Hermes Agent 的多 Agent 协作能力可以实现一个完整的投资研究工作流。本文以 A 股短线股票推荐为例，介绍一个多 Agent 分工协作的专业研究系统。
案例背景
需求：每天收盘后，综合技术面、情绪面、基本面三个维度分析，推荐 5 只适合第二天买入、48 小时内卖出的短线标的。
挑战：
- 要覆盖多个专业维度，单一 Agent 无法兼顾
- WSL 环境下部分数据接口不可用（akshare、东方财富 API）
- 各维度分析完成后需要综合权衡
架构设计
1. 总管统筹：首席策略官模式
系统采用”总管统筹”架构：
- ymstar（源鸣星辰）—— 首席策略官，负责决策、路由、综合、交付
- stock-technicalanalyst —— 技术面分析师，擅长 K 线形态、均线、MACD/RSI/KDJ
- stock-sentimentanalyst —— 市场情绪分析师，识别资金流向和舆情热点
- stock-macroanalyst —— 基本面与宏观分析师，评估估值和业绩预期
- pubmotto —— 发布与通知专员，负责 WordPress 发布和飞书推送
2. 工作流（四步走）
第零步：筛选候选标的
ymstar 通过浏览器打开东方财富行情中心，筛选出单价 < 100 元、换手率 > 1%、成交额 > 1 亿的 20-30 只活跃候选标的，用 Sina HQ API 确认实时价格。
第一阶段：并行研究（Kanban）
ymstar 同时创建 3 张 Kanban 任务卡，分别派给三位分析师：
- 技术面卡：获取每只股票近 60 个交易日的 OHLCV 数据，计算 MACD、RSI、KDJ、均线，筛选出放量突破、MACD 金叉、均线多头排列的标的
- 情绪面卡：利用东方财富 Push API 获取主力资金流向，筛选主力净流入、情绪面支撑强的标的
- 基本面卡：通过浏览器查看 PE/PB、近期业绩，筛选估值合理且有短期催化剂的标的
三张卡没有依赖关系，可以完全并行执行。
第二阶段：综合研判
当三路研究全部完成后，ymstar 的综合卡自动触发。采用加权综合模型：技术面 40% + 情绪面 30% + 基本面 30%，选出综合评分最高的 5 只标的，给出买入价区间、目标卖出价、止损价。
第三阶段：发布与通知
pubmotto 自动将结果发布到 mottobook.com 的 talks 分类，并通过飞书推送给用户。
技术实现亮点
Kanban 依赖链自动化
核心机制是 Kanban 的 “parents” 依赖：
kanban_create(
title="综合研判：推荐 5 只明日短线标的",
assignee="ymstar",
parents=[技术面卡ID, 情绪面卡ID, 基本面卡ID],
)当三张研究卡都完成后，综合卡自动变为 “ready” 状态，由 ymstar 执行。这个机制确保了工作流的顺序性和可追溯性。
WSL 环境的数据采集解决方案
在 WSL 环境下，部分常用的金融数据库（akshare、东方财富 API）无法使用。解决方案：
- 腾讯 K 线 API（web.ifzq.gtimg.cn）—— 获取历史 OHLCV 数据
- 新浪实时行情 API（hq.sinajs.cn）—— 获取实时报价，需加 Referer 头
- 东方财富 Push API（push2.eastmoney.com）—— 获取资金流向
- 浏览器工具（browser_navigate）—— 打开各大财经网站拓取数据
加权综合评分模型
综合研判阶段使用三维加权评分：
- 技术面评分 x 40% —— 短线交易的核心依据
- 情绪面评分 x 30% —— 短期买卖力的资金指标
- 基本面评分 x 30% —— 估值安全边际和催化剂
运行效果
整个流程从 20-30 只候选标的到最终推荐 5 只短线标的，全自动化。用户只需对 ymstar 说一句”分析今天市场”，系统就自动走完全套流程：
- ymstar 筛选候选标的
- 并行派发 3 路研究任务
- 等待全部完成
- 综合研判推荐最佳标的
- 发布到 WordPress + 推送飞书
经验总结
- 总管统筹架构适合复杂研究：一个策略中枢调度多个专业 Agent，既保证了分析维度的完整性，又避免了单一 Agent 能力不足的问题
- Kanban 依赖链加强可指挥性：每一步都是明确的任务卡，进度可视、可追溯、可审计
- 环境限制催生创新：WSL 不能用 akshare，促使开发了多种替代数据源（腾讯 K 线 API、新浪实时行情、东方财富 Push API、浏览器采集）
- 单元化设计促进复用：每个分析师独立专注一个维度，可以单独测试、单独调优、单独替换
