企业官网建设流程全解析

过去这一年里，我陆陆续续折腾过好几个跟LLM沾边的工具，但老实说，真正让我愿意每个周末都坐到电脑前认真迭代的，就是这个基于LLM大模型的股票基金周预测Agent。它不是那种炫技型项目，不追求实时tick级别预测，也不编造什么"超高胜率"的神话，而是老老实实做一件事：把公开的市场行情、行业新闻、宏观数据收集起来，交给大模型做一轮周度方向判断，最后输出一份结构化的预测报告，里面包含方向倾向、概率估计和风险提示。

做这个项目的最初动机很朴素。我自己体验过不少量化分析工具，它们擅长算指标、画曲线，但要把"美联储官员讲话""某行业出现突发政策""龙头公司发布超预期财报"这类非结构化信息纳入分析框架，传统规则系统几乎无能为力。而LLM恰好擅长处理文本语义，擅长做信息归纳，还具备一定的推理能力。我就想知道：如果把"行情数据计算"交给代码，把"语义理解与综合判断"交给大模型，两者结合起来，能不能做成一个每周能自动运转、输出可读分析结论的Agent？

这个项目前前后后花了我三周左右的业余时间。如果你也想做一个类似的"AI投研助理"，或者正打算把大模型引入量化工作流，这篇复盘应该能让你少踩好几个坑。我会把架构设计、数据获取、提示词组织、回测方法、常见问题全部摊开来讲，包括那些网上不太会有人主动告诉你的教训。

1. 项目缘起：为什么偏偏是"周预测"而不是更疯狂的玩法

很多人听到"股票预测AI"，第一反应都是：能不能每天预测涨跌？能不能跑赢市场？我跟朋友聊这个项目时，对方的第一句话几乎都是"那你赚了多少"。这种期待本身就有问题，我自己在项目启动前就先做了预期管理。

1.1 我为什么选周度频率

选周频而不是日频，是我对LLM能力边界做过认真判断之后的结果。日频预测听起来更性感，实际上对信息质量和时效性的要求非常苛刻——盘中突发消息、资金流变化、微妙的市场情绪转向，这些LLM几乎是感知不到的，尤其是免费或低成本接口，本来就有数据延迟。即使给你实时数据，模型对分钟级走势的推理能力也远不如一套成熟的统计模型。

周频则正好落在LLM的能力甜蜜区。一周内的市场信息可以被充分沉淀，新闻、财报、政策事件都有了相对完整的发酵过程，大模型能够把这些信息综合起来做偏中线的判断。这个判断不需要精确到"下周某天涨3%"，而是方向性的：看多、看空或者震荡，再辅以概率估计。

用一句话概括定位：我不需要Agent告诉我"下周一开盘价是多少"，我只需要它当我的初级投研助手，把杂乱的信息梳理成有条理的多空逻辑报告。

1.2 LLM做预测的原理边界

为什么"大模型能预测股票"这个想法不是完全离谱？因为预训练模型在训练过程中吸收了海量历史财经文本、市场评论和公司财报，它实际上掌握了一部分"市场常识"。就好比一个读过上万篇券商研报的实习生，你问他"某行业现在最大的风险是什么"，他多少能说出一二；但你问"明天该板块哪只票会涨停"，他大概率是在瞎编。

这背后的逻辑是：LLM擅长模式识别和语义归纳，但它不是预言机。预测的质量高度依赖输入信息的质量和组织方式。同样的模型，你把一堆零散新闻直接丢进去，跟把新闻先做事件抽取、按重要度排序之后再喂给它，产出的质量可能差几个量级。

1.3 这个Agent真正解决的问题

说到底，我做这个项目不是指望它成为印钞机，而是想验证一套工作流：能否用大模型构建一个半自动化的信息处理与决策辅助系统。它真正能解决的是：

• 每周花大量时间翻阅资讯、研报、公告，却难以形成结构化决策参考的难题；
• 传统量化模型无法有效利用文本信息（新闻、舆情、政策表述）的缺陷；
• 个人投资者容易受单一消息影响、做出情绪化判断的问题——Agent输出的是一份经过整理的逻辑链，而不是一条孤立的热点消息。

