TradingAgents-CN 项目优化日志：数据源统一、实时行情优化与基本面分析增强

📋 概述

2025年10月24日是项目开发的高产日，完成了 31 次提交，涵盖数据源管理、实时行情优化、基本面分析增强、Docker 构建优化等多个方面。主要亮点包括：

1. 创建统一数据源编码管理系统，解决数据源标识混乱问题
2. 优化实时行情入库服务，实现智能频率控制和接口轮换机制
3. 增强基本面分析功能，优化 PE/PB 计算策略，同时提供 PE 和 PE_TTM 两个指标
4. 完善定时任务管理界面，新增搜索和筛选功能
5. 优化 Docker 构建策略，采用分架构独立仓库提高发布效率
6. 修复多个数据同步和索引冲突问题

🎯 核心改进

一、数据源管理系统重构（早上 8:00-10:00）

1.1 创建统一数据源编码管理系统

提交记录：

• bc4d0b4 - feat: 创建统一数据源编码管理系统
• a0a4840 - refactor: 后端代码使用统一数据源编码
• 650b22a - refactor: 前端代码使用统一数据源编码

问题背景：

原有代码中数据源标识混乱：

• 后端使用："tushare", "akshare", "baostock"
• 前端使用："Tushare", "AKShare", "BaoStock"
• 数据库存储："tushare", "akshare", "baostock"
• 配置文件：DATA_SOURCE_PRIORITY = ["tushare", "akshare", "baostock"]

导致问题：

• ❌ 前后端数据源标识不一致
• ❌ 数据源优先级配置不生效
• ❌ 代码中硬编码数据源名称
• ❌ 难以维护和扩展

解决方案：

创建 tradingagents/core/data_source_codes.py 统一管理：

classDataSourceCode:

"""统一数据源编码"""

    TUSHARE ="tushare"

    AKSHARE ="akshare"

    BAOSTOCK ="baostock"

    MANUAL ="manual"

    SYSTEM ="system"

# 显示名称映射

    DISPLAY_NAMES ={

        TUSHARE:"Tushare",

        AKSHARE:"AKShare",

        BAOSTOCK:"BaoStock",

        MANUAL:"手动",

        SYSTEM:"系统",

}

@classmethod

defget_display_name(cls, code:str)->str:

"""获取数据源显示名称"""

return cls.DISPLAY_NAMES.get(code, code)

@classmethod

defnormalize(cls, code:str)->str:

"""标准化数据源编码（大小写不敏感）"""

        code_lower = code.lower()

for attr_name indir(cls):

ifnot attr_name.startswith('_'):

                attr_value =getattr(cls, attr_name)

ifisinstance(attr_value,str)and attr_value.lower()== code_lower:

return attr_value

return code

效果：

• ✅ 统一数据源编码标准
• ✅ 前后端使用相同编码
• ✅ 支持大小写不敏感转换
• ✅ 便于维护和扩展

1.2 修复数据源优先级配置不生效问题

提交记录：

• e994035 - fix: 修复数据源优先级配置不生效的问题
• 9d1a5c5 - fix: 修复分析时数据源降级优先级硬编码问题
• 3e6998c - fix: 数据源降级优先级支持市场分类（A股/美股/港股）

问题背景：

1. MongoDB 查询返回多个数据源的重复数据
2. 代码中硬编码数据源优先级：["tushare", "akshare", "baostock"]
3. 不使用配置文件中的 DATA_SOURCE_PRIORITY
4. 不同市场（A股/美股/港股）应该有不同的数据源优先级

解决方案：

# app/services/data_query_service.py

def_apply_source_priority(self, records: List[Dict], market:str="A")-> List[Dict]:

"""应用数据源优先级，去重并选择最优数据源"""

