项目背景与目标

管理投资组合是一项复杂任务，需要持续关注市场趋势、资产表现和风险敞口。许多个人投资者和财务顾问难以手动分析海量数据来做出明智决策。本教程将使用LangGraph构建一个多智能体系统，自动分析用户持有的投资组合（以JSON文件表示），结合金融市场实时信息，生成一份包含优化建议的综合报告。

系统整体架构：层次化多智能体设计

本系统采用层次化（Hierarchical）工作流模式，由一个监督者（supervisor）节点协调三个专业代理：

• search_agent：负责检索金融新闻、公司财报等公开信息，使用Tavily搜索工具。
• read_portfolio_agent：解析本地JSON文件，提取各持仓的买入价、数量、行业等信息。
• doc_writer_agent：整合所有分析结果，生成最终的可读报告。

所有节点共享一个全局状态（State），状态中包含了当前任务、各代理输出以及待写入的报告内容。监督者根据当前状态决定下一个执行的代理或是否终止。

环境配置与依赖

确保安装以下Python包（版本以实际为准）：

pipinstalllangchain langgraph tavily-python

此外，需要准备一个portfolio.json文件，其结构示例（从原书代码分支获取）：

[{"symbol":"AAPL","sector":"Technology","quantity":13,"purchase_price":1202.57,"total_invested":15633.41,"purchase_date":"2022-03-12"}]

实现搜索代理

search_agent的核心是利用Tavily工具获取相关信息。在LangGraph中，我们将其定义为一个节点，内部使用一个LLM实例（如GPT-4o）和Tavily搜索API。

关键配置：

classSearchAgent:def__init__(self,llm,tavily_tool):self.llm=llm