feat(README): 添加 OpenBB 市场数据集成

- 在 README.md 中添加了 OpenBB 市场数据集成的说明
- 更新了 doppler_config.py 中 Google GenAI 配置逻辑
- 移除了与 ADK 和 Ollama 相关的示例代码文件

README.md

@@ -11,6 +11,7 @@
 - **🌍 天下体系分析**: 基于儒门天下观的资本生态"天命树"分析模型
 - **🔒 安全配置管理**: 使用Doppler进行统一的密钥和配置管理
 - **📊 智能数据源**: 基于17个RapidAPI订阅的永动机数据引擎
+- **📈 市场数据 (可选)**: 集成 OpenBB v4，统一路由多数据提供商，详见 docs/openbb_integration.md
 - **🎨 现代化界面**: 基于Streamlit的响应式Web界面
 
 ## 🏗️ 项目结构

config/doppler_config.py

@@ -95,9 +95,12 @@ def get_google_genai_config() -> Dict[str, str]:
     Returns:
         Google GenAI配置字典
     """
+    use_vertex_ai = get_secret('GOOGLE_GENAI_USE_VERTEXAI', 'FALSE').upper() == 'TRUE'
+    api_key = '' if use_vertex_ai else get_secret('GOOGLE_API_KEY', '')
+
     return {
-        'api_key': get_secret('GOOGLE_API_KEY', ''),
+        'api_key': api_key,
-        'use_vertex_ai': get_secret('GOOGLE_GENAI_USE_VERTEXAI', 'FALSE'),
+        'use_vertex_ai': str(use_vertex_ai).upper(),
         'project_id': get_secret('GOOGLE_CLOUD_PROJECT_ID', ''),
         'location': get_secret('GOOGLE_CLOUD_LOCATION', 'us-central1'),
         'memory_bank_enabled': get_secret('VERTEX_MEMORY_BANK_ENABLED', 'TRUE'),
@@ -238,4 +241,4 @@ def validate_config(mode: str = "hybrid") -> bool:
 if __name__ == "__main__":
     # 配置验证脚本
     print("🔧 验证配置...")
-    validate_config()
+    validate_config()

docs/openbb_integration.md

@@ -0,0 +1,56 @@
+# OpenBB 集成指南
+
+本指南帮助你在本项目中启用并使用 OpenBB v4 作为市场数据源，同时保证在未安装 OpenBB 的情况下，应用可平稳回退到演示/合成数据。
+
+## 1. 为什么选择 OpenBB v4
+- 统一的路由接口：`from openbb import obb`
+- 多数据提供商聚合（如 yfinance、polygon、fmp 等）
+- 返回对象支持 `.results` 或 `.to_df()`，便于统一处理
+
+## 2. 安装与环境准备
+默认未安装 OpenBB（requirements.txt 中为可选依赖）。如需启用：
+
+```bash
+pip install "openbb>=4.1.0"
+```
+
+若你使用的是国内网络，建议配置合适的 PyPI 镜像或使用代理。
+
+## 3. 配置说明
+无需额外配置即可使用 `provider='yfinance'` 的公共数据。若你有付费数据源（如 polygon），可通过环境变量或 OpenBB 的 provider 配置进行设置。
+
+## 4. 代码结构与调用方式
+- Streamlit UI: `app/tabs/openbb_tab.py`
+  - 自动检测 OpenBB 是否可用；若不可用则使用演示数据或合成数据
+  - 优先路由：`obb.equity.price.historical`，ETF 回退至 `obb.etf.price.historical`
+- 引擎模块: `src/jixia/engines/openbb_engine.py`
+  - 延迟导入 OpenBB：首次调用时 `from openbb import obb`
+  - 对 `.results` / `.to_df()` / `.to_dataframe()` 做兼容处理
+- 辅助脚本: `src/jixia/engines/openbb_stock_data.py`
+  - 延迟导入 `obb`
+  - ETF 历史数据路径更新为 `obb.etf.price.historical`
+
+## 5. 回退机制
+- UI 层（OpenBB Tab）
+  - 未安装 OpenBB 或请求失败：读取 `examples/data/*.json` 的演示数据；仍失败则生成合成数据
+- 引擎层
+  - 若未安装 OpenBB：返回 `success=False`，带错误消息，不影响其他功能
+
+## 6. 开发与测试
+- 单元测试建议：
+  - 未安装 OpenBB 时，`_load_price_data` 能返回演示/合成数据
+  - 已安装 OpenBB 时，能通过 `obb.equity.price.historical` 获取 DataFrame
+- 在本仓库中新增了占位测试：`tests/test_openbb_fallback.py`
+
+## 7. 典型问题排查
+- ImportError: No module named 'openbb'
+  - 未安装 OpenBB；按第2节安装。
+- 返回空数据
+  - 检查 symbol 是否正确；尝试更换 provider 或缩短时间窗口。
+- 列名/索引不匹配
+  - UI 中已对常见列/索引做了规范化处理；如仍异常，可打印原始 DataFrame 排查。
+
+## 8. 后续计划
+- 接入更多 OpenBB 路由（基本面、新闻、财报、因子）
+- 与辩论系统结果联动，生成投资洞察卡片
+- 支持用户自定义 provider 优先级与兜底策略

