FinGOAT
把复杂决策，变成可追溯的推理。
面向美股研究的图编排多智能体应用。从数据到观点，让并行推理、依赖控制和决策过程清晰可见。
问题
多智能体系统容易陷入串行等待：每一轮分析都依赖前一轮完成，用户也很难理解最终结论从何而来。FinGOAT 将依赖关系显式建模，让独立分析并行运行，并保留完整推理链路。
关键取舍
- Graph orchestration
- 基于 LangGraph 定义多 Agent 的执行图与依赖控制，让可独立执行的分析并行运行。
- Service boundaries
- 使用 Gin 网关与 FastAPI 推理服务划分职责，PostgreSQL / GORM 持久化推理链路与决策结果，Docker 支持服务部署。
- Inference flexibility
- 支持多 API、本地 Ollama 与 OpenClaw 推理选择，在不同模型和运行环境之间保留切换空间。
结果
≈70%相较串行流程的端到端延迟降低
根据个人项目记录，多 Agent 场景下端到端决策延迟相较串行流程降低约 70%。该数字是项目内对比结果，具体表现取决于模型、依赖图和运行环境。
相关笔记