当前位置：首页 > news >正文

在 Windows 系统部署对冲基金分析工具 ai-hedge-fund 的笔记

news 2025/5/22 6:59:33

#工作记录

一、环境准备

在部署对冲基金分析工具ai-hedge-fund前，需提前安装好必备软件，为后续工作搭建好基础环境。

1. 安装 Anaconda

Anaconda 集成了 Python 及众多科学计算库，是项目运行的重要基础。从Anaconda 官方网站下载适合 Windows 系统的安装包，下载完成后，双击安装包，按照安装向导的提示进行操作，注意在安装过程中可选择将 Anaconda 添加到系统环境变量，方便后续使用。安装完成后，打开 Anaconda Prompt，可通过输入conda --version命令来验证是否安装成功。

conda --version

2. 安装 Poetry

Poetry 用于项目的依赖管理和环境配置。在 Anaconda Prompt 中执行pip install poetry命令进行安装。安装成功后，输入poetry --version，若显示出版本信息，则说明安装成功。Poetry 安装路径通常为D:\ProgramData\anaconda3\Scripts\poetry.exe，在后续配置 PyCharm 时会用到此路径。

pip install poetry

poetry --version

【笔记】快速安装Poetry-CSDN博客

poetry 的路径：

D:\ProgramData\anaconda3\Scripts\poetry.exe

3. 安装 Node.js 和 npm

Node.js 和 npm 是前端项目运行的必要环境。从Node.js 官方网站下载 Windows 版本的安装包，安装过程中保持默认设置即可。安装完成后，打开命令提示符或 PowerShell，分别输入node -v和npm -v，若能显示出版本号，表明安装成功。

node -v

npm -v

4. 安装 GitHub Desktop

GitHub Desktop 方便我们进行代码的克隆与管理。

从GitHub Desktop 官方网站下载安装包，安装完成后，打开软件并登录自己的 GitHub 账号。

5. 安装 Ollama

Ollama 用于本地大语言模型推理。从Ollama 官方网站下载 Windows 版本的安装包，安装完成后，在命令提示符中执行ollama serve启动服务。

若提示Error: listen tcp 127.0.0.1:11434: bind: Only one usage of each socket address (protocol/network address/port) is normally permitted.，表示端口 11434 被占用，可通过以下方法解决：

查找占用端口的进程：在命令提示符或 PowerShell 中执行netstat -ano | findstr :11434，找到对应进程 ID（PID）。

终止进程：执行taskkill /F /PID [PID] （将[PID]替换为实际进程 ID）。

更换端口：执行ollama serve --port 12345 （将12345替换为其他未被占用端口），同时需在后续使用中修改代码中 Ollama API 地址。

二、克隆项目

使用 GitHub Desktop 克隆项目代码到本地，方便后续进行项目的部署与调试。

打开 GitHub Desktop，点击File -> Clone repository。
在弹出窗口的URL选项卡中，输入项目 GitHub 地址https://github.com/virattt/ai-hedge-fund.git。
选择本地存储路径，点击Clone按钮开始克隆项目。
克隆完成后，进入项目文件夹，空白处右键用PyCharm打开，后续的依赖安装、命令执行等操作都可在PyCharm中进行。

三、在 PyCharm 中配置 Poetry 解释器

【笔记】PyCharm 中创建Poetry解释器-CSDN博客

PyCharm 是常用的 Python 开发集成环境，正确配置 Poetry 解释器有助于项目的开发与运行。

打开 PyCharm，新建项目或打开已克隆的ai-hedge-fund项目。
依次点击File -> Settings（Windows/Linux）或PyCharm -> Preferences（Mac）。
在弹出的窗口中，选择Project: [项目名称] -> Python Interpreter。
点击右上角的齿轮图标，选择Add。
在弹出的窗口中，选择Poetry Environment，确保Use existing environment被选中，点击...按钮，在文件浏览窗口中找到并选择D:\ProgramData\anaconda3\Scripts\poetry.exe。
点击OK保存配置，完成 Poetry 解释器的配置。

四、配置环境变量

环境变量的配置是为项目提供必要的 API 密钥等信息，确保项目能够正常运行。

1. 创建.env 文件

在项目根目录下，打开命令提示符或 PowerShell，执行copy .env.example .env命令，复制.env.example文件为.env文件。

cp .env.example .env

2. 编辑.env 文件

使用文本编辑器（如 Notepad++、VS Code 等）打开.env文件，添加以下 API 密钥：

# For running LLMs hosted by openai (gpt-4o, gpt-4o-mini, etc.)
# Get your OpenAI API key from https://platform.openai.com/
OPENAI_API_KEY=your-openai-api-key# For running LLMs hosted by groq (deepseek, llama3, etc.)
# Get your Groq API key from https://groq.com/
GROQ_API_KEY=your-groq-api-key# For getting financial data to power the hedge fund
# Get your Financial Datasets API key from https://financialdatasets.ai/
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key

