experimental-openbb-platform-agent
experimental-openbb-platform-agent 是一个结合大语言模型(LLM)与 OpenBB 金融数据平台的研发项目,旨在打造能够自主执行金融研究并回答实时数据问题的智能分析师助手。它通过函数调用机制,让 AI 代理直接操控 OpenBB 平台的海量金融接口,从而获取最新的市场行情、公司财报等关键信息。
这一工具主要解决了传统金融分析中数据获取繁琐、更新滞后以及难以自动化处理复杂查询的痛点。用户只需使用自然语言提问,例如“特斯拉当前的市值是多少?”或“对比亚马逊与其同行最近的财务基本面”,代理即可自动拆解任务、调用相应数据源并进行综合推理,最终输出结构化的分析结论。
该项目特别适合金融领域的开发者、量化研究人员以及对 AI 自动化分析感兴趣的技术人员使用。虽然目前处于研发阶段,但其独特的动态配置能力令人眼前一亮:它能根据用户预设的数据提供商凭证(如 OpenBB Hub 令牌)自动调整可用功能范围,默认支持无需密钥的 yfinance 数据源,同时也兼容异步调用模式,为构建更复杂的金融自动化工作流提供了灵活的基础设施。
使用场景
某量化研究员需要在晨会前快速完成对特斯拉(TSLA)及其主要竞争对手的最新市值对比与基本面分析,以制定当日交易策略。
没有 experimental-openbb-platform-agent 时
- 数据获取繁琐:需手动编写多个 Python 脚本分别调用 yfinance 或不同财经 API,代码重复且维护成本高。
- 信息更新滞后:静态数据集无法实时反映盘中变化,分析师常基于过时的股价计算市值,导致决策偏差。
- 缺乏逻辑关联:难以自动处理“先找对标企业、再查各自市值、最后排序”这类具有前后依赖关系的复杂查询。
- 人工整合耗时:从不同来源抓取数据后,需手动清洗、对齐并汇总到报告中,耗费大量宝贵时间。
使用 experimental-openbb-platform-agent 后
- 自然语言交互:直接输入"TSLA 的同行有哪些?按市值降序排列”,agent 自动调用 OpenBB 平台函数完成全链路查询。
- 实时数据驱动:agent 动态连接最新数据源(如 yfinance 或配置的高级 API),确保输出的市值和股价均为当前即时数据。
- 自主逻辑推理:内置 LLM 能理解任务依赖关系,自动拆解子问题(先识别同行->再获取数据->最后排序),无需人工干预流程。
- 一键生成结论:直接返回结构化的分析结果与关键洞察,如"AMD 市值为 X,低于 TSLA 的 Y",大幅缩短研报准备时间。
experimental-openbb-platform-agent 将原本需要数小时的多源数据检索与逻辑分析工作,压缩为分钟级的自然语言对话,让金融研究真正实现了自动化与实时化。
运行环境要求
未说明
未说明

快速开始
OpenBB LLM 代理
开发中。
这是一个利用大语言模型和 OpenBB 平台 构建金融分析师代理的项目,这些代理能够自主进行金融研究,并使用最新数据回答问题。之所以能做到这一点,是因为代理通过函数调用与 OpenBB 平台交互。
安装
目前我们支持 Python 3.10 及以上版本。我们将在不久的将来增加对更多 Python 版本的支持。
openbb-agents 已作为 PyPI 包发布:
pip install openbb-agents --upgrade
设置
OpenAI API 密钥
要使用 OpenBB LLM 代理,您需要一个 OpenAI API 密钥。请按照以下步骤操作:
- 获取 API 密钥:在 OpenAI 上注册并获取您的 API 密钥。
- 设置环境变量:将以下内容添加到您的 shell 配置文件(
.bashrc、.zshrc等)中:export OPENAI_API_KEY="your_openai_api_key"
OpenBB 平台的数据提供商凭证
要使用 OpenBB 平台的功能,您需要配置必要的 数据提供商 API 凭证。这可以通过两种方式完成:
- 本地配置:在
~/.openbb_platform/user_settings.json文件中指定您的凭证。请参阅 本地环境设置指南 以获取详细说明。 - OpenBB Hub:通过您的 OpenBB Hub 账户创建个人访问令牌 (PAT)。然后可以将此 PAT 作为参数传递给代理。
入门
强烈建议您查看 入门笔记本,它将带您从高层次了解 openbb-agents 的各项功能。
使用方法
>>> from openbb_agents.agent import openbb_agent
>>> result = openbb_agent("TSLA 目前的市值是多少?") # 将打印一些日志以显示进度
>>> print(result)
- TSLA(特斯拉公司)当前的市值约为 695,833,798,800.00 美元。
- 该数据基于最新可用信息,即 2024 年 1 月 15 日。
- 市值是通过当前股价(218.89 美元)乘以流通股数(3,178,920,000 股)计算得出的。
如果您希望使用存储在 OpenBB Hub 中的数据提供商凭证,可以直接将 OpenBB Hub 的 PAT 传递给代理:
>>> openbb_agent("AAPL 的股价是多少?", openbb_pat="<openbb-hub-pat>")
注意:代理会根据可用的数据提供商凭证动态配置自身。因此,在没有相应 API 密钥的情况下,某些数据源和功能可能无法访问。默认情况下,yfinance 已被包含为数据提供商,且无需 API 密钥。有关功能及其支持的数据提供商的完整列表,请参阅 OpenBB 平台文档。
查询可以相当复杂:
>>> openbb_agent("使用最近可用的数据对 AMZN 进行基本面财务分析。你发现了什么有趣的内容?")
查询也可能具有时间依赖性(即后续子问题的答案需要先前子问题的答案):
>>> openbb_agent("TSLA 的同行有哪些?它们各自的市值是多少?请按市值 _降序_ 返回结果。")
此外,还提供了一个异步版本的代理:
>>> from openbb_agents.agent import aopenbb_agent
>>> await aopenbb_agent("TSLA 当前的市值是多少?")
开发
- 创建一个新的虚拟环境,使用
poetry poetry install
代码检查与格式化
我们目前正在尝试使用 ruff 作为 black、isort 和 pylint 的替代工具。
您可以运行代码检查如下:
ruff check
或者修复代码中的错误:
ruff check --fix
又或者格式化代码:
ruff format
我们还将这些工具集成到了 pre-commit 中,以便在提交代码之前自动执行这些检查。您可以这样安装 pre-commit 钩子:
pre-commit install
测试
我们使用 pytest 作为测试运行器:
pytest -n 8 tests/
版本历史
v0.0.42024/06/03v0.0.32024/05/20v0.0.22024/05/17v0.0.12024/01/16v0.0.1a2023/12/19常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。