一、构建节点（先明确智能体目标）

确定智能体训练方向，通过提示词节点描述出来（最好是按逻辑顺序线性描述一条一条列出，~更省算力）；连接智能体节点，可调参数部分有(name):给智能体起个名字，（Description）：描述具体研究方向，让智能体知道往哪方面进行深入分析，（底座大模型）：可选的有很多，免费的DeepSeek-V3,DeepSeek-R1,PandaAI-CQ1,PandaAI-CQ2,需要token费用的，Grok-4系列，Claude-code系列，GPT系列；这些都是多模态大语言模型，可以通过这些模型进行思考和推理；我感觉比较好用的有PandaAI-CQ2和Claudecode-Sonnet4-5,从运行效率和推理逻辑方面综合比较优其他大模型。然后就是（common）：上下文记忆，默认就好；（联网搜索）：默认关闭，建议默认就好，不然效率会很低。然后连接到智能体聚合节点，这个节点可以连接很多个智能体，每个智能体分工不同，搜索词汇量不一样，训练结果也就不一样，通过这个智能体聚合节点把他们整合到一起，效率翻倍。可调节参数部分有：（计划算法）：这里默认是深度学习Chain-of-Thought,ReAct基于上文推理；(最大迭代次数）：这个可选择推理的次数，需要根据研究问题的复杂度而定。如果迭代次数过多可能造成AI幻觉,结果并不是我们想要的，所以这里并不是迭代次数越多越好。最后连接到智能体交易，目前只开放期货市场数据，（时间间隔）:每隔多久调用一次智能体分析，这个直接影响工作流运行速度和算力的消耗。

二、多智能体配合

首先强烈推荐多智能体组合，可以在多个维度帮你分析整合市场数据及排列组合并给出推演并帮你作最符合当前市场的策略，我把我了解的策略及方法通过智能体学习，最后于Agent对话里让他帮我模拟演练下个交易日该执行的具体策略及时机和仓位，和我预想的几乎一样。他甚至帮我作盈亏比的推演。着实惊讶到我了。

*技能节点参数填写要按照规范。