youngcan-wyckoff-analysis 0.1.1b2

Wyckoff method quantitative analysis system for A-shares

🏛️ Wyckoff Trading Agent 3.1 — 威科夫交易智能体

🔥 3.1 已上线 — 威科夫大师走进你的命令行

不再只是冷冰冰的量化筛选脚本。3.0 把一个活的威科夫大师塞进了你的浏览器，3.1 又把他塞进了你的终端 — 他能听懂你的话、调动九大武器库、自主串联多步推理，最终给出"打还是不打"的明确结论。

一句话总结：你说人话，他读盘面，全自动。Web 和 CLI 双通道。

👉 立即体验线上 Agent

👉 终端用户：uv venv && source .venv/bin/activate && uv pip install youngcan-wyckoff-analysis && wyckoff

---

⚡ 3.1 有什么不一样

维度	2.x（脚本时代）	3.0（Agent 时代）	3.1（双通道）
交互方式	点按钮、填参数、等结果	对话即命令 — Web 读盘室	Web + CLI 双通道 — 终端里也能对话
决策流程	人工串联各模块	LLM 自主编排 — 自动调诊断→查行情→对比→下结论	同左，CLI 完全复用
工具调度	固定流水线	9 大武器随叫随到，调几次、调哪个，AI 实时决策	同左
模型支持	单厂商	Gemini（ADK 原生）	Gemini / Claude / OpenAI 三选一，CLI 原生多模型
底座	无 Agent 框架	Google ADK — 工业级 Agent 运行时	CLI 端裸写 Agent 循环，零框架
安装	clone + pip	同左	pip install youngcan-wyckoff-analysis && wyckoff

2.x 的全部能力（五层漏斗、AI 研报、私人决断、回测）全部保留且已接入 Agent，3.x 是超集而非替代。

---

🧨 核心武器库（9 个 FunctionTool）

Agent 不是玩具。以下是威科夫大师手里的九把刀，每一把都连接着真实的量价引擎和数据管线：

武器	能力	杀伤力
🔍 search_stock_by_name	名称/代码/拼音模糊搜索	不知道代码？说名字就行
🩺 diagnose_stock	单股 Wyckoff 结构化诊断	一键看穿吸筹/派发/markup
📋 diagnose_portfolio	批量持仓健康扫描	全仓体检，谁该留谁该走
📈 get_stock_price	近期 OHLCV 行情	实时量价数据直送大师案头
🌡️ get_market_overview	大盘水温概览	牛熊一目了然
🏗️ screen_stocks	五层漏斗全市场筛选	4500→30，暴力压缩
📰 generate_ai_report	三阵营 AI 深度研报	逻辑破产/储备/起跳板，三振出局
⚔️ generate_strategy_decision	持仓去留 + 新标买入决策	下达最终作战指令
📊 get_recommendation_tracking	历史推荐及后续表现	事后验证，绝不甩锅

Agent 的杀手锏：你说"帮我看看 000001 和 600519 哪个更值得买"，他会自主决定先调 diagnose_stock 两次、再调 get_stock_price 对比行情、最后综合推理给出结论。整个过程无需预编排，工具调用顺序和次数由 LLM 实时决策。

---

你还能做什么

功能	说明
💬 读盘室	首页即对话界面，威科夫大师坐镇——用自然语言让他审盘、筛选、诊断、下达去留指令，支持上下文记忆
📊 每日选股	GitHub Actions 定时跑 Wyckoff Funnel，从主板+创业板筛选候选并推送飞书
📘 策略手册	见 README_STRATEGY.md（含核心量化金融术语、风控公式及各层筛选指标执行口径）
🧭 沙里淘金	Web 前台提交参数，GitHub Actions 后台执行多层漏斗筛选
🤖 大师模式	单股本地深度分析（默认近 320 个交易日，含图表生成）
🕶️ 私人决断	结合个人持仓与外部候选，生成 Buy/Hold/Sell 私密指令，Telegram 单独发送
🛡️ RAG 防雷	基于新闻检索自动过滤负面舆情股票
🧪 日线回测	轻量回放 Funnel 命中后的 N 日收益，输出胜率/分位数
📁 数据导出	A 股日线 + 自定义导出（ETF/指数/宏观 CPI）
💼 持仓管理	实时同步持仓至云端，内置 AI 订单建议面板
🎯 推荐跟踪	历史推荐股票自动同步收盘价并计算累计收益
📣 市场信号栏	大盘水温、A50（盘前风向标）与 VIX（恐慌指数）顶部一栏尽览
🔐 登录与配置	飞书/企微/钉钉 Webhook 及多厂商 API Key 云端同步

