基于 CAMEL-AI 🦉OWL框架的股票分析智能体

💡 前言

之前Manus一天火遍全网，但是由于Preview性质的发布，导致很多人拿不到内测名额互联网褒贬声浪不一。有需求就会有供应，随即第二天，网上开始涌现了很多开源类Manus应用框架，Star 比较多，热度比较高的有： OpenManus, OpenHands, OWL。值得一提是，这三款产品背后的都是已经有相对成熟的 Multi-Agent框架，所以他们复刻 Manus 是手到擒来，速度非常快。

OWL这个项目背后是CAMEL-AI, 我也是因为关注开源Manus的新闻资讯才了解到这个项目。之前对 LLM 框架和 Agent 智能体框架接触比较多的是 LangChain 和 LangGraph，想着横向对比一下CAMEL-AI，就去学习和了解了一下CAMEL-AI。正好OWL发布了一个社区用例的召集令。那就上手做一个案例吧～

下面就介绍一下，我用CAMEL-AI实现的一个 股票分析智能体 - Stock Analysis Agent

代码地址：github.com/camel-ai/ow...

📈 Stock Analysis Agent

📖 功能介绍

基于 🦉OWL 框架的股票分析的智能体，通过对股票的分析，为用户提供股票的分析报告，包括股票的基本信息、股票的技术指标、股票的风险指标、股票的投资建议等。

Stock Analysis Agent 架构图

Stock Analysis Agent：使用使用 Camel-ai 框架中的 RolePlaying Agent（同 OWL 一样）作为主智能体
Stock Analysis Tool：使用报告搜索、SEC 工具收集公司基本信息、财务报告等信息
- Search Tool：使用如百度搜索等搜索引擎工具（Camel-ai 框架自带工具）
- SEC Tool：使用 SEC 工具获取公司基本信息、财务报表等信息。注意：获取的公司财务报表会有几十万字，建议先总结再使用，否则会有高昂的 Token 费用
- SEC Agent：这里使用了 ChatAgent，通过给定公司股票代码自动调用 SEC Tool 工具获取公司财务报表数据并生成总结报告。这里可以使用免费的 LLM 模型，如智谱的 GLM-4-Flash 模型
- Report Write Tool：使用文件编辑工具，将完整的公司投资分析报告写入文件

🚀 快速开始

1. 安装 OWL 框架

bash 复制代码

# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git

# 进入项目目录
cd owl

# 如果你还没有安装 uv，请先安装
pip install uv

# 创建虚拟环境并安装依赖
# 我们支持使用 Python 3.10、3.11、3.12
uv venv .venv --python=3.10

# 激活虚拟环境
# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate

# 安装 CAMEL 及其所有依赖
uv pip install -e .

# 进入Stock Analysis Agent目录
cd community_usecase/stock-analysis

2. 安装额外的 SEC 工具

bash 复制代码

# 安装 SEC 工具
uv pip install sec-api

3. 配置环境变量

bash 复制代码

# 创建 .env 文件
touch .env

添加相关 API keys 到 .env 文件 (可以参考 .env.example 文件)

bash 复制代码

# DeepSeek API (https://platform.deepseek.com/api_keys)
DEEPSEEK_API_KEY='Your_Key'
DEEPSEEK_API_BASE_URL="https://api.deepseek.com/v1"

# ZHIPU API (https://bigmodel.cn/usercenter/proj-mgmt/apikeys)
ZHIPUAI_API_KEY='Your_Key'
ZHIPUAI_API_BASE_URL="https://open.bigmodel.cn/api/paas/v4/"

# SEC-API (https://sec-api.io/profile)
SEC_API_API_KEY='Your_Key'

# AgentOps API (https://app.agentops.ai/settings/billing)
AGENTOPS_API_KEY= 'Your_Key'

$!TIP$ 项目使用 DeepSeek 作为 Stock Analysis Agent 的主模型，使用智谱的 GLM-4-Flash 作为 SEC Agent 的模型

4. 运行 Stock Analysis

查看运行参数

bash 复制代码

python run.py --h

usage: run.py [-h] [--company COMPANY] [--use-agentops] [--rounds ROUNDS]

Stock Analysis Agent

options:
  -h, --help         show this help message and exit
  --company COMPANY  Company name to analyze
  --use-agentops     Enable AgentOps tracking
  --rounds ROUNDS    Maximum conversation rounds

执行公司股票投资分析

bash 复制代码

python run.py --company Apple

查看运行结果

bash 复制代码

# ./log 目录
Apple_chat_history.json #记录整个执行过程，包括对话记录和工具调用信息等
# ./output 目录
Apple_analysis_report.md #输出的投资分析报告

查看运行案例
- Apple
  - Chat History
  - Report
- Google
  - Chat History
  - Report
- Alibaba
  - Chat History
  - Report

🥰 获取帮助

如果您在运行中发现问题，可以尝试以下方法：

查看控制台输出的错误信息
在 GitHub 仓库上提交 issue

📂 项目结构

bash 复制代码

stock-analysis
├── agent
│   └── sec_agent.py    # SEC Agent
├── example
├── log                 # log directory
├── output              # Report output directory
├── prompts.py          # Prompt templates
├── run.py              # Main file
└── tools
    └── sec_tools.py    # SEC Tool

📝 License

本项目基于 CAMEL-AI OWL 框架构建，该框架许可是Apache License 2.0

🙏 致谢

-该项目基于CAMEL-AI OWL 框架构建 -特别感谢 CAMEL-AI 的贡献者

Finding the Scaling Law of Agents: The First and the Best Multi-Agent Framework.