PandaAI 智能体工作流指南

概述与挖掘目标

本篇文章主要介绍如何在 PandaAI 平台构建智能体工作流，帮助用户实现自动化交易分析。平台工作流包含10个核心节点，通过节点间的灵活连接，可实现数据检索、多智能体协作、技能调用、行情分析到交易执行的全流程自动化。

本文将详细讲解各节点功能、连接方法，并通过实战演示帮助用户快速上手智能体工作流的构建。

一、十大工作流节点详解

1.1 RAG（检索增强生成）

1.1.1 功能概述

RAG 是数据收集与检索的核心节点，其主要功能包括：

• 检索财报数据
• 搜索数据库资料
• 收集外部知识库信息

形象地说，RAG 就像一个"八爪鱼"，能够从多个数据源抓取相关信息。

1.1.2 工作原理

一句话总结：先搜索外部知识库，再将数据喂给 LLM 模型，使其能基于真实数据做出准确回答。

RAG节点 → 外部知识库 → LLM模型 → 准确回答

1.1.3 配置说明

1.2 MCP（多智能体协作协议）

1.2.1 功能概述

MCP（Multi-Agent Collaboration Protocol）是多个智能体之间的合作协议，用于协调多智能体有序工作。

1.2.2 核心作用

• 任务分工：确定谁先做、负责什么
• 结果传递：将输出有序传递给下一个智能体
• 格式统一：确保最终结果具有正确的结构

1.2.3 MCP 与 RAG 的协同关系

1.3 技能库（Skills）

1.3.1 功能概述

技能库是多个技能的聚合节点，用于为智能体赋予专业能力。

1.3.2 技能创建流程

提示词输入 → 技能节点 → Python代码输入 → 技能库 → 主智能体

1.3.3 技能节点配置参数

1.3.4 提示词实例1（技能边界定义）

帮我创建一个期货布林带分析技能，限定分析周期为15-60分钟，
标的范围为黄金、白银、原油主力合约，分析参数包括中轨周期、
标准差倍数等。

1.4 智能体集合

1.4.1 功能概述

将多个智能体进行融合，汇聚各智能体的分析结果，为主智能体提供集体决策支持。

1.4.2 典型应用场景

• 多维度行情分析（动量+波动率+趋势）
• 多品种同时监控
• 综合信号聚合

1.5 智能体交易

1.5.1 功能定位

智能体交易节点应放在工作流最后，作为数据分析和交易执行之间的桥梁。

1.5.2 核心配置

1.5.3 频率设置说明

注意：频率设置决定了工作流的算力消耗。若设置为较短间隔，则每次运行都会扣除相应算力。

1.6 提示词输入

1.6.1 功能概述

设定 Agent 的人物画像，是整个工作流的核心输入之一。

1.6.2 提示词结构设计

一个完整的提示词应包含以下要素：

1.6.3 提示词实例2（完整示例）

# 角色定位
你是一位专业的期货行情分析专家，精通技术分析。

# 分析任务
分析以下标的过去30个交易日的价格走势：
- 黄金主力合约
- 白银主力合约
- 原油主力合约

# 分析逻辑
当检测到价格创新高时，分析量能是否配合：
- 若量能创新高，判断为健康上涨
- 若量能萎缩，判断为上涨动能衰竭

# 信号标记
请在分析结果中标记以下信号：
1. 上涨动能衰竭：价格新高+量能萎缩
2. 抛压枯竭：价格新低+量能萎缩
3. 底部潜藏：震荡后放量突破

请输出信号出现的时间、位置及置信度。

1.7 智能体主节点

1.7.1 节点配置项

1.7.2 底座大模型对比

1.7.3 Memory 功能说明

重要：每次分析后，结果会储存在缓存空间。只有开启记忆功能，才能让智能体不断学习和优化，变得更加智能化。

1.8 智能体消息

1.8.1 功能概述

智能体消息是开放式功能接口，用于用户与智能体进行实时对话。

1.8.2 连接方式

智能体消息 → Question节点 → 后续处理节点

1.8.3 使用方法

在右下角的 Agent 对话窗口进行提问，每次提问都会运行整个工作流逻辑。

1.8.4 提问示例

请分析黄金主力合约过去30个交易日，
是否有符合"上涨动能衰竭"或"底部潜藏"的信号？

1.9 链路深度思考

1.9.1 功能

增强智能体的分析深度，让其进行更全面的推理。

1.9.2 适用场景

• 复杂行情判断
• 多因素综合分析
• 高频交易决策

二、工作流构建方法

2.1 简单工作流构建

2.1.1 节点连接顺序

提示词输入 → 智能体主节点 → 智能体消息 → Question节点 → 深度思考 → 智能体交易 → 账户

2.1.2 操作步骤

1. 第一步：在提示词输入节点设计 Agent 画像
2. 第二步：配置智能体主节点（命名、模型选择、Memory）
3. 第三步：连接智能体消息节点
4. 第四步：选择 Question 节点和深度思考节点
5. 第五步：连接到智能体交易节点
6. 第六步：设置交易频率，连接模拟账户

2.1.3 流程图

2.2 复杂工作流构建（多智能体协作）

2.2.1 框架概述

复杂工作流包含一个主智能体和多个子智能体，各司其职，协同决策。

2.2.2 主智能体职责

2.2.3 子智能体设置示例

2.2.4 复杂工作流流程图

三、实战操作演示

3.1 简单工作流运行

3.1.1 提示词配置

在提示词输入节点中按以下结构配置：

作用定位：期货行情分析专家
分析任务：分析过去30个交易日
分析逻辑：检测价格创新高时量能情况
信号标记：上涨动能衰竭、抛压枯竭、底部潜藏

3.1.2 智能体配置

3.1.3 运行结果

运行后，智能体会输出：

• 分析的时间范围
• 检测到的信号类型
• 信号出现的位置和时间
• 信号置信度

3.1.4 算力消耗说明

注意：每次工作流运行会消耗算力。设置较短的分析频率会导致算力持续消耗，建议根据实际需求合理设置。

3.2 多智能体工作流运行

四、核心价值与最佳实践

4.1 RAG 与 MCP 的核心定位

4.2 算力消耗与效率平衡

4.3 工作流优化建议

1. 提示词优化：描述越具体，分析结果越准确
2. 记忆功能：开启 Memory 让智能体持续学习
3. 技能积累：逐步构建专属技能库
4. 测试迭代：多次测试后调整参数

五、总结与下一步优化方向

5.1 核心要点总结

5.2 下一步优化方向

5.2.1 因子池扩展

在现有分析维度基础上，可引入：

• 价值类因子：基差因子、期限结构因子
• 情绪类因子：持仓量变化、成交量异动
• 风险类因子：尾部风险、最大回撤

5.2.2 分析周期多元化

5.2.3 机器学习模型引入

利用机器学习算法挖掘因子间的非线性交互关系：

• 随机森林
• 梯度提升树
• 神经网络

5.2.4 稳健性验证

• 参数敏感性分析
• 样本外测试
• 滚动回测验证

5.2.5 风险管理深化

• 因子暴露分析
• 仓位动态调整
• 风险预算优化

附录：节点配置速查表

建议：结合本文内容进行实操练习，逐步掌握各节点的配置方法，构建适合自身需求的智能体工作流。