---

🧠 Wyckoff 量价分析 Skills

如果你只想把这套 Wyckoff 量价分析思路 以轻量方式复用到 OpenClaw / AI Agent，可以直接使用这个简易 Skills 仓库：

• 仓库地址：YoungCan-Wang/wyckoff_skill
• 定位：将威科夫量价分析的核心提示词、判断框架、输出口径拆成可复用的简易 Skill
• 适合场景：单股复盘、持仓诊断、候选股结构判断、给 AI 助手快速挂载一套"威科夫视角"

---

🚀 快速开始

1. 环境

需要 Python 3.11+。

cd Wyckoff-Analysis
python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
python -m pip install -U pip
python -m pip install -r requirements.txt

2. 配置

复制 .env.example 为 .env，填入：

• SUPABASE_URL、SUPABASE_KEY：登录用（项目依赖 Supabase）
• FEISHU_WEBHOOK_URL（可选）：飞书推送地址；可选 WECOM_WEBHOOK_URL、DINGTALK_WEBHOOK_URL 实现企微/钉钉推送
• 大模型：可配置 GEMINI_API_KEY 或 OpenAI/智谱/Minimax/DeepSeek/Qwen 等厂商的 API Key 与模型（见设置页）

Tushare 注册推荐：可通过 此链接注册，双方可一起提升获取更高级股票数据的权益。

3. 运行

Web 界面：打开浏览器，直接跟威科夫大师对话。

streamlit run streamlit_app.py

终端 CLI（推荐）：装完即用，不需要 clone 仓库。

# 安装
uv venv
source .venv/bin/activate
uv pip install youngcan-wyckoff-analysis

# 运行
wyckoff              # 启动终端读盘室
wyckoff update       # 升级到最新版

启动后在 TUI 内交互式配置：

• /model — 选择 Provider（Gemini / Claude / OpenAI 及兼容端点）、输入 API Key、选择模型，配置自动保存
• /login — 登录账号，打通持仓和云端凭证，登录态自动保持
• 直接输入问题开始对话

终端内支持：上下箭头翻阅历史、/ 命令 Tab 补全、/help /clear /quit。

命令行导出：批量导出 CSV。

python -m integrations.fetch_a_share_csv --symbol 300364
python -u -m integrations.fetch_a_share_csv --symbols 000973 600798 601390

---

📅 每日选股（Wyckoff Funnel）

从全市场（主板 + 创业板）多轮过滤，最终输出高胜率的精要标的，经过量化压缩后交由 AI 研判并推送到飞书。 水温判断同时参考指数趋势 + 市场广度（站上 MA20 占比），弱市会自动收紧筛选与买入容忍度。

从 v2.0.0 起，Web 端不再本地重算漏斗。 Streamlit 页面负责提交股票池和参数，真正的全量取数、漏斗计算、AI 候选整理由 GitHub Actions 后台执行，页面只展示运行状态和轻量结果摘要。

漏斗筛选逻辑（五层暴力压缩）

层级	名称	做什么
Layer 1	剥离垃圾	剔除 ST/北交所/科创板，保留市值 ≥ 35 亿、日均成交额 ≥ 5000 万
Layer 2	六大独立通道甄选	① 主升 ② 点火 ③ 潜伏 ④ 吸筹 ⑤ 地量 ⑥ 护盘 — 六路包抄，无死角
Layer 2.5	Markup 识别	MA50 上穿 MA200 + 角度验证 → 标注已进入上升趋势
Layer 3	板块共振	行业分布 Top-N，筛选与热门板块共振的标的
Layer 4	威科夫微观狙击	Spring（终极震仓）、LPS（极缩量回踩）、SOS（低位放量点火）、EVR（高位放量不跌）
Layer 5/AI	三阵营 AI 审判	LLM 独立审讯 → "逻辑破产 / 储备营地 / 处于起跳板"三振出局

