最近利用 Claude Code 和一些国产大模型，我从零开始，基于 Java 搭建了一个多 Agent 股票分析系统。这套系统的核心是一个流水线，依次经过研究员、技术分析师、舆情分析师和投资经理四个角色，同时还加入了多模型辩论模式——让多个 LLM 从看多、看空、中立三个立场进行对抗辩论，最后由仲裁官进行综合裁决。
整个开发过程下来，有几点感触特别深，分享给大家。
1. 先设计再动手
我觉得最值得的一步，是在写代码之前，花了差不多一整天的时间，先写了一份详细的设计文档。这份文档涵盖了整个系统架构、数据流、核心类图、接口定义，甚至连关键部分的伪代码都写清楚了。然后，我把这份文档丢给 AI 助手反复 Review，迭代了三四轮之后才真正动手写代码。
效果非常明显，进入编码阶段后几乎没有出现返工的情况。因为所有的边界条件和模块之间的契约，都在设计阶段理得清清楚楚。这可以看作是 Spec Coding 思想的一种简化实践。
2. 写完就跑 /simplify 或自定义 Review Skill
Claude Code 的 /simplify 指令非常实用。执行后，它会启动三个并行的 Agent，分别从代码复用性、代码质量、执行效率三个维度对代码进行审查。这个功能多次帮我提取出了重复的逻辑，清除了无效的死代码，甚至还发现了一些之前没注意到的设计缺陷。
你不需要记住复杂的命令，只需要在对话中输入一个斜杠 / 就能调出这个指令，也可以根据团队的编码规范去自定义 Review Skill。我个人就经常搭配自己写的、用于检查 Java 编码规范的 Skill 一起使用。
3. 让 Claude 自己干活，你可以去睡觉了
如果你的设计方案足够详细，可以尝试直接告诉 Claude：“请按照方案实现，并自动执行。所有任务完成后，自动运行一遍 /simplify 进行审查。” 你可能会惊喜地发现，第二天早上起来，十几个子任务已经全部完成，连编译错误都修复好了，/simplify 的审查报告也生成了。
一个很明显的规律是：设计文档写得越模糊，开发过程中需要你人工介入和纠正的概率就越高。前期投入的设计时间，后期会以极高的效率回报给你。
项目核心功能简介
这个项目纯粹是出于兴趣开发的，完全从零开始。它的核心功能包括：
- 流水线模式：四个 Agent 采用串行与并行结合的方式协作，覆盖了实时行情采集、K线/MACD/RSI 技术指标分析、股吧社区舆情监控、综合决策与风险评估全流程。
- 辩论模式：引入多个 LLM 进行多空对抗辩论，并由仲裁官进行最终裁决，旨在减少单一模型的偏见，让分析结论更客观。
- 记忆系统：能够自动召回和关联历史分析结论，确保对同一支股票的分析保持上下文的连贯性。
- 工程化能力：实现了 SSE 流式结果输出、多 LLM 的热切换与故障降级、提示词模板的版本管理，以及可插拔的策略系统。
- 前端界面：提供了基础的 K 线图展示、Agent 对话面板（支持 @ 指定某个 Agent 发言）、自选股管理，以及分析历史记录与报告导出功能。
由于项目实现中涉及网络爬虫相关逻辑，为避免潜在风险，完整的源码暂时就不公开分享了。如果你对这类 人工智能 应用或 多Agent系统 的架构设计感兴趣，可以到 云栈社区 与其他开发者一起交流探讨。
相关链接：
| 
发表于 昨天 18:55
|
查看: 19|
回复: 0
