ZhuLinsen/daily_stock_analysis

项目介绍

这是一个可自托管的个人自选股分析流水线。它从多个数据源抓取行情、K 线、技术指标、基本面、公告和新闻，把整理后的上下文交给大模型，生成每日决策报告：核心结论、评分、趋势、买卖点位、风险警报、催化因素和操作检查清单，并推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。

覆盖 A股、港股、美股、日股、韩股、台股和 ETF，但不同市场的数据源和能力边界并不相同，项目单独列出了市场支持边界。除定时报告外，还提供 Web/桌面工作台，用于手动分析、任务进度、历史报告、回测、持仓和配置管理；/chat 页面内置均线、缠论、波浪、趋势、热点、事件、成长、预期等 15 种策略，支持多轮问股。

适合已经有自选股、希望得到可重复的大模型辅助摘要的个人投资者或开发者，而不是一个代客理财的托管服务。作者声明项目仅供学习和研究，不构成投资建议。

快速使用

最省事的方式是 GitHub Actions，不需要服务器。Fork 仓库后，在 Settings → Secrets and variables → Actions 中添加仓库 Secret。至少需要 STOCK_LIST（逗号分隔的代码，如 600519,hk00700,AAPL,7203.T,005930.KS,2330.TW）和一个大模型 API Key，例如 GEMINI_API_KEY，或 OpenAI 兼容服务所需的 OPENAI_API_KEY 加 OPENAI_BASE_URL、OPENAI_MODEL。再配置一个通知渠道，例如 WECHAT_WEBHOOK_URL 或 FEISHU_WEBHOOK_URL。新闻搜索 Key 是可选项但建议配置，因为新闻质量直接影响舆情和催化因素部分。

然后进入 Actions 标签启用工作流，选择每日股票分析并手动运行一次测试。成功后默认每个工作日 18:00（北京时间）执行，非交易日自动跳过，强制运行等规则见完整指南。各 Secret 的完整表格和降级规则见快速开始。

本地运行需要 Python 3.10+：

git clone https://github.com/ZhuLinsen/daily_stock_analysis.git && cd daily_stock_analysis
pip install -r requirements.txt
cp .env.example .env
# 在 .env 中填写 Key 和 STOCK_LIST
python main.py

常用参数有 --dry-run（测试但不推送）、--stocks（临时指定股票）、--market-review（大盘复盘）和 --schedule（本地定时）。要使用工作台，运行 python main.py --webui 后访问 http://127.0.0.1:8000。项目也发布了 Docker 镜像，可用于容器部署。

使用约束

大模型 API Key 实际是必需的；Ollama 本地模型更适合本地或 Docker 运行，而不是 Actions。行情默认走 AkShare、Baostock、YFinance 等免费源，README 明确说明这些源受上游限流和接口变动影响，稳定性无保证；需要更稳定行情时，官方建议为 A 股配置 Tushare、为港股/美股配置 Longbridge token，以补齐量比、换手率、PE 等字段。推送依赖各平台自己的 webhook 或机器人配置，签名校验和分组邮件等规则另见文档。定时运行消耗 GitHub Actions 额度或你自己的服务器资源，默认只在交易日触发。项目采用 MIT 许可证；安装流程中出现了赞助的模型和搜索服务，但支持其他服务商。

HotRepo 点评

2026-11-09，该项目在 GitHub 全部语言日榜上最高排到第 9 名，当天新增 505 Star。此前的快照显示它已经持续活跃了几个月：2026-05-19 约 3.76 万 Star，到 2026-06-25 升至约 4.93 万，2026-08-12 约 6.25 万，榜单记录当天为 6.84 万。Fork 数全程紧跟 Star（榜单日约 5.63 万 Fork 对 6.84 万 Star），这与其推荐通过 Fork 仓库并配合 Actions 使用的部署方式相符。多市场覆盖加上内置策略问股，对想要一套开箱即用的每日分析流程、而非一个待集成库的人更有吸引力；代价是输出质量高度依赖你配置的数据源和模型服务商。