EquityLens 研镜¶
面向 A 股的研报生成与引用溯源系统。输入一个研究问题与基准日期，系统编排 14 个节点、9 类 Agent 生成中文研究报告；报告中标注为事实的陈述均绑定到原始证据，可在 HTML 版本中逐条回跳至原文片段。
从哪开始¶
-
查看示例报告
无需安装。示例使用仓库内置的合成数据，数值与真实财报无关。
-
本地运行
默认 offline 模式：零外网、零费用、不需要 API Key。
-
了解设计
包含"为什么不用 LangGraph"的完整论证。
系统约束¶
生成式模型用于研究报告时，落地的主要障碍在于可核验性：读者无法判断某一句结论来自原始披露， 还是模型自行推断。系统把可核验的部分交给确定性代码，只在需要归纳与解释的环节使用模型。
| 问题 | 处理方式 | 实现位置 |
|---|---|---|
| 数字或结论来源不明 | 标注为事实的陈述必须携带 evidence_id，其 quote 须在证据原文中逐字命中 |
report/citations.py、tools/evidence.py |
| 使用了基准日期之后的信息 | 证据的 published_at 晚于研究基准日期时丢弃，并记入审计输出 |
tools/evidence.py |
| 任务中断导致重复计费 | 每个节点完成后写入 checkpoint，恢复时跳过已成功节点 | engine/checkpoint.py |
| 成本不可控 | BudgetGuard 在每次 LLM 调用前校验金额、token、调用次数三项上限 |
engine/budget.py |
| 输出涉投资建议 | 合规节点拦截买卖建议、目标价、收益承诺类表述，回修后重新审计 | agents/risk.py |
核心机制一览¶
| 机制 | 位置 | 锁住它的测试 |
|---|---|---|
| 内容哈希证据 id + 三级引用校验 | tools/evidence.py、report/citations.py |
test_citations.py |
| 依赖计数调度 / 恢复 / 取消 | engine/scheduler.py、engine/checkpoint.py |
test_scheduler.py、test_resume.py |
| 跨维度派生信号（份额 vs 景气、全年 vs 单季） | tools/signals.py |
test_signals.py |
| 核心结论必须多源交叉 | llm/offline.py、agents/verdict.py |
test_report_quality.py |
| 成本三重上限 | engine/budget.py |
test_budget.py |
边界¶
不做投资建议。 系统只产出研究信息整理结果，合规节点会拦截买卖建议、目标价与收益承诺类表述。 示例数据集为合成数据，不可作为真实披露信息引用。
本项目仅用于技术学习与研究信息整理，不构成任何投资建议、要约或承诺。
完整的安装、配置与使用说明见 GitHub 仓库 README。