API 密钥获取（有限的免费额度，完整功能API密钥可能要收费）

openai-api-key获取网址：

https://platform.openai.com/welcome?step=try

groq-api-key获取网址：

https://console.groq.com/home

financial-datasets-api-key获取网址：

Financial Datasets | Stock Market API

五、安装项目依赖

项目依赖的安装是确保项目各功能模块正常运行的关键步骤，需分别安装根项目依赖、后端应用依赖和前端应用依赖。

安装根项目依赖

在项目根目录的终端中，执行poetry install命令，Poetry 会根据项目的pyproject.toml文件自动安装所需的依赖包。

poetry install

六、运行项目

完成上述步骤后，即可运行项目进行对冲基金分析。

1、在项目根目录的终端中，执行poetry run python src/main.py --ticker AAPL --ollama命令（其中--ticker AAPL可根据需求修改为其他股票代码，--ollama表示使用 Ollama 进行本地 LLM 推理）。

poetry run python src/main.py --ticker AAPL --ollama

2、执行命令后，会提示选择 AI 分析师，通过按↑ ↓箭头移动光标，按空格键选择分析师，按回车键确认选择。

3、接着会提示选择 Ollama 模型，通过按↑ ↓箭头移动光标，按回车键确认选择。

常见问题及解决：
- LLM 调用失败（状态码 502 等）：

【笔记】排查并解决Error in LLM call after 3 attempts: (status code: 502)-CSDN博客

- - 尝试使用更小的模型，如gemma3:4b、llama3:7b 。

- - 修改src/tools/llm.py增加超时时间和重试次数，并在重试时尝试重启 Ollama 服务。具体可在call_ollama函数中增加相关逻辑，例如：

def call_ollama(prompt, model="gemma3:4b", max_retries=10, timeout=300):url = "http://localhost:11434/api/generate"payload = {"model": model,"prompt": prompt,"stream": False,"temperature": 0.1,"max_tokens": 1500,"top_p": 0.9,"frequency_penalty": 0.2}for attempt in range(max_retries):try:logger.info(f"LLM call attempt {attempt+1}/{max_retries}")response = requests.post(url, json=payload, timeout=timeout)response.raise_for_status()return response.json()["response"]except Exception as e:logger.warning(f"LLM call failed: {e}")# 每3次重试重启一次服务if attempt % 3 == 0: try:subprocess.run(["taskkill", "/F", "/IM", "ollama.exe"], check=True)time.sleep(2)subprocess.Popen(["ollama", "serve"], stdout=subprocess.PIPE, stderr=subprocess.PIPE)time.sleep(5) except Exception as restart_e:logger.warning(f"Failed to restart Ollama: {restart_e}")time.sleep(5 * (attempt + 1)) raise Exception("Failed to get response from LLM after multiple attempts")

优化 Ollama 配置，在~/.ollama/config.toml中设置cache_size、threads等参数。例如：

[models]
cache_size = 8  # 减少缓存大小，单位为 GB
threads = 4     # 减少线程数，根据 CPU 核心数调整

[server]
timeout = 300   # 增加超时时间，避免请求过早失败

OpenAI API 配额不足（错误代码 429）：

- 检查 OpenAI 账户配额，升级付费计划或切换到本地 Ollama 模型。

金融数据 API 请求被限流（错误代码 429）：

- 在src/tools/api.py中添加指数退避重试机制，避免频繁请求。例如：

import time
import requests
from requests.exceptions import RequestExceptiondef search_line_items(ticker, items, api_key=None):url = f"https://financialdatasets.ai/api/financials/{ticker}"headers = {"Authorization": f"Bearer {api_key}"} if api_key else {}params = {"items": ",".join(items)}max_retries = 5for attempt in range(max_retries):try:response = requests.get(url, headers=headers, params=params, timeout=30)response.raise_for_status()return response.json()except RequestException as e:if response.status_code == 429:retry_after = int(response.headers.get('Retry-After', 2 ** attempt))print(f"Rate limited. Retrying in {retry_after} seconds...")time.sleep(retry_after)continueraise Exception(f"Error fetching data: {ticker} - {response.status_code} - {response.text}")raise Exception(f"Failed after {max_retries} attempts: {ticker}")