examples/debates/adk_debate_test.py

@@ -1,130 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-稷下学宫 Google ADK 论道系统测试
-基于 Google ADK 的八仙论道原型
-"""
-
-import os
-import asyncio
-from google.adk import Agent
-from google.adk.tools import FunctionTool
-
-# 八仙智能体定义
-def create_baxian_agents():
-    """创建八仙智能体"""
-    
-    # 铁拐李 - 逆向思维专家
-    tie_guai_li = Agent(
-        name="铁拐李",
-        model="gemini-2.5-flash"
-    )
-    
-    # 汉钟离 - 平衡协调者
-    han_zhong_li = Agent(
-        name="汉钟离",
-        model="gemini-2.5-flash"
-    )
-    
-    # 张果老 - 历史智慧者
-    zhang_guo_lao = Agent(
-        name="张果老",
-        model="gemini-2.5-flash"
-    )
-    
-    # 蓝采和 - 创新思维者
-    lan_cai_he = Agent(
-        name="蓝采和",
-        model="gemini-2.5-flash"
-    )
-    
-    # 何仙姑 - 直觉洞察者
-    he_xian_gu = Agent(
-        name="何仙姑",
-        model="gemini-2.5-flash"
-    )
-    
-    # 吕洞宾 - 理性分析者
-    lu_dong_bin = Agent(
-        name="吕洞宾",
-        model="gemini-2.5-flash"
-    )
-    
-    # 韩湘子 - 艺术感知者
-    han_xiang_zi = Agent(
-        name="韩湘子",
-        model="gemini-2.5-flash"
-    )
-    
-    # 曹国舅 - 实务执行者
-    cao_guo_jiu = Agent(
-        name="曹国舅",
-        model="gemini-2.5-flash"
-    )
-    
-    return {
-        "铁拐李": tie_guai_li,
-        "汉钟离": han_zhong_li,
-        "张果老": zhang_guo_lao,
-        "蓝采和": lan_cai_he,
-        "何仙姑": he_xian_gu,
-        "吕洞宾": lu_dong_bin,
-        "韩湘子": han_xiang_zi,
-        "曹国舅": cao_guo_jiu
-    }
-
-def test_single_agent():
-    """测试单个智能体"""
-    print("🧪 测试单个智能体...")
-    
-    # 创建铁拐李智能体
-    tie_guai_li = Agent(
-        name="铁拐李",
-        model="gemini-2.5-flash"
-    )
-    
-    print(f"✅ 智能体 '{tie_guai_li.name}' 创建成功")
-    print(f"📱 使用模型: {tie_guai_li.model}")
-    
-    return tie_guai_li
-
-def test_baxian_creation():
-    """测试八仙智能体创建"""
-    print("\n🎭 创建八仙智能体...")
-    
-    baxian = create_baxian_agents()
-    
-    print(f"✅ 成功创建 {len(baxian)} 个智能体:")
-    for name, agent in baxian.items():
-        print(f"   - {name}: {agent.model}")
-    
-    return baxian
-
-def main():
-    """主测试函数"""
-    print("🚀 开始稷下学宫 ADK 论道系统测试...")
-    
-    # 检查API密钥
-    api_key = os.getenv('GOOGLE_API_KEY')
-    if not api_key:
-        print("❌ 未找到 GOOGLE_API_KEY 环境变量")
-        print("请使用: doppler run -- python src/jixia/debates/adk_debate_test.py")
-        return
-    
-    print(f"✅ API密钥已配置 (长度: {len(api_key)} 字符)")
-    
-    # 测试单个智能体
-    single_agent = test_single_agent()
-    
-    # 测试八仙智能体创建
-    baxian = test_baxian_creation()
-    
-    print("\n🎉 ADK 论道系统基础测试完成！")
-    print("\n📝 下一步:")
-    print("   1. 实现智能体间的对话逻辑")
-    print("   2. 集成 RapidAPI 数据源")
-    print("   3. 创建论道主题和流程")
-    print("   4. 连接 Streamlit 界面")
-
-if __name__ == "__main__":
-    main()

examples/debates/adk_simple_debate.py

@@ -1,82 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-稷下学宫 ADK 简单论道测试
-实现智能体间的基本对话功能
-"""
-
-import os
-from google.adk import Agent
-
-def create_debate_agents():
-    """创建论道智能体"""
-    
-    # 铁拐李 - 逆向思维专家
-    tie_guai_li = Agent(
-        name="铁拐李",
-        model="gemini-2.0-flash-exp"
-    )
-    
-    # 吕洞宾 - 理性分析者
-    lu_dong_bin = Agent(
-        name="吕洞宾",
-        model="gemini-2.0-flash-exp"
-    )
-    
-    return tie_guai_li, lu_dong_bin
-
-def simple_debate_test():
-    """简单论道测试"""
-    print("🎭 开始简单论道测试...")
-    
-    # 创建智能体
-    tie_guai_li, lu_dong_bin = create_debate_agents()
-    
-    print("\n📋 论道主题: 人工智能对未来社会的影响")
-    print("\n🎯 开始论道...")
-    
-    try:
-        # 测试智能体创建
-        print("\n✅ 智能体创建成功:")
-        print(f"   - {tie_guai_li.name}: {tie_guai_li.model}")
-        print(f"   - {lu_dong_bin.name}: {lu_dong_bin.model}")
-        
-        print("\n🎉 简单论道测试完成！")
-        print("\n📝 智能体基础功能验证成功")
-        
-    except Exception as e:
-        print(f"❌ 论道测试失败: {e}")
-        return False
-    
-    return True
-
-def main():
-    """主函数"""
-    print("🚀 稷下学宫 ADK 简单论道系统")
-    
-    # 检查API密钥
-    api_key = os.getenv('GOOGLE_API_KEY')
-    if not api_key:
-        print("❌ 未找到 GOOGLE_API_KEY 环境变量")
-        print("请使用: doppler run -- python src/jixia/debates/adk_simple_debate.py")
-        return
-    
-    print(f"✅ API密钥已配置")
-    
-    # 运行测试
-    try:
-        result = simple_debate_test()
-        if result:
-            print("\n📝 测试结果: 成功")
-            print("\n🎯 下一步开发计划:")
-            print("   1. 学习ADK的正确调用方式")
-            print("   2. 实现智能体对话功能")
-            print("   3. 扩展到八仙全员论道")
-            print("   4. 集成实时数据源")
-        else:
-            print("\n❌ 测试失败")
-    except Exception as e:
-        print(f"❌ 运行失败: {e}")
-
-if __name__ == "__main__":
-    main()

