a股市场消息分析

本项目是一套面向A股市场的全链路财经新闻智能处理系统。在信息爆炸的市场环境中，投资者每天面临海量新闻资讯，难以高效筛选和提炼有价值的市场信号。本系统正是为解决这一痛点而设计——从东方财富、财联社、金十数据、新浪财经等十余个主流财经平台实时采集全市场新闻资讯，经过智能去重和清洗后，构建结构化索引与语义向量，最终由大语言模型驱动的分析引擎对新闻进行深度挖掘与关联推理，自动发现隐藏在零散消息背后的市场脉络与投资线索，帮助投资者从"信息过载"走向"信息洞察"，为投资决策提供数据驱动的参考依据。
本系统由三大核心模块组成，覆盖从数据采集到深度分析的完整链路：

- **新闻采集（collectagent）**：支持十余个财经数据源的并行采集，内置智能去重机制，可按时间范围、数据源、消息分组灵活筛选，支持一次性采集与后台守护进程持续运行两种模式，采集结果输出为标准化 JSONL 文件与可读的 Markdown 报告。
- **索引构建与检索（indexagent）**：将采集的原始新闻构建三层索引——SQLite 结构化存储保证数据持久化与精确查询，FTS5 全文索引支持高效关键词检索，FAISS 向量索引实现语义级别的相似度匹配。三种检索模式可独立使用也可混合调用，满足从简单查询到复杂语义搜索的多种需求。
- **深度分析与荐股（analyst）**：通过算法自动构建时间线链、板块联动链、异常检测链、实体交叉链四种线索链，将零散新闻组织为有逻辑的分析脉络；随后交给 LLM 进行深度推理，挖掘隐蔽信息并生成结构化分析报告。整个过程采用闭环自修正机制，自动评估报告的事实性、完整性、逻辑性等五个维度，未达标时定位最薄弱环节并选择修正策略迭代优化，确保输出质量稳定可靠。

系统基于 Python 构建，采用模块化分层架构，三个子项目各自独立运行、通过文件系统（JSONL）和共享数据库松耦合协作。采集层使用 httpx 异步 HTTP 客户端实现高性能并行抓取，通过 Pydantic 模型统一数据格式；索引层使用 aiosqlite 异步操作 SQLite 数据库，sentence-transformers 模型将新闻文本编码为向量后存入 FAISS 索引，watch 模式基于文件指纹（mtime + size）实现增量入库与崩溃恢复；分析层实现了一套 ReAct 闭环 Agent 框架，通过状态机管理运行生命周期，支持崩溃恢复和断点续跑，LLM 调用兼容 OpenAI、DeepSeek、Anthropic 等多种后端。三个模块通过 data/ 共享目录交换数据，collectagent 写入 JSONL，indexagent 读取并构建索引，analyst 通过 Python SDK 调用 indexagent 的检索接口获取新闻，整体数据流清晰、职责分离明确。