Compare commits
5 Commits
0ad4b1f030
..
main
| Author | SHA1 | Date | |
|---|---|---|---|
 fish
|
2f2b53e03e | ||
|
fish
|
490fb7ac0a | ||
|
fish
|
566a8be912 | ||
|
fish
|
476201abed | ||
|
fish
|
e21d2f69ee |
@@ -1 +1,49 @@
|
||||
# README
|
||||
# A股智能量化工作台
|
||||
|
||||
本项目是一个面向个人散户与量化爱好者的 **A 股「选股 + 监控 + 回测」量化工作台**，采用前后端分离架构，支持 Docker 一键部署。
|
||||
|
||||
## 目录结构
|
||||
|
||||
```
|
||||
stock/
|
||||
├── local/ # 本地完整版（满血功能）
|
||||
└── serve/ # 服务端轻量版（备份 + 基础查看）
|
||||
```
|
||||
|
||||
### local/ — 本地完整版
|
||||
|
||||
自托管的满血工作站，所有功能本地运行：
|
||||
|
||||
- **选股**：20+ 内置策略，支持自定义信号与 AI 生成策略
|
||||
- **回测**：基于 vectorbt 的向量化回测，支持 T+1、手续费、止损等真实约束
|
||||
- **实时监控**：策略 / 个股信号 / 价格 / 异动四类规则，SSE 实时告警 + 飞书推送
|
||||
- **个股分析**：日 K 图表、9 类关键价位、AI 四维分析
|
||||
- **数据扩展**：TickFlow 多源数据 + 第三方 HTTP / CSV / Excel 接入
|
||||
|
||||
详细说明与部署指南见 [`local/README.md`](./local/README.md)。
|
||||
|
||||
### serve/ — 服务端轻量版
|
||||
|
||||
`local/` 的云端伴侣，用于**数据备份**与**远程基础查看**：
|
||||
|
||||
- 接收 `local/` 推送的选股结果、复盘报告、历史 K 线等基础数据
|
||||
- 支持多用户（admin / viewer）角色隔离
|
||||
- 不包含回测、实时监控、实时行情等需要本地运行的能力
|
||||
|
||||
详细说明与部署指南见 [`serve/README.md`](./serve/README.md)。
|
||||
|
||||
## 快速选择
|
||||
|
||||
| 场景 | 使用目录 |
|
||||
| :--- | :--- |
|
||||
| 在自己的电脑 / 服务器上跑完整功能 | [`local/`](./local/README.md) |
|
||||
| 只需要远程备份和查看基础数据 | [`serve/`](./serve/README.md) |
|
||||
| 既要本地分析，又要远程查看 | 同时部署 `local/` + `serve/`，并通过 `SYNC_SERVE_URL` 同步 |
|
||||
|
||||
## 数据安全提示
|
||||
|
||||
两个目录下的 `data/` 文件夹均为运行时生成的用户数据，**不纳入 git 管理**。更新代码时 `git pull` 不会影响已有数据，但请勿使用 `git clean -fdx` 或 `git reset --hard`，以免误删数据。
|
||||
|
||||
## 开源协议
|
||||
|
||||
[MIT](./LICENSE)
|
||||
|
||||
@@ -1,21 +0,0 @@
|
||||
MIT License
|
||||
|
||||
Copyright (c) 2026 tickflow-stock-panel contributors
|
||||
|
||||
Permission is hereby granted, free of charge, to any person obtaining a copy
|
||||
of this software and associated documentation files (the "Software"), to deal
|
||||
in the Software without restriction, including without limitation the rights
|
||||
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
|
||||
copies of the Software, and to permit persons to whom the Software is
|
||||
furnished to do so, subject to the following conditions:
|
||||
|
||||
The above copyright notice and this permission notice shall be included in all
|
||||
copies or substantial portions of the Software.
|
||||
|
||||
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
|
||||
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
|
||||
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
|
||||
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
|
||||
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
|
||||
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
|
||||
SOFTWARE.
|
||||
+112
-106
@@ -1,10 +1,10 @@
|
||||
<div align="center">
|
||||
|
||||
# 📈 A股智能量化工作台
|
||||
# 📈 A股智能量化工作台（本地完整版）
|
||||
|
||||
**自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台**
|
||||
**自托管、满血功能的 A 股「选股 + 监控 + 回测」量化工作台**
|
||||
|
||||
**面向个人散户与量化爱好者而生**
|
||||
**面向个人散户与量化爱好者，所有功能本地运行**
|
||||
|
||||
[](./LICENSE)
|
||||
[](https://www.python.org/)
|
||||
@@ -17,26 +17,23 @@
|
||||
|
||||
<div align="center">
|
||||
|
||||
**[快速开始](#-快速开始)** · **[核心功能](#-核心功能)** · **[配置](#️-配置)** · **[路线图](#-路线图)**
|
||||
**[快速开始](#-快速开始)** · **[核心功能](#-核心功能)** · **[配置](#️-配置)** · **[同步到服务端](#-同步到服务端)**
|
||||
|
||||
</div>
|
||||
|
||||
- 🆓 **开箱即用** — 留空 Key 即进 None 模式,历史日 K 免费体验,**无需付费**
|
||||
- 🏠 **自托管零运维** — Docker 单容器部署,数据完全掌握在自己手里
|
||||
- 🔍 **三位一体** — 选股(20 内置策略)+ 实时监控 + 向量化回测,Polars 毫秒级扫描全 A 股
|
||||
- 🤖 **AI 加持** — 一句话生成策略代码,任意 OpenAI 兼容接口均可接入(留空即关闭)
|
||||
- 🔌 **自由扩展** — 自有量化项目数据,与内置数据同台分析
|
||||
- 🇨🇳 **A 股专用** — 盘后自动AI复盘并推送至飞书等;连板梯队、涨停动量、内置ths 概念 / 行业
|
||||
- 🆓 **开箱即用** — 留空 Key 即进 None 模式，历史日 K 免费体验，**无需付费**
|
||||
- 🏠 **自托管零运维** — Docker 单容器部署，数据完全掌握在自己手里
|
||||
- 🔍 **三位一体** — 选股（20 内置策略）+ 实时监控 + 向量化回测，Polars 毫秒级扫描全 A 股
|
||||
- 🤖 **AI 加持** — 一句话生成策略代码，任意 OpenAI 兼容接口均可接入（留空即关闭）
|
||||
- 📡 **实时行情与监控** — 自选股实时行情、五档盘口、监控规则命中后 SSE 弹窗 + 飞书推送
|
||||
- 🔌 **自由扩展** — 自有量化项目数据，与内置数据同台分析
|
||||
- 🇨🇳 **A 股专用** — 盘后自动 AI 复盘并推送至飞书等；连板梯队、涨停动量、内置 ths 概念 / 行业
|
||||
|
||||
基于 [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 数据源。**明确不做**：不对标同花顺 / 通达信，不内置「AI 荐股 / 涨停预测」。
|
||||
|
||||
|
||||
基于 [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 数据源。**明确不做**:不对标同花顺 / 通达信,不内置「AI 荐股 / 涨停预测」。
|
||||
|
||||
> ⚠️ 考虑到tickflow数据源没有人气/资金流向等个性化数据,我将开放自有的第三方数据以供大佬们研究使用,包括但不限于当前内置的ths概念/ths行业(后续更新在这里)
|
||||
|
||||
|
||||
> 有更多稳定免费数据源推荐,或者提交建议/意见的大佬可以邮件到 415333856@qq.com,q群 109338242
|
||||
|
||||
> ⚠️ 考虑到 tickflow 数据源没有人气/资金流向等个性化数据，我将开放自有的第三方数据以供大佬们研究使用，包括但不限于当前内置的 ths 概念/ths 行业（后续更新在这里）
|
||||
>
|
||||
> 有更多稳定免费数据源推荐，或者提交建议/意见的大佬可以邮件到 415333856@qq.com，q群 109338242
|
||||
|
||||
觉得有用可以点个 Star，蟹蟹 🌹
|
||||
|
||||
@@ -44,7 +41,9 @@
|
||||
|
||||
## 🎯 项目定位
|
||||
|
||||
**面向个人散户与量化爱好者的 A 股分析工作台**,聚焦「**选股 + 监控 + 回测**」三大场景,LLM能力驱动进行市场分析，掌控市场节奏；让普通投资者也能拥有一套可自定义策略的量化工具。
|
||||
`local/` 目录下的版本是**本地完整版**，面向希望在自己的电脑或局域网中运行全部功能的用户。
|
||||
|
||||
它包含完整的选股、回测、实时监控、个股分析、财务分析、连板梯队、概念/行业分析等全部能力，是项目功能的「满血」形态。同时支持把数据同步到远程 `serve/` 服务端，作为云端备份和基础数据查看入口。
|
||||
|
||||
---
|
||||
|
||||
@@ -96,19 +95,19 @@
|
||||
| [`uv`](https://docs.astral.sh/uv/) | latest | `curl -LsSf https://astral.sh/uv/install.sh \| sh` |
|
||||
| `pnpm` | 9 | `npm i -g pnpm` |
|
||||
|
||||
### 方式 A:Dev 模式(二次开发推荐)
|
||||
### 方式 A：Dev 模式（二次开发推荐）
|
||||
|
||||
```bash
|
||||
cp .env.example .env # 按需填 TICKFLOW_API_KEY(留空 = None 模式)
|
||||
cp .env.example .env # 按需填 TICKFLOW_API_KEY（留空 = None 模式）
|
||||
./dev.sh # Windows: .\dev.ps1
|
||||
```
|
||||
|
||||
自动检查 / 下载依赖、释放端口、同时起前后端,Ctrl-C 一并关闭。默认:
|
||||
自动检查 / 下载依赖、释放端口、同时起前后端，Ctrl-C 一并关闭。默认：
|
||||
|
||||
- 后端 → <http://localhost:3018> · 前端 → <http://localhost:3011>
|
||||
- 自定义端口:`BACKEND_PORT=8000 FRONTEND_PORT=5173 ./dev.sh`
|
||||
- 自定义端口：`BACKEND_PORT=8000 FRONTEND_PORT=5173 ./dev.sh`
|
||||
|
||||
### 方式 B:Docker(部署最省心)
|
||||
### 方式 B：Docker（部署最省心）
|
||||
|
||||
```bash
|
||||
cp .env.example .env
|
||||
@@ -116,12 +115,14 @@ docker compose up --build
|
||||
# 打开 http://localhost:3018
|
||||
```
|
||||
|
||||
容器名：`TickFlow_Local`。默认端口 `3018`，数据持久化到 `./data/`。
|
||||
|
||||
<details>
|
||||
<summary><b>环境适配与高级选项(老 CPU · 手动启动 · 回测依赖)</b></summary>
|
||||
<summary><b>环境适配与高级选项（老 CPU · 手动启动 · 回测依赖）</b></summary>
|
||||
|
||||