examples/debates/jixia_ollama_swarm.py

@@ -1,355 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-稷下学宫本地版 - 基于Ollama的四仙辩论系统
-使用本地Ollama服务，无需API密钥
-"""
-
-import asyncio
-import json
-from datetime import datetime
-from swarm import Swarm, Agent
-from typing import Dict, List, Any, Optional
-import random
-
-class JixiaOllamaSwarm:
-    """稷下学宫本地版 - 使用Ollama的四仙辩论系统"""
-    
-    def __init__(self):
-        # Ollama配置
-        self.ollama_base_url = "http://100.99.183.38:11434"
-        self.model_name = "gemma3n:e4b"  # 使用你指定的模型
-        
-        # 初始化Swarm客户端，使用Ollama
-        from openai import OpenAI
-        openai_client = OpenAI(
-            api_key="ollama",  # Ollama不需要真实的API密钥
-            base_url=f"{self.ollama_base_url}/v1"
-        )
-        self.client = Swarm(client=openai_client)
-        
-        print(f"🦙 使用本地Ollama服务: {self.ollama_base_url}")
-        print(f"🤖 使用模型: {self.model_name}")
-        
-        # 四仙配置
-        self.immortals = {
-            '吕洞宾': {
-                'role': '技术分析专家',
-                'stance': 'positive',
-                'specialty': '技术分析和图表解读',
-                'style': '犀利直接，一剑封喉'
-            },
-            '何仙姑': {
-                'role': '风险控制专家', 
-                'stance': 'negative',
-                'specialty': '风险评估和资金管理',
-                'style': '温和坚定，关注风险'
-            },
-            '张果老': {
-                'role': '历史数据分析师',
-                'stance': 'positive', 
-                'specialty': '历史回测和趋势分析',
-                'style': '博古通今，从历史找规律'
-            },
-            '铁拐李': {
-                'role': '逆向投资大师',
-                'stance': 'negative',
-                'specialty': '逆向思维和危机发现', 
-                'style': '不拘一格，挑战共识'
-            }
-        }
-        
-        # 创建智能体
-        self.agents = self.create_agents()
-        
-    def create_agents(self) -> Dict[str, Agent]:
-        """创建四仙智能体"""
-        agents = {}
-        
-        # 吕洞宾 - 技术分析专家
-        agents['吕洞宾'] = Agent(
-            name="LuDongbin",
-            instructions="""
-            你是吕洞宾，八仙之首，技术分析专家。
-            
-            你的特点：
-            - 擅长技术分析和图表解读
-            - 立场：看涨派，善于发现投资机会
-            - 风格：犀利直接，一剑封喉
-            
-            在辩论中：
-            1. 从技术分析角度分析市场
-            2. 使用具体的技术指标支撑观点（如RSI、MACD、均线等）
-            3. 保持看涨的乐观态度
-            4. 发言以"吕洞宾曰："开头
-            5. 发言控制在100字以内，简洁有力
-            6. 发言完毕后说"请何仙姑继续论道"
-            
-            请用古雅但现代的语言风格，结合专业的技术分析。
-            """,
-            functions=[self.to_hexiangu]
-        )
-        
-        # 何仙姑 - 风险控制专家
-        agents['何仙姑'] = Agent(
-            name="HeXiangu", 
-            instructions="""
-            你是何仙姑，八仙中唯一的女仙，风险控制专家。
-            
-            你的特点：
-            - 擅长风险评估和资金管理
-            - 立场：看跌派，关注投资风险
-            - 风格：温和坚定，关注风险控制
-            
-            在辩论中：
-            1. 从风险控制角度分析市场
-            2. 指出潜在的投资风险和危险信号
-            3. 保持谨慎的态度，强调风险管理
-            4. 发言以"何仙姑曰："开头
-            5. 发言控制在100字以内，温和但坚定
-            6. 发言完毕后说"请张果老继续论道"
-            
-            请用温和但专业的语调，体现女性的细致和关怀。
-            """,
-            functions=[self.to_zhangguolao]
-        )
-        
-        # 张果老 - 历史数据分析师
-        agents['张果老'] = Agent(
-            name="ZhangGuoLao",
-            instructions="""
-            你是张果老，历史数据分析师。
-            
-            你的特点：
-            - 擅长历史回测和趋势分析
-            - 立场：看涨派，从历史中寻找机会
-            - 风格：博古通今，从历史中找规律
-            
-            在辩论中：
-            1. 从历史数据角度分析市场
-            2. 引用具体的历史案例和数据
-            3. 保持乐观的投资态度
-            4. 发言以"张果老曰："开头
-            5. 发言控制在100字以内，引经据典
-            6. 发言完毕后说"请铁拐李继续论道"
-            
-            请用博学的语调，多引用历史数据和案例。
-            """,
-            functions=[self.to_tieguaili]
-        )
-        
-        # 铁拐李 - 逆向投资大师
-        agents['铁拐李'] = Agent(
-            name="TieGuaiLi",
-            instructions="""
-            你是铁拐李，逆向投资大师。
-            
-            你的特点：
-            - 擅长逆向思维和危机发现
-            - 立场：看跌派，挑战主流观点
-            - 风格：不拘一格，敢于质疑
-            
-            在辩论中：
-            1. 从逆向投资角度分析市场
-            2. 挑战前面三位仙人的观点
-            3. 寻找市场的潜在危机和泡沫
-            4. 发言以"铁拐李曰："开头
-            5. 作为最后发言者，要总结四仙观点并给出结论
-            6. 发言控制在150字以内，包含总结
-            
-            请用直率犀利的语言，体现逆向思维的独特视角。
-            """,
-            functions=[]  # 最后一个，不需要转换
-        )
-        
-        return agents
-    
-    def to_hexiangu(self):
-        """转到何仙姑"""
-        return self.agents['何仙姑']
-    
-    def to_zhangguolao(self):
-        """转到张果老"""
-        return self.agents['张果老']
-    
-    def to_tieguaili(self):
-        """转到铁拐李"""
-        return self.agents['铁拐李']
-    
-    async def conduct_debate(self, topic: str, context: Dict[str, Any] = None) -> Dict[str, Any]:
-        """进行四仙辩论"""
-        print("🏛️ 稷下学宫四仙论道开始！")
-        print("=" * 60)
-        print(f"🎯 论道主题: {topic}")
-        print(f"⏰ 开始时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
-        print(f"🦙 使用本地Ollama: {self.ollama_base_url}")
-        print()
-        
-        # 构建初始提示
-        prompt = self.build_prompt(topic, context)
-        