# 根据市场选择优先级

if market =="A":

        priority = settings.DATA_SOURCE_PRIORITY  # ["tushare", "akshare", "baostock"]

elif market =="US":

        priority =["yahoo","alphavantage"]

elif market =="HK":

        priority =["yahoo","tushare"]

else:

        priority = settings.DATA_SOURCE_PRIORITY

# 按 code 分组

    grouped ={}

for record in records:

        code = record.get("code")

if code notin grouped:

            grouped[code]=[]

        grouped[code].append(record)

# 选择最优数据源

    result =[]

for code, records_list in grouped.items():

        best_record =None

        best_priority =len(priority)

for record in records_list:

            source = record.get("source","")

try:

                idx = priority.index(source)

if idx < best_priority:

                    best_priority = idx

                    best_record = record

except ValueError:

continue

if best_record:

            result.append(best_record)

return result

效果：

• ✅ 使用配置文件中的数据源优先级
• ✅ 支持不同市场的数据源优先级
• ✅ 自动去重，选择最优数据源
• ✅ 提高数据质量

二、实时行情入库服务优化（中午 12:00-14:00）

2.1 早期优化：降低 AkShare 实时行情同步频率

提交记录：

• 3f009da - opt: 优化 AkShare 批量获取实时行情，避免频率限制
• 3915f5e - fix: 支持带前缀的股票代码匹配，增强批量获取兼容性
• 3193107 - opt: 降低 AkShare 实时行情同步频率，避免被封

问题背景：

1. AkShare 接口频繁调用被封 IP
   • 原有代码每次获取全市场行情
   • 单次请求数据量大，容易触发限流
2. 股票代码匹配问题
   • 部分代码带前缀（如 SH600000）
   • 部分代码不带前缀（如 600000）
   • 导致批量获取失败

解决方案：

# app/services/data_sources/akshare_adapter.py

defget_realtime_quotes_batch(self, codes: List[str])-> Dict[str, Dict]:

"""批量获取实时行情（支持带前缀的代码）"""

# 标准化代码（去除前缀）

    normalized_codes =[]

for code in codes:

if'.'in code:

            code = code.split('.')[0]# 去除后缀

iflen(code)>6:

            code = code[-6:]# 去除前缀，保留6位数字

        normalized_codes.append(code)

# 获取全市场行情

    all_quotes = self.get_realtime_quotes()

# 筛选指定股票

    result ={}

for code in normalized_codes:

if code in all_quotes:

            result[code]= all_quotes[code]

return result

效果：

• ✅ 支持带前缀的股票代码
• ✅ 提高批量获取成功率
• ✅ 降低被封 IP 风险

2.2 核心优化：智能频率控制和接口轮换

提交记录：

• ebb9197 - feat: 优化实时行情入库服务 - 智能频率控制和接口轮换
• bd4c976 - docs: 添加实时行情入库服务配置文档和优化总结

问题背景：

1. 默认30秒采集频率过高
   • Tushare 免费用户每小时只能调用 2 次 rt_k 接口
   • 30秒采集 = 每小时 120 次，立即超限
   • 导致免费用户服务完全不可用
2. AKShare 只使用单一接口
   • 只使用东方财富接口（stock_zh_a_spot_em）
   • 未使用新浪财经接口（stock_zh_a_spot）
   • 频繁调用单一接口容易被封 IP
3. 无智能频率控制
   • 付费用户和免费用户使用相同配置
   • 付费用户无法充分利用权限
   • 免费用户容易超限

解决方案

方案 1：调整默认采集频率为 6 分钟

# app/core/config.py

QUOTES_INGEST_INTERVAL_SECONDS:int= Field(

    default=360,# 从 30 秒改为 360 秒（6 分钟）

    description="实时行情采集间隔（秒）。默认360秒（6分钟），免费用户建议>=300秒，付费用户可设置5-60秒"

)

效果：

• ✅ 每小时采集 10 次，Tushare 最多调用 2 次（不超限）
• ✅ 免费用户可正常使用
• ✅ 满足大多数场景需求

方案 2：为 AKShare 添加新浪财经备用接口

# app/services/data_sources/akshare_adapter.py

defget_realtime_quotes(self, source:str="eastmoney"):