启用方式

仓库内置工作流：.github/workflows/wyckoff_funnel.yml

• 定时：北京时间周日到周四 18:25
• 手动：Actions 页面选择 Wyckoff Funnel → Run workflow

Web 端后台任务架构

仓库内置专门给 Streamlit 页面使用的后台工作流：.github/workflows/web_quant_jobs.yml

• Wyckoff Funnel 页面：提交后台漏斗筛选任务
• AI 分析 页面：提交后台批量研报或输入预演任务
• 页面职责：触发工作流、轮询运行状态、读取 artifact 结果
• 后台职责：拉全量 OHLCV、跑漏斗、调用模型、产出轻量 JSON 结果

这样做的目的，是把最耗内存、最容易超时的链路从 Streamlit Community Cloud 进程里移走。

配置 GitHub Secrets

Settings → Secrets and variables → Actions，添加：

名称	必填	说明
GEMINI_API_KEY	是	AI 研报与对话 Agent（或使用 DEFAULT_LLM_PROVIDER + 对应厂商 Key）
TUSHARE_TOKEN	是	行情与市值数据
DEFAULT_LLM_PROVIDER	否	定时任务使用的厂商：gemini / openai / zhipu / minimax / deepseek / qwen，未配则 gemini
FEISHU_WEBHOOK_URL	否	飞书推送地址，未配则跳过飞书通知 (配置教程)
WECOM_WEBHOOK_URL	否	企微群机器人 Webhook
DINGTALK_WEBHOOK_URL	否	钉钉自定义机器人 Webhook
GEMINI_MODEL	否	未配则用默认模型；其他厂商可配 OPENAI_MODEL、ZHIPU_MODEL 等
SUPABASE_URL	Step4 用	否（走 USER_LIVE:<user_id> 路径时需要）
SUPABASE_KEY	❌	Supabase 匿名 Key；脚本侧可作为读取兜底。
SUPABASE_SERVICE_ROLE_KEY	❌	Supabase 管理员 Key；若 Step4 需要稳定读写，建议优先配置。
SUPABASE_USER_ID	❌	用户锁定：指定 Step4 运行的目标用户 ID。
MY_PORTFOLIO_STATE	❌	本地账本兜底：若 USER_LIVE:<user_id> 不可用，可用 JSON 字符串配置持仓 (格式见 .env.example)。
TG_BOT_TOKEN	❌	私密推送：Telegram Bot Token，用于接收私密交易建议。
TG_CHAT_ID	❌	Telegram Chat ID。
TAVILY_API_KEY	❌	防雷：用于 RAG 新闻检索 (Tavily)，推荐配置。
SERPAPI_API_KEY	❌	防雷备用：Tavily 挂了时自动切换到 Google News (SerpApi)。

提示：以上配置只在你需要对应功能时才需填写。最基础运行仅需 GEMINI_API_KEY + TUSHARE_TOKEN。IM 通知渠道（飞书/企微/钉钉）均为可选，未配置时筛选和研报仍正常执行，仅跳过消息推送。

Web 端后台任务所需 Streamlit Secrets

如果你希望在 Streamlit 页面里直接点按钮触发后台漏斗或后台批量 AI，还需要在 Streamlit Secrets 中配置：

名称	必填	说明
GITHUB_ACTIONS_TOKEN	是	GitHub API Token，用于触发 workflow_dispatch 并读取 Actions 运行结果 artifact
GITHUB_ACTIONS_REPO_OWNER	否	默认 YoungCan-Wang
GITHUB_ACTIONS_REPO_NAME	否	默认 Wyckoff-Analysis
GITHUB_ACTIONS_REF	否	默认 main
GITHUB_ACTIONS_WORKFLOW_FILE	否	默认 web_quant_jobs.yml
GITHUB_ACTIONS_ALLOWED_USER_IDS	否	逗号分隔的用户 ID 白名单；配置后仅白名单账号可在页面里触发后台任务

推荐使用细粒度单仓库 Token，至少授予：

• Actions: Read and write
• Contents: Read

验证

跑一次手动触发后，检查：

• 日志中有 阶段汇总 且 ok=True
• Artifacts 中有 daily-job-logs-*
• 飞书收到漏斗结果 + 研报

常规跑完约 90～130 分钟。报错时看日志里缺哪个配置。

日线回测（轻量）

不依赖分钟级和高价数据源，直接回放 Funnel 命中后的未来 N 日表现：

python -m scripts.backtest_runner \
  --start 2025-01-01 \
  --end 2025-12-31 \
  --hold-days 15 \
  --top-n 3 \
  --trading-days 320 \
  --board all \
  --exit-mode sltp \
  --stop-loss -9 \
  --take-profit 0 \
  --sample-size 300 \
  --output-dir analysis/backtest

