初始提交

DEEPSEEK_REASONER_FIX.md

@@ -0,0 +1,122 @@
+# DeepSeek Reasoner 模型输出不全问题修复说明
+
+## 问题描述
+
+使用 `deepseek-chat` 模型输出正常，但使用 `deepseek-reasoner` 模型进行技术面分析、基本面分析等各个分析时，输出文字不全。
+
+## 问题原因
+
+**deepseek-reasoner** 模型与 **deepseek-chat** 模型有重要区别：
+
+1. **响应结构不同**：
+   - `deepseek-chat`: 只返回 `content`（最终答案）
+   - `deepseek-reasoner`: 返回 `reasoning_content`（推理过程）+ `content`（最终答案）
+
+2. **Token 需求更大**：
+   - reasoner 模型需要输出详细的推理过程，需要更多的 tokens
+   - 原代码中 `max_tokens=2000` 对 reasoner 模型来说太小，导致输出被截断
+
+## 解决方案
+
+### 1. 自动调整 max_tokens（已修复）
+
+在 `deepseek_client.py` 的 `call_api` 方法中：
+
+```python
+# 对于 reasoner 模型，自动增加 max_tokens
+if "reasoner" in model_to_use.lower() and max_tokens <= 2000:
+    max_tokens = 8000  # reasoner 模型需要更多 tokens 来输出推理过程
+```
+
+### 2. 正确处理 reasoner 响应（已修复）
+
+```python
+# 处理 reasoner 模型的响应
+message = response.choices[0].message
+result = ""
+
+# 检查是否有推理内容
+if hasattr(message, 'reasoning_content') and message.reasoning_content:
+    result += f"【推理过程】\n{message.reasoning_content}\n\n"
+
+# 添加最终内容
+if message.content:
+    result += message.content
+```
+
+### 3. 提高各分析模块的 max_tokens（已修复）
+
+| 分析模块 | 原 max_tokens | 新 max_tokens |
+|---------|--------------|--------------|
+| 技术面分析 | 2000 | 8000 (自动) |
+| 基本面分析 | 2000 | 8000 (自动) |
+| 资金面分析 | 2000 | 8000 (自动) |
+| 风险管理分析 | 2000 | 8000 (自动) |
+| 市场情绪分析 | 2000 | 8000 (自动) |
+| 综合讨论 | 3000 | 6000 |
+| 最终决策 | 2000 | 4000 |
+| 团队讨论 | 3000 | 6000 |
+
+## 修改的文件
+
+1. **deepseek_client.py**
+   - `call_api()` 方法：增加 reasoner 检测和 max_tokens 自动调整
+   - `call_api()` 方法：增加 reasoning_content 处理
+   - `comprehensive_discussion()` 方法：max_tokens 从 3000 增加到 6000
+   - `final_decision()` 方法：max_tokens 从 2000 增加到 4000
+
+2. **ai_agents.py**
+   - `conduct_team_discussion()` 方法：max_tokens 从 3000 增加到 6000
+
+## 使用建议
+
+### 1. 模型选择
+
+- **deepseek-chat**：
+  - 适用场景：快速分析、常规查询
+  - 优点：响应快，成本低
+  - 缺点：推理能力相对较弱
+
+- **deepseek-reasoner**：
+  - 适用场景：复杂分析、需要深度推理的场景
+  - 优点：推理能力强，分析更深入
+  - 缺点：响应时间较长，token 消耗更多
+
+### 2. 查看推理过程
+
+使用 reasoner 模型时，响应中会包含 `【推理过程】` 部分，展示 AI 的思考过程，帮助你理解分析的逻辑。
+
+### 3. Token 消耗
+
+reasoner 模型的 token 消耗通常是 chat 模型的 2-4 倍，请注意 API 使用成本。
+
+## 验证方法
+
+1. 在应用中选择 "DeepSeek Reasoner (推理增强)" 模型
+2. 输入股票代码进行分析
+3. 检查各个分析报告是否完整输出
+4. 查看是否包含 `【推理过程】` 部分
+
+## 预期效果
+
+修复后，使用 deepseek-reasoner 模型应该能够：
+- ✅ 完整输出技术面分析报告
+- ✅ 完整输出基本面分析报告
+- ✅ 完整输出资金面分析报告
+- ✅ 完整输出风险管理报告
+- ✅ 完整输出市场情绪分析报告
+- ✅ 完整输出综合讨论结果
+- ✅ 完整输出最终投资决策
+- ✅ 显示推理过程（如果 API 支持）
+
+## 注意事项
+
+1. **API 兼容性**：确保使用的 DeepSeek API 版本支持 reasoner 模型
+2. **Token 限制**：如果仍然出现截断，可以进一步增加 max_tokens
+3. **成本控制**：reasoner 模型消耗更多 tokens，注意 API 配额
+4. **响应时间**：reasoner 模型需要更多时间进行推理，请耐心等待
+
+## 更新日期
+
+2025-10-03
+