agentpit-io/hunter-community

Hunter Community Edition · 私人金融 AI 团队 · AI 智能体 + AI 量化 · 开源自托管 · powered by opencode + Claude Code + MCP + multi-agent · your private financial AI team · open-source self-hosted · 15 min docker start

Hunter Community Edition – 一个自托管的金融 AI Agent 平台

它是什么 – Hunter 是一个开源、可使用 Docker-compose 部署的 Web 应用，能将大语言模型 (LLM) 密钥转化为个人的“投资研究 AI 团队”。它可以获取实时市场数据、新闻、公告、以及替代信号，运行一组预建的分析 SKILLs（方法级提示词），并保留一个本地的“投资策略 (investment thesis)”来追踪每笔持仓背后的假设。所有数据和对话历史都保存在用户自己的磁盘上；唯一的外部依赖是您提供的 LLM API。

核心能力

领域	你会得到什么
数据	通过三种供应模式提供 32-33 个市场数据来源（实时报价、30 天 K 线、盈余、新闻、股东信息、资金流向、以及如招标、专利、海关数据等替代数据）——免费开源数据源 (akshare / yfinance)、免费申请的 Hunter 数据流水线，或您自己的 MCP 端点。
AI 引擎	即插即用的 LLM 支持（默认 DeepSeek v4-pro，也支持 Claude, Qwen, Gemini, OpenAI-compatible 等）加上一个用于 10 天价格预测的自定义“Kronos”时间序列模型，以及一个“TrueSource”情报收集器。
SKILL 库	23 个预先制作、面向金融的 SKILLs（深度分析、DCF、comps, LBO, 策略追踪、催化剂日历、投资组合压力测试等），这些 SKILLs 只是描述逐步分析工作流的 Markdown 文件。
投资策略 (记忆)	当您创建仓位时，Hunter 会在本地 Postgres DB 中记录五个关键投资支柱、假设和成本基础，并随着新数据的到来而持续重新评估它们，标记偏差或假设破裂。
交互	流式 SSE chat 聊天、丰富的卡片 UI（价格、新闻、预测）、三层侧边栏（数据源 $\rightarrow$ 工具箱 $\rightarrow$ SKILL）、观察列表、信号追踪、以及用于即时深度分析工具的顶部菜单。
部署	一键指令 Docker-Compose 启动（镜像拉取后约 5 分钟）。自动编排六个容器（web, API, OpenCode chat engine, Postgres, Redis, llm-shim）。不需要云端账号；所有内容都在本地运行。

快速开始 (5 分钟)

git clone https://github.com/agentpit-io/hunter-community && cd hunter-community
复制 .env.example 到 .env 并填写：
- LLM_BASE_URL (例如 https://api.deepseek.com/v1)
- LLM_DEFAULT_MODEL (例如 deepseek-v4-pro)
- LLM_API_KEY (您的 LLM token)
- 可选的 HUNTER_API_KEY 用于免费的 Hunter 数据流水线
docker compose up -d (第一次运行会拉取 ~7 GB 镜像，然后约 30 秒内启动)
打开 http://localhost:3100 并开始聊天——例如，询问当前股票代码的价格，或请求一个“Kronos”预测。

扩展性

添加一个 SKILL – 将 SKILL.md 文件放入 user-skills/<name>/ 下（带有 Anthropic 风格元数据的 Markdown）并重启 opencode 容器。新技能将出现在侧边栏。
一键 GitHub SKILL 安装 – 将公开的 GitHub URL 粘贴到 SKILL 面板中的 “+” 按钮；平台会自动获取、验证并加载。
连接您自己的 MCP – 通过工具箱 “+” 按钮配置自定义数据工具端点（经纪商、私有数据供应商等）；Hunter 会将工具调用路由到它，而无需任何 AgentPit keys。

技术栈

层级	技术
前端	Next.js 15 (App Router), React 19, TypeScript 5, Tailwind, shadcn/ui
后端 API	FastAPI (Python 3.12), SQLAlchemy 2, httpx, loguru
聊天引擎	OpenCode (定制化) + MCP 协议，运行在 Bun 上
数据库	PostgreSQL 16 (存储策略、仓位、用户数据)
缓存 / PubSub	Redis 7
LLM 集成	OpenAI-compatible shim (DeepSeek, Claude, Qwen, Gemini, etc.)
认证	JWT (HS256) + argon2id 密码哈希
部署	Docker-Compose, GHCR 容器注册表, bind-mounts 用于快速迭代
测试	12-case golden-runner, SSE 订阅测试, 提供商兼容性矩阵

谁可能会使用它？

个人投资者 希望在不将投资组合数据发送给 SaaS 提供商的情况下进行 AI 辅助研究。
量化爱好者 正在寻找一个即插即用的环境来实验 LLM 驱动的估值模型和时间序列预测。
金融科技团队 需要一个自托管、可扩展的研究助手，可以通过 MCP 连接到内部数据源。

许可证 & 社区

Apache 2.0 – 免费分叉、修改，甚至可以重新品牌化（必须重命名产品）。允许商业闭源使用。
活跃的 Discord/WeChat 社区、GitHub Discussions，以及用于 bug 和功能请求的公开 issue 追踪器。
路线图包括技能市场 UI、多租户 SaaS 计费，以及可选的云端同步策略备份。

总结 – Hunter Community Edition 为您提供了一个完全本地、由 LLM 驱动的投资研究工作站，具有现成的分析工作流、实时市场数据和持久的“投资记忆”，可以追踪您购买每只股票的原因。所有这些都通过一个 Docker 命令在 Docker 中运行，并可以用您自己的数据工具或自定义 SKILLs 进行扩展。