当前脚本默认值是 --hold-days 15 --top-n 3 --exit-mode sltp --stop-loss -9 --take-profit 0。 交易日窗口默认是 --trading-days 320。若要做持有周期对比，建议分别回测 15 / 30 / 45 / 60 四档。

回测偏差口径说明（重要）：

• 默认关闭当前截面市值/行业映射过滤（降低 look-ahead bias）。
• 若你要复现旧口径，可显式加 --use-current-meta（会引入前视偏差，仅用于对比）。
• 无论是否开启，仍存在幸存者偏差（股票池来自当前在市名单）。
• 回测默认纳入双边摩擦成本：--buy-friction-pct 0.2 --sell-friction-pct 0.2（可按券商与滑点实况调整）。

输出文件：

• summary_*.md：收益统计 + 风险统计（最大回撤、VaR95、CVaR95、最长连亏）
• trades_*.csv：逐笔信号收益明细

常见报错

• 配置缺失: GEMINI_API_KEY
  • 原因：未配置模型 Key 或已失效
  • 处理：更新 GEMINI_API_KEY 后重跑
• 市值数据为空（TUSHARE_TOKEN 可能缺失/失效）
  • 原因：TUSHARE_TOKEN 缺失/失效/额度问题
  • 处理：检查并更新 TUSHARE_TOKEN，确认账号权限
• [step3] 模型 ... 失败 / llm_failed
  • 原因：模型不可用、限流、网络抖动
  • 处理：更换 GEMINI_MODEL 或稍后重试
• [step3] 飞书推送失败 / feishu_failed
  • 原因：Webhook 无效、限流、网络问题
  • 处理：重新生成飞书机器人 Webhook 并替换 Secret
• Step4 私人再平衡: 跳过（SUPABASE_USER_ID 未配置/用户持仓缺失）
  • 原因：未配置 SUPABASE_USER_ID，或 USER_LIVE:<user_id>/MY_PORTFOLIO_STATE 都不可用
  • 处理：在 Secrets 配置 SUPABASE_USER_ID；优先保证 Supabase 有 USER_LIVE:<user_id>，必要时提供 MY_PORTFOLIO_STATE 兜底
• Step4 私人再平衡: 跳过（TG_BOT_TOKEN/TG_CHAT_ID 未配置）
  • 原因：Telegram Secret 未配置
  • 处理：配置 TG_BOT_TOKEN 和 TG_CHAT_ID 后重跑
• User location is not supported for the API use
  • 原因：模型地域限制
  • 处理：更换可用网络出口或供应商
• Action 超时或明显慢于 2 小时
  • 原因：数据源抖动、重试变多
  • 处理：查看批次日志定位卡点，必要时手动重跑

私人决断（可选）

Step4 完全由 GitHub Actions Secrets 驱动：读取 SUPABASE_USER_ID 定位 USER_LIVE:<user_id>，读取 TG_BOT_TOKEN/TG_CHAT_ID 推送 Telegram，模型使用 GEMINI_API_KEY/GEMINI_MODEL。若 Supabase 持仓缺失可用 MY_PORTFOLIO_STATE 做兜底。

---

交流

飞书群二维码

飞书个人二维码

---

☕ 赞助与支持

各位股友，觉得这个脚本筛选的股票形态很得您心，辛苦给个吆喝，点个star。如果这个借助这个脚本赚到钱了，也欢迎赞助作者一顿汉堡，升级下大模型和股票数据，非常感谢

支付宝 (Alipay)	微信支付 (WeChat)

