Sentiment-to-Signal: 股票市场智能代理

Source: Dev.to

Journey

参加 11 月的 Google 5 天 Agentic AI Intensive 课程是一次学习并使用 Google ADK 完成端到端项目的绝佳机会。通过播客、白皮书、现场课程以及动手笔记本，我加深了对 Google 方式构建代理应用基础的理解。

Capstone Competition 项目提供了将所学付诸实践的机会，需要使用以下至少三项 ADK 驱动的支柱进行构建：

• 代理架构 — 并行、顺序、循环和自定义
• 通过 MCP 的代理工具与集成
• 上下文工程与记忆管理
• 代理评估与质量
• 代理部署

Timeline

• Week of Nov 10 – 👩🏻‍🏫 吸收内容
• Week of Nov 17 – 💆🏻‍♀️ 思维导图与创意构思
• Week of Nov 21 – 👩🏻‍💻 将各部分整合并实现

Discovery

在参加强化课程之前，我并不清楚自己要构建什么。项目自然地从未知中出现——将我对股市的个人兴趣与 Agentic AI Week 中探索的工具和技术相结合。

我决定构建一个股票市场分析多代理系统，以满足一个核心需求：

股票交易者需要一个能够收集市场情绪、进行量化分析，并即时、连贯地解释其含义的统一系统。

What the End‑to‑End Looked Like

从标志设计、创意构思、问题定义、数据可用性检查、AI 工具链基准测试（全部并行进行！），到构建概念验证（POC）并交付可运行示例——该项目需要完整的端到端产品思维和工程能力。我真的很享受这个过程、问题解决以及探索手头工具的可能性。

Deliverable

我设计并交付了一个多代理股票市场分析系统，为 S&P 100 交易者提供可操作的投资洞察。

该架构以 Google ADK 为核心框架，利用其多代理编排、函数集成以及对外部工具的 MCP 支持。系统由 Gemini‑2.5‑Flash‑Lite 和 Nemotron‑9B‑v2 提供动力，实现可扩展的分析与推理。

Challenges Along the Way

和所有构建一样，旅程中也遇到了一些技术障碍：

• 在 Google ADK 中集成数据科学代理
• 丢失已保存的工作，需要重新完成数小时的进度
• 多次使用编码助手工具的额度，接近 Kaggle GPU 限制

Final Note

感谢 Google 和 Kaggle 团队提供的学习机会。