alphaear-sentiment

AlphaEar 情感分析技能

概述

此技能提供适用于金融文本的情感分析功能，支持 FinBERT（本地模型）和基于大模型的分析模式。

功能

功能

1. 分析情感（FinBERT / 本地）

使用 scripts/sentiment_tools.py 通过 FinBERT 执行高速本地情感分析。

主要方法：

• analyze_sentiment(text)：使用本地化的 FinBERT 模型获取情感分数和标签。
  • 返回值：{'score': float, 'label': str, 'reason': str}。
  • 分数范围：-1.0（负面）至 1.0（正面）。
• batch_update_news_sentiment(source, limit)：批量处理数据库中尚未分析的新闻（仅限 FinBERT）。

2. 分析情感（大模型 / Agent）

如需更高的准确性或推理能力，你（Agent） 应使用下方的提示词直接调用大模型进行分析，并在必要时更新数据库。

情感分析提示词

如果本地工具无法满足需求或需要推理，请使用此提示词分析金融文本。

请分析以下金融/新闻文本的情绪极性。
返回严格的 JSON 格式:
{"score": <float: -1.0到1.0>, "label": "<positive/negative/neutral>", "reason": "<简短理由>"}

文本: {text}

评分指南：

• 正面（0.1 至 1.0）：乐观的新闻、利润增长、政策支持等。
• 负面（-1.0 至 -0.1）：亏损、制裁、价格下跌、悲观情绪。
• 中性（-0.1 至 0.1）：事实报道、横盘走势、影响不明。

辅助方法

• update_single_news_sentiment(id, score, reason)：使用此方法将手动分析结果保存到数据库。

依赖项

• torch（用于 FinBERT）
• transformers（用于 FinBERT）
• sqlite3（内置）

请确保正确初始化 DatabaseManager。