**老 CPU 兼容(avx2/fma 缺失报错或 exit 132)**:桌面客户端安装包已内置兼容内核(新老 CPU 通吃)。Docker / 源码用户在 `.env` 打开 `BACKEND_EXTRAS=legacy-cpu` 后重建,会给 Polars 切到 `rtcompat` 运行时;需回测则 `BACKEND_EXTRAS=legacy-cpu backtest`。
|
||||
**老 CPU 兼容（avx2/fma 缺失报错或 exit 132）**：桌面客户端安装包已内置兼容内核（新老 CPU 通吃）。Docker / 源码用户在 `.env` 打开 `BACKEND_EXTRAS=legacy-cpu` 后重建，会给 Polars 切到 `rtcompat` 运行时；需回测则 `BACKEND_EXTRAS=legacy-cpu backtest`。
|
||||
|
||||
**手动分别启动:**
|
||||
**手动分别启动：**
|
||||
|
||||
```bash
|
||||
# 后端
|
||||
@@ -132,42 +133,42 @@ uv run uvicorn app.main:app --reload --port 3018
|
||||
cd frontend && pnpm install && pnpm dev # http://localhost:3011
|
||||
```
|
||||
|
||||
**回测依赖**:vectorbt → numba 体积较大,作为可选 extras(`uv sync --extra backtest`)。macOS / Intel 无预构建 wheel 时需 `brew install cmake` 现场编译。
|
||||
**回测依赖**：vectorbt → numba 体积较大，作为可选 extras（`uv sync --extra backtest`）。macOS / Intel 无预构建 wheel 时需 `brew install cmake` 现场编译。
|
||||
|
||||
</details>
|
||||
|
||||
### 🔄 更新代码(已部署用户必读)
|
||||
### 🔄 更新代码（已部署用户必读）
|
||||
|
||||
拉取新版本只需一条命令:
|
||||
拉取新版本只需一条命令：
|
||||
|
||||
```bash
|
||||
git pull
|
||||
```
|
||||
|
||||
**整个 `data/` 目录都不纳入 git**——行情 K线、财务、自选、回测、监控记录,乃至概念/行业扩展数据,全部是程序运行时生成/拉取的用户数据,`git pull` 物理上无法影响它们。新用户首次启动时,概念/行业两份扩展数据会自动从远程接口拉取,无需任何手动操作。
|
||||
**整个 `data/` 目录都不纳入 git**——行情 K线、财务、自选、回测、监控记录，乃至概念/行业扩展数据，全部是程序运行时生成/拉取的用户数据，`git pull` 物理上无法影响它们。新用户首次启动时，概念/行业两份扩展数据会自动从远程接口拉取，无需任何手动操作。
|
||||
|
||||
> ⚠️ **切勿使用以下命令"解决冲突"或"清理",它们会一次性删光 `data/` 下所有未被 git 跟踪的数据:**
|
||||
> - `git clean -fdx`(最危险,会删掉所有 `.gitignore` 忽略的文件)
|
||||
> ⚠️ **切勿使用以下命令"解决冲突"或"清理"，它们会一次性删光 `data/` 下所有未被 git 跟踪的数据：**
|
||||
> - `git clean -fdx`（最危险，会删掉所有 `.gitignore` 忽略的文件）
|
||||
> - `git reset --hard`
|
||||
> - 直接删除整个项目文件夹重新 `git clone`
|
||||
>
|
||||
> 若 `git pull` 报冲突,通常是本地误改了被跟踪的文件,请先 `git stash` 暂存再 pull,或单独联系作者,不要直接执行上面的命令。
|
||||
> 若 `git pull` 报冲突，通常是本地误改了被跟踪的文件，请先 `git stash` 暂存再 pull，或单独联系作者，不要直接执行上面的命令。
|
||||
|
||||
### 🧭 跑起来后的第一次使用
|
||||
|
||||
1. **设置 → 凭据与能力** → 点 **重新检测**,确认档位标签
|
||||
2. **设置** → **立即跑盘后管道**:拉日 K + 计算 enriched 表(None / Free 走 free-api,当日数据盘后 1-2 小时可用)
|
||||
1. **设置 → 凭据与能力** → 点 **重新检测**，确认档位标签
|
||||
2. **设置** → **立即跑盘后管道**：拉日 K + 计算 enriched 表（None / Free 走 free-api，当日数据盘后 1-2 小时可用）
|
||||
3. **自选**页加标的 → **选股**页点策略卡片扫描 / 配自定义信号
|
||||
4. **回测**页选策略 + 区间 → 看净值 / 夏普 / 交易明细(SSE 实时进度)
|
||||
5. **监控中心**配规则(策略 / 个股信号 / 价格 / 异动),盘中实时弹窗 + 持久化记录
|
||||
4. **回测**页选策略 + 区间 → 看净值 / 夏普 / 交易明细（SSE 实时进度）
|
||||
5. **监控中心**配规则（策略 / 个股信号 / 价格 / 异动），盘中实时弹窗 + 持久化记录
|
||||
|
||||
---
|
||||
|
||||
## ✨ 核心功能
|
||||
|
||||
### 🔍 选股引擎(Screener)
|
||||
### 🔍 选股引擎（Screener）
|
||||
|
||||
**20 个内置策略**,每个策略一个独立 Python 文件,基于 Polars 表达式向量化实现(`backend/app/strategy/builtin/`):
|
||||
**20 个内置策略**，每个策略一个独立 Python 文件，基于 Polars 表达式向量化实现（`backend/app/strategy/builtin/`）：
|
||||
|
||||
| 类型 | 代表策略 |
|
||||
| :---------- | :------------------------------------------------------- |
|
||||
@@ -175,79 +176,81 @@ git pull
|
||||
| 量价 / 涨停 | 量价齐升 · 高换手强势 · 连板股 · 断板反包 · 涨停动量 |
|
||||
| 反转 / 波动 | 超跌反弹 · 超卖反转 · 新低反转 · 低波动龙头 · 回踩 MA20 |
|
||||
|
||||
**扩展策略的三种方式:**
|
||||
**扩展策略的三种方式：**
|
||||
|
||||
| 方式 | 说明 |
|
||||
| :---------------- | :---------------------------------------------------------------------------------------------------- |
|
||||
| **🎛️ 自定义信号** | 不写代码,UI 上 `字段 + 操作符 + 阈值` 组合编译成 Polars 表达式热加载 |
|
||||
| **🤖 AI 生成** | 一句话描述思路,LLM 读 `strategy-guide.md` 生成完整策略文件(经 `ast` 校验)→ 落入 `data/strategies/ai/` |
|
||||
| **📝 代码迁移** | 参照开发指南把已有策略改写为 Polars 文件放入 `data/strategies/custom/`,引擎自动发现 |
|
||||
| **🎛️ 自定义信号** | 不写代码，UI 上 `字段 + 操作符 + 阈值` 组合编译成 Polars 表达式热加载 |
|
||||
| **🤖 AI 生成** | 一句话描述思路，LLM 读 `strategy-guide.md` 生成完整策略文件（经 `ast` 校验）→ 落入 `data/strategies/ai/` |
|
||||
| **📝 代码迁移** | 参照开发指南把已有策略改写为 Polars 文件放入 `data/strategies/custom/`，引擎自动发现 |
|
||||
|
||||
### 📊 指标流水线(Indicators)
|
||||
### 📊 指标流水线（Indicators）
|
||||
|
||||
原生 Polars 向量化,全 A 股一次扫表落盘 enriched Parquet:
|
||||
原生 Polars 向量化，全 A 股一次扫表落盘 enriched Parquet：
|
||||
|
||||
- **均线 / 趋势**:MA(5-60)· EMA · MACD · 动量 · 布林带
|
||||
- **震荡 / 波动**:RSI · KDJ · ATR · 年化波动率 · 振幅
|
||||
- **量能 / 涨跌停**:量比 · 量均线 · 涨停信号 · 连板数
|
||||
- **原子信号**:MA / MACD 金叉死叉 · N 日新高新低 · 布林突破
|
||||
- **复权**:基于除权因子自动前复权,回测与指标口径一致
|
||||
- **均线 / 趋势**：MA（5-60）· EMA · MACD · 动量 · 布林带
|
||||
- **震荡 / 波动**：RSI · KDJ · ATR · 年化波动率 · 振幅
|
||||
- **量能 / 涨跌停**：量比 · 量均线 · 涨停信号 · 连板数
|
||||
- **原子信号**：MA / MACD 金叉死叉 · N 日新高新低 · 布林突破
|
||||
- **复权**：基于除权因子自动前复权，回测与指标口径一致
|
||||
|
||||
### 🧪 回测引擎(Backtest)
|
||||
### 🧪 回测引擎（Backtest）
|
||||
|
||||
基于 vectorbt:**三种模式**(个股 / 策略组合 / 自由信号组合),真实约束(T+1 · 手续费 · 滑点 · 止损 · 最大持仓天数),组合管理(最大持仓 · 敞口 · 等权 / 自定义仓位)。SSE 流式进度支持切页重连,输出净值曲线 · 夏普 · 最大回撤 · 胜率 · 交易明细。
|
||||
基于 vectorbt：**三种模式**（个股 / 策略组合 / 自由信号组合），真实约束（T+1 · 手续费 · 滑点 · 止损 · 最大持仓天数），组合管理（最大持仓 · 敞口 · 等权 / 自定义仓位）。SSE 流式进度支持切页重连，输出净值曲线 · 夏普 · 最大回撤 · 胜率 · 交易明细。
|
||||
|
||||
### 📡 监控中心(Monitor)
|
||||
### 📡 监控中心（Monitor）
|
||||
|
||||
统一规则引擎,一个页面管理**四类监控**(策略 · 个股信号 · 价格涨跌 · 全市场异动):
|
||||
统一规则引擎，一个页面管理**四类监控**（策略 · 个股信号 · 价格涨跌 · 全市场异动）：
|
||||
|
||||
- 多条件 AND/OR + 冷却期去重 + 严重级别(info/warn/critical)
|
||||
- 多入口配置:监控中心新建 / 个股详情页「加监控」/ 策略卡片一键开启
|
||||
- 命中后右下角弹窗(可配声效)+ 持久化到 `alerts.jsonl`,菜单未读徽标
|
||||
- **触发记录详情**:每条记录展示命中的具体条件(如 `RSI>80`)与当前价位,一眼看清为何触发
|
||||
- **飞书 Webhook 推送**:全局一处配置飞书群机器人地址,启用推送的规则命中即推送到飞书群(支持签名校验);可在设置页设「默认推送渠道」,新建规则自动预填
|
||||
- 多条件 AND/OR + 冷却期去重 + 严重级别（info/warn/critical）
|
||||
- 多入口配置：监控中心新建 / 个股详情页「加监控」/ 策略卡片一键开启
|
||||
- 命中后右下角弹窗（可配声效）+ 持久化到 `alerts.jsonl`，菜单未读徽标
|
||||
- **触发记录详情**：每条记录展示命中的具体条件（如 `RSI>80`）与当前价位，一眼看清为何触发
|
||||
- **飞书 Webhook 推送**：全局一处配置飞书群机器人地址，启用推送的规则命中即推送到飞书群（支持签名校验）；可在设置页设「默认推送渠道」，新建规则自动预填
|
||||
- **SSE 实时推送**：本地运行时，命中告警通过 Server-Sent Events 实时推送到前端
|
||||
|
||||
### 📈 个股分析(Beta)
|
||||
### 📈 个股分析（Beta）
|
||||
|
||||
以「行情 + 关键价位」为主体的单标的决策页:
|
||||
以「行情 + 关键价位」为主体的单标的决策页：
|
||||
|
||||
- **专用日 K 图表**:主图 + 成交量 + 滑块,默认近 6 个月
|
||||
- **9 类关键价位**(纯函数实时计算,毫秒级):压力支撑 · 成交密集区 · 枢轴点 · 前高前低 · Keltner 通道 · ATR 止损 · 缺口位 · 斐波那契 · 整数关口
|
||||
- **AI 四维分析**:技术 / 基本面 / 财务 / 消息面流式生成,实战派交易员视角
|
||||
- **专用日 K 图表**：主图 + 成交量 + 滑块，默认近 6 个月
|
||||
- **9 类关键价位**（纯函数实时计算，毫秒级）：压力支撑 · 成交密集区 · 枢轴点 · 前高前低 · Keltner 通道 · ATR 止损 · 缺口位 · 斐波那契 · 整数关口
|
||||
- **AI 四维分析**：技术 / 基本面 / 财务 / 消息面流式生成，实战派交易员视角
|
||||
|
||||
### 🧰 数据与扩展
|
||||
|
||||
- **TickFlow 多源数据**:日 K / 分钟 K / 指数 / 财务 / 实时行情
|
||||