"""

    获取全市场实时快照

    Args:

        source: "eastmoney"（东方财富）或 "sina"（新浪财经）

    """

if source =="sina":

        df = ak.stock_zh_a_spot()# 新浪财经接口

        logger.info("使用 AKShare 新浪财经接口获取实时行情")

else:

        df = ak.stock_zh_a_spot_em()# 东方财富接口

        logger.info("使用 AKShare 东方财富接口获取实时行情")

效果：

• ✅ 支持两个 AKShare 接口
• ✅ 可轮换使用，降低被封 IP 风险
• ✅ 提高服务可靠性

方案 3：实现三种接口轮换机制

轮换顺序：Tushare rt_k → AKShare 东方财富 → AKShare 新浪财经

# app/services/quotes_ingestion_service.py

def_get_next_source(self)-> Tuple[str, Optional[str]]:

"""获取下一个数据源（轮换机制）"""

    current_source = self._rotation_sources[self._rotation_index]

    self._rotation_index =(self._rotation_index +1)%len(self._rotation_sources)

if current_source =="tushare":

return"tushare",None

elif current_source =="akshare_eastmoney":

return"akshare","eastmoney"

else:# akshare_sina

return"akshare","sina"

工作流程（免费用户，6分钟采集一次）：

时间轴：

00:00 → Tushare rt_k（第1次调用）✅

06:00 → AKShare 东方财富

12:00 → AKShare 新浪财经

18:00 → Tushare rt_k（第2次调用）✅

24:00 → AKShare 东方财富

30:00 → AKShare 新浪财经

36:00 → Tushare rt_k（超限，跳过）❌ → AKShare 东方财富（自动降级）✅

42:00 → AKShare 新浪财经

48:00 → Tushare rt_k（超限，跳过）❌ → AKShare 东方财富（自动降级）✅

54:00 → AKShare 新浪财经

60:00 → 新的一小时开始，Tushare 限制重置

效果：

• ✅ 三种接口轮流使用
• ✅ 避免单一接口被限流
• ✅ 提高服务稳定性

方案 4：添加 Tushare 调用次数限制

def_can_call_tushare(self)->bool:

"""判断是否可以调用 Tushare rt_k 接口"""

if self._tushare_has_premium:

returnTrue# 付费用户不限制

# 免费用户：检查每小时调用次数

    now = datetime.now(self.tz)

    one_hour_ago = now - timedelta(hours=1)

# 清理1小时前的记录

while self._tushare_call_times and self._tushare_call_times[0]< one_hour_ago:

        self._tushare_call_times.popleft()

# 检查是否超过限制

iflen(self._tushare_call_times)>= self._tushare_hourly_limit:

        logger.warning("⚠️ Tushare rt_k 接口已达到每小时调用限制，跳过本次调用")

returnFalse

returnTrue

效果：

• ✅ 免费用户每小时最多调用 2 次
• ✅ 超过限制自动跳过，使用 AKShare
• ✅ 不影响服务正常运行

方案 5：自动检测 Tushare 付费权限

def_check_tushare_permission(self)->bool:

"""检测 Tushare rt_k 接口权限"""

try:

        adapter = TushareAdapter()

        df = adapter._provider.api.rt_k(ts_code='000001.SZ')

if df isnotNoneandnotgetattr(df,'empty',True):

            logger.info("✅ 检测到 Tushare rt_k 接口权限（付费用户）")

            self._tushare_has_premium =True

else:

            logger.info("⚠️ Tushare rt_k 接口无权限（免费用户）")

            self._tushare_has_premium =False

except Exception as e:

if"权限"instr(e)or"permission"instr(e):

            self._tushare_has_premium =False

return self._tushare_has_premium

首次运行日志：

免费用户：

🔍 首次运行，检测 Tushare rt_k 接口权限...

