一、更新概述

2025 年 10 月 22 日，TradingAgents-CN 针对用户在实际部署和使用过程中反馈的问题，进行了一次集中修复。

本次优化主要聚焦两个方向：

• 配置测试功能真实可用
• Docker 生产环境适配增强

通过 10 个提交，项目修复了 LLM 配置测试、数据库连接、Google AI 中转地址、Gemini 响应解析、网络请求超时、自定义厂家支持 等关键问题。

这些问题大多不是“功能不存在”，而是“测试通过但实际运行失败”这类更影响部署体验的问题。本次更新的重点，就是让系统在真实生产环境中更可靠。

---

二、LLM 配置测试使用写死模型的问题

1. 问题背景

用户在配置管理页面测试 LLM 配置 时发现，不同模型厂家的测试逻辑并不一致。

当时的表现是：

• OpenAI 兼容接口：可以正确使用用户配置的模型。
• Google AI：固定使用 gemini-2.0-flash-exp。
• DeepSeek：固定使用 deepseek-chat。
• DashScope：固定使用 qwen-turbo。

这意味着，如果用户配置的是 gemini-1.5-pro、qwen-max 等特定模型，测试时却仍然使用默认模型，导致测试结果无法代表真实配置。

2. 解决方案

本次修复让测试接口接收并使用用户配置的 model_name。

修复前：

def _test_google_api(self, api_key: str, display_name: str, base_url: str = None) -> dict:
    model_name = "gemini-2.0-flash-exp"

修复后：

def _test_google_api(
    self,
    api_key: str,
    display_name: str,
    base_url: str = None,
    model_name: str = None
) -> dict:
    if not model_name:
        model_name = "gemini-2.0-flash-exp"
        logger.info(f"未指定模型，使用默认模型: {model_name}")

    logger.info(f"[Google AI 测试] 使用模型: {model_name}")

前端也增加了更详细的调试日志，输出：

• 厂家
• 模型名称
• 显示名称
• API 基础 URL

3. 修复效果

修复后：

• LLM 配置测试 会使用用户实际配置的模型。
• 不同厂家、不同模型都可以被准确验证。
• 日志更清晰，排查配置问题更方便。
• 测试结果和实际分析行为更加一致。

---

三、Docker 环境下数据库连接问题

1. 问题背景

用户在 Docker 环境 中测试数据库连接时遇到错误：

AutoReconnect('localhost:27017: [Errno 111] Connection refused')

排查后发现问题主要有三点：

• 配置表中保存的是 localhost，但 Docker 容器内应使用服务名 mongodb。
• 配置表中没有保存密码，系统没有正确读取 .env 中的完整配置。
• 系统只读取了用户名和密码，没有读取 host 和 port。

2. MongoDB 配置测试修复

本次修复让系统可以从环境变量读取完整 MongoDB 配置：

env_host = os.getenv("MONGODB_HOST")
env_port = os.getenv("MONGODB_PORT")
env_username = os.getenv("MONGODB_USERNAME")
env_password = os.getenv("MONGODB_PASSWORD")
env_auth_source = os.getenv("MONGODB_AUTH_SOURCE", "admin")

如果检测到 Docker 环境，并且 host 仍然是 localhost，系统会自动替换为 Docker Compose 服务名：

is_docker = os.path.exists("/.dockerenv") or os.getenv("DOCKER_CONTAINER")

if is_docker and host == "localhost":
    logger.info("检测到 Docker 环境，将 host 从 localhost 改为 mongodb")
    host = "mongodb"

3. Redis 配置测试修复

Redis 使用相同的适配策略：

• 从环境变量读取完整配置：
  • REDIS_HOST
  • REDIS_PORT
  • REDIS_PASSWORD
  • REDIS_DB
• Docker 环境下自动将 localhost 替换为 redis。
• 增加详细日志，方便定位连接问题。

