AI 股票分析系统 — 技术方案仅供交流

Kelvin8756 曝光 · 192 收藏

基于《用 ChatGPT Codex 搭建一套每天自动工作的 AI 股票分析系统》一文整理并落地。有不足之处请多多指点

定位：AI 投资研究与信息处理系统 （不是自动交易、不是涨跌预测）。

本文档与 ai-stock-system/ 代码严格对应，可直接照着部署运行。

1. 已确认决策

2. 整体架构 （6 层）

关键修正 （相对原文）：原文把"多模型分工"当卖点，工程上先单模型跑通更稳更省 （四模型 = 四份成本 + 四倍失败面）。多模型扩展位保留在 ai/multi_model.py。

3. 技术选型

3.1 数据源 （双市场，统一抽象）

  • 美股：yfinance（免费、无需 key；已装 1.6.0）。备选 Alpha Vantage / Polygon（需 key）。
  • A 股：
  • AkShare（起步首选，已装 1.18.92 且实测可取真实数据）：免费开源、无需 token；接口随上游偶发变动。
  • Tushare（生产备选）：需 TUSHARE_TOKEN，数据更稳；启用方式见第 7 节。
  • 抽象：data/base.py 定义 BaseProvider，各市场实现 fetch_history(symbol, days=250) 与 fetch_quote(symbol)，上层只认统一 DataFrame。

3.2 AI 模型

  • DeepSeek（deepseek-chat），OpenAI 兼容接口，中文强、便宜。
  • 所有调用走 ai/llm_client.py：统一超时 (30s) / 重试 (3 次指数退避) / response_format=json_object / JSON 容错截取。不 eval、不 exec。

3.3 运行调度 （与具体调度解耦）

  • 主选：automation/run_daily.yml（GitHub Actions，每日定时）。
  • 备选：automation/scheduler_cron.sh（本地 cron / launchd / 任务计划）。
  • 解耦点：automation 只依赖"能跑 Python + 有环境变量"，不关心谁调度。

3.4 推送渠道 （可配置、可叠加）

  • Gmail SMTP（report/notifier.py::send_email，587/STARTTLS）。
  • 本地 HTML（report/notifier.py::save_html，输出到 reports/report_YYYY-MM-DD.html）。
  • 扩展位：企微/钉钉/飞书 Webhook（尚未实现，接口已抽象）。

4. 目录结构与模块职责（实际代码）

关键接口签名

  • BaseProvider.fetch_history(symbol, days=250) -> pd.DataFrame（index=datetime，columns=[open,high,low,close,volume]，均 float）
  • LLMClient(api_key=None, model="deepseek-chat", base_url="https://api.deepseek.com", timeout=30)
  • .chat(system, user, max_tokens, temperature, retries=3) -> str
  • .chat_json(system, user, **kw) -> dict（容错截取 {...}）
  • analyze(client, context) -> dict（调用 build_analysis_prompt 后 client.chat_json）
  • weighted_score(ai_result: dict, weights: dict) -> float
  • generate_html(results, config) -> str
  • save_html(html, config) -> str；send_email(html, config)

5. 核心数据流 （对照 main.py::run_once）

  1. 加载配置：CONFIG = load_config()（config.yaml）+ load_dotenv(".env")。
  2. 初始化客户端：LLMClient(model, temperature, max_tokens)，缺 DEEPSEEK_API_KEY 直接报错退出。
  3. 遍历 watchlist 每项 {symbol, market, name}：
  4. 选数据源 get_provider(market, provider_name)：
  • market=="us" → YFinanceProvider
  • provider_name=="tushare" → TushareProvider
  • 其余 （默认 A 股）→ AkShareProvider
  1. 取数 provider.fetch_history(symbol, days=250) → 标准化 OHLCV。
  2. 算指标 compute_all(df) → 指标 dict（含 close 最新价）。
  3. 构造 context {symbol, name, market, indicators(文本), latest_price}。
  4. AI 分析 analyze(client, context) → 结构化 JSON（见第 6 节 Schema）。
  5. 评分 weighted_score(ai_result, weights) → 0–100。
  6. 失败隔离：单只异常 catch 后打印到 stderr，不中断整体，继续下一只。
  7. 排序：按评分降序；若 batch.enabled，给前 top_n 只打 highlight 标记。
  8. 出报告：generate_html(results, cfg) → save_html() 落盘 + send_email() 推送 （邮件失败也不影响报告）。