-        try:
-            print("⚔️ 吕洞宾仙长请先发言...")
-            print("-" * 40)
-            
-            # 开始辩论
-            response = self.client.run(
-                agent=self.agents['吕洞宾'],
-                messages=[{"role": "user", "content": prompt}],
-                max_turns=8,  # 四仙各发言一次，加上可能的交互
-                model_override=self.model_name
-            )
-            
-            print("\n" + "=" * 60)
-            print("🎊 四仙论道圆满结束！")
-            
-            # 处理结果
-            result = self.process_result(response, topic, context)
-            self.display_summary(result)
-            
-            return result
-            
-        except Exception as e:
-            print(f"❌ 论道过程中出错: {e}")
-            import traceback
-            traceback.print_exc()
-            return None
-    
-    def build_prompt(self, topic: str, context: Dict[str, Any] = None) -> str:
-        """构建辩论提示"""
-        context_str = ""
-        if context:
-            context_str = f"\n📊 市场背景:\n{json.dumps(context, indent=2, ensure_ascii=False)}\n"
-        
-        prompt = f"""
-        🏛️ 稷下学宫四仙论道正式开始！
-        
-        📜 论道主题: {topic}
-        {context_str}
-        
-        🎭 论道规则:
-        1. 四仙按序发言：吕洞宾 → 何仙姑 → 张果老 → 铁拐李
-        2. 正反方交替：吕洞宾(看涨) → 何仙姑(看跌) → 张果老(看涨) → 铁拐李(看跌)
-        3. 每位仙人从专业角度分析，提供具体数据支撑
-        4. 可以质疑前面仙人的观点，但要有理有据
-        5. 保持仙风道骨的表达风格，但要专业
-        6. 每次发言简洁有力，控制在100字以内
-        7. 铁拐李作为最后发言者要总结观点
-        
-        🗡️ 请吕洞宾仙长首先发言！
-        记住：你是技术分析专家，要从技术面找到投资机会！
-        发言要简洁有力，一剑封喉！
-        """
-        return prompt
-    
-    def process_result(self, response, topic: str, context: Dict[str, Any]) -> Dict[str, Any]:
-        """处理辩论结果"""
-        messages = response.messages if hasattr(response, 'messages') else []
-        
-        debate_messages = []
-        for msg in messages:
-            if msg.get('role') == 'assistant' and msg.get('content'):
-                content = msg['content']
-                speaker = self.extract_speaker(content)
-                
-                debate_messages.append({
-                    'speaker': speaker,
-                    'content': content,
-                    'timestamp': datetime.now().isoformat(),
-                    'stance': self.immortals.get(speaker, {}).get('stance', 'unknown')
-                })
-        
-        return {
-            "debate_id": f"jixia_ollama_{datetime.now().strftime('%Y%m%d_%H%M%S')}",
-            "topic": topic,
-            "context": context,
-            "messages": debate_messages,
-            "final_output": debate_messages[-1]['content'] if debate_messages else "",
-            "timestamp": datetime.now().isoformat(),
-            "framework": "OpenAI Swarm + Ollama",
-            "model": self.model_name,
-            "ollama_url": self.ollama_base_url
-        }
-    
-    def extract_speaker(self, content: str) -> str:
-        """从内容中提取发言者"""
-        for name in self.immortals.keys():
-            if f"{name}曰" in content:
-                return name
-        return "未知仙人"
-    
-    def display_summary(self, result: Dict[str, Any]):
-        """显示辩论总结"""
-        print("\n🌟 四仙论道总结")
-        print("=" * 60)
-        print(f"📜 主题: {result['topic']}")
-        print(f"⏰ 时间: {result['timestamp']}")
-        print(f"🔧 框架: {result['framework']}")
-        print(f"🤖 模型: {result['model']}")
-        print(f"💬 发言数: {len(result['messages'])}条")
-        
-        # 统计正反方观点
-        positive_count = len([m for m in result['messages'] if m.get('stance') == 'positive'])
-        negative_count = len([m for m in result['messages'] if m.get('stance') == 'negative'])
-        
-        print(f"📊 观点分布: 看涨{positive_count}条, 看跌{negative_count}条")
-        
-        print("\n🏆 最终总结:")
-        print("-" * 40)
-        if result['messages']:
-            print(result['final_output'])
-        
-        print("\n✨ 本地辩论特色:")
-        print("🦙 使用本地Ollama，无需API密钥")
-        print("🗡️ 四仙各展所长，观点多元")
-        print("⚖️ 正反方交替，辩论激烈")
-        print("🚀 基于Swarm，性能优越")
-        print("🔒 完全本地运行，数据安全")
-
-# 主函数
-async def main():
-    """主函数"""
-    print("🏛️ 稷下学宫本地版 - Ollama + Swarm")
-    print("🦙 使用本地Ollama服务，无需API密钥")
-    print("🚀 四仙论道，完全本地运行")
-    print()
-    
-    # 创建辩论系统
-    academy = JixiaOllamaSwarm()
-    
-    # 辩论主题
-    topics = [
-        "英伟达股价走势：AI泡沫还是技术革命？",
-        "美联储2024年货币政策：加息还是降息？", 
-        "比特币vs黄金：谁是更好的避险资产？",
-        "中国房地产市场：触底反弹还是继续下行？",
-        "特斯拉股价：马斯克效应还是基本面支撑？"
-    ]
-    
-    # 随机选择主题
-    topic = random.choice(topics)
-    
-    # 市场背景
-    context = {
-        "market_sentiment": "谨慎乐观",
-        "volatility": "中等",
-        "key_events": ["财报季", "央行会议", "地缘政治"],
-        "technical_indicators": {
-            "RSI": 65,
-            "MACD": "金叉",
-            "MA20": "上穿"
-        }
-    }
-    
-    # 开始辩论
-    result = await academy.conduct_debate(topic, context)
-    
-    if result:
-        print(f"\n🎉 辩论成功！ID: {result['debate_id']}")
-        print(f"📁 使用模型: {result['model']}")
-        print(f"🌐 Ollama服务: {result['ollama_url']}")
-    else:
-        print("❌ 辩论失败")
-
-if __name__ == "__main__":
-    asyncio.run(main())

