答，在该案例中，Expressing Agent的输出结果如下：
您可以在测试文件中单独调试Expressing Agent。

Reviewing Agent

原始代码文件可参考

• 配置文件

Reviewing Agent负责对Expressing Agent产出的结果进行评价，看是否对于原问题是有效的回答，在本案例中，Reviewing Agent接受了Expressing Agent的答案：
您可以在测试文件中单独调试Reviewing Agent。

PEER Agent

info:
  name: 'demo_peer_agent'
  description: 'demo peer agent'
plan:
  planner:
    name: 'peer_planner'
    eval_threshold: 60
    retry_count: 2
    planning: 'demo_planning_agent'
    executing: 'demo_executing_agent'
    expressing: 'demo_expressing_agent'
    reviewing: 'demo_reviewing_agent'
metadata:
  type: 'AGENT'
  module: 'agentuniverse.agent.default.peer_agent.peer_agent'
  class: 'PeerAgent'

用户可以通过配置文件的形式将上文中的四个Agent经由peer_planner的协作模式，组装为完整的PEER Agent。其中：

• name: 固定为peer_planner，表示该Agent使用了PEER多智能体协作模式。
• eval_threshold: 表示Reviewing Agent采纳答案时的最低分数。
• retry_count: 表示Reviewing Agent未采纳答案后，PEER Agent的重试次数
• planning：负责Plan部分的Agent名称
• executing：负责Execute部分的Agent名称
• expressing：负责Express部分的Agent名称
• reviewing：负责Review部分的Agent名称

您可以在示例文件中完整运行本案例。