想清楚这三点，整个项目的设计方向就不会跑偏：不是去追求"预测准确性"这一个指标，而是要同时保证可解释性、稳定性和可维护性。

2. 整体架构与技术选型：一个能落地的LLM预测系统长什么样

项目最有意思的部分并不是"调一个模型"，而是整个系统怎么组织。直接调一个API输出预测结果，那是demo；能把预测流程周度化、自动化、可回溯，才叫Agent。

2.1 系统的四层数据流

我把整个系统拆成四个模块：数据采集层、信息加工层、分析决策层、输出呈现层。每一层只负责一件事，层与层之间通过标准化的数据结构传递信息。

数据采集层负责从各种公开渠道获取行情数据（开盘、收盘、最高、最低、成交量）、财经新闻、宏观数据（如PMI、CPI等官方指标）。信息加工层做三件事：清洗异常数值、把新闻做关键事件抽取、把行情数据整理成一段结构化的趋势摘要。分析决策层是核心，把前面加工好的信息连同设计好的提示词发送给大模型，拿到结构化的JSON输出。输出呈现层再把模型输出的内容渲染成一份人类可读的周报，包括核心结论、逻辑要点、风险提示和免责声明。

这个分层设计最大的好处是：每一层都可以独立替换和测试。比如你觉得新闻抽取效果不好，单独换一个抽取策略就行，不用改动其他模块；你想换一家模型接口，分析决策层的调用逻辑也不需要推倒重来。

2.2 技术栈的具体选型

我用的技术栈不复杂，都是常见方案：

我建议个人项目别一上来就上重型组件。有朋友上来就搭了一套消息队列加容器编排，结果数据量根本跑不满，白白增加维护成本。SQLite加Python脚本，跑一次分钟级完成，完全够用。

2.3 为什么采用"摘要+决策"两段式而不是一步到位

这个设计决策我认为是整个项目里最重要的一步。最初我试过直接把几十条新闻原文和行情数据一次性塞进提示词，让模型"直接给出判断"，结果很糟糕——模型被大量信息淹没，输出经常缺乏重点，甚至出现前后矛盾的观点。

问题出在上下文窗口的"稀释效应"上。大模型对长上下文的注意力是有限的，内容越长，模型越容易丢失关键线索。于是我改为两段式：第一轮调用模型，让它对新闻列表进行压缩和提炼——输出几条关键事件及其影响方向（利多、利空、中性）；第二轮再把提炼后的事件标签、行情技术指标摘要、历史走势特征一起送入模型，做最终的预测判断。

这两步的实际效果差异非常大。做了信息压缩之后，第二轮的决策输入只有原来的20%左右长度，而且关键信息密度大幅提高，模型给出的判断逻辑明显更聚焦，不再出现"因为A所以涨，因为B所以跌"这种自相矛盾的表述。

3. 核心模块实现：数据、提示词与输出解析

这一节是整个项目的重头戏。你会发现，真正花费最多时间的不是调模型，而是让数据干净、让提示词精准、让输出可解析。

3.1 数据获取与清洗的实用方案

数据是一切的基础，但很多人在第一步就踩坑。我的经验是：行情数据容易处理，非结构化的新闻数据才是真正的硬骨头。

行情数据部分，我会拉取目标标的过去60个交易日的日线数据，计算几个简单的技术指标：5日均线位置、20日均线位置、近期波动率、成交量变化趋势。这里不需要太复杂的指标，因为我发现LLM对"死叉金叉"这类术语的理解虽然没问题，但它更擅长处理的是"价格在近20日处于什么分位数"这类直白描述。