⚠️ Tushare rt_k 接口无权限（免费用户）

ℹ️ Tushare 免费用户，每小时最多调用 2 次 rt_k 接口。当前采集间隔: 360 秒

付费用户：

🔍 首次运行，检测 Tushare rt_k 接口权限...

✅ 检测到 Tushare rt_k 接口权限（付费用户）

✅ 检测到 Tushare 付费权限！建议将 QUOTES_INGEST_INTERVAL_SECONDS 设置为 5-60 秒以充分利用权限

效果：

• ✅ 首次运行自动检测权限
• ✅ 付费用户：提示可设置高频采集
• ✅ 免费用户：提示当前限制

新增配置项

.env.example 中新增：

# ==================== 实时行情入库服务配置 ====================

# 📈实时行情入库服务

# 启用/禁用实时行情入库服务

QUOTES_INGEST_ENABLED=true

# 行情采集间隔（秒）

# - 免费用户建议: 300-600 秒（5-10分钟）

# - 付费用户建议: 5-60 秒

# - 默认: 360 秒（6分钟）

QUOTES_INGEST_INTERVAL_SECONDS=360

# 启用接口轮换机制

# - true: 轮流使用 Tushare rt_k → AKShare东方财富 → AKShare新浪财经

# - false: 按默认优先级使用（Tushare > AKShare）

QUOTES_ROTATION_ENABLED=true

# Tushare rt_k 接口每小时调用次数限制

# - 免费用户: 2 次（Tushare 官方限制）

# - 付费用户: 可设置更高（如 1000）

QUOTES_TUSHARE_HOURLY_LIMIT=2

# 自动检测 Tushare rt_k 接口权限

# - true: 首次运行自动检测，付费用户会收到提示

# - false: 不检测，按配置运行

QUOTES_AUTO_DETECT_TUSHARE_PERMISSION=true

# 休市期/启动兜底补数

QUOTES_BACKFILL_ON_STARTUP=true

QUOTES_BACKFILL_ON_OFFHOURS=true

性能对比

指标	优化前（免费用户）	优化后（免费用户）
采集频率	30 秒	6 分钟
每小时采集次数	120 次	10 次
Tushare 调用次数	120 次（超限❌）	2 次（不超限✅）
服务可用性	❌ 不可用	✅ 可用
被封 IP 风险	⚠️ 高	✅ 低

三、基本面分析功能增强（下午 14:00-18:00）

3.1 优化基本面分析数据获取策略

提交记录：

• 7b723b6 - refactor: 优化基本面分析数据获取策略
• bec86db - feat: 将分析师数据获取范围改为可配置参数

问题背景：

1. 数据获取策略不合理
   • 每次分析都重新获取所有数据
   • 没有利用缓存机制
   • 数据获取效率低
2. 分析师数据获取范围固定
   • 硬编码获取最近 30 天数据
   • 无法根据需求调整

解决方案：

# app/core/config.py

ANALYST_RATING_DAYS:int= Field(

    default=30,

    description="分析师评级数据获取天数范围"

)

# app/services/fundamental_analysis_service.py

asyncdefget_fundamental_data(self, code:str)-> Dict:

"""获取基本面数据（优化缓存策略）"""

# 1. 尝试从缓存获取

    cached =await self._get_from_cache(code)

if cached and self._is_cache_valid(cached):

return cached

# 2. 从数据库获取

    data =await self._get_from_database(code)

# 3. 缓存数据

await self._save_to_cache(code, data)

return data

效果：

• ✅ 提高数据获取效率
• ✅ 减少数据库查询次数
• ✅ 支持配置分析师数据范围

3.2 优化 PE/PB 计算策略

提交记录：

• 7724255 - feat: 优化PE/PB计算策略 - 优先使用动态PE（基于实时股价+Tushare TTM）
• 2baa89f - fix: 修复PE计算日志中变量引用错误