- **🔌 第三方接入(重点)**:Tushare 等 HTTP 定时拉取 · CSV / Excel 上传 · JSON 写入,自动 schema 发现 + 符号归一,页面可视化配置,**可与自有量化项目数据并入 DuckDB 同台分析**
|
||||
- **盘后定时管道**:APScheduler 15:30 CST 自动拉日 K + 重算 enriched + 跑监控
|
||||
- **令牌桶限流**:适配各档位 rpm / batch,批量合并 + 增量拉取
|
||||
- **TickFlow 多源数据**：日 K / 分钟 K / 指数 / 财务 / 实时行情
|
||||
- **🔌 第三方接入（重点）**：Tushare 等 HTTP 定时拉取 · CSV / Excel 上传 · JSON 写入，自动 schema 发现 + 符号归一，页面可视化配置，**可与自有量化项目数据并入 DuckDB 同台分析**
|
||||
- **盘后定时管道**：APScheduler 15:30 CST 自动拉日 K + 重算 enriched + 跑监控
|
||||
- **令牌桶限流**：适配各档位 rpm / batch，批量合并 + 增量拉取
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ 配置
|
||||
|
||||
所有配置从根目录 `.env` 读取(复制 `.env.example` 开始),也可在面板 **设置** 页修改。
|
||||
所有配置从根目录 `.env` 读取（复制 `.env.example` 开始），也可在面板 **设置** 页修改。
|
||||
|
||||
### 数据源:TickFlow
|
||||
### 数据源：TickFlow
|
||||
|
||||
```ini
|
||||
TICKFLOW_API_KEY= # 留空 = None 模式(历史日K免费);填 Key = 按订阅档位解锁
|
||||
TICKFLOW_API_KEY= # 留空 = None 模式（历史日K免费）；填 Key = 按订阅档位解锁
|
||||
```
|
||||
|
||||
留空即 None 模式,通过 free-api 使用历史日 K(当日数据盘后 1-2 小时可用);免费注册 Key 后进 Free 模式,开启自选股实时监控。**实时行情按档位**:
|
||||
留空即 None 模式，通过 free-api 使用历史日 K（当日数据盘后 1-2 小时可用）；免费注册 Key 后进 Free 模式，开启自选股实时监控。**实时行情按档位**：
|
||||
|
||||
| 档位 | 实时能力 |
|
||||
| :------- | :--------------------------------------- |
|
||||
| Free | 自选页前 5 个标的实时监控(最低 6 秒刷新) |
|
||||
| None | 无实时行情，仅历史日 K |
|
||||
| Free | 自选页前 5 个标的实时监控（最低 6 秒刷新） |
|
||||
| Starter+ | 全市场实时行情 |
|
||||
| Pro | 分钟 K + 盘口 |
|
||||
| Expert | WebSocket + 财务数据 |
|
||||
|
||||
> 完整能力矩阵见 [tickflow.org/pricing](https://tickflow.org/pricing/),高等档位含较低档全部权益。
|
||||
> 完整能力矩阵见 [tickflow.org/pricing](https://tickflow.org/pricing/)，高等档位含较低档全部权益。
|
||||
|
||||
### AI(可选)
|
||||
### AI（可选）
|
||||
|
||||
用于自然语言生成策略。**所有配置留空即跳过**,不影响核心功能。支持任意 OpenAI 兼容接口:
|
||||
用于自然语言生成策略。**所有配置留空即跳过**，不影响核心功能。支持任意 OpenAI 兼容接口：
|
||||
|
||||
```ini
|
||||
AI_PROVIDER=openai_compat # openai_compat | ollama
|
||||
@@ -268,15 +271,33 @@ DATA_DIR=./data # Parquet / DuckDB 数据存储目录
|
||||
|
||||
### 访问密码
|
||||
|
||||
面板首次设置访问密码时,出于安全考虑**仅允许本机或内网访问**(防公网陌生人抢先设置锁死面板)。公网服务器部署有两种方式设首个密码:
|
||||
面板首次设置访问密码时，出于安全考虑**仅允许本机或内网访问**（防公网陌生人抢先设置锁死面板）。公网服务器部署有两种方式设首个密码：
|
||||
|
||||
1. **环境变量预置(推荐)** — 在 `.env` 填入 `AUTH_PASSWORD`,首次启动自动初始化(哈希后写入 `auth.json`,之后不再读取):
|
||||
1. **环境变量预置（推荐）** — 在 `.env` 填入 `AUTH_PASSWORD`，首次启动自动初始化（哈希后写入 `auth.json`，之后不再读取）：
|
||||
```ini
|
||||
AUTH_PASSWORD=你的密码 # 至少 6 位;仅首次生效,已设过则不覆盖
|
||||
AUTH_PASSWORD=你的密码 # 至少 6 位；仅首次生效，已设过则不覆盖
|
||||
```
|
||||
2. **SSH 端口转发** — 本机执行 `ssh -L 3018:127.0.0.1:3018 用户@服务器IP`,浏览器开 `http://127.0.0.1:3018` 设密码
|
||||
2. **SSH 端口转发** — 本机执行 `ssh -L 3018:127.0.0.1:3018 用户@服务器IP`，浏览器开 `http://127.0.0.1:3018` 设密码
|
||||
|
||||
> 详细步骤与重置密码见 [docs/deploy-password.md](./docs/deploy-password.md)。设完密码后改密码走页面 UI(`设置 → 修改密码`)。
|
||||
> 详细步骤与重置密码见 [docs/deploy-password.md](./docs/deploy-password.md)。设完密码后改密码走页面 UI（`设置 → 修改密码`）。
|
||||
|
||||
---
|
||||
|
||||
## 🔄 同步到服务端
|
||||
|
||||
本地完整版支持把核心数据同步到远程 `serve/` 服务端，作为：
|
||||
|
||||
- **异地备份**：防止本地磁盘损坏导致历史数据丢失
|
||||
- **远程查看**：在手机或其他设备上通过浏览器查看基础行情与选股结果
|
||||
|
||||
配置方式：
|
||||
|
||||
```ini
|
||||
SYNC_SERVE_URL=https://your-serve.example.com
|
||||
SYNC_KEY=your-shared-secret
|
||||
```
|
||||
|
||||
> 同步是**单向**的：本地 → 服务端。服务端只接收并展示基础数据，不包含本地版的实时行情、回测、监控等复杂能力。详细说明见 `../serve/README.md`。
|
||||
|
||||
---
|
||||
|
||||
@@ -285,12 +306,13 @@ DATA_DIR=./data # Parquet / DuckDB 数据存储目录
|
||||
| 层 | 选型 |
|
||||
| :----------- | :------------------------------------------------------------------------------------------------ |
|
||||
| **后端** | FastAPI · Pydantic v2 · APScheduler · sse-starlette |
|
||||
| **数据** | Polars(计算)· DuckDB(查询)· Parquet(存储) |
|
||||
| **回测** | vectorbt(全项目唯一 pandas 边界) |
|
||||
| **数据源** | [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 官方 SDK 、其他数据源后续迭代实装 |
|
||||
| **AI**(可选) | OpenAI 兼容接口(DeepSeek / 通义 / Ollama 等) |
|
||||
| **数据** | Polars（计算）· DuckDB（查询）· Parquet（存储） |
|
||||
| **回测** | vectorbt（全项目唯一 pandas 边界） |
|
||||
| **数据源** | [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 官方 SDK |
|
||||
| **AI**（可选） | OpenAI 兼容接口（DeepSeek / 通义 / Ollama 等） |
|
||||
| **前端** | React 18 · Vite · TypeScript · Tailwind · Tanstack Query · Lightweight Charts · ECharts · dnd-kit |
|
||||
| **部署** | Docker 两阶段构建,前端 dist 拷进后端镜像,**单容器** |
|
||||
| **部署** | Docker 两阶段构建，前端 dist 拷进后端镜像，**单容器** |
|
||||
| **桌面端** | PyInstaller + Inno Setup（Windows 安装包） |
|
||||
|
||||
---
|
||||
|
||||
@@ -301,28 +323,12 @@ DATA_DIR=./data # Parquet / DuckDB 数据存储目录
|
||||
| 0-1 | 仓库骨架 · FastAPI 壳 · 能力探测 · K 线同步与分析页 | ✅ |
|
||||
| 2-3 | Polars enriched 流水线 · Screener · vectorbt 回测(T+1/手续费/止损) | ✅ |
|
||||
| 4-5 | 监控引擎 · 四类监控规则 · 实时 SSE 推送 · 持久化记录 | ✅ |
|
||||
| 6 | 个股分析(专用日 K + 9 类关键价位 + AI 四维分析) | ✅ |
|
||||
| **v2** | Webhook 推送(QMT/掘金下单)· 板块异动 · 早晚报 · 更多扩展 | 🚧 |
|
||||
| 6 | 个股分析（专用日 K + 9 类关键价位 + AI 四维分析） | ✅ |
|
||||
| **v2** | Webhook 推送（QMT/掘金下单）· 板块异动 · 早晚报 · 更多扩展 | 🚧 |
|
||||
|
||||
---
|
||||
|
||||
## 📚 文档与贡献
|
||||
|
||||
- [docs/strategy-guide.md](./docs/strategy-guide.md) —— 策略开发指南(AI 生成与手写规范)
|
||||
- [docs/strategy-guide.md](./docs/strategy-guide.md) —— 策略开发指南（AI 生成与手写规范）
|
||||
- [docs/](./docs) —— 策略构建步骤、示例
|
||||
|
||||
欢迎 Issue 和 PR。新增内置策略:在 `backend/app/strategy/builtin/` 参照现有文件实现 `StrategyDef`,引擎自动发现。
|
||||
|
||||
---
|
||||
|
||||
## ⚠️ 免责声明
|
||||
|
||||
本项目仅供**学习与量化研究**,**不构成任何投资建议**。回测结果不代表未来收益。A 股有风险,入市需谨慎。数据准确性以数据源 TickFlow 官方为准。
|
||||
|
||||
## 📄 License
|
||||
|
||||
[MIT](./LICENSE) © tickflow-stock-panel contributors · 本项目依赖 [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 提供数据服务,使用前请遵守其服务条款。
|
||||
|
||||
## 社区
|
||||
|
||||
本开源项目已链接并认可 [LINUX DO 社区](https://linux.do)。
|
||||
|
||||
@@ -1,21 +0,0 @@
|
||||
MIT License
|
||||
|
||||
Copyright (c) 2026 tickflow-stock-panel contributors
|
||||
|
||||
Permission is hereby granted, free of charge, to any person obtaining a copy
|
||||
of this software and associated documentation files (the "Software"), to deal
|
||||
in the Software without restriction, including without limitation the rights
|
||||
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
|
||||
copies of the Software, and to permit persons to whom the Software is
|
||||
furnished to do so, subject to the following conditions:
|
||||
|
||||
The above copyright notice and this permission notice shall be included in all
|
||||
copies or substantial portions of the Software.