4. 配置优先级

数据库连接配置的优先级被明确为：

数据库配置表（有密码） > 数据库配置表（无密码）+ 环境变量 > Docker 环境自动适配服务名

更完整地说：

1. 如果数据库配置表中有完整配置，则优先使用配置表。
2. 如果配置表缺少密码，则读取环境变量中的完整配置。
3. 如果检测到 Docker 环境，并且 host 是 localhost，自动替换为服务名。

5. 修复效果

修复后：

• 本地开发 和 Docker 部署 都能正常工作。
• MongoDB 和 Redis 连接测试更准确。
• Docker 环境下不再误连 localhost。
• 系统可以自动适配不同部署环境。

---

四、Google AI 中转地址路径拼接错误

1. 问题背景

用户使用 Google AI 中转地址 时遇到一个比较隐蔽的问题。

例如配置：

https://api.302.ai/v1

表现是：

• 配置测试正常。
• 手动 curl 调用正常。
• 实际运行分析任务时报错。

日志中可以看到错误请求地址：

https://api.302.ai/v1beta/models/gemini-2.5-flash:generateContent

正确地址应该是：

https://api.302.ai/v1/models/...

2. 根本原因

Google 官方 SDK 会自动在 api_endpoint 后拼接 /v1beta。

对于官方地址，这是正确的：

https://generativelanguage.googleapis.com
→ https://generativelanguage.googleapis.com/v1beta/models/...

但对于 302.ai、OpenRouter、自定义代理 这类中转服务，它们通常已经包含完整路径，例如 /v1。

如果仍让 SDK 自动添加 /v1beta，路径就会出错。

3. 解决方案

本次修复增加了官方地址与中转地址的判断逻辑：

is_google_official = "generativelanguage.googleapis.com" in base_url

if is_google_official:
    # Google 官方地址：让 SDK 自动添加 /v1beta
    if base_url.endswith("/v1beta"):
        api_endpoint = base_url[:-7]
    elif base_url.endswith("/v1"):
        api_endpoint = base_url[:-3]
    else:
        api_endpoint = base_url
else:
    # 中转地址：直接使用完整 URL
    api_endpoint = base_url

4. 支持场景

修复后，不同地址会按不同规则处理：

场景	用户配置	最终请求	状态
Google 官方	https://generativelanguage.googleapis.com/v1beta	/v1beta/models/...	正常
302.ai 中转	https://api.302.ai/v1	/v1/models/...	正常
OpenRouter	https://openrouter.ai/api/v1	/api/v1/models/...	正常
自定义中转	https://your-proxy.com/google/v1	/google/v1/models/...	正常

5. 修复效果

本次修复后：

• 支持 302.ai 等主流中转服务。
• 支持 OpenRouter 等 OpenAI 兼容代理。
• 支持用户自定义 Google AI 中转地址。
• Google 官方 API 逻辑不受影响。
• 用户可以自由选择直连或中转。

---

五、Google AI 测试响应格式问题

1. 问题背景

修复中转地址后，又发现部分 Google AI 测试会返回：

{
  "success": false,
  "message": "google gemini-2.5-flash API响应格式异常"
}

日志显示响应中 content 只有 role 字段，没有 parts 字段：

{
  "candidates": [
    {
      "content": {
        "role": "model"
      },
      "finishReason": "MAX_TOKENS"
    }
  ],
  "usageMetadata": {
    "thoughtsTokenCount": 199
  }
}

2. 根本原因

这是 Gemini 2.5 Flash 思考模式 带来的问题。

模型内部推理消耗了大量 token：

• thoughtsTokenCount: 199
• maxOutputTokens: 200

也就是说，几乎所有输出 token 都被思考过程消耗掉了，最终没有生成实际内容。

3. 解决方案

方案一：增加 token 限制

将 maxOutputTokens 从较小值提升到更合理的范围：

{
  "generationConfig": {
    "maxOutputTokens": 2000,
    "temperature": 0.1
  }
}

方案二：改进响应解析

系统会检查 finishReason：

finish_reason = candidate.get("finishReason", "")

if "parts" in content and len(content["parts"]) > 0:
    return {"success": True, "message": "测试成功"}
else:
    if finish_reason == "MAX_TOKENS":
        return {
            "success": False,
            "message": "API响应被截断（MAX_TOKENS），请增加 maxOutputTokens 配置"
        }