6. 评分体系 （公式 + 映射）

AI 返回 5 个维度评级 + 风险等级，映射为分数后加权：

评分 = 系统内部评价体系，≠ 涨跌概率，≠ 投资建议。 文档与提示词均已明示。

7. 配置说明

7.1 config.yaml（可提交，不存密钥）

https://x.com/ai_goge/status/2089683136313794595?s=46

7.2 .env（不提交，密钥只走这里）

8. 运行与部署

8.1 环境准备 （必须用项目 venv 的 Python，否则找不到 akshare/yfinance）

8.5 定时

  • GitHub Actions：automation/run_daily.yml，在仓库 Secrets 配置同名环境变量 （DEEPSEEK_API_KEY 等），工作流每日触发。
  • 本地 cron：automation/scheduler_cron.sh 示例，用绝对路径指向 venv 的 python。 8.6 已验证记录
  • 指标单测 9/9 通过（tests/test_indicators.py）。
  • 全部模块导入 OK；HTML 报告渲染 OK（mock 数据）。
  • akshare 真实取数 OK：茅台 600519 取到 2026-08-18~20 真实行情。
  • akshare 1.18.92 经 pip index 确认是 PyPI 当前最新版。

完整跑通还需：填 .env 密钥 （第 8.2 节）→ python main.py。

9. 安全与密钥边界 （主线项目关注点）

  • 密钥不入库：全部走 .env / 调度平台 Secrets；.env 在 .gitignore；.env.example 仅占位。
  • AI 输出只解析 JSON：chat_json 用 json.loads，失败仅做 {...} 容错截取，绝不 eval/exec。
  • 失败不静默：单只取数/分析失败 catch 后打印 stderr 继续；邮件失败不影响报告生成。
  • 限流与超时：LLMClient 统一 30s 超时 + 3 次指数退避，防单点拖垮全任务。
  • 权限最小：当前只读行情 + 发邮件，无交易、无写文件到系统目录。

10. 关键风险 / 原文的过度承诺

  • 多模型 ≠ 更好：先单模型跑通，按需再加 （扩展位已留）。
  • 评分 ≠ 涨跌概率：已多处明示。
  • 数据源稳定性：AkShare 接口随上游偶发变动 （已留 Tushare 备援）；yfinance 非官方、易因 Yahoo 改版失效 （建议后续加 Finnhub 免费备援）。
  • 成本：批量 × 每日调用，需关注 token 费用；max_tokens 已限 1500。

11. 实施状态

12. 与主线项目 （Codex 式 Agent 桌面应用） 的关联

你正在做的 Electron 全栈 Agent 桌面应用（权限分级 + 插件沙盒 + 文件/网络/浏览器控制） 里，本系统可直接作为参考插件 / 能力模块：

  • 数据获取 → 复用 Agent 的文件系统/网络权限沙盒；
  • AI 分析 → 复用统一 LLM 调用层 （超时/重试/密钥管理）；
  • 定时任务 → 复用 Agent 的调度能力； 安全边界（密钥不落地、AI 输出不 eval、插件沙盒逃逸防护）——正是你最关心的点。可先在本项目把"AI + 外部数据 + 自动执行"的最小安全范式跑通，再搬进主项目。

写在最后：数据库需要根据自己的使用情况自己搭建，以下仅供参考 AkShare（A股/国内，免费，首选起步）

文档站：https://akshare.akfamily.xyz/

PyPI：https://pypi.org/project/akshare/

安装：pip install akshare

社区库，接口常随上游改版变动，正式用要留意备援

Tushare（A股，更稳但需注册拿 token + 积分）

官网：https://tushare.pro/

注册后在"个人主页 → 接口 TOKEN"拿到 key，填 config.yaml 的 tushare_token

基础行情要积够积分才能调（注册送的够日常用）

yfinance（美股，基于 Yahoo Finance）

库地址：https://pypi.org/project/yfinance/

安装：pip install yfinance