|
||||
|
||||
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
|
||||
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
|
||||
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
|
||||
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
|
||||
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
|
||||
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
|
||||
SOFTWARE.
|
||||
+132
-244
@@ -1,94 +1,44 @@
|
||||
<div align="center">
|
||||
|
||||
# 📈 A股智能量化工作台
|
||||
# 📈 A股智能量化工作台（服务端备份/查看版）
|
||||
|
||||
**自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台**
|
||||
**本地完整版的云端伴侣：数据备份 + 基础数据查看**
|
||||
|
||||
**面向个人散户与量化爱好者而生**
|
||||
**面向已部署 `local/` 完整版的用户，提供远程备份与轻量查看能力**
|
||||
|
||||
[](./LICENSE)
|
||||
[](https://www.python.org/)
|
||||
[](https://react.dev/)
|
||||
[](https://tickflow.org/auth/register?ref=V3KDKGXPEA)
|
||||
[](./Dockerfile)
|
||||
[](https://github.com/shy3130/tickflow-stock-panel/stargazers)
|
||||
|
||||
</div>
|
||||
|
||||
<div align="center">
|
||||
|
||||
**[快速开始](#-快速开始)** · **[核心功能](#-核心功能)** · **[配置](#️-配置)** · **[路线图](#-路线图)**
|
||||
**[快速开始](#-快速开始)** · **[功能范围](#-功能范围)** · **[接收本地同步](#-接收本地同步)** · **[部署说明](#-部署说明)**
|
||||
|
||||
</div>
|
||||
|
||||
- 🆓 **开箱即用** — 留空 Key 即进 None 模式,历史日 K 免费体验,**无需付费**
|
||||
- 🏠 **自托管零运维** — Docker 单容器部署,数据完全掌握在自己手里
|
||||
- 🔍 **三位一体** — 选股(20 内置策略)+ 实时监控 + 向量化回测,Polars 毫秒级扫描全 A 股
|
||||
- 🤖 **AI 加持** — 一句话生成策略代码,任意 OpenAI 兼容接口均可接入(留空即关闭)
|
||||
- 🔌 **自由扩展** — 自有量化项目数据,与内置数据同台分析
|
||||
- 🇨🇳 **A 股专用** — 盘后自动AI复盘并推送至飞书等;连板梯队、涨停动量、内置ths 概念 / 行业
|
||||
|
||||
|
||||
|
||||
基于 [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 数据源。**明确不做**:不对标同花顺 / 通达信,不内置「AI 荐股 / 涨停预测」。
|
||||
|
||||
> ⚠️ 考虑到tickflow数据源没有人气/资金流向等个性化数据,我将开放自有的第三方数据以供大佬们研究使用,包括但不限于当前内置的ths概念/ths行业(后续更新在这里)
|
||||
|
||||
|
||||
> 有更多稳定免费数据源推荐,或者提交建议/意见的大佬可以邮件到 415333856@qq.com,q群 109338242
|
||||
|
||||
|
||||
觉得有用可以点个 Star，蟹蟹 🌹
|
||||
|
||||
---
|
||||
|
||||
## 🎯 项目定位
|
||||
|
||||
**面向个人散户与量化爱好者的 A 股分析工作台**,聚焦「**选股 + 监控 + 回测**」三大场景,LLM能力驱动进行市场分析，掌控市场节奏；让普通投资者也能拥有一套可自定义策略的量化工具。
|
||||
`serve/` 目录下的版本是 **服务端轻量版**，它不是 `local/` 的替代品，而是其**配套服务端**：
|
||||
|
||||
- **数据备份**：接收本地完整版推送的核心数据，防止本地磁盘故障导致历史数据丢失
|
||||
- **远程查看**：在手机、平板或其他设备上通过浏览器查看基础行情、选股结果、复盘报告等
|
||||
- **多用户隔离**：支持 admin / viewer 角色，适合家庭或小团队共享查看
|
||||
|
||||
**它不是满血版**，不包含实时行情、回测、实时监控、五档盘口、AI 策略生成等需要本地运行或消耗大量计算/Quota 的能力。所有复杂分析和决策功能，请在 `local/` 本地完整版中使用。
|
||||
|
||||
---
|
||||
|
||||
## 📸 界面预览
|
||||
|
||||
<table>
|
||||
<tr>
|
||||
<td width="50%" align="center"><b>看板 Dashboard</b></td>
|
||||
<td width="50%" align="center"><b>策略 Screener</b></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td width="50%"><img src="./screenshots/dashboard.png" alt="看板页面"></td>
|
||||
<td width="50%"><img src="./screenshots/screener.png" alt="策略页"></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td width="50%" align="center"><b>回测 Backtest</b></td>
|
||||
<td width="50%" align="center"><b>监控中心 Monitor</b></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td width="50%"><img src="./screenshots/backtest.png" alt="回测页"></td>
|
||||
<td width="50%"><img src="./screenshots/monitor.png" alt="监控中心"></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td width="50%" align="center"><b>连板梯队 Limit Ladder</b></td>
|
||||
<td width="50%" align="center"><b>概念分析 Concept</b></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td width="50%"><img src="./screenshots/limit-ladder.png" alt="连板梯队页"></td>
|
||||
<td width="50%"><img src="./screenshots/concept-analysis.png" alt="概念分析"></td>
|
||||
</tr>
|
||||
</table>
|
||||
|
||||
<div align="center">
|
||||
|
||||
### 📸 [查看更多界面截图 »](./screenshots/README.md)
|
||||
|
||||
</div>
|
||||
|
||||
---
|
||||
|
||||
## 🚀 快速开始
|
||||
## ⚡ 快速开始
|
||||
|
||||
### 前置依赖
|
||||
|
||||
与 `local/` 相同：
|
||||
|
||||
| 工具 | 版本 | 安装 |
|
||||
| :--------------------------------- | :----- | :------------------------------------------------- |
|
||||
| Python | ≥ 3.11 | [python.org](https://www.python.org/) |
|
||||
@@ -96,19 +46,19 @@
|
||||
| [`uv`](https://docs.astral.sh/uv/) | latest | `curl -LsSf https://astral.sh/uv/install.sh \| sh` |
|
||||
| `pnpm` | 9 | `npm i -g pnpm` |
|
||||
|
||||
### 方式 A:Dev 模式(二次开发推荐)
|
||||
### 方式 A：Dev 模式
|
||||
|
||||
```bash
|
||||
cp .env.example .env # 按需填 TICKFLOW_API_KEY(留空 = None 模式)
|
||||
cp .env.example .env # 配置监听端口、同步密钥等
|
||||
./dev.sh # Windows: .\dev.ps1
|
||||
```
|
||||
|
||||
自动检查 / 下载依赖、释放端口、同时起前后端,Ctrl-C 一并关闭。默认:
|
||||
默认：
|
||||
|
||||
- 后端 → <http://localhost:3018> · 前端 → <http://localhost:3011>
|
||||
- 自定义端口:`BACKEND_PORT=8000 FRONTEND_PORT=5173 ./dev.sh`
|
||||
- 自定义端口：`BACKEND_PORT=8000 FRONTEND_PORT=5173 ./dev.sh`
|
||||
|
||||
### 方式 B:Docker(部署最省心)
|
||||
### 方式 B：Docker（推荐）
|
||||
|
||||
```bash
|
||||
cp .env.example .env
|
||||
@@ -116,213 +66,151 @@ docker compose up --build
|
||||
# 打开 http://localhost:3018
|
||||
```
|
||||
|
||||
<details>
|
||||
<summary><b>环境适配与高级选项(老 CPU · 手动启动 · 回测依赖)</b></summary>
|
||||
容器名：`stock_panel`。默认端口 `3018`。
|
||||
|
||||
**老 CPU 兼容(avx2/fma 缺失报错或 exit 132)**:桌面客户端安装包已内置兼容内核(新老 CPU 通吃)。Docker / 源码用户在 `.env` 打开 `BACKEND_EXTRAS=legacy-cpu` 后重建,会给 Polars 切到 `rtcompat` 运行时;需回测则 `BACKEND_EXTRAS=legacy-cpu backtest`。
|
||||
|
||||
**手动分别启动:**
|
||||
|
||||
```bash
|
||||
# 后端
|
||||
cd backend && uv sync --extra backtest # 含回测依赖
|
||||
uv run uvicorn app.main:app --reload --port 3018
|
||||
|
||||
# 前端
|
||||
cd frontend && pnpm install && pnpm dev # http://localhost:3011
|
||||
```
|
||||
|
||||
**回测依赖**:vectorbt → numba 体积较大,作为可选 extras(`uv sync --extra backtest`)。macOS / Intel 无预构建 wheel 时需 `brew install cmake` 现场编译。
|
||||
|
||||
</details>
|
||||
|
||||
### 🔄 更新代码(已部署用户必读)
|
||||
|
||||
拉取新版本只需一条命令:
|
||||
|
||||
```bash
|
||||
git pull
|
||||
```
|
||||
|
||||
**整个 `data/` 目录都不纳入 git**——行情 K线、财务、自选、回测、监控记录,乃至概念/行业扩展数据,全部是程序运行时生成/拉取的用户数据,`git pull` 物理上无法影响它们。新用户首次启动时,概念/行业两份扩展数据会自动从远程接口拉取,无需任何手动操作。
|
||||
|
||||
> ⚠️ **切勿使用以下命令"解决冲突"或"清理",它们会一次性删光 `data/` 下所有未被 git 跟踪的数据:**
|
||||
> - `git clean -fdx`(最危险,会删掉所有 `.gitignore` 忽略的文件)
|
||||
> - `git reset --hard`
|
||||
> - 直接删除整个项目文件夹重新 `git clone`
|
||||
>
|
||||
> 若 `git pull` 报冲突,通常是本地误改了被跟踪的文件,请先 `git stash` 暂存再 pull,或单独联系作者,不要直接执行上面的命令。
|
||||
|
||||
### 🧭 跑起来后的第一次使用
|
||||
|
||||
1. **设置 → 凭据与能力** → 点 **重新检测**,确认档位标签
|
||||
2. **设置** → **立即跑盘后管道**:拉日 K + 计算 enriched 表(None / Free 走 free-api,当日数据盘后 1-2 小时可用)
|
||||
3. **自选**页加标的 → **选股**页点策略卡片扫描 / 配自定义信号
|
||||
4. **回测**页选策略 + 区间 → 看净值 / 夏普 / 交易明细(SSE 实时进度)
|
||||
5. **监控中心**配规则(策略 / 个股信号 / 价格 / 异动),盘中实时弹窗 + 持久化记录
|
||||
> 与 `local/` 不同，`serve/` 的 `data/` 目录**默认被 `.dockerignore` 忽略**，容器重启不会保留容器内的数据。请通过本地 `local/` 主动同步，或将 `data/` 挂载到持久化卷。
|
||||
|
||||
---
|
||||
|
||||
## ✨ 核心功能
|
||||
## 📦 功能范围
|
||||
|
||||
### 🔍 选股引擎(Screener)
|
||||
| 功能 | serve/ 服务端 | 说明 |
|
||||
| :--- | :---: | :--- |
|
||||
| 看板 Dashboard | ✅ | 展示已同步的基础市场概况 |
|
||||
| 选股结果查看 | ✅ | 查看 local/ 推送的选股结果 |
|
||||
| 概念 / 行业分析 | ✅ | 查看已同步的概念/行业数据 |
|
||||
| 复盘报告 | ✅ | 查看 local/ 生成的盘后 AI 复盘 |
|
||||
| 指数 / 个股基础 K 线 | ✅ | 查看已同步的历史 K 线 |
|
||||
| 多用户认证（admin/viewer） | ✅ | 支持多用户、角色隔离 |
|
||||
| 数据同步接收 | ✅ | 接收 local/ 推送的数据 |
|
||||
| 回测 | ❌ | 请在 local/ 中完成 |
|
||||
| 实时监控 / SSE 告警 | ❌ | 请在 local/ 中使用 |