问题背景：

1. PE 计算不准确
   • 只使用静态 PE（基于财报数据）
   • 不考虑实时股价变化
   • 数据滞后
2. 缺少 TTM（Trailing Twelve Months）指标
   • TTM 是更准确的 PE 计算方式
   • 考虑最近 12 个月的盈利

解决方案：

计算策略：

1. 优先使用动态 PE（实时股价 + Tushare TTM 数据）
   # 获取实时股价
2. current_price =await self._get_realtime_price(code)
4. # 获取 Tushare TTM 数据
5. ttm_data =await self._get_tushare_ttm(code)
7. # 计算动态 PE
8. if ttm_data and ttm_data.get("eps_ttm"):
9.     pe_dynamic = current_price / ttm_data["eps_ttm"]
10. 
    
11. 降级使用静态 PE（财报数据）
    # 如果没有 TTM 数据，使用最新财报
12. ifnot pe_dynamic:
13.     latest_report =await self._get_latest_financial_report(code)
14. if latest_report and latest_report.get("eps"):
15.         pe_static = current_price / latest_report["eps"]
16. 
    
17. 最终降级使用数据源提供的 PE
    # 如果都没有，使用数据源提供的 PE
18. ifnot pe_dynamic andnot pe_static:
19.     pe = stock_info.get("pe")
20. 
    

效果：

• ✅ PE 计算更准确
• ✅ 考虑实时股价变化
• ✅ 支持多级降级策略

3.3 同时提供 PE 和 PE_TTM 两个指标

提交记录：

• 410fd21 - feat: 基本面分析同时提供PE和PE_TTM两个指标

问题背景：

用户需要同时查看：

• PE（静态市盈率）：基于最新财报的 EPS
• PE_TTM（动态市盈率）：基于最近 12 个月的 EPS

解决方案：

# app/schemas/analysis.py

classFundamentalAnalysisResponse(BaseModel):

"""基本面分析响应"""

    code:str

    name:str

# 估值指标

    pe: Optional[float]= Field(None, description="静态市盈率（基于最新财报）")

    pe_ttm: Optional[float]= Field(None, description="动态市盈率（TTM）")

    pb: Optional[float]= Field(None, description="市净率")

    ps: Optional[float]= Field(None, description="市销率")

# ... 其他字段

前端显示：

<el-descriptions-item label="市盈率(PE)">

  {{ data.pe?.toFixed(2) || 'N/A' }}

</el-descriptions-item>

<el-descriptions-item label="市盈率(PE_TTM)">

  {{ data.pe_ttm?.toFixed(2) || 'N/A' }}

  <el-tag v-if="data.pe_ttm" type="info" size="small">动态</el-tag>

</el-descriptions-item>

效果：

• ✅ 同时提供两个指标
• ✅ 用户可对比静态和动态 PE
• ✅ 提高分析准确性

四、数据同步和索引问题修复（上午 10:00-12:00）

4.1 修复 market_quotes 集合索引冲突

提交记录：

• 6bab35b - fix: 修复 market_quotes 集合 code 字段为 null 导致的唯一索引冲突
• 2d993c5 - docs: 添加 market_quotes code 字段 null 值修复指南
• 3741ab7 - fix: 修复脚本日志配置问题
• 071fd4e - fix: 脚本添加数据库初始化
• 28e1579 - fix: 使用正确的数据库初始化函数名
• f46f952 - test: 添加测试脚本并验证修复效果

问题背景：

MongoDB market_quotes 集合存在 code 字段为 null 的记录，导致唯一索引冲突：

E11000 duplicate key error collection: tradingagents.market_quotes

index: code_1 dup key: { code: null }

原因分析：

1. 早期代码没有验证 code 字段
2. 部分数据源返回的数据缺少 code 字段
3. 插入时没有检查必填字段

解决方案：

步骤 1：创建修复脚本

# scripts/fix_market_quotes_null_code.py

asyncdeffix_null_code_records():

"""修复 code 字段为 null 的记录"""

    db = get_database()

    collection = db[settings.MARKET_QUOTES_COLLECTION]