examples/debates/jixia_simple_swarm.py

@@ -1,361 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-稷下学宫简化版 - 基于OpenAI Swarm的四仙辩论系统
-避免复杂的函数名称问题，专注于辩论效果
-"""
-
-import os
-import asyncio
-import json
-from datetime import datetime
-from swarm import Swarm, Agent
-from typing import Dict, List, Any, Optional
-import random
-
-class JixiaSimpleSwarm:
-    """稷下学宫简化版 - 四仙辩论系统"""
-    
-    def __init__(self):
-        # 使用Doppler配置
-        try:
-            from config.doppler_config import get_doppler_manager
-            manager = get_doppler_manager()
-            manager.load_config(force_doppler=True)
-            print("🔐 使用Doppler配置")
-        except Exception as e:
-            print(f"❌ Doppler配置失败: {e}")
-            raise
-        
-        # 获取API密钥
-        self.api_key = self.get_api_key()
-        
-        if self.api_key:
-            # 初始化Swarm客户端
-            from openai import OpenAI
-            openai_client = OpenAI(
-                api_key=self.api_key,
-                base_url="https://openrouter.ai/api/v1",
-                default_headers={
-                    "HTTP-Referer": "https://github.com/ben/cauldron",
-                    "X-Title": "Jixia Academy"
-                }
-            )
-            self.client = Swarm(client=openai_client)
-        else:
-            self.client = None
-        
-        # 四仙配置
-        self.immortals = {
-            '吕洞宾': {
-                'role': '技术分析专家',
-                'stance': 'positive',
-                'specialty': '技术分析和图表解读',
-                'style': '犀利直接，一剑封喉'
-            },
-            '何仙姑': {
-                'role': '风险控制专家', 
-                'stance': 'negative',
-                'specialty': '风险评估和资金管理',
-                'style': '温和坚定，关注风险'
-            },
-            '张果老': {
-                'role': '历史数据分析师',
-                'stance': 'positive', 
-                'specialty': '历史回测和趋势分析',
-                'style': '博古通今，从历史找规律'
-            },
-            '铁拐李': {
-                'role': '逆向投资大师',
-                'stance': 'negative',
-                'specialty': '逆向思维和危机发现', 
-                'style': '不拘一格，挑战共识'
-            }
-        }
-        
-        # 创建智能体
-        self.agents = self.create_agents()
-        
-    def get_api_key(self):
-        """获取API密钥"""
-        api_keys = [
-            os.getenv('OPENROUTER_API_KEY_1'),
-            os.getenv('OPENROUTER_API_KEY_2'), 
-            os.getenv('OPENROUTER_API_KEY_3'),
-            os.getenv('OPENROUTER_API_KEY_4')
-        ]
-        
-        for key in api_keys:
-            if key and key.startswith('sk-'):
-                print(f"✅ 找到API密钥: {key[:20]}...")
-                return key
-        
-        print("❌ 未找到有效的API密钥")
-        return None
-    
-    def create_agents(self) -> Dict[str, Agent]:
-        """创建四仙智能体"""
-        if not self.client:
-            return {}
-            
-        agents = {}
-        
-        # 吕洞宾 - 技术分析专家
-        agents['吕洞宾'] = Agent(
-            name="LuDongbin",
-            instructions="""
-            你是吕洞宾，八仙之首，技术分析专家。
-            
-            你的特点：
-            - 擅长技术分析和图表解读
-            - 立场：看涨派，善于发现投资机会
-            - 风格：犀利直接，一剑封喉
-            
-            在辩论中：
-            1. 从技术分析角度分析市场
-            2. 使用具体的技术指标支撑观点
-            3. 保持看涨的乐观态度
-            4. 发言以"吕洞宾曰："开头
-            5. 发言完毕后说"请何仙姑继续论道"
-            """,
-            functions=[self.to_hexiangu]
-        )
-        
-        # 何仙姑 - 风险控制专家
-        agents['何仙姑'] = Agent(
-            name="HeXiangu", 
-            instructions="""
-            你是何仙姑，八仙中唯一的女仙，风险控制专家。
-            
-            你的特点：
-            - 擅长风险评估和资金管理
-            - 立场：看跌派，关注投资风险
-            - 风格：温和坚定，关注风险控制
-            
-            在辩论中：
-            1. 从风险控制角度分析市场
-            2. 指出潜在的投资风险
-            3. 保持谨慎的态度
-            4. 发言以"何仙姑曰："开头
-            5. 发言完毕后说"请张果老继续论道"
-            """,
-            functions=[self.to_zhangguolao]
-        )
-        
-        # 张果老 - 历史数据分析师
-        agents['张果老'] = Agent(
-            name="ZhangGuoLao",
-            instructions="""
-            你是张果老，历史数据分析师。
-            
-            你的特点：
-            - 擅长历史回测和趋势分析
-            - 立场：看涨派，从历史中寻找机会
-            - 风格：博古通今，从历史中找规律
-            
-            在辩论中：
-            1. 从历史数据角度分析市场
-            2. 引用历史案例和数据
-            3. 保持乐观的投资态度
-            4. 发言以"张果老曰："开头
-            5. 发言完毕后说"请铁拐李继续论道"
-            """,
-            functions=[self.to_tieguaili]
-        )
-        
-        # 铁拐李 - 逆向投资大师
-        agents['铁拐李'] = Agent(
-            name="TieGuaiLi",
-            instructions="""
-            你是铁拐李，逆向投资大师。
-            
-            你的特点：
-            - 擅长逆向思维和危机发现
-            - 立场：看跌派，挑战主流观点
-            - 风格：不拘一格，敢于质疑
-            
-            在辩论中：
-            1. 从逆向投资角度分析市场
-            2. 挑战前面仙人的观点
-            3. 寻找市场的潜在危机
-            4. 发言以"铁拐李曰："开头
-            5. 作为最后发言者，要总结四仙观点并给出结论
-            """,
-            functions=[]  # 最后一个，不需要转换
-        )
-        
-        return agents
-    