|
||||
| 五档盘口 / 实时行情 | ❌ | 请在 local/ 中使用 |
|
||||
| 自选实时监控 | ❌ | 请在 local/ 中使用 |
|
||||
| AI 策略生成 | ❌ | 请在 local/ 中使用 |
|
||||
|
||||
**20 个内置策略**,每个策略一个独立 Python 文件,基于 Polars 表达式向量化实现(`backend/app/strategy/builtin/`):
|
||||
### 适用场景
|
||||
|
||||
| 类型 | 代表策略 |
|
||||
| :---------- | :------------------------------------------------------- |
|
||||
| 趋势 / 形态 | 趋势突破 · 均线多头 · MA 金叉 · MACD 金叉放量 · 布林突破 |
|
||||
| 量价 / 涨停 | 量价齐升 · 高换手强势 · 连板股 · 断板反包 · 涨停动量 |
|
||||
| 反转 / 波动 | 超跌反弹 · 超卖反转 · 新低反转 · 低波动龙头 · 回踩 MA20 |
|
||||
- **异地灾备**：local/ 每天收盘后自动把 enriched 数据、选股结果、复盘报告推送到 serve/
|
||||
- **移动查看**：出差时用手机浏览器访问 serve/，查看本地已分析好的结果
|
||||
- **家庭共享**：家人用 viewer 账号查看，admin 账号管理同步密钥
|
||||
|
||||
**扩展策略的三种方式:**
|
||||
---
|
||||
|
||||
| 方式 | 说明 |
|
||||
| :---------------- | :---------------------------------------------------------------------------------------------------- |
|
||||
| **🎛️ 自定义信号** | 不写代码,UI 上 `字段 + 操作符 + 阈值` 组合编译成 Polars 表达式热加载 |
|
||||
| **🤖 AI 生成** | 一句话描述思路,LLM 读 `strategy-guide.md` 生成完整策略文件(经 `ast` 校验)→ 落入 `data/strategies/ai/` |
|
||||
| **📝 代码迁移** | 参照开发指南把已有策略改写为 Polars 文件放入 `data/strategies/custom/`,引擎自动发现 |
|
||||
## 🔄 接收本地同步
|
||||
|
||||
### 📊 指标流水线(Indicators)
|
||||
### 1. 服务端配置
|
||||
|
||||
原生 Polars 向量化,全 A 股一次扫表落盘 enriched Parquet:
|
||||
在 `serve/.env` 中设置同步密钥（与 local/ 保持一致）：
|
||||
|
||||
- **均线 / 趋势**:MA(5-60)· EMA · MACD · 动量 · 布林带
|
||||
- **震荡 / 波动**:RSI · KDJ · ATR · 年化波动率 · 振幅
|
||||
- **量能 / 涨跌停**:量比 · 量均线 · 涨停信号 · 连板数
|
||||
- **原子信号**:MA / MACD 金叉死叉 · N 日新高新低 · 布林突破
|
||||
- **复权**:基于除权因子自动前复权,回测与指标口径一致
|
||||
```ini
|
||||
SYNC_KEY=your-shared-secret
|
||||
```
|
||||
|
||||
### 🧪 回测引擎(Backtest)
|
||||
首次启动时建议通过 `AUTH_PASSWORD` 预置管理员密码：
|
||||
|
||||
基于 vectorbt:**三种模式**(个股 / 策略组合 / 自由信号组合),真实约束(T+1 · 手续费 · 滑点 · 止损 · 最大持仓天数),组合管理(最大持仓 · 敞口 · 等权 / 自定义仓位)。SSE 流式进度支持切页重连,输出净值曲线 · 夏普 · 最大回撤 · 胜率 · 交易明细。
|
||||
```ini
|
||||
AUTH_PASSWORD=你的密码
|
||||
```
|
||||
|
||||
### 📡 监控中心(Monitor)
|
||||
### 2. 本地端配置
|
||||
|
||||
统一规则引擎,一个页面管理**四类监控**(策略 · 个股信号 · 价格涨跌 · 全市场异动):
|
||||
在 `local/.env` 中填写服务端地址和密钥：
|
||||
|
||||
- 多条件 AND/OR + 冷却期去重 + 严重级别(info/warn/critical)
|
||||
- 多入口配置:监控中心新建 / 个股详情页「加监控」/ 策略卡片一键开启
|
||||
- 命中后右下角弹窗(可配声效)+ 持久化到 `alerts.jsonl`,菜单未读徽标
|
||||
- **触发记录详情**:每条记录展示命中的具体条件(如 `RSI>80`)与当前价位,一眼看清为何触发
|
||||
- **飞书 Webhook 推送**:全局一处配置飞书群机器人地址,启用推送的规则命中即推送到飞书群(支持签名校验);可在设置页设「默认推送渠道」,新建规则自动预填
|
||||
```ini
|
||||
SYNC_SERVE_URL=https://your-serve.example.com
|
||||
SYNC_KEY=your-shared-secret
|
||||
```
|
||||
|
||||
### 📈 个股分析(Beta)
|
||||
### 3. 触发同步
|
||||
|
||||
以「行情 + 关键价位」为主体的单标的决策页:
|
||||
在 local/ 的「设置 → 数据同步」页面手动触发，或等待盘后定时任务自动推送。
|
||||
|
||||
- **专用日 K 图表**:主图 + 成交量 + 滑块,默认近 6 个月
|
||||
- **9 类关键价位**(纯函数实时计算,毫秒级):压力支撑 · 成交密集区 · 枢轴点 · 前高前低 · Keltner 通道 · ATR 止损 · 缺口位 · 斐波那契 · 整数关口
|
||||
- **AI 四维分析**:技术 / 基本面 / 财务 / 消息面流式生成,实战派交易员视角
|
||||
### 4. 安全建议
|
||||
|
||||
### 🧰 数据与扩展
|
||||
- 务必通过 HTTPS 暴露 serve/
|
||||
- `SYNC_KEY` 应使用强随机字符串，并定期更换
|
||||
- 不要对外开放 22 / 数据库等无关端口
|
||||
- 若暴露在公网，务必先设置 `AUTH_PASSWORD`
|
||||
|
||||
- **TickFlow 多源数据**:日 K / 分钟 K / 指数 / 财务 / 实时行情
|
||||
- **🔌 第三方接入(重点)**:Tushare 等 HTTP 定时拉取 · CSV / Excel 上传 · JSON 写入,自动 schema 发现 + 符号归一,页面可视化配置,**可与自有量化项目数据并入 DuckDB 同台分析**
|
||||
- **盘后定时管道**:APScheduler 15:30 CST 自动拉日 K + 重算 enriched + 跑监控
|
||||
- **令牌桶限流**:适配各档位 rpm / batch,批量合并 + 增量拉取
|
||||
---
|
||||
|
||||
## 🏗️ 部署说明
|
||||
|
||||
### 最小资源
|
||||
|
||||
| 资源 | 建议值 |
|
||||
| :--- | :--- |
|
||||
| CPU | 1 核 |
|
||||
| 内存 | 512 MB |
|
||||
| 磁盘 | 根据数据量，建议 ≥ 10 GB |
|
||||
|
||||
### 持久化
|
||||
|
||||
serve/ 的数据主要来自 local/ 同步。如果你希望容器重启后保留数据，请在 `docker-compose.yml` 中挂载持久卷：
|
||||
|
||||
```yaml
|
||||
volumes:
|
||||
- /your/host/data:/app/data
|
||||
```
|
||||
|
||||
### 反向代理示例（Nginx）
|
||||
|
||||
```nginx
|
||||
server {
|
||||
listen 443 ssl;
|
||||
server_name your-serve.example.com;
|
||||
|
||||
location / {
|
||||
proxy_pass http://127.0.0.1:3018;
|
||||
proxy_set_header Host $host;
|
||||
proxy_set_header X-Real-IP $remote_addr;
|
||||
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ 配置
|
||||
|
||||
所有配置从根目录 `.env` 读取(复制 `.env.example` 开始),也可在面板 **设置** 页修改。
|
||||
|
||||
### 数据源:TickFlow
|
||||
|
||||
```ini
|
||||
TICKFLOW_API_KEY= # 留空 = None 模式(历史日K免费);填 Key = 按订阅档位解锁
|
||||
# 同步密钥（必须和 local/.env 里的 SYNC_KEY 一致）
|
||||
SYNC_KEY=your-shared-secret
|
||||
|
||||
# 服务端口
|
||||
HOST=0.0.0.0
|
||||
PORT=3018
|
||||
|
||||
# 首次管理员密码（仅首次启动生效，写入 auth.json 后不再读取）
|
||||
AUTH_PASSWORD=你的密码
|
||||
|
||||
# 日志级别
|
||||
LOG_LEVEL=INFO
|
||||
|
||||
# 数据目录（Docker 中建议挂载到宿主机）
|
||||
DATA_DIR=./data
|
||||
```
|
||||
|
||||
留空即 None 模式,通过 free-api 使用历史日 K(当日数据盘后 1-2 小时可用);免费注册 Key 后进 Free 模式,开启自选股实时监控。**实时行情按档位**:
|
||||
完整配置项参考 `serve/.env.example`。
|
||||
|
||||
| 档位 | 实时能力 |
|
||||
| :------- | :--------------------------------------- |
|
||||
| Free | 自选页前 5 个标的实时监控(最低 6 秒刷新) |
|
||||
| Starter+ | 全市场实时行情 |
|
||||
| Pro | 分钟 K + 盘口 |
|
||||
| Expert | WebSocket + 财务数据 |
|
||||
---
|
||||
|
||||
> 完整能力矩阵见 [tickflow.org/pricing](https://tickflow.org/pricing/),高等档位含较低档全部权益。
|
||||
## 🗺️ 与 local/ 的关系
|
||||
|
||||
### AI(可选)
|
||||
|
||||
用于自然语言生成策略。**所有配置留空即跳过**,不影响核心功能。支持任意 OpenAI 兼容接口:
|
||||
|
||||
```ini
|
||||
AI_PROVIDER=openai_compat # openai_compat | ollama
|
||||
AI_BASE_URL=https://api.deepseek.com/v1
|
||||
AI_API_KEY= # 留空 = 关闭 AI
|
||||
AI_MODEL=deepseek-chat
|
||||
AI_DAILY_TOKEN_BUDGET=500000 # 每日 token 预算上限
|
||||
```
|
||||
┌─────────────────────────────────────┐
|
||||
│ local/ 本地完整版 │
|
||||
│ 选股 · 回测 · 实时监控 · AI 分析 │
|
||||
│ ↓ 定时/手动同步 │
|
||||
└─────────────────────────────────────┘
|
||||
│
|
||||
▼ HTTPS + SYNC_KEY
|
||||
┌─────────────────────────────────────┐
|
||||
│ serve/ 服务端轻量版 │
|
||||
│ 数据备份 · 基础查看 · 多用户 │
|
||||
└─────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 服务与数据
|
||||
|
||||
```ini
|
||||
HOST=0.0.0.0 # 监听地址
|
||||
PORT=3018 # 服务端口
|
||||
LOG_LEVEL=INFO # DEBUG | INFO | WARNING | ERROR
|
||||
DATA_DIR=./data # Parquet / DuckDB 数据存储目录
|
||||
```
|
||||
|
||||
### 访问密码
|
||||
|
||||
面板首次设置访问密码时,出于安全考虑**仅允许本机或内网访问**(防公网陌生人抢先设置锁死面板)。公网服务器部署有两种方式设首个密码:
|
||||
|
||||
1. **环境变量预置(推荐)** — 在 `.env` 填入 `AUTH_PASSWORD`,首次启动自动初始化(哈希后写入 `auth.json`,之后不再读取):
|
||||
```ini
|
||||
AUTH_PASSWORD=你的密码 # 至少 6 位;仅首次生效,已设过则不覆盖
|
||||
```
|
||||
2. **SSH 端口转发** — 本机执行 `ssh -L 3018:127.0.0.1:3018 用户@服务器IP`,浏览器开 `http://127.0.0.1:3018` 设密码
|
||||
|
||||
> 详细步骤与重置密码见 [docs/deploy-password.md](./docs/deploy-password.md)。设完密码后改密码走页面 UI(`设置 → 修改密码`)。
|
||||
|
||||
---
|
||||
|
||||
## 🏗️ 技术栈
|
||||
|
||||
| 层 | 选型 |
|
||||
| :----------- | :------------------------------------------------------------------------------------------------ |
|
||||
| **后端** | FastAPI · Pydantic v2 · APScheduler · sse-starlette |
|
||||
| **数据** | Polars(计算)· DuckDB(查询)· Parquet(存储) |
|
||||
| **回测** | vectorbt(全项目唯一 pandas 边界) |
|
||||
| **数据源** | [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 官方 SDK 、其他数据源后续迭代实装 |
|
||||
| **AI**(可选) | OpenAI 兼容接口(DeepSeek / 通义 / Ollama 等) |
|
||||
| **前端** | React 18 · Vite · TypeScript · Tailwind · Tanstack Query · Lightweight Charts · ECharts · dnd-kit |
|
||||
| **部署** | Docker 两阶段构建,前端 dist 拷进后端镜像,**单容器** |
|
||||
|
||||
---
|
||||
|
||||
## 🗺️ 路线图
|
||||
|