# 查找 code 为 null 的记录

    null_records =await collection.find({"code":None}).to_list(None)

    logger.info(f"找到 {len(null_records)} 条 code 为 null 的记录")

# 删除这些记录

if null_records:

        result =await collection.delete_many({"code":None})

        logger.info(f"已删除 {result.deleted_count} 条记录")

步骤 2：添加数据验证

# app/services/quotes_ingestion_service.py

asyncdef_save_quotes(self, quotes: Dict[str, Dict]):

"""保存行情数据（添加验证）"""

    valid_quotes =[]

for code, quote in quotes.items():

# 验证必填字段

ifnot code ornot quote.get("name"):

            logger.warning(f"跳过无效记录：code={code}, quote={quote}")

continue

        valid_quotes.append({

"code": code,

"name": quote["name"],

"price": quote.get("price"),

# ... 其他字段

})

# 批量插入

if valid_quotes:

await collection.insert_many(valid_quotes)

效果：

• ✅ 修复历史数据
• ✅ 防止新数据出现问题
• ✅ 提供修复指南文档

4.2 修复 Tushare 同步服务 Pydantic 模型错误

提交记录：

• bcd9d09 - fix: 修复 Tushare 同步服务中 Pydantic 模型调用字典方法的错误

问题背景：

Pydantic v2 模型不再支持字典方法（如 .get()），导致代码报错：

# 错误代码

stock_info = StockBasicInfo(...)

name = stock_info.get("name")# AttributeError: 'StockBasicInfo' object has no attribute 'get'

解决方案：

# 修复后

stock_info = StockBasicInfo(...)

name = stock_info.name  # 直接访问属性

# 或者转换为字典

stock_dict = stock_info.model_dump()

name = stock_dict.get("name")

效果：

• ✅ 兼容 Pydantic v2
• ✅ 修复同步服务错误
• ✅ 提高代码质量

4.3 修复数据同步和数据源优先级问题

提交记录：

• 7fd534c - fix: 修复数据同步和数据源优先级问题

问题背景：

1. 任务手动触发功能不支持暂停任务
2. 历史数据同步存在问题
   • 股票列表查询条件不正确
   • 每次全量同步，导致数据重复
3. 财务数据同步问题
   • 只同步季报，缺少年报
   • 只获取最近 4 期（约 1 年）

解决方案：

详见之前的提交记录。

效果：

• ✅ 支持暂停任务的手动触发
• ✅ 历史数据增量同步
• ✅ 财务数据包含年报和季报

五、定时任务管理界面优化（下午 16:00-17:00）

5.1 为所有任务添加友好的中文名称

提交记录：

• 8bb8e02 - fix: 为所有定时任务添加友好的中文名称

问题背景：

1. 任务名称显示不友好
   • 部分任务显示为函数路径（如 lifespan.<locals>.run_news_sync）
   • 部分任务显示为函数名（如 run_akshare_basic_info_sync）
2. 用户体验差
   • 无法快速识别任务功能
   • 需要查看代码才能理解

解决方案：

# app/main.py

scheduler.add_job(

    run_akshare_basic_info_sync,

    CronTrigger.from_crontab(settings.AKSHARE_BASIC_INFO_SYNC_CRON, timezone=settings.TIMEZONE),

id="akshare_basic_info_sync",

    name="股票基础信息同步（AKShare）",# ← 新增友好名称

    kwargs={"force_update":False}

)

命名格式：功能描述（数据源）

修改的任务：

• ✅ 18 个定时任务全部添加中文名称
• ✅ 统一命名格式
• ✅ 提升用户体验

5.2 添加搜索和筛选功能

提交记录：

• b349e89 - feat: 为定时任务管理页面添加搜索和筛选功能

问题背景：

1. 任务查找困难
   • 10+ 个任务，没有搜索和筛选功能
   • 查找特定任务需要手动翻找
2. 无法按条件筛选
   • 无法只查看某个数据源的任务
   • 无法只查看运行中或暂停的任务