---

🤖 系统架构

一个会思考的大脑 + 一条不知疲倦的流水线

╔══════════════════════════════════════════════════════════════════════════════════════╗
║                      🏛️  WYCKOFF TRADING AGENT 3.1  ·  System Panorama             ║
╚══════════════════════════════════╤═══════════════════════════════════════════════════╝
                                   │
              ┌────────────────────┼────────────────────┐
              ▼                    ▼                    ▼
   ┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐
   │ Streamlit Web UI  │ │  CLI Terminal    │ │  GitHub Actions  │
   │ Reading Room      │ │  wyckoff cmd     │ │  cron Pipeline   │
   └────────┬─────────┘ └────────┬─────────┘ └────────┬─────────┘
            │                    │                     │
            ▼                    ▼                     ▼
┌───────────────────────────────────┐     ┌───────────────────────────────────┐
│      🧠 AGENT BRAIN               │     │      ⚙️  ETL PIPELINE              │
│  Web: Google ADK  ·  CLI: 裸写    │     │      GitHub Actions  ·  cron      │
│                                   │     │                                   │
│  ┌─────────────────────────────┐  │     │  ┌─────────────────────────────┐  │
│  │      wyckoff_advisor        │  │     │  │  Step 2  Funnel Screening   │  │
│  │      LlmAgent               │  │     │  │  Step 3  AI Battle Report   │  │
│  │      Wyckoff Master Persona │  │     │  │  Step 4  Rebalance & Push   │  │
│  │                             │  │     │  └─────────────────────────────┘  │
│  │  Intent → Tools → Reason   │  │     │                                   │
│  │  Autonomous  Multi-step     │  │     │  Sun-Thu 18:25 CST  ·  Manual    │
│  └──────────────┬──────────────┘  │     │  Deterministic  ·  No autonomy   │
│                 │                  │     └────────────────┬──────────────────┘
│  ┌──────────────┴──────────────┐  │                      │
│  │   9 FunctionTools Arsenal   │  │                      │
│  │                             │  │                      │
│  │  search    diagnose  port.  │  │                      │
│  │  price     overview  funnel │  │                      │
│  │  report    strategy  track  │  │                      │
│  └──────────────┬──────────────┘  │                      │
└─────────────────┼─────────────────┘                      │
                  │                                        │
                  └──────────────┬──────────────────────────┘
                                 │
              ┌──────────────────┴──────────────────┐
              │         🔧 CORE ENGINE               │
              │                                      │
              │  wyckoff_engine ····· 5-Layer Funnel  │
              │  funnel_pipeline ··· Market Sweep     │
              │  batch_report ······ 3-Camp Verdict   │
              │  strategy ·········· Trade Decision   │
              │  holding_diagnostic  Health Check     │
              │  prompts ··········· Prompt Arsenal   │
              │  sector_rotation ··· Sector Radar     │
              └───────┬──────────────┬────────┬──────┘
                      │              │        │
           ┌──────────┘              │        └──────────┐
           ▼                         ▼                   ▼
┌────────────────────┐  ┌────────────────────┐  ┌────────────────────┐
│  📡 DATA SOURCES   │  │   🤖 LLM  x 8     │  │  ☁️  CLOUD STORE   │
│                    │  │                    │  │                    │
│  tushare      ★   │  │  Gemini       ★   │  │  Supabase          │
│    ↓ akshare      │  │  OpenAI           │  │    Portfolio       │
│    ↓ baostock     │  │  DeepSeek         │  │    Recommendation  │
│    ↓ efinance     │  │  Qwen · Kimi      │  │    Settings        │
│                    │  │  Zhipu · Volc     │  │    Hist Cache      │
│  auto-fallback    │  │  Minimax           │  │                    │
└────────────────────┘  └─────────┬──────────┘  └────────────────────┘
                                  │
              ┌───────────────────┴───────────────────┐
              │           📣 NOTIFICATIONS             │
              │                                        │
              │  Feishu  ·  WeCom  ·  DingTalk  ·  TG  │
              └────────────────────────────────────────┘

Agent 决策流详解

用户说一句话，Agent 自主完成全部推理——零预编排，纯 LLM 实时决策：

 "帮我看看 000001 和 600519 哪个更值得买"
                    │
                    ▼
  ┌─────────────────────────────────────────────────────────────────┐
  │  wyckoff_advisor  (Google ADK LlmAgent)                         │
  │                                                                 │
  │  1. 理解意图 ──→ "用户要对比两只股票"                             │
  │                                                                 │
  │  2. 自主调度 ──→ diagnose_stock("000001.SZ")  ──→ 吸筹末期      │
  │              ──→ diagnose_stock("600519.SH")  ──→ Markup 中段   │
  │              ──→ get_stock_price("000001.SZ") ──→ 近期量价      │
  │              ──→ get_stock_price("600519.SH") ──→ 近期量价      │
  │                                                                 │
  │  3. 综合推理 ──→ 对比结构、量价、风险收益比                       │
  │                                                                 │
  │  4. 输出结论 ──→ "000001 处于 Spring 确认阶段，胜率更高..."       │
  └─────────────────────────────────────────────────────────────────┘