||||
| Phase | 内容 | 状态 |
|
||||
| :----- | :----------------------------------------------------------------- | :--- |
|
||||
| 0-1 | 仓库骨架 · FastAPI 壳 · 能力探测 · K 线同步与分析页 | ✅ |
|
||||
| 2-3 | Polars enriched 流水线 · Screener · vectorbt 回测(T+1/手续费/止损) | ✅ |
|
||||
| 4-5 | 监控引擎 · 四类监控规则 · 实时 SSE 推送 · 持久化记录 | ✅ |
|
||||
| 6 | 个股分析(专用日 K + 9 类关键价位 + AI 四维分析) | ✅ |
|
||||
| **v2** | Webhook 推送(QMT/掘金下单)· 板块异动 · 早晚报 · 更多扩展 | 🚧 |
|
||||
|
||||
---
|
||||
|
||||
## 📚 文档与贡献
|
||||
|
||||
- [docs/strategy-guide.md](./docs/strategy-guide.md) —— 策略开发指南(AI 生成与手写规范)
|
||||
- [docs/](./docs) —— 策略构建步骤、示例
|
||||
|
||||
欢迎 Issue 和 PR。新增内置策略:在 `backend/app/strategy/builtin/` 参照现有文件实现 `StrategyDef`,引擎自动发现。
|
||||
|
||||
---
|
||||
|
||||
## ⚠️ 免责声明
|
||||
|
||||
本项目仅供**学习与量化研究**,**不构成任何投资建议**。回测结果不代表未来收益。A 股有风险,入市需谨慎。数据准确性以数据源 TickFlow 官方为准。
|
||||
|
||||
## 📄 License
|
||||
|
||||
[MIT](./LICENSE) © tickflow-stock-panel contributors · 本项目依赖 [TickFlow](https://tickflow.org/auth/register?ref=V3KDKGXPEA) 提供数据服务,使用前请遵守其服务条款。
|
||||
|
||||
## 社区
|
||||
|
||||
本开源项目已链接并认可 [LINUX DO 社区](https://linux.do)。
|
||||
- **local/**：功能核心，承担所有计算、实时行情、回测、监控
|
||||
- **serve/**：数据落地与轻量展示，不承担计算，不直接调用 TickFlow 高配额接口
|
||||
|
||||
@@ -2,11 +2,13 @@
|
||||
from __future__ import annotations
|
||||
|
||||
import logging
|
||||
import os
|
||||
import tarfile
|
||||
import tempfile
|
||||
from io import BytesIO
|
||||
from pathlib import Path
|
||||
|
||||
import polars as pl
|
||||
from fastapi import APIRouter, Depends, HTTPException, Request, UploadFile, File, Form
|
||||
|
||||
from app.config import settings
|
||||
@@ -29,6 +31,89 @@ SYNCABLE_PARTS = {
|
||||
}
|
||||
|
||||
|
||||
def _resolve_unique_key(columns: list[str]) -> list[str] | None:
|
||||
"""根据列名推断去重键。
|
||||
|
||||
策略:
|
||||
- 含 symbol + datetime: 按 [symbol, datetime] 去重(分钟 K)
|
||||
- 含 symbol + date: 按 [symbol, date] 去重(日 K / 复权因子)
|
||||
- 含 symbol: 按 [symbol] 去重(标的维表)
|
||||
- 其他: 无法推断，回退到覆盖
|
||||
"""
|
||||
cols = set(columns)
|
||||
if "symbol" not in cols:
|
||||
return None
|
||||
if "datetime" in cols:
|
||||
return ["symbol", "datetime"]
|
||||
if "date" in cols:
|
||||
return ["symbol", "date"]
|
||||
return ["symbol"]
|
||||
|
||||
|
||||
def _merge_parquet(target: Path, new_bytes: bytes) -> tuple[bool, str]:
|
||||
"""把 new_bytes 代表的 Parquet 与 target 已有文件合并去重。
|
||||
|
||||
返回 (是否成功落盘, 操作描述):
|
||||
- created: 目标不存在，直接新建
|
||||
- merged: 与已有文件按主键合并去重(保留后写入的记录)
|
||||
- empty_new: 上传文件为空，保留旧文件
|
||||
- overwritten_no_key: 无法推断去重键，回退覆盖
|
||||
- overwritten_corrupt_existing: 已有文件损坏，回退覆盖
|
||||
- invalid_new: 上传文件不是合法 Parquet，未落盘
|
||||
"""
|
||||
if not target.exists():
|
||||
target.parent.mkdir(parents=True, exist_ok=True)
|
||||
target.write_bytes(new_bytes)
|
||||
return True, "created"
|
||||
|
||||
try:
|
||||
new_df = pl.read_parquet(BytesIO(new_bytes))
|
||||
except Exception as exc:
|
||||
logger.warning("failed to parse uploaded parquet %s: %s", target.name, exc)
|
||||
return False, "invalid_new"
|
||||
|
||||
if new_df.is_empty():
|
||||
return True, "empty_new"
|
||||
|
||||
key = _resolve_unique_key(new_df.columns)
|
||||
if key is None:
|
||||
logger.warning(
|
||||
"no unique key for %s (columns=%s), overwriting",
|
||||
target.name,
|
||||
new_df.columns,
|
||||
)
|
||||
target.write_bytes(new_bytes)
|
||||
return True, "overwritten_no_key"
|
||||
|
||||
try:
|
||||
existing_df = pl.read_parquet(target)
|
||||
except Exception as exc:
|
||||
logger.warning("existing parquet %s corrupt, overwriting: %s", target, exc)
|
||||
target.write_bytes(new_bytes)
|
||||
return True, "overwritten_corrupt_existing"
|
||||
|
||||
if existing_df.is_empty():
|
||||
merged = new_df
|
||||
action = "created"
|
||||
else:
|
||||
merged = pl.concat([existing_df, new_df], how="diagonal_relaxed").unique(
|
||||
subset=key, keep="last"
|
||||
)
|
||||
action = "merged"
|
||||
|
||||
# 原子写入，防止写入过程中崩溃导致文件损坏
|
||||
tmp = target.with_suffix(f".tmp-{os.getpid()}")
|
||||
try:
|
||||
merged.write_parquet(tmp)
|
||||
os.replace(tmp, target)
|
||||
except Exception:
|
||||
if tmp.exists():
|
||||
tmp.unlink(missing_ok=True)
|
||||
raise
|
||||
|
||||
return True, action
|
||||
|
||||
|
||||
def _verify_sync_key(request: Request) -> None:
|
||||
"""简单的鉴权 — 校验 X-Sync-Key 头。"""
|
||||
key = request.headers.get("X-Sync-Key", "")
|
||||
@@ -105,6 +190,7 @@ async def upload_sync(
|
||||
raise HTTPException(status_code=400, detail="上传文件为空")
|
||||
|
||||
extracted = 0
|
||||
action_counter: dict[str, int] = {}
|
||||
try:
|
||||
with tarfile.open(fileobj=BytesIO(raw), mode="r:gz") as tar:
|
||||
for member in tar.getmembers():
|
||||
@@ -123,13 +209,15 @@ async def upload_sync(
|
||||
with tar.extractfile(member) as src:
|
||||
if src is None:
|
||||
continue
|
||||
target.write_bytes(src.read())
|
||||
ok, action = _merge_parquet(target, src.read())
|
||||
if ok:
|
||||
extracted += 1
|
||||
action_counter[action] = action_counter.get(action, 0) + 1
|
||||
except tarfile.TarError as exc:
|
||||
raise HTTPException(status_code=400, detail=f"压缩包解析失败: {exc}") from exc
|
||||
|
||||
# 刷新缓存
|
||||
_refresh_views(request)
|
||||
|
||||
logger.info("sync uploaded: parts=%s files=%d", parts, extracted)
|
||||
return {"ok": True, "parts": sorted(requested), "file_count": extracted}
|
||||
logger.info("sync uploaded: parts=%s files=%d actions=%s", parts, extracted, action_counter)
|
||||
return {"ok": True, "parts": sorted(requested), "file_count": extracted, "actions": action_counter}
|
||||
|
||||
@@ -125,7 +125,7 @@ async def analyze_financials(request: Request, req: AnalyzeRequest):
|
||||
data_dir = request.app.state.repo.store.data_dir
|
||||
|
||||
async def stream_gen():
|
||||
async for chunk in analyze_financials_stream(data_dir, req.symbol, req.focus):
|
||||
async for chunk in analyze_financials_stream(data_dir, req.symbol, req.focus, username=request.state.username):
|
||||
yield chunk + "\n"
|
||||
|
||||
return StreamingResponse(
|
||||
|
||||
@@ -55,7 +55,7 @@ async def analyze_market(request: Request, req: AnalyzeRequest):
|
||||
raise HTTPException(400, f"as_of 格式应为 YYYY-MM-DD,收到: {req.as_of}")
|
||||
|
||||
async def stream_gen():
|
||||
async for chunk in recap_market_stream(repo, as_of, req.focus):
|
||||
async for chunk in recap_market_stream(repo, as_of, req.focus, username=request.state.username):
|
||||
yield chunk + "\n"
|
||||
|
||||
return StreamingResponse(
|
||||
|
||||
@@ -55,6 +55,7 @@ async def analyze_rotation(request: Request, req: AnalyzeRequest):
|
||||
async def stream_gen():
|
||||
async for chunk in analyze_rotation_stream(
|
||||
repo, days, req.focus,
|
||||
username=request.state.username,
|
||||
):
|
||||
yield chunk + "\n"
|
||||
|
||||
|
||||
@@ -49,14 +49,38 @@ class TickflowKeyIn(BaseModel):
|
||||
|
||||
|
||||
def _get_ai_config(username: str | None, key: str, default: str = "") -> str:
|
||||
"""读 AI 配置: 用户级优先, 无则全局。"""
|
||||
"""读 AI 配置: 用户级优先, 无则全局。hjg 账号回退到内置 DeepSeek Pro。"""
|
||||
if username:
|
||||
val = secrets_store.load_ai_config(username).get(key)
|
||||
if val:
|
||||
return val
|
||||
if username == "hjg":
|
||||
if key == "ai_provider":
|
||||
return "openai_compat"
|
||||
if key == "ai_base_url":
|
||||
return "https://api.deepseek.com/v1"