解决方案：

<!-- frontend/src/views/System/SchedulerManagement.vue -->

<el-form :inline="true" class="filter-form">

  <!-- 任务名称搜索 -->

  <el-form-item label="任务名称">

    <el-input

      v-model="searchKeyword"

      placeholder="搜索任务名称"

      clearable

      :prefix-icon="Search"

      @input="handleSearch"

    />

  </el-form-item>

  <!-- 数据源筛选 -->

  <el-form-item label="数据源">

    <el-select v-model="filterDataSource" @change="handleSearch">

      <el-option label="全部数据源" value="" />

      <el-option label="Tushare" value="Tushare" />

      <el-option label="AKShare" value="AKShare" />

      <el-option label="BaoStock" value="BaoStock" />

      <el-option label="多数据源" value="多数据源" />

      <el-option label="其他" value="其他" />

    </el-select>

  </el-form-item>

  <!-- 状态筛选 -->

  <el-form-item label="状态">

    <el-select v-model="filterStatus" @change="handleSearch">

      <el-option label="全部状态" value="" />

      <el-option label="运行中" value="running" />

      <el-option label="已暂停" value="paused" />

    </el-select>

  </el-form-item>

  <el-form-item>

    <el-button :icon="Refresh" @click="handleReset">重置</el-button>

  </el-form-item>

</el-form>

筛选逻辑：

const filteredJobs =computed(()=>{

let result =[...jobs.value]

// 按任务名称搜索

if(searchKeyword.value){

const keyword = searchKeyword.value.toLowerCase()

    result = result.filter(job =>

      job.name.toLowerCase().includes(keyword)||

      job.id.toLowerCase().includes(keyword)

)

}

// 按数据源筛选

if(filterDataSource.value){

    result = result.filter(job => job.name.includes(filterDataSource.value))

}

// 按状态筛选

if(filterStatus.value){

if(filterStatus.value ==='running'){

      result = result.filter(job =>!job.paused)

}elseif(filterStatus.value ==='paused'){

      result = result.filter(job => job.paused)

}

}

// 默认排序：运行中的任务优先

  result.sort((a, b)=>{

if(a.paused !== b.paused){

return a.paused ?1:-1

}

return a.name.localeCompare(b.name,'zh-CN')

})

return result

})

效果：

• ✅ 支持任务名称搜索
• ✅ 支持数据源筛选
• ✅ 支持状态筛选
• ✅ 运行中的任务优先显示
• ✅ 实时搜索，无需点击按钮

六、Docker 构建优化（上午 9:00-11:00）

6.1 采用分架构独立仓库策略

提交记录：

• 76f24e0 - feat: 采用分架构独立仓库策略，提高发布效率
• 2ac8dd5 - docs: 添加快速构建参考指南
• c04fc53 - refactor: 删除 Apple Silicon 独立脚本，统一使用 ARM64

问题背景：

1. 多架构构建耗时长
   • 同时构建 AMD64 和 ARM64 需要 30+ 分钟
   • 每次发布都要等待很久
2. Apple Silicon 脚本冗余
   • 有独立的 build-apple-silicon.sh 脚本
   • 与 ARM64 脚本功能重复

解决方案：

策略 1：分架构独立仓库

# AMD64 架构（Linux/Windows）

docker build --platform linux/amd64 -t tradingagents-cn:amd64 .

docker tag tradingagents-cn:amd64 your-registry/tradingagents-cn:amd64

docker push your-registry/tradingagents-cn:amd64

# ARM64 架构（Apple Silicon/ARM服务器）

docker build --platform linux/arm64 -t tradingagents-cn:arm64 .