新闻数据部分，用RSS源加联网搜索接口来收集。收集之后要做两层清洗。第一层是去重和过滤：同一事件的重复报道只保留一篇，删除明显无关的内容。第二层是事件化压缩：把长达几百字的新闻稿压缩成"某公司发布超预期财报，净利润同比增长40%，属于利好"这样的事件描述。这一步我用的是小模型辅助完成，成本低且速度快。

关键提示：清洗时一定要做"数值白名单"校验，尤其针对新闻里的百分比数据。曾经出现过新闻原文把"下跌2%"复制成了"下跌20%"，模型差点据此给出了极端看空判断。宁可丢弃可疑数据，也不要让脏数据流进决策环节。

3.2 提示词工程的核心设计思路

提示词设计是整个项目中最需要反复打磨的部分。我前前后后改了十几版，核心的进化方向只有一个：把模糊的"请分析一下"改成有约束力的"请基于给定模板输出"。

一个可参考的提示词框架长这样：

你是一名拥有十年经验的宏观策略分析师。请基于以下信息，对【某主流宽基指数】本周（周一至周五）走势给出方向判断。 【近60日行情摘要】 - 收盘价从XXX变化至XXX，区间涨跌幅X% - 当前价格处于近20日分位数的X% - 近5日成交量相对前20日均量的变化率为X% 【本周重要事件】 1. [事件描述]（影响方向: 利多/利空/中性） 2. [事件描述]（影响方向: 利多/利空/中性） 【宏观背景】 - [宏观经济指标简述] 请严格按以下JSON格式输出，不得输出其他内容： { "方向": "看多" | "看震荡" | "看空", "概率估计": 50-100之间的整数, "核心逻辑": "不超过150字", "关键风险": "不超过100字", "关注点位": ["数值1", "数值2"] }

这套提示词的精髓在于：给模型一个明确的角色定位，提供压缩后的高质量输入，用JSON结构强制约束输出。另外我在"概率估计"字段里做了范围限制——不允许低于50，避免模型总是给出"五五开"的模糊答案，强迫它在消化信息后做出有倾向性的判断。

3.3 结构化输出的可靠解析方法

大模型的输出天然不稳定，哪怕提示词里写了"必须输出JSON"，实测下来仍有不小的概率出现多余字符、注释、甚至残缺JSON。我试过好几种方案，最后跑得最稳的是这套组合：

第一步，使用JSON格式约束参数（如果你的模型API支持的话）来限制输出格式；第二步，在解析阶段用容错性好的解析库而不是标准json库，它能自动修复一些常见的JSON格式问题；第三步，做业务级校验——方向字段必须匹配三个枚举值之一，概率必须是50到100的整数，核心逻辑不能为空。

校验失败的输出会触发自动重试机制，最多重试两次。重试时我会把解析失败的原因回传给模型，让它"根据错误信息修正输出"。这个办法实测能把有效输出率从八成左右提升到接近满分。注意，重试会造成额外的接口调用成本，所以我只对关键环节开启这个功能。

4. 从回测到模拟盘：验证预测系统的真实水平

辛辛苦苦把Agent搭起来之后，最刺激也是最能泼冷水的环节来了——它到底准不准。我建议所有人都认真做验证，不要被"某次预测很准"的幸存者偏差冲昏头脑。

4.1 回测方案的设计细节

我的回测方案是在历史数据上的时间旅行模拟。用历史某一天之前的数据和新闻（只使用当时已公开的信息）来生成"历史预测"，再跟真实的市场走势做对比。

这个方案看似简单，实际有一个大坑：未来函数。新闻数据和行情数据都必须是截止到预测时的历史数据，不能用后续信息做任何锚定。我最早的回测代码里不小心用了全量数据的均值做归一化，等于偷偷用了未来信息，回测胜率一度漂亮得惊人，后来发现逻辑错误之后立刻修正，数据重新变得"难看"了不少。