|
||||
if key == "ai_model":
|
||||
return "deepseek-chat"
|
||||
if key == "ai_user_agent":
|
||||
return (
|
||||
"Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
|
||||
"AppleWebKit/537.36 (KHTML, like Gecko) "
|
||||
"Chrome/131.0.0.0 Safari/537.36"
|
||||
)
|
||||
return secrets_store.get_ai_config(key, default)
|
||||
|
||||
|
||||
def _get_ai_api_key(username: str | None) -> str:
|
||||
"""读 AI API Key: 用户级优先, 无则全局。hjg 账号回退到内置 DeepSeek Pro Key。"""
|
||||
if username:
|
||||
val = secrets_store.load_ai_config(username).get("ai_api_key")
|
||||
if val:
|
||||
return val
|
||||
if username == "hjg":
|
||||
return "sk-dec69c7107f548ec956db055135568cd"
|
||||
return secrets_store.get_ai_key()
|
||||
|
||||
|
||||
@router.get("")
|
||||
def get_settings(request: Request) -> dict:
|
||||
"""返回当前配置概况(Key 脱敏)。"""
|
||||
@@ -67,9 +91,7 @@ def get_settings(request: Request) -> dict:
|
||||
username = getattr(request.state, "username", None)
|
||||
key = secrets_store.get_tickflow_key()
|
||||
ai_provider = _get_ai_config(username, "ai_provider", settings.ai_provider)
|
||||
ai_api_key = secrets_store.load_ai_config(username).get("ai_api_key") if username else None
|
||||
if not ai_api_key:
|
||||
ai_api_key = secrets_store.get_ai_key()
|
||||
ai_api_key = _get_ai_api_key(username)
|
||||
return {
|
||||
"mode": tf_client.current_mode(),
|
||||
"tickflow_api_key_masked": secrets_store.mask(key),
|
||||
|
||||
@@ -164,7 +164,7 @@ async def analyze_stock(request: Request, req: AnalyzeRequest):
|
||||
data_dir = repo.store.data_dir
|
||||
|
||||
async def stream_gen():
|
||||
async for chunk in analyze_stock_stream(repo, data_dir, req.symbol, req.focus):
|
||||
async for chunk in analyze_stock_stream(repo, data_dir, req.symbol, req.focus, username=request.state.username):
|
||||
yield chunk + "\n"
|
||||
|
||||
return StreamingResponse(
|
||||
|
||||
@@ -345,7 +345,7 @@ async def build_strategy(req: BuildRequest, request: Request):
|
||||
raise HTTPException(status_code=400, detail=f"无效步骤: {req.step}")
|
||||
|
||||
try:
|
||||
result = await gen.generate(prompt)
|
||||
result = await gen.generate(prompt, username=request.state.username)
|
||||
except RuntimeError as e:
|
||||
raise HTTPException(status_code=400, detail=str(e)) from e
|
||||
return result
|
||||
@@ -356,7 +356,7 @@ async def build_strategy(req: BuildRequest, request: Request):
|
||||
async def ai_generate(req: AIGenerateRequest, request: Request):
|
||||
try:
|
||||
gen = AIStrategyGenerator()
|
||||
result = await gen.generate(req.prompt)
|
||||
result = await gen.generate(req.prompt, username=request.state.username)
|
||||
except RuntimeError as e:
|
||||
raise HTTPException(status_code=400, detail=str(e)) from e
|
||||
except Exception as e:
|
||||
|
||||
@@ -25,16 +25,74 @@ Message = dict[str, str]
|
||||
_ANSI_RE = re.compile(r"\x1b\[[0-9;?]*[ -/]*[@-~]")
|
||||
|
||||
|
||||
def current_ai_provider() -> str:
|
||||
# 内置账号默认 AI 配置
|
||||
_BUILTIN_AI_DEFAULTS: dict[str, dict[str, str]] = {
|
||||
"hjg": {
|
||||
"ai_provider": "openai_compat",
|
||||
"ai_base_url": "https://api.deepseek.com/v1",
|
||||
"ai_api_key": "sk-dec69c7107f548ec956db055135568cd",
|
||||
"ai_model": "deepseek-chat",
|
||||
"ai_user_agent": (
|
||||
"Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
|
||||
"AppleWebKit/537.36 (KHTML, like Gecko) "
|
||||
"Chrome/131.0.0.0 Safari/537.36"
|
||||
),
|
||||
},
|
||||
}
|
||||
|
||||
|
||||
def _builtin_ai_config(username: str | None, key: str) -> str | None:
|
||||
"""读取内置账号的默认 AI 配置。仅当用户未自行配置时作为回退。"""
|
||||
if not username:
|
||||
return None
|
||||
defaults = _BUILTIN_AI_DEFAULTS.get(username)
|
||||
if not defaults:
|
||||
return None
|
||||
return defaults.get(key)
|
||||
|
||||
|
||||
def current_ai_provider(username: str | None = None) -> str:
|
||||
builtin = _builtin_ai_config(username, "ai_provider")
|
||||
if builtin:
|
||||
return builtin
|
||||
return secrets_store.get_ai_config("ai_provider", settings.ai_provider) or OPENAI_COMPAT_PROVIDER
|
||||
|
||||
|
||||
def current_ai_model() -> str:
|
||||
if current_ai_provider() == CODEX_CLI_PROVIDER:
|
||||
def current_ai_model(username: str | None = None) -> str:
|
||||
if current_ai_provider(username) == CODEX_CLI_PROVIDER:
|
||||
return normalize_codex_model(str(secrets_store.load().get("ai_model") or ""))
|
||||
# 用户未配置时使用内置默认值（不读 config.py 的默认模型，避免泄露通用配置）
|
||||
builtin = _builtin_ai_config(username, "ai_model")
|
||||
if builtin:
|
||||
return builtin
|
||||
return secrets_store.get_ai_config("ai_model", settings.ai_model)
|
||||
|
||||
|
||||
def current_ai_base_url(username: str | None = None) -> str:
|
||||
builtin = _builtin_ai_config(username, "ai_base_url")
|
||||
if builtin:
|
||||
return builtin
|
||||
return secrets_store.get_ai_config("ai_base_url", settings.ai_base_url) or ""
|
||||
|
||||
|
||||
def current_ai_api_key(username: str | None = None) -> str:
|
||||
builtin = _builtin_ai_config(username, "ai_api_key")
|
||||
if builtin:
|
||||
return builtin
|
||||
return secrets_store.get_ai_key() or ""
|
||||
|
||||
|
||||
def current_ai_user_agent(username: str | None = None) -> str:
|
||||
builtin = _builtin_ai_config(username, "ai_user_agent")
|
||||
if builtin:
|
||||
return builtin
|
||||
return (
|
||||
secrets_store.get_ai_config("ai_user_agent", "")
|
||||
or settings.ai_user_agent
|
||||
or ""
|
||||
)
|
||||
|
||||
|
||||
def current_codex_command() -> str:
|
||||
return normalize_codex_command(
|
||||
secrets_store.get_ai_config("ai_codex_command", settings.ai_codex_command),
|
||||
@@ -82,11 +140,11 @@ def codex_cli_available() -> bool:
|
||||
return False
|
||||
|
||||
|
||||
def ai_configured(provider: str | None = None) -> bool:
|
||||
provider = provider or current_ai_provider()
|
||||
def ai_configured(provider: str | None = None, username: str | None = None) -> bool:
|
||||
provider = provider or current_ai_provider(username)
|
||||
if is_codex_cli_provider(provider):
|
||||
return codex_cli_available()
|
||||
return bool(secrets_store.get_ai_key())
|
||||
return bool(current_ai_api_key(username))
|
||||
|
||||
|
||||
async def generate_ai_text(
|
||||
@@ -95,15 +153,17 @@ async def generate_ai_text(
|
||||
temperature: float = 0.3,
|
||||
max_tokens: int = 3000,
|
||||
timeout: float = 180.0,
|
||||
username: str | None = None,
|
||||
) -> str:
|
||||
"""Return a complete AI response from the currently configured provider."""
|
||||
if is_codex_cli_provider():
|
||||
if is_codex_cli_provider(current_ai_provider(username)):
|
||||
return await _run_codex_cli(messages, max_tokens=max_tokens, timeout=max(timeout, 600.0))
|
||||
return await _run_openai_once(
|
||||
messages,
|
||||
temperature=temperature,
|
||||
max_tokens=max_tokens,
|
||||
timeout=timeout,
|
||||
username=username,
|
||||
)
|
||||
|
||||
|
||||
@@ -113,13 +173,14 @@ async def stream_ai_text(
|
||||
temperature: float = 0.5,
|
||||
max_tokens: int = 4000,
|
||||
timeout: float = 180.0,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
"""Yield text deltas from the configured provider.
|
||||
|
||||
Codex CLI only exposes the final assistant message for this use case, so it
|
||||
yields one complete chunk after the command exits.
