EthanAlgoX/AIStock

AI Stock – 面向股票交易者的AI驱动研究空间

它是什么

• 一个基于Web的平台，让个人交易者可以用自然语言提问关于中国、香港或美国股票的问题，并获得结构化的研究报告。核心引擎是一个代理，它编排大语言模型（LLM）推理、确定性金融工具，以及可选的“专家”代理，这些专家可以就某个主题进行辩论或投票。

工作原理

1. 对话优先 – 用户在Research assistant工作区开始聊天。系统可以拉取市场数据、运行筛选规则或调用预构建的金融“技能”。
2. 独立专家代理 – 每个专家作为自己的LLM驱动代理运行，具有明确的角色（例如，估值、宏观、风险）。它们可以通过三种模式协作：
   • 流水线：任务被拆分并按顺序传递。
   • 辩论：代理争论，然后主持人总结。
   • 投票：每个代理提交报告，审阅者投票，主持人报告结果。
3. 报告与圆桌会议 – 最终输出是保存的、可读的报告。用户还可以查看完整的圆桌会议记录，显示每个专家的贡献。
4. 其他工作区 – 市场雷达、策略筛选、股票研究执行和模拟交易都已集成，共享相同的任务账本和功能目录。

主要组件

组件	角色
代理层	编排LLM调用、工具使用和专家协调
技能	版本控制的金融方法（例如，估值模型、风险指标）
内置工具	确定性数据获取和计算（价格历史、基本面、新闻）
MCP（模型连接器代理）	外部服务（LLM提供商、数据API）的插件点
功能中心	用于启用/禁用技能、工具、数据源和专家代理的UI
工作区UI	基于React的前端（React 19、Vite），为每个工作流提供单独的路由
后端	提供API和静态Web构建的FastAPI服务器

技术栈

• Python 3.10+ – FastAPI后端、代理编排、数据处理。
• Node.js 20+ / npm 10+ – React 19前端（apps/dsa-web）。
• LLM集成 – 通过环境变量配置提供商（例如，DeepSeek）；需要工具调用模型。
• Docker/虚拟环境 – 不是必需的，但支持；CI使用GitHub Actions。

新用户的典型工作流程

1. 克隆仓库并设置Python虚拟环境。
2. 安装Python依赖（pip install -r requirements.txt）。
3. 将.env.example复制为.env并添加LLM API密钥（例如，DEEPSEEK_API_KEY）。
4. 构建React应用（npm ci && npm run build）。
5. 运行服务器（python main.py --serve-only）。
6. 打开http://127.0.0.1:8000，转到Research assistant，询问类似“腾讯的增长前景如何？”的问题。
7. 查看生成的报告，或启动Expert roundtable以查看多个观点。

安全与治理

• 所有功能（技能、工具、数据源、专家）都按工作区进行白名单控制。
• 代理不能下真实订单；只允许模拟交易。
• 密钥保留在环境中，永远不会通过API暴露。
• 执行日志记录任务是否完成、部分成功或被阻止。

适用对象

• 希望在不构建自己的管道的情况下获得AI增强研究的个人股票交易者或分析师。
• 对构建LLM驱动的金融代理感兴趣的开发人员，因为仓库公开了完整的代理-技能-工具架构。

开始使用

# 克隆并准备
git clone https://github.com/EthanAlgoX/InvestCrew.git AI-Stock
cd AI-Stock
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env   # 然后添加你的LLM API密钥

# 构建前端
cd apps/dsa-web
npm ci && npm run build
cd ../..

# 运行服务器
python main.py --serve-only --host 127.0.0.1 --port 8000

访问UI，在Settings中配置模型，然后开始探索。

许可证

• MIT许可证 – 免费用于个人、研究或商业用途，但通常的免责声明是生成的分析不构成投资建议。

---

以上所有信息均直接来自仓库的README；没有推断任何额外功能。