方案三：增强错误处理

针对中转服务常见的 503 错误增加友好提示。

例如当错误码为 NO_KEYS_AVAILABLE 时，返回：

中转服务暂时无可用密钥，请稍后重试或联系中转服务提供商

4. 修复效果

修复后：

• 可以识别 MAX_TOKENS 导致的响应截断。
• 错误提示更具体。
• 调试日志更完整。
• 用户能判断是模型配置问题，还是中转服务问题。

---

六、网络请求优化

1. Nginx 配置优化

本次更新优化了 Nginx 对 API 请求的处理：

• 禁用 API 请求缓存。
• 关闭 proxy_buffering。
• 关闭 proxy_cache。
• 将超时时间增加到 120 秒。
• 增大缓冲区大小。

这些改动可以减少长时间分析任务被代理层中断的概率。

2. 前端请求优化

前端请求也同步优化：

• 默认超时时间增加到 60 秒。
• 实现自动重试机制。
• 默认重试 2 次。
• 使用指数退避延迟，例如 1s、2s、3s...。
• 修复 ES2020 空值合并运算符 ?? 的兼容性问题。

3. 数据库配置 API URL 编码

修复中文数据库名称导致的请求问题。

例如：

MongoDB主库

在请求 URL 中会进行编码，避免接口路径解析错误。

涉及方法包括：

• getDatabaseConfig
• updateDatabaseConfig
• deleteDatabaseConfig
• testDatabaseConfig

---

七、自定义厂家支持

1. 问题背景

用户配置自定义 LLM 厂家，例如 kyx 后，测试可以通过，但实际分析时报错：

Unsupported LLM provider

原因是系统只识别内置厂家，分析流程中没有为自定义厂家提供通用回退逻辑。

2. 解决方案

本次更新为任意自定义厂家提供 OpenAI 兼容模式 回退。

系统会自动尝试从多个环境变量中获取 API Key：

{PROVIDER}_API_KEY
{provider}_API_KEY
CUSTOM_OPENAI_API_KEY

例如自定义厂家为 kyx，可以配置：

KYX_API_KEY=your_key

或者使用通用配置：

CUSTOM_OPENAI_API_KEY=your_key

同时，系统会从数据库中读取该厂家的：

default_base_url

用于构建 OpenAI 兼容请求。

3. 使用方式

使用自定义厂家时，可以按以下步骤：

1. 在数据库中添加自定义厂家。
2. 设置该厂家的 default_base_url。
3. 配置环境变量，例如 KYX_API_KEY。
4. 在模型配置中选择该厂家。
5. 执行测试和分析。

4. 优化效果

修复后：

• 自定义厂家可以正常参与分析流程。
• OpenAI 兼容服务接入更灵活。
• 不需要为每个厂家单独写适配逻辑。
• 用户可以接入更多私有或第三方模型服务。

---

八、技术细节

1. Docker 环境检测

系统通过两种方式判断是否在 Docker 中运行：

is_docker = os.path.exists("/.dockerenv") or os.getenv("DOCKER_CONTAINER")

如果检测到 Docker 环境，会自动适配服务名，例如：

• localhost → mongodb
• localhost → redis

2. 配置优先级设计

整体配置优先级为：

数据库配置 > 环境变量 > 默认值

具体策略：

1. 优先使用数据库中的配置。
2. 配置缺失时自动使用环境变量。
3. 环境变量也不存在时使用默认值。
4. Docker 环境自动适配服务名。

3. 日志输出规范

本次更新也统一了部分日志风格，用更明确的标识区分日志类型：

logger.info("[模块名] 调试信息")
logger.info("[模块名] 成功信息")
logger.info("[模块名] 警告信息")
logger.info("[模块名] 错误信息")
logger.info("[模块名] Docker 相关")
logger.info("[模块名] 中转服务相关")