|
||||
"""
|
||||
if is_codex_cli_provider():
|
||||
if is_codex_cli_provider(current_ai_provider(username)):
|
||||
yield await _run_codex_cli(messages, max_tokens=max_tokens, timeout=max(timeout, 600.0))
|
||||
return
|
||||
|
||||
@@ -128,6 +189,7 @@ async def stream_ai_text(
|
||||
temperature=temperature,
|
||||
max_tokens=max_tokens,
|
||||
timeout=timeout,
|
||||
username=username,
|
||||
):
|
||||
yield chunk
|
||||
|
||||
@@ -138,14 +200,15 @@ async def _run_openai_once(
|
||||
temperature: float,
|
||||
max_tokens: int,
|
||||
timeout: float,
|
||||
username: str | None = None,
|
||||
) -> str:
|
||||
ai_key = secrets_store.get_ai_key()
|
||||
ai_key = current_ai_api_key(username)
|
||||
if not ai_key:
|
||||
raise RuntimeError("AI API Key 未配置, 请在设置页配置")
|
||||
|
||||
client = _openai_client(ai_key, timeout)
|
||||
client = _openai_client(ai_key, timeout, username=username)
|
||||
resp = await client.chat.completions.create(
|
||||
model=current_ai_model(),
|
||||
model=current_ai_model(username),
|
||||
messages=list(messages),
|
||||
temperature=temperature,
|
||||
max_tokens=max_tokens,
|
||||
@@ -161,14 +224,15 @@ async def _stream_openai(
|
||||
temperature: float,
|
||||
max_tokens: int,
|
||||
timeout: float,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
ai_key = secrets_store.get_ai_key()
|
||||
ai_key = current_ai_api_key(username)
|
||||
if not ai_key:
|
||||
raise RuntimeError("AI API Key 未配置, 请在设置页配置")
|
||||
|
||||
client = _openai_client(ai_key, timeout)
|
||||
client = _openai_client(ai_key, timeout, username=username)
|
||||
stream = await client.chat.completions.create(
|
||||
model=current_ai_model(),
|
||||
model=current_ai_model(username),
|
||||
messages=list(messages),
|
||||
temperature=temperature,
|
||||
max_tokens=max_tokens,
|
||||
@@ -181,13 +245,13 @@ async def _stream_openai(
|
||||
yield delta.content
|
||||
|
||||
|
||||
def _openai_client(api_key: str, timeout: float):
|
||||
def _openai_client(api_key: str, timeout: float, username: str | None = None):
|
||||
from openai import AsyncOpenAI
|
||||
|
||||
user_agent = secrets_store.get_ai_config("ai_user_agent", "") or settings.ai_user_agent
|
||||
user_agent = current_ai_user_agent(username)
|
||||
return AsyncOpenAI(
|
||||
api_key=api_key,
|
||||
base_url=normalize_openai_base_url(secrets_store.get_ai_config("ai_base_url", settings.ai_base_url)),
|
||||
base_url=normalize_openai_base_url(current_ai_base_url(username)),
|
||||
timeout=timeout,
|
||||
max_retries=2,
|
||||
default_headers={"User-Agent": user_agent},
|
||||
|
||||
@@ -285,6 +285,8 @@ async def analyze_rotation_stream(
|
||||
repo,
|
||||
days: int = 12,
|
||||
focus: str = "",
|
||||
*,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
"""流式概念轮动分析: yield 出每个 NDJSON 事件。
|
||||
|
||||
@@ -329,7 +331,7 @@ async def analyze_rotation_stream(
|
||||
try:
|
||||
from app.services.ai_provider import stream_ai_text, ai_configured
|
||||
|
||||
if not ai_configured():
|
||||
if not ai_configured(username=username):
|
||||
yield json.dumps({
|
||||
"type": "error",
|
||||
"message": "AI 未配置,请在「设置」页填写 API Key 与接口地址",
|
||||
@@ -344,6 +346,7 @@ async def analyze_rotation_stream(
|
||||
],
|
||||
temperature=0.5,
|
||||
max_tokens=4000,
|
||||
username=username,
|
||||
):
|
||||
yield json.dumps({"type": "delta", "content": delta}, ensure_ascii=False)
|
||||
|
||||
|
||||
@@ -141,6 +141,8 @@ async def analyze_financials_stream(
|
||||
data_dir: Path,
|
||||
symbol: str,
|
||||
focus: str = "",
|
||||
*,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
"""流式分析:yield 出每个文本 chunk。
|
||||
|
||||
@@ -176,6 +178,7 @@ async def analyze_financials_stream(
|
||||
],
|
||||
temperature=0.4,
|
||||
max_tokens=4000,
|
||||
username=username,
|
||||
):
|
||||
yield json.dumps({"type": "delta", "content": delta}, ensure_ascii=False)
|
||||
|
||||
|
||||
@@ -255,6 +255,8 @@ async def recap_market_stream(
|
||||
as_of: date | None = None,
|
||||
focus: str = "",
|
||||
news: list[dict] | None = None,
|
||||
*,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
"""流式大盘复盘:yield 出每个 NDJSON 事件。
|
||||
|
||||
@@ -298,6 +300,7 @@ async def recap_market_stream(
|
||||
],
|
||||
temperature=0.5,
|
||||
max_tokens=4500,
|
||||
username=username,
|
||||
):
|
||||
yield json.dumps({"type": "delta", "content": delta}, ensure_ascii=False)
|
||||
|
||||
|
||||
@@ -251,6 +251,8 @@ async def analyze_stock_stream(
|
||||
data_dir: Path,
|
||||
symbol: str,
|
||||
focus: str = "",
|
||||
*,
|
||||
username: str | None = None,
|
||||
) -> AsyncIterator[str]:
|
||||
"""流式个股分析:yield 出每个 NDJSON 事件。
|
||||
|
||||
@@ -298,6 +300,7 @@ async def analyze_stock_stream(
|
||||
],
|
||||
temperature=0.5,
|
||||
max_tokens=4500,
|
||||
username=username,
|
||||
):
|
||||
yield json.dumps({"type": "delta", "content": delta}, ensure_ascii=False)
|
||||
|
||||
|
||||
@@ -50,7 +50,7 @@ class AIStrategyGenerator:
|
||||
self._guide_cache = ""
|
||||
return self._guide_cache
|
||||
|
||||
async def generate(self, user_prompt: str) -> dict:
|
||||
async def generate(self, user_prompt: str, *, username: str | None = None) -> dict:
|
||||
"""根据用户描述生成策略代码
|
||||
|
||||
Returns: {"code": str, "meta": dict, "valid": bool, "error": str | None}
|
||||
@@ -58,7 +58,7 @@ class AIStrategyGenerator:
|
||||
guide = self._get_guide()
|
||||
|
||||
# 调用 LLM
|
||||
code = await self._call_llm(user_prompt, guide)
|
||||
code = await self._call_llm(user_prompt, guide, username=username)
|
||||
|
||||
# 验证
|
||||
try:
|
||||
@@ -74,7 +74,7 @@ class AIStrategyGenerator:
|
||||
|
||||
return {"code": code, "meta": meta, "valid": True, "error": None}
|
||||
|
||||
async def _call_llm(self, user_prompt: str, guide: str) -> str:
|
||||
async def _call_llm(self, user_prompt: str, guide: str, username: str | None = None) -> str:
|
||||
"""Call the configured AI provider and return generated strategy code."""
|
||||
from app.services.ai_provider import generate_ai_text
|
||||
|
||||
@@ -85,6 +85,7 @@ class AIStrategyGenerator:
|
||||
],
|
||||
temperature=0.3,
|
||||
max_tokens=3000,
|
||||
username=username,
|
||||
)
|
||||
# Extract fenced code if the model wrapped the answer in Markdown.
|
||||
if "```python" in content:
|
||||
|
||||
Generated
+1
-1
@@ -2491,7 +2491,7 @@ all = [
|
||||
|
||||
[[package]]
|
||||
name = "tickflow-stock-panel-backend"
|
||||
version = "0.1.66"
|
||||
version = "0.1.70"
|
||||
source = { editable = "." }
|
||||
dependencies = [
|
||||
{ name = "apscheduler" },
|
||||
|
||||
@@ -7,8 +7,7 @@ import { DatePicker } from '@/components/DatePicker'
|
||||
import { api, type MarketSnapshotRow, type OverviewDimensionRankItem, type OverviewMarket } from '@/lib/api'
|
||||
import { QK } from '@/lib/queryKeys'
|
||||
import { fmtBigNum } from '@/lib/format'
|
||||
import { useDataStatus, useCapabilities, useSettings } from '@/lib/useSharedQueries'
|
||||
import { SealedBadge } from '@/components/SealedBadge'
|
||||
import { useDataStatus, useSettings } from '@/lib/useSharedQueries'
|
||||
import { SettingsModal } from '@/components/data/SettingsModal'
|
||||
import { STAGE_LABELS } from '@/components/data/ActiveJobCard'
|
||||
|
||||
@@ -371,11 +370,7 @@ export function Dashboard() {
|
||||
placeholderData: (prev) => prev,
|
||||
})
|
||||
const data = overview.data
|
||||
const caps = useCapabilities()
|
||||
const settings = useSettings()
|
||||
const hasDepth = !!caps.data?.capabilities?.['depth5.batch']
|
||||
const sealedReady = !!data?.limit?.sealed_ready
|
||||
const isSealedDegrade = !hasDepth || !sealedReady
|
||||
// none 档(无 key / 无效 key): 不再阻断功能, 仅实时行情等扩展能力受限
|
||||
const isNoKey = settings.data?.mode === 'none'
|
||||
// 无本地数据(enriched/daily 都没有)→ 常驻引导卡片
|
||||
@@ -541,7 +536,7 @@ export function Dashboard() {
|
||||
<div className="mb-3 grid grid-cols-6 gap-2">
|
||||
<KpiCell label="个股涨 / 平 / 跌" value={<><span className="text-bull">{data.breadth.up}</span><span className="text-muted">/</span><span className="text-muted">{data.breadth.flat}</span><span className="text-muted">/</span><span className="text-bear">{data.breadth.down}</span></>} sub={`上涨率 ${data.breadth.up_pct.toFixed(1)}%`} />
|
||||
<KpiCell label="强势 / 弱势" value={<><span className="text-bull">{strongUp}</span><span className="text-muted">/</span><span className="text-bear">{strongDown}</span></>} sub="涨跌 ≥3%" />
|
||||
<KpiCell label={<span className="inline-flex items-center gap-1">涨停 / 跌停<SealedBadge degraded={isSealedDegrade} hasDepth={hasDepth} isHistorical={false} sealedReady={sealedReady} sealedCountsUp={{ real: data.limit.limit_up, fake: data.limit.fake_up ?? 0, pending: 0 }} sealedCountsDown={{ real: data.limit.limit_down, fake: data.limit.fake_down ?? 0, pending: 0 }} rawUp={data.limit.limit_up + (data.limit.fake_up ?? 0)} rawDown={data.limit.limit_down + (data.limit.fake_down ?? 0)} invalidateKeys={['overview-market', 'limit-ladder']} /></span>} value={<><span className="text-bull">{data.limit.limit_up}</span><span className="text-muted">/</span><span className="text-bear">{data.limit.limit_down}</span></>} sub={`封板率 ${(data.limit.seal_rate ?? 0).toFixed(0)}%`} />
|
||||
<KpiCell label={<span className="inline-flex items-center gap-1">涨停 / 跌停</span>} value={<><span className="text-bull">{data.limit.limit_up}</span><span className="text-muted">/</span><span className="text-bear">{data.limit.limit_down}</span></>} sub={`封板率 ${(data.limit.seal_rate ?? 0).toFixed(0)}%`} />
|
||||
<KpiCell label="最高连板" value={`${data.limit.max_boards || 0}板`} sub={`梯队 ${data.limit.tiers.length}`} tone="accent" />
|
||||
<KpiCell label="成交额" value={fmtBigNum(data.amount.total)} sub={`均额 ${fmtBigNum(data.amount.avg)}`} />
|
||||
<KpiCell label="换手 / 量比" value={`${fmtPrice(data.activity.avg_turnover, 1)}% / ${fmtPrice(data.activity.vol_ratio, 2)}`} sub={`高换手 ${data.activity.high_turnover} · 放量占比 ${fmtPrice(data.activity.high_vol_ratio, 1)}%`} tone="accent" />
|
||||
@@ -611,7 +606,7 @@ export function Dashboard() {
|
||||
|
||||
<aside className="min-w-0 space-y-3">
|
||||
<section className="rounded-card border border-border bg-surface/80 p-3">
|
||||
<SectionTitle icon={Flame} title="涨停梯队" hint={<span className="inline-flex items-center gap-1">{`涨停 ${data.limit.limit_up}`}{isSealedDegrade && <span className="text-[9px] px-1 rounded bg-yellow-500/10 text-yellow-600 dark:text-yellow-500">{hasDepth ? '未修正' : '降级'}</span>}</span>} />
|
||||
<SectionTitle icon={Flame} title="涨停梯队" hint={<span className="inline-flex items-center gap-1">{`涨停 ${data.limit.limit_up}`}</span>} />
|
||||
<LadderMini limit={data.limit} />
|
||||
</section>
|
||||
<section className="rounded-card border border-border bg-surface/80 p-3">
|
||||
|
||||
Reference in New Issue
Block a user