docker tag tradingagents-cn:arm64 your-registry/tradingagents-cn:arm64

docker push your-registry/tradingagents-cn:arm64

策略 2：用户根据架构选择镜像

# AMD64 用户

docker pull your-registry/tradingagents-cn:amd64

# ARM64 用户

docker pull your-registry/tradingagents-cn:arm64

效果：

• ✅ 构建时间从 30+ 分钟降低到 10 分钟
• ✅ 提高发布效率
• ✅ 简化构建脚本

6.2 删除冗余脚本

删除的脚本：

• scripts/build-apple-silicon.sh（与 ARM64 脚本重复）

保留的脚本：

• scripts/build-amd64.sh（AMD64 架构）
• scripts/build-arm64.sh（ARM64 架构，包括 Apple Silicon）

效果：

• ✅ 减少维护成本
• ✅ 避免脚本冗余
• ✅ 统一构建流程

七、系统架构优化（早上 7:00-8:00）

7.1 完全移除 SSE + Redis PubSub 通知系统

提交记录：

• 947a791 - refactor: 完全移除 SSE + Redis PubSub 通知系统，只保留 WebSocket

问题背景：

1. 双通知系统冗余
   • 同时维护 SSE 和 WebSocket 两套系统
   • 增加维护成本
2. Redis PubSub 连接泄漏
   • 之前已修复，但仍有潜在风险

解决方案：

完全移除 SSE + Redis PubSub，只保留 WebSocket：

# 删除的代码

# app/routers/sse.py

# app/services/notification_service.py (Redis PubSub 部分)

# 保留的代码

# app/routers/websocket.py

# app/services/websocket_manager.py

效果：

• ✅ 简化系统架构
• ✅ 减少维护成本
• ✅ 避免连接泄漏风险

7.2 统一使用配置时区

提交记录：

• a85c86c - fix: 统一使用配置时区（now_tz）替代 UTC 时间（datetime.utcnow）

问题背景：

1. 时区混乱
   • 部分代码使用 datetime.utcnow()（UTC 时间）
   • 部分代码使用 datetime.now(tz)（配置时区）
   • 导致时间显示不一致
2. 用户体验差
   • 日志时间显示为 UTC
   • 前端显示时间需要转换

解决方案：

统一使用配置时区：

# 错误写法

now = datetime.utcnow()# UTC 时间

# 正确写法

from app.core.config import settings

from zoneinfo import ZoneInfo

tz = ZoneInfo(settings.TIMEZONE)# 配置时区（如 "Asia/Shanghai"）

now = datetime.now(tz)# 配置时区时间

效果：

• ✅ 时间显示一致
• ✅ 提高用户体验
• ✅ 避免时区转换错误

🎉 总结

今日成果

提交统计：

• ✅ 31 次提交
• ✅ 80+ 个文件修改
• ✅ 6,000+ 行新增代码
• ✅ 1,000+ 行删除代码

核心价值：

1. 数据源管理更规范
   • 统一数据源编码
   • 数据源优先级配置生效
   • 支持市场分类
2. 实时行情服务更可靠
   • 免费用户可正常使用
   • 付费用户充分利用权限
   • 智能频率控制和接口轮换
   • 降低被限流和封 IP 风险
3. 基本面分析更准确
   • 优化 PE/PB 计算策略
   • 同时提供 PE 和 PE_TTM
   • 优化数据获取策略
4. 任务管理更友好
   • 友好的中文任务名称
   • 强大的搜索筛选功能
   • 提高用户体验
5. 系统架构更简洁
   • 移除冗余的 SSE 通知系统
   • 统一使用配置时区
   • 优化 Docker 构建策略
6. 数据质量更高
   • 修复索引冲突问题
   • 修复数据同步问题
   • 完善数据验证

代码质量：

• ✅ 完善的文档支持
• ✅ 详细的配置说明
• ✅ 清晰的代码注释
• ✅ 完整的测试脚本

用户体验：

• ✅ 自动检测权限
• ✅ 智能频率控制
• ✅ 友好的任务名称
• ✅ 强大的搜索筛选
• ✅ 准确的基本面分析

✅ 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。