-    def to_hexiangu(self):
-        """转到何仙姑"""
-        return self.agents['何仙姑']
-    
-    def to_zhangguolao(self):
-        """转到张果老"""
-        return self.agents['张果老']
-    
-    def to_tieguaili(self):
-        """转到铁拐李"""
-        return self.agents['铁拐李']
-    
-    async def conduct_debate(self, topic: str, context: Dict[str, Any] = None) -> Dict[str, Any]:
-        """进行四仙辩论"""
-        if not self.client:
-            print("❌ 客户端未初始化，无法进行辩论")
-            return None
-        
-        print("🏛️ 稷下学宫四仙论道开始！")
-        print("=" * 60)
-        print(f"🎯 论道主题: {topic}")
-        print(f"⏰ 开始时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
-        print()
-        
-        # 构建初始提示
-        prompt = self.build_prompt(topic, context)
-        
-        try:
-            print("⚔️ 吕洞宾仙长请先发言...")
-            print("-" * 40)
-            
-            # 开始辩论
-            response = self.client.run(
-                agent=self.agents['吕洞宾'],
-                messages=[{"role": "user", "content": prompt}],
-                max_turns=10,
-                model_override="openai/gpt-3.5-turbo"  # 使用稳定的模型
-            )
-            
-            print("\n" + "=" * 60)
-            print("🎊 四仙论道圆满结束！")
-            
-            # 处理结果
-            result = self.process_result(response, topic, context)
-            self.display_summary(result)
-            
-            return result
-            
-        except Exception as e:
-            print(f"❌ 论道过程中出错: {e}")
-            import traceback
-            traceback.print_exc()
-            return None
-    
-    def build_prompt(self, topic: str, context: Dict[str, Any] = None) -> str:
-        """构建辩论提示"""
-        context_str = ""
-        if context:
-            context_str = f"\n📊 市场背景:\n{json.dumps(context, indent=2, ensure_ascii=False)}\n"
-        
-        prompt = f"""
-        🏛️ 稷下学宫四仙论道正式开始！
-        
-        📜 论道主题: {topic}
-        {context_str}
-        
-        🎭 论道规则:
-        1. 四仙按序发言：吕洞宾 → 何仙姑 → 张果老 → 铁拐李
-        2. 正反方交替：吕洞宾(看涨) → 何仙姑(看跌) → 张果老(看涨) → 铁拐李(看跌)
-        3. 每位仙人从专业角度分析，提供具体数据支撑
-        4. 可以质疑前面仙人的观点
-        5. 保持仙风道骨的表达风格
-        6. 铁拐李作为最后发言者要总结观点
-        
-        🗡️ 请吕洞宾仙长首先发言！
-        记住：你是技术分析专家，要从技术面找到投资机会！
-        """
-        return prompt
-    
-    def process_result(self, response, topic: str, context: Dict[str, Any]) -> Dict[str, Any]:
-        """处理辩论结果"""
-        messages = response.messages if hasattr(response, 'messages') else []
-        
-        debate_messages = []
-        for msg in messages:
-            if msg.get('role') == 'assistant' and msg.get('content'):
-                content = msg['content']
-                speaker = self.extract_speaker(content)
-                
-                debate_messages.append({
-                    'speaker': speaker,
-                    'content': content,
-                    'timestamp': datetime.now().isoformat()
-                })
-        
-        return {
-            "debate_id": f"jixia_simple_{datetime.now().strftime('%Y%m%d_%H%M%S')}",
-            "topic": topic,
-            "context": context,
-            "messages": debate_messages,
-            "final_output": debate_messages[-1]['content'] if debate_messages else "",
-            "timestamp": datetime.now().isoformat(),
-            "framework": "OpenAI Swarm (Simplified)"
-        }
-    
-    def extract_speaker(self, content: str) -> str:
-        """从内容中提取发言者"""
-        for name in self.immortals.keys():
-            if f"{name}曰" in content:
-                return name
-        return "未知仙人"
-    
-    def display_summary(self, result: Dict[str, Any]):
-        """显示辩论总结"""
-        print("\n🌟 四仙论道总结")
-        print("=" * 60)
-        print(f"📜 主题: {result['topic']}")
-        print(f"⏰ 时间: {result['timestamp']}")
-        print(f"🔧 框架: {result['framework']}")
-        print(f"💬 发言数: {len(result['messages'])}条")
-        
-        print("\n🏆 最终总结:")
-        print("-" * 40)
-        if result['messages']:
-            print(result['final_output'])
-        
-        print("\n✨ 辩论特色:")
-        print("🗡️ 四仙各展所长，观点多元")
-        print("⚖️ 正反方交替，辩论激烈")
-        print("🚀 基于Swarm，性能优越")
-
-# 主函数
-async def main():
-    """主函数"""
-    print("🏛️ 稷下学宫简化版 - OpenAI Swarm")
-    print("🚀 四仙论道，简洁高效")
-    print()
-    
-    # 创建辩论系统
-    academy = JixiaSimpleSwarm()
-    
-    if not academy.client:
-        print("❌ 系统初始化失败")
-        return
-    
-    # 辩论主题
-    topics = [
-        "英伟达股价走势：AI泡沫还是技术革命？",
-        "美联储2024年货币政策：加息还是降息？", 
-        "比特币vs黄金：谁是更好的避险资产？",
-        "中国房地产市场：触底反弹还是继续下行？"
-    ]
-    
-    # 随机选择主题
-    topic = random.choice(topics)
-    
-    # 市场背景
-    context = {
-        "market_sentiment": "谨慎乐观",
-        "volatility": "中等",
-        "key_events": ["财报季", "央行会议", "地缘政治"]
-    }
-    
-    # 开始辩论
-    result = await academy.conduct_debate(topic, context)
-    
-    if result:
-        print(f"\n🎉 辩论成功！ID: {result['debate_id']}")
-    else:
-        print("❌ 辩论失败")
-
-if __name__ == "__main__":
-    asyncio.run(main())