会话管理

层级	实现	说明
Session	InMemorySessionService	进程内存储，重启丢失
State	session.state	存储 user_id、偏好 provider 等上下文

Pipeline 执行流

定时全市场筛选（.github/workflows/wyckoff_funnel.yml），确定性 ETL + 两次 LLM 调用：

  cron (Sun-Thu 18:25 CST) / manual dispatch
    │
    │   ┌──────────────────────────────────────────────────────────┐
    ├──→│ Step 2 ·  FUNNEL                                         │
    │   │ Market Regime + ~4500 A-shares OHLCV → 5-layer → ~30    │
    │   └──────────────────────────────────────────────────────────┘
    │
    │   ┌──────────────────────────────────────────────────────────┐
    ├──→│ Step 3 ·  REPORT                                         │
    │   │ Prompt + 1x LLM call → 3-camp Markdown battle report    │
    │   └──────────────────────────────────────────────────────────┘
    │
    │   ┌──────────────────────────────────────────────────────────┐
    └──→│ Step 4 ·  REBALANCE                                      │
        │ Prompt + 1x LLM call → Hold/Sell/Buy JSON → OMS → Push  │
        └──────────────────────────────────────────────────────────┘

步骤	代码模块	本质
Funnel + Regime	core/funnel_pipeline.py → wyckoff_engine.py + market_regime.py	确定性量价计算
Report	step3_batch_report.py → core/batch_report.py	单次 LLM 调用
Rebalance	step4_rebalancer.py → core/strategy.py	单次 LLM + OMS 风控

LLM Provider（8 大厂商全通）

• Web Agent：默认 Gemini（ADK 原生），可通过 LiteLLM 桥接切换
• CLI Agent：Gemini / Claude / OpenAI 三选一，TUI 内 /model 切换，支持任意 OpenAI 兼容端点
• Pipeline：通过 llm_client.py 多 provider 直连

Provider	状态	说明
Gemini	✅ 主力	Agent gemini-2.5-flash / Pipeline gemini-3.1-flash-lite-preview
OpenAI	✅	GPT-4o / GPT-4o-mini
DeepSeek	✅	DeepSeek-Chat
Qwen	✅	DashScope OpenAI-compatible
Kimi	✅	moonshot-v1
Zhipu	✅	GLM-4
Volcengine	✅	Doubao/ARK
Minimax	✅	abab 系列

