selfrelease
fad458b2a7
- UIUX 文档：填充 19 个缺口（多主体画像/健康度/AI+看板/增长域/洞察域/创始人端/OODA/助推/商密） - UIUX 文档：插入 6 个新章节（十四~十九），旧章节重编号为二十~三十一，更新目录和交叉引用 - 作业指导书 x5：导航改为 6 域分组，新增 Context Bar/工作模式/Insight Rail/决策线程/多工作区等 UI 概念 - 新建 docs/2-task-uiux.md：50 个代码落地开发任务，按 P0-P6 分优先级 + 8 Sprint 规划 - 后端/前端：大量新增模型、路由、组件（来自之前 Phase 开发）
21 lines
765 B
Python
21 lines
765 B
Python
"""AI Alpha 归因 Agent。
|
|
|
|
干预事件 → 指标变化 → 估值影响 → 回报贡献。
|
|
"""
|
|
|
|
from app.services.llm_client import LLMClient
|
|
|
|
|
|
async def attribute_alpha(intervention: dict, metric_changes: dict) -> dict:
|
|
"""AI 归因分析 — 将干预事件与指标变化和回报贡献关联。"""
|
|
llm = LLMClient()
|
|
prompt = f"""请进行投后管理 Alpha 归因分析：
|
|
|
|
干预事件：{intervention}
|
|
指标变化：{metric_changes}
|
|
|
|
以 JSON 格式返回：
|
|
{{"causality_confidence": 0.75, "valuation_impact": 15.0, "return_contribution": 0.12, "alpha_score": 0.68, "evidence": ["证据1", "证据2"], "concerns": ["关注点"]}}"""
|
|
result = await llm.chat(prompt, temperature=0.3)
|
|
return result if isinstance(result, dict) else {}
|