PortfolioIQ：四代理协作的智能投资分析系统

本文介绍开源项目PortfolioIQ，这是一个基于LangGraph构建的多代理金融分析工作流。它通过Researcher、Analyst、Critic、Decision四个代理分工协作，结合RAG检索和结构化审查机制，解决金融投资领域信息过载和决策复杂性问题，为个人投资者和机构提供智能化分析支持。

在金融投资领域，信息过载和决策复杂性是投资者面临的两大难题。单一代理难以兼顾深度和广度，而多代理系统通过角色分工和协作，提升整体输出质量。金融投资分析是多代理系统的理想场景：需多源数据整合、定量定性结合、风险与机会并重、批判性审查以避免偏见。

PortfolioIQ是基于LangGraph的四代理工作流，模拟专业投资团队协作。技术栈包括：LangGraph（代理框架）、Yahoo Finance+FAISS（数据检索）、FastAPI（API服务）、Docker+GCP Cloud Run（部署）、LangSmith（可观测性）、FAISS（向量存储）。项目结构清晰，包含app（主程序、graph、state、agents、tools、prompts）和tests目录。

协作流程分四阶段：1. Researcher：收集实时市场数据、向量检索知识库、宏观行业信息，输出结构化数据包；2. Analyst：定量（估值/技术指标）和定性（竞争优势/风险）分析，生成投资论点；3. Critic：逻辑一致性检查、偏见识别、数据完整性验证、置信度评分，通过条件路由决定流程走向（≥阈值→Decision，否则返回Analyst/Researcher）；4. Decision：综合分析输出买入/持有/卖出建议及监控指标。

PortfolioIQ的RAG实现是关键特性：数据来源包括实时市场数据（yfinance）、历史分析报告、宏观经济数据；使用FAISS作为本地向量存储（高效相似性搜索、无外部依赖）；检索策略采用混合方式：语义搜索、关键词过滤、时间衰减优先最新报告。

部署方面：通过Docker容器化确保环境一致性，使用GCP Cloud Run实现自动扩缩容和按需计费。可观测性通过LangSmith实现：执行追踪、延迟分析、错误诊断、成本追踪，助力调试和监控。

PortfolioIQ的价值体现在多场景：1. 个人投资者：自动化研究节省时间，结构化论点避免情绪化决策；2. 投资机构：辅助初级分析师提升效率，标准化流程确保输出质量；3. 量化策略：纳入定性信号，生成事件驱动交易信号，监控持仓风险。

局限性包括：延迟较高（不适合高频场景）、LLM调用成本增加、幻觉风险（需人工验证）、免费数据源可能延迟缺失、需注意监管合规。关键收获：角色分工优化任务、条件路由实现质量闭环、RAG确保数据真实性、结构化输出便于集成、可观测性是生产必备。该架构可推广到法律分析、医疗诊断等领域。