回测期我选择了过去12个月，每周生成一个预测，共有50多个独立样本。评估指标包括方向准确率、看对时的平均幅度、看错时的最大回撤，以及预测的"方向强度"和实际涨跌幅的相关性。

4.2 模拟盘实跑的结果怎么看

实跑两个多月的结果，我不想用"很准"来形容。准确率大概落在五成五到六成之间，看起来不算惊艳，但有很多细节值得说。

系统在震荡行情中的方向判断非常差，经常给出"看震荡"的正确废话；但在有明确趋势的行情中，一旦判断对了方向，平均幅度显著高于判断错时的幅度。这意味着，Agent的价值可能不在于每次都对，而在于它识别趋势性机会时具有实际参考意义。

我还发现一个有趣的现象：当模型的"概率估计"给出高置信度（比如超过75）时，准确率明显提升；而低置信度预测的准确率接近抛硬币。这让我意识到，系统输出的置信度本身就是一个有效信号，可以用来做仓位参考——高置信度时多关注，低置信度时干脆忽略。

4.3 评估指标与调优思路

预测量化领域最忌讳只看"准确率"这一个指标。我建立了几个小维度：

调优的过程就是围绕这几个指标做针对性改进。比如信息利用率偏低时，我意识到是新闻压缩环节把太多细节丢掉了，导致决策层的模型"看不到"关键信息。后来我在压缩提示词里特别加了一句"保留所有与市场影响直接相关的数值和主体"，信息利用率就明显上升了。

5. 常见问题的排查实录：幻觉、时效性与输出漂移

做这类项目，踩坑是免不了的。这一节我把自己调试过程中最典型的几个问题整理成了速查指南，每一个都是真金白银的教训。

5.1 模型幻觉的根源与压制方法

大模型幻觉在预测场景里格外致命。最典型的表现是：模型会一本正经地引用一个根本不存在的政策文件，或者给出一串看起来合理但实际错误的宏观经济数据。我遇到过最离谱的一次，模型把一个行业自媒体的小道消息当成了正式发布，据此给出了明确的看空判断。

我压制幻觉的方法组合拳是：

• 要求模型必须引用输入材料：每一句核心观点后面加上对应的信息来源编号，没有来源编号的观点视为无效。
• 输入里明确标注"以下信息均来自给定材料，严禁引用外部知识"：这句话能有效抑制模型动用预训练记忆里的过期信息。
• 给高危数据项做人工校验：模型输出的核心逻辑里提到的具体数值，系统会自动与输入数据比对，不一致就触发重写。

这一套组合拳下来，幻觉出现的频率大幅降低，但并没有完全消失。所以最终输出的报告里我保留了一行小字提示:"AI生成内容仅供参考，重要决策请核对原始信息源。"这不是免责炒作，是我吃过亏后的真实经验。

5.2 数据时效性在"周预测"场景下的特殊问题

周预测有一个容易被忽略的坑：模型预训练的知识存在截止日期，你以为它不知道某件新发生的事，但它可能把旧新闻当成了新事件。

我遇到过这样一个典型场景：某行业在2019年有过一波政策刺激行情，到了2024年出现了相似的政策表述，模型在看到当前输入后，竟然在逻辑里掺入了2019年的旧市场反应路径作为类比依据。这个类比并非毫无参考价值，但问题是2019年和当前的宏观环境差异巨大，直接套用会导致判断偏差。

解决办法是给所有输入数据打上明确的时间标签，并在提示词里加一条约束："你只能基于时间标签标注的最新信息做判断，禁止使用模型记忆中早于输入时间窗口的类比案例。"这不算完全解决，但能显著减少错误的时间锚定。

5.3 输出漂移与上下文污染

上下文污染是指前一周的预测结论或数据残留在模型的"潜意识"里，影响本周判断。用无状态接口时这个问题相对少见，但一旦你为了节省成本开了对话缓存或历史记录功能，旧的判断就会不断干扰新预测。