这样的日志更利于用户和开发者快速定位问题。

---

九、影响总结

1. 用户体验提升

本次更新后，用户侧体验明显改善：

• LLM 配置测试 使用真实模型。
• Docker 环境 下数据库连接自动适配。
• 支持 Google AI 中转服务。
• 错误提示更详细、更友好。
• 网络请求支持自动重试。

2. 系统可靠性提升

系统层面获得的提升包括：

• 配置测试更准确。
• 多环境部署支持更好。
• 错误处理更完善。
• 日志输出更详细。
• 生产环境可用性更强。

3. 开发体验提升

开发和排查问题时更加方便：

• 调试日志更清楚。
• 配置来源更明确。
• Docker 与本地环境差异被自动处理。
• 自定义厂家接入更灵活。

---

十、经验总结

1. 配置测试必须使用真实参数

配置测试如果使用默认值或写死模型，会让用户产生误判。

测试功能应该尽可能接近真实运行流程，尤其是 LLM 模型、API Key、base_url 这类关键配置。

2. Docker 环境需要主动适配

本地开发和 Docker 部署的网络环境不同。

在本地可以使用：

localhost

但在 Docker Compose 中，容器之间应该使用服务名：

mongodb
redis

因此系统需要自动识别环境并适配连接参数。

3. 第三方服务不能一刀切

Google 官方 API、中转服务、私有代理服务的路径规则并不完全一致。

系统必须区分：

• 官方 API
• 中转地址
• 自定义代理

不能假设所有服务都遵循同一种路径拼接规则。

4. 错误处理要足够具体

不同错误需要不同提示。

例如：

• MAX_TOKENS 是输出长度问题。
• NO_KEYS_AVAILABLE 是中转服务密钥池问题。
• Connection refused 可能是 Docker 服务名配置问题。

只有提示足够具体，用户才能真正解决问题。

---

十一、总结

本次 TradingAgents-CN v1.0.0-preview 更新，重点解决了实际部署中最容易踩坑的一批问题。

核心成果包括：

• 修复 LLM 配置测试写死模型 问题。
• 修复 Docker 环境下 MongoDB / Redis 连接失败 问题。
• 支持 Google AI 中转地址，兼容 302.ai、OpenRouter、自定义代理。
• 优化 Gemini 2.5 Flash 响应格式处理。
• 增强 Nginx 与前端请求超时和重试机制。
• 修复中文数据库名称 URL 编码问题。
• 支持 自定义 LLM 厂家 使用 OpenAI 兼容模式回退。
• 统一 Docker 环境检测、配置优先级和日志输出规范。

整体来看，这次更新让 TradingAgents-CN 在真实部署环境中更加可靠，也让用户配置、测试、排错和接入第三方模型服务的流程更加顺畅。

✅ 官方唯一渠道：📦 GitHub 仓库：https://github.com/hsliuping/TradingAgents-CN

Aekor AI-API 中转站，让全球顶尖 AI 大模型“触手可及”！你是否曾为这些烦恼头疼？

🔹 人在国内，却总被海外官网 API 的高延迟、掉线、甚至无法访问困扰？

🔹 想用最强的 GPT、Claude 等模型，却卡在海外信用卡、支付审核等重重阻碍？

🔹 官方 API 太贵？Aekor 为你打通“网络-支付-成本”的任督二脉！

💡 Aekor 核心价值：好用、便宜、快 💡

🚀 高速稳定，告别掉线国内专线加速，API 响应低延迟，告别「转圈圈」的焦虑，开发效率瞬间拉满！

🧠 顶尖模型，随需而调涵盖 GPT 系列、Claude 系列等全球主流大厂模型，一次接入，轻松调用！

🎁 免费白嫖，诚意拉满！

注册即送 20 美元体验额度，够你狠狠测试一轮模型质量与线路稳定性了！

🚪 入口：https://api.aekor.com

⚠️ 温馨提示：API 中转市场虽多但良莠不齐（甚至有些会偷工减料换小模型糊弄事儿）。Aekor 坚持提供正版稳定的服务，但还是建议：先用免费的 20 刀测试是否契合自身需求，满意了再小额充值上车，理性消费不盲目。