requirements.txt

@@ -52,8 +52,8 @@ google-cloud-aiplatform>=1.38.0
 PyYAML>=6.0
 python-frontmatter>=1.0.0
 
-# 市场数据 - OpenBB（可选安装）
+# 市场数据 - OpenBB（可选安装，未默认安装。若需启用，请取消下一行注释）
-openbb>=4.1.0
+# openbb>=4.1.0
 
 # 新增：从 .env 加载本地环境变量
 python-dotenv>=1.0.1

src/jixia/engines/openbb_engine.py

@@ -6,7 +6,7 @@ OpenBB 集成引擎
 
 from typing import Dict, List, Any, Optional
 from dataclasses import dataclass
-import openbb
+
 
 @dataclass
 class ImmortalConfig:
@@ -18,7 +18,7 @@ class ImmortalConfig:
 class APIResult:
     """API调用结果数据类"""
     success: bool
-    data: Optional[Dict[str, Any]] = None
+    data: Optional[Any] = None
     provider_used: Optional[str] = None
     error: Optional[str] = None
 
@@ -29,6 +29,9 @@ class OpenBBEngine:
         """
         初始化 OpenBB 引擎
         """
+        # 延迟导入 OpenBB，避免未安装时报错
+        self._obb = None
+        
         # 八仙专属数据源分配
         self.immortal_sources: Dict[str, ImmortalConfig] = {
             '吕洞宾': ImmortalConfig(  # 乾-技术分析专家
@@ -67,6 +70,18 @@ class OpenBBEngine:
         
         print("✅ OpenBB 引擎初始化完成")
         
+    def _ensure_openbb(self):
+        """Lazy import OpenBB v4 obb router."""
+        if self._obb is not None:
+            return True
+        try:
+            from openbb import obb  # type: ignore
+            self._obb = obb
+            return True
+        except Exception:
+            self._obb = None
+            return False
+        
     def get_immortal_data(self, immortal_name: str, data_type: str, symbol: str = 'AAPL') -> APIResult:
         """
         为特定八仙获取专属数据
@@ -88,56 +103,59 @@ class OpenBBEngine:
         
         # 根据数据类型调用不同的 OpenBB 函数
         try:
+            if not self._ensure_openbb():
+                return APIResult(success=False, error='OpenBB 未安装，请先安装 openbb>=4 并在 requirements.txt 启用')
+            obb = self._obb
             if data_type == 'price':
-                result = openbb.obb.equity.price.quote(symbol=symbol, provider=immortal_config.primary)
+                result = obb.equity.price.quote(symbol=symbol, provider=immortal_config.primary)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             elif data_type == 'historical':
-                result = openbb.obb.equity.price.historical(symbol=symbol, provider=immortal_config.primary)
+                result = obb.equity.price.historical(symbol=symbol, provider=immortal_config.primary)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             elif data_type == 'profile':
-                result = openbb.obb.equity.profile(symbol=symbol, provider=immortal_config.primary)
+                result = obb.equity.profile(symbol=symbol, provider=immortal_config.primary)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             elif data_type == 'news':
-                result = openbb.obb.news.company(symbol=symbol)
+                result = obb.news.company(symbol=symbol)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used='news_api'
                 )
             elif data_type == 'earnings':
-                result = openbb.obb.equity.earnings.earnings_historical(symbol=symbol, provider=immortal_config.primary)
+                result = obb.equity.earnings.earnings_historical(symbol=symbol, provider=immortal_config.primary)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             elif data_type == 'dividends':
-                result = openbb.obb.equity.fundamental.dividend(symbol=symbol, provider=immortal_config.primary)
+                result = obb.equity.fundamental.dividend(symbol=symbol, provider=immortal_config.primary)
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             elif data_type == 'screener':
                 # 使用简单的筛选器作为替代
-                result = openbb.obb.equity.screener.etf(
+                result = obb.equity.screener.etf(
                     provider=immortal_config.primary
                 )
                 return APIResult(
                     success=True,
-                    data=result.results,
+                    data=getattr(result, 'results', getattr(result, 'to_dict', lambda: None)()),
                     provider_used=immortal_config.primary
                 )
             else:

src/jixia/engines/openbb_stock_data.py

@@ -3,7 +3,6 @@
 OpenBB 股票数据获取模块
 """
 
-import openbb
 from datetime import datetime, timedelta
 from typing import List, Dict, Any, Optional
 
@@ -26,17 +25,24 @@ def get_stock_data(symbol: str, days: int = 90) -> Optional[List[Dict[str, Any]]
         print(f"🔍 正在获取 {symbol} 近 {days} 天的数据...")
         print(f"   时间范围: {start_date.strftime('%Y-%m-%d')} 到 {end_date.strftime('%Y-%m-%d')}")
         
-        # 使用OpenBB获取数据
+        # 使用OpenBB获取数据（延迟导入）
-        result = openbb.obb.equity.price.historical(
+        try:
+            from openbb import obb  # type: ignore
+        except Exception as e:
+            print(f"⚠️ OpenBB 未安装或导入失败: {e}")
+            return None
+        
+        result = obb.equity.price.historical(
             symbol=symbol, 
             provider='yfinance',
             start_date=start_date.strftime('%Y-%m-%d'),
             end_date=end_date.strftime('%Y-%m-%d')
         )
         
-        if result and result.results:
+        results = getattr(result, 'results', None)
-            print(f"✅ 成功获取 {len(result.results)} 条记录")
+        if results:
-            return result.results
+            print(f"✅ 成功获取 {len(results)} 条记录")
+            return results
         else:
             print("❌ 未获取到数据")
             return None
@@ -64,17 +70,24 @@ def get_etf_data(symbol: str, days: int = 90) -> Optional[List[Dict[str, Any]]]:
         print(f"🔍 正在获取 {symbol} 近 {days} 天的数据...")
         print(f"   时间范围: {start_date.strftime('%Y-%m-%d')} 到 {end_date.strftime('%Y-%m-%d')}")
         
-        # 使用OpenBB获取数据
+        # 使用OpenBB获取数据（延迟导入）
-        result = openbb.obb.etf.historical(
+        try:
+            from openbb import obb  # type: ignore
+        except Exception as e:
+            print(f"⚠️ OpenBB 未安装或导入失败: {e}")
+            return None
+        
+        result = obb.etf.price.historical(
             symbol=symbol, 
             provider='yfinance',
             start_date=start_date.strftime('%Y-%m-%d'),
             end_date=end_date.strftime('%Y-%m-%d')
         )
         