我记得有一周，前一周刚"看多"过某标的，结果这一周数据明明已经转弱，模型仍然在逻辑里倾向于找利好证据，这就是典型的上下文污染。后来我彻底关闭了对话缓存，每次预测都从全新会话开始，这个问题立刻消失。宁肯多花一点点接口费用，也要保证每次预测的独立性。

这个概念延伸到更广的场景：如果你希望Agent做"持续跟踪"，也不应该让模型直接记忆上周的结论，而是把上周结论作为一份独立文档，显式地告诉模型"这是上周观点，以下是本周新信息，请更新你的判断"。让模型意识到信息变化，而不是靠上下文窗口里的"残留记忆"。

5.4 常见问题速查表

6. 踩坑之后总结出的经验与后续扩展方向

项目做到这里，它的价值已经不只是一个预测工具。对我来说，它更像一个实验平台，在验证"大模型能不能做金融分析类Agent"这件事上，给出了足够真实的答案。

6.1 做对了哪几件事

第一件事是拒绝了一步到位的复杂架构，用简单的模块化设计先把流程跑通。有太多项目死在前期过度设计上。第二件事是把"可控输出"放在了和"预测准确率"同等重要的位置。一个输出稳定、格式规范的Agent，哪怕准确率平平，你也能持续迭代、持续改进；一个时好时坏、输出混乱的Agent，连问题出在哪里你都无法定位。第三件事是重视了置信度信号，没有盲目追随每一次预测，而是把模型的高置信度输出当作更值得关注的信号。

如果要从头再做一遍，我会在开始的时候就建立更完善的数据版本管理。我现在用的SQLite虽然简单，但历史预测和回测结果混在一张表里，做数据回溯时有各种麻烦。要是把每次运行的输入数据、模型输出、评估结果都按版本存档，后面做分析会顺手太多。

6.2 后续可以怎么扩展

我对这个Agent的未来走向有一些具体想法。首先是引入多模型投票机制——目前只用一个模型做决策，不同模型的"性格"差异其实挺大的，有的偏谨慎，有的偏激进。让三个不同风格的模型独立预测，最后对结论做一致性评估，如果出现分歧就用"少数派报告"的方式呈现。其次是增加更多数据源，比如行业内研究员公开的月报数据、专利公告密度、招聘信息趋势这类另类数据，这些对大模型做判断非常有用。

还有一个很实际的优化方向：用强化学习的思路做"预测校准"。每周末跑完预测后，把实际走势回灌给系统，生成一份"预测复盘报告"，指出哪些逻辑线对了、哪些错了。坚持几周之后，这套数据本身就可以用来微调或者做模型选择的依据，形成一个持续进化的闭环。

6.3 给同类项目开发者的一点忠告

如果你也打算做类似的LLM Agent项目，我给你三个最真诚的建议。

第一，不要在预测准确率上死磕。大模型参与的预测系统，价值是"信息综合效率"和"决策参考维度"，而不是一个精确的神谕。你把它当成一个每周帮你读几十篇研报、整理出多空逻辑的智能助手，心态就会摆正很多。

第二，不要忽略工程化细节。数据清洗、输出校验、异常重试这些"脏活累活"，决定了你的系统能不能稳定运行，这些工作往往比调提示词更花时间、也更重要。

第三，永远对自己的Agent保持怀疑。每一次模型给出的答案，都默认它可能有错误。保留原始数据、保留推理链路、允许自己推翻它，这是所有AI辅助决策类工具能够长期使用的底线逻辑。

说白了，这个项目让我最有成就感的地方，不是某一次预测判断对了方向，而是我真正理解了一个问题：大模型做金融预测，能力边界不在模型本身，而在我们怎么设计信息流、怎么控制输出、怎么定义成功标准。这套方法论，放到任何一个垂直领域的LLM Agent上，都通用。