fix(tradingagents): 修复深度分析数据串台与决策展示不匹配

数据串台(最严重):并发跑多只股票深度分析时,_PANWATCH_DATA_CACHE
模块级全局 dict 被后启动的任务覆盖,导致广汽 601238 的报告混入赛力斯
601127 的 K线/价格/新闻。改为 ContextVar(asyncio.to_thread 会
copy_context,每个并发 worker 拿独立副本,天然隔离);route_to_vendor
的 monkeypatch 改引用计数 + 锁,消除安装/卸载嵌套竞态。

决策与正文不匹配:正文写"卖出/Sell"但顶部显示"持有"。评级提取原先
优先信任上游 propagate() 二次提炼的 decision(会失真),改为优先解析
PM 正文(用户可见的最终决策书)显式标签,优先级 正文标签>decision>
模糊兜底;新增 _parse_rating_label 只做精确标签匹配避免干扰词误判。

新增 tests/test_tradingagents_toolkit_isolation.py 并发隔离测试,
test_tradingagents_5_tier_rating.py 增正文/decision 冲突回归。

Author: TNT-Likely

src/agents/tradingagents/result_mapper.py

@@ -55,11 +55,16 @@ def map_state_to_result(
     state = ta_result.get("final_state") or {}
     cost_usd = float(ta_result.get("cost_usd", 0.0) or 0.0)
 
-    # 上游 PM 返回 5 档评级("Buy"/"Overweight"/"Hold"/"Underweight"/"Sell")
-    # 如果 propagate() 第二个返回拿不到 5 档值,从 final_trade_decision 文本里 fallback 解析
-    rating_raw = (ta_result.get("decision") or "").strip().lower()
+    # 评级以 PM 正文(final_trade_decision,用户实际看到的最终决策书)为权威来源:
+    # 上游 propagate() 第二个返回的 decision 是对正文的二次提炼,会失真(正文写"卖出"
+    # 却返回 "HOLD"),所以优先解析正文里的显式评级标签。
+    # 优先级:正文显式标签 > 上游 decision > 正文模糊扫描兜底。
+    final_text = state.get("final_trade_decision") or ""
+    rating_raw = _parse_rating_label(final_text)
     if rating_raw not in RATING_LABEL_MAP:
-        rating_raw = _parse_rating_from_text(state.get("final_trade_decision") or "")
+        rating_raw = (ta_result.get("decision") or "").strip().lower()
+    if rating_raw not in RATING_LABEL_MAP:
+        rating_raw = _parse_rating_from_text(final_text)
 
     action = RATING_ACTION_MAP.get(rating_raw, "hold")
     action_label = RATING_LABEL_MAP.get(rating_raw, "持有")
@@ -120,8 +125,12 @@ def map_state_to_result(
 }
 
 
-def _parse_rating_from_text(text: str) -> str:
-    """从文本里抽 5 档评级。优先 'Rating: X' 标签,然后第一个 5 档词。"""
+def _parse_rating_label(text: str) -> str:
+    """只解析 PM 正文里的**显式评级标签**(最终交易决策/评级/FINAL TRANSACTION PROPOSAL: X)。
+
+    不做模糊关键词扫描 —— 避免正文里"否决了之前的买入建议"这类干扰词被误判。
+    用作评级提取的首选,确保展示与用户可见的最终决策书一致。
+    """
     if not text:
         return ""
     m = _RATING_TEXT_RE.search(text)
@@ -131,6 +140,16 @@ def _parse_rating_from_text(text: str) -> str:
             word = _RATING_ZH_TO_EN[word]
         if word in RATING_LABEL_MAP:
             return word
+    return ""
+
+
+def _parse_rating_from_text(text: str) -> str:
+    """从文本里抽 5 档评级。优先 'Rating: X' 标签,然后第一个 5 档词。"""
+    if not text:
+        return ""
+    label = _parse_rating_label(text)
+    if label:
+        return label
     # 兜底:扫描整段文本里第一个出现的 5 档英文/中文词
     text_low = text.lower()
     for word in ("overweight", "underweight", "buy", "sell", "hold"):