-        if result and result.results:
+        results = getattr(result, 'results', None)
-            print(f"✅ 成功获取 {len(result.results)} 条记录")
+        if results:
-            return result.results
+            print(f"✅ 成功获取 {len(results)} 条记录")
+            return results
         else:
             print("❌ 未获取到数据")
             return None

tests/test_openbb_fallback.py

@@ -0,0 +1,26 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+验证在未安装 OpenBB 时，OpenBB Tab 的数据加载回退行为。
+该测试不强制要求安装 OpenBB，因此仅检查函数能返回非空 DataFrame。
+"""
+
+import importlib
+import types
+import pandas as pd
+
+from app.tabs.openbb_tab import _load_price_data
+
+
+def test_openbb_fallback_without_openbb():
+    # 尝试卸载 openbb 以模拟未安装环境（若本地未安装会抛错，忽略）
+    try:
+        if 'openbb' in list(importlib.sys.modules.keys()):
+            del importlib.sys.modules['openbb']
+    except Exception:
+        pass
+
+    df = _load_price_data('AAPL', 180)
+    assert isinstance(df, pd.DataFrame)
+    assert not df.empty
+    assert 'Date' in df.columns and 'Close' in df.columns

tmp_rovodev_vertex_check.py

@@ -0,0 +1,121 @@
+#!/usr/bin/env python3
+"""
+临时健康检查脚本：验证本机 Vertex AI 基础配置是否完好。
+使用说明：
+  python3 tmp_rovodev_vertex_check.py
+运行完成后请将输出粘贴给我，我会据此给出修复建议。
+完成诊断后可删除该文件。
+"""
+
+import os
+import json
+import sys
+from pathlib import Path
+
+STATUS = []
+
+def ok(msg):
+    STATUS.append((True, msg))
+    print(f"✅ {msg}")
+
+def warn(msg):
+    STATUS.append((None, msg))
+    print(f"⚠️ {msg}")
+
+def fail(msg):
+    STATUS.append((False, msg))
+    print(f"❌ {msg}")
+
+def has(var):
+    return bool(os.getenv(var))
+
+print("🧪 Vertex AI 本地配置健康检查\n")
+
+# 1) 关键环境变量与文件
+adc_path = Path.home() / ".config/gcloud/application_default_credentials.json"
+if adc_path.exists():
+    ok(f"找到 ADC (Application Default Credentials): {adc_path}")
+else:
+    warn("未找到 ADC 文件 (~/.config/gcloud/application_default_credentials.json)。如果你改用服务账号密钥也可忽略此项")
+
+vars_to_check = [
+    "GOOGLE_GENAI_USE_VERTEXAI",
+    "GOOGLE_CLOUD_PROJECT_ID",
+    "GOOGLE_CLOUD_LOCATION",
+    "VERTEX_MEMORY_BANK_ENABLED",
+    "GOOGLE_API_KEY",
+    "GOOGLE_SERVICE_ACCOUNT_KEY",
+]
+
+print("\n🔍 环境变量：")
+for v in vars_to_check:
+    val = os.getenv(v)
+    if not val:
+        if v in ("GOOGLE_SERVICE_ACCOUNT_KEY", "GOOGLE_API_KEY"):
+            # 可选
+            warn(f"{v}: 未设置 (可选)")
+        else:
+            fail(f"{v}: 未设置")
+    else:
+        if v.endswith("KEY"):
+            ok(f"{v}: 已设置 (不显示具体值)")
+        else:
+            ok(f"{v}: {val}")
+
+# 2) 依赖与版本
+print("\n🔍 依赖：google-cloud-aiplatform")
+try:
+    import google
+    from google.cloud import aiplatform
+    ok(f"google-cloud-aiplatform 可导入，版本: {aiplatform.__version__}")
+except Exception as e:
+    fail(f"无法导入 google-cloud-aiplatform: {e}")
+
+# 3) 验证默认凭据可用性（若存在）
+print("\n🔍 默认凭据 (ADC) 可用性：")
+try:
+    import google.auth
+    from google.auth.transport.requests import Request
+    creds, proj = google.auth.default(scopes=[
+        "https://www.googleapis.com/auth/cloud-platform",
+    ])
+    # 刷新一次，验证有效性
+    try:
+        creds.refresh(Request())
+        ok("默认凭据可用并成功刷新访问令牌")
+    except Exception as e:
+        warn(f"找到默认凭据，但刷新失败（可能未登录或网络受限）：{e}")
+    if proj:
+        ok(f"默认凭据解析到的 Project: {proj}")
+    else:
+        warn("默认凭据未解析出 Project ID")
+except Exception as e:
+    warn(f"未能通过 google.auth.default() 获取默认凭据：{e}")
+
+# 4) 初始化 Vertex AI（使用环境中的 Project/Location）
+print("\n🔍 Vertex AI 初始化：")
+project = os.getenv("GOOGLE_CLOUD_PROJECT_ID")
+location = os.getenv("GOOGLE_CLOUD_LOCATION", "us-central1")
+if project:
+    try:
+        from google.cloud import aiplatform
+        aiplatform.init(project=project, location=location)
+        ok(f"Vertex AI 初始化成功: project={project}, location={location}")
+    except Exception as e:
+        fail(f"Vertex AI 初始化失败: {e}")
+else:
+    fail("缺少 GOOGLE_CLOUD_PROJECT_ID，无法初始化 Vertex AI")
+
+# 5) 汇总
+print("\n📋 检查摘要：")
+all_good = True
+for s, msg in STATUS:
+    if s is False:
+        all_good = False
+
+if all_good:
+    print("\n🎉 结论：看起来你的 Vertex AI 本地配置是可用的。")
+else:
+    print("\n🚧 结论：存在未通过项。请根据上面的 ❌/⚠️ 提示逐项修复后重试。")
+
+print("\n提示：\n- 启用 Vertex 模式：export GOOGLE_GENAI_USE_VERTEXAI=TRUE\n- 必填：export GOOGLE_CLOUD_PROJECT_ID=你的项目ID\n- 可选：export GOOGLE_CLOUD_LOCATION=us-central1\n- 建议使用 ADC：gcloud auth application-default login\n- 或设置服务账号密钥：export GOOGLE_SERVICE_ACCOUNT_KEY='(JSON 字符串或路径)'\n")