---

附录

目录结构

.
├── streamlit_app.py        # Web 入口 — 智能对话首页（Google ADK Chat Agent）
├── app/                    # UI 组件（layout/auth/navigation）
│   ├── background_jobs.py  # Streamlit 侧后台任务状态管理
│   └── ...
├── cli/                    # 🖥️ 终端 CLI Agent（裸写，零框架）
│   ├── __main__.py         # 入口：wyckoff 命令 / python -m cli
│   ├── agent.py            # 核心 Agent 循环（think → tool_call → execute → think）
│   ├── providers/          # 多模型适配层
│   │   ├── base.py         # LLMProvider 抽象接口
│   │   ├── gemini.py       # Gemini（google-genai SDK）
│   │   ├── claude.py       # Claude（anthropic SDK）
│   │   └── openai.py       # OpenAI（openai SDK，支持自定义 base_url）
│   ├── auth.py             # 认证（Supabase 登录 + session 持久化）
│   ├── tools.py            # 工具注册表（复用 chat_tools.py，ToolContext shim）
│   └── ui.py               # 终端 UI（rich Markdown + prompt_toolkit）
├── agents/                 # 🤖 对话 Agent 层（Google ADK）
│   ├── wyckoff_chat_agent.py # 对话 Agent 定义（ADK LlmAgent，威科夫人格）
│   ├── chat_tools.py       # 9 个 FunctionTool — 包装引擎能力给对话 Agent
│   └── session_manager.py  # 会话管理（ADK Runner + InMemorySessionService）
├── core/                   # 核心策略与领域逻辑
│   ├── wyckoff_engine.py   # Wyckoff 多层漏斗引擎（六通道L2 + Markup L2.5）
│   ├── prompts.py          # AI 提示词（投委会 / 漏斗 / 私人决断 / 对话 Agent）
│   ├── sector_rotation.py  # 板块轮动分析
│   ├── holding_diagnostic.py # 持仓诊断
│   ├── stock_cache.py      # 股票数据缓存
│   └── constants.py        # 常量定义
├── integrations/           # 数据源/LLM/Supabase 适配层
│   ├── data_source.py      # 统一数据源（tushare → akshare → baostock → efinance）
│   ├── llm_client.py       # LLM 客户端（原生多 provider）
│   ├── stock_hist_repository.py # Supabase 缓存 + gap-fill
│   ├── supabase_client.py  # Supabase 云端同步
│   ├── supabase_portfolio.py # 策略持仓同步
│   ├── supabase_recommendation.py # 推荐跟踪
│   ├── rag_veto.py         # RAG 防雷模块
│   └── github_actions.py   # GitHub Actions 触发与结果查询
├── pages/                  # Streamlit 页面
│   ├── Export.py           # 数据导出（A 股 CSV + 跳转自定义导出）
│   ├── AIAnalysis.py       # 大师模式（单股深度分析 + 图表生成）
│   ├── WyckoffScreeners.py # 沙里淘金（后台漏斗筛选，高级参数调优）
│   ├── Portfolio.py        # 持仓管理
│   ├── RecommendationTracking.py # 推荐跟踪
│   ├── CustomExport.py     # 自定义导出（ETF/指数/宏观 CPI）
│   ├── Settings.py         # 设置
│   └── Changelog.py        # 版本更新日志
├── scripts/
│   ├── daily_job.py        # 定时任务入口（GH Actions cron 调用）
│   ├── wyckoff_funnel.py   # 全市场漏斗筛选
│   ├── step3_batch_report.py  # AI 研报
│   ├── step4_rebalancer.py    # 私人决断
│   ├── web_background_job.py  # Web 后台任务执行入口
│   ├── premarket_risk_job.py  # 盘前风控预警
│   └── backtest_runner.py  # 日线轻量回测
├── tools/                  # 可复用工具函数（Agent / scripts 共享）
│   ├── data_fetcher.py     # 数据拉取辅助
│   ├── report_builder.py   # 研报拼装辅助
│   ├── debug_io.py         # 模型输入落盘（DEBUG_MODEL_IO）
│   └── ...
├── tests/
│   ├── agents/             # Agent 层测试
│   └── ...                 # 现有单元测试
├── requirements.txt
└── .env.example

盘前风险与市场信号栏

• 盘前风控任务会综合 A50 + VIX 判断外部风险，并输出 NORMAL / CAUTION / RISK_OFF / BLACK_SWAN 四档结果。
• Web 端会将"盘后大盘水温"与"盘前外部风险"融合成一条顶部市场信号栏，统一按"最新交易日"口径展示，不要求用户理解内部工程标签。
• 页面展示采用 A 股常用颜色习惯：上涨偏红、下跌偏绿；VIX 恐慌抬升也会按防守方向显示。

交易日与时间窗口

按交易日计算，自动跳过周末与节假日。

• 结束日（北京时间口径）：
  • 17:00-23:59 → 取 T（当天）
  • 00:00-16:59 → 取 T-1（上一自然日）
• 最终会对齐到最近交易日（自动跳过周末与节假日）
• 开始日：从结束日向前回溯 N 个交易日（默认 320）
• 参数：--trading-days、--end-offset-days

CSV 输出说明

• hist_data.csv：akshare 原始字段（日期、开高低收、成交量、成交额、振幅、换手率等）
• ohlcv.csv：增强版（OHLCV + 均价、行业），便于回测与可视化

复权

--adjust："" 不复权，qfq 前复权，hfq 后复权。

python -m integrations.fetch_a_share_csv --symbol 300364 --adjust qfq

常见问题

• ImportError: create_client from supabase → pip install supabase>=2.0.0
• macOS pip externally-managed-environment → 用虚拟环境安装依赖
• 文件名有空格 → 股票名本身带空格，脚本会做安全替换

AI 分析：Alpha 虚拟投委会

Web 端提供「AI 分析」页面，采用「Alpha」虚拟投委会模式，由七位历史级交易大师人格共同决策。

当前执行口径：

• 对话式分析：通过首页智能对话，用自然语言触发个股诊断、研报生成等分析能力
• 单股分析：在 AI 分析页面内本地执行，适合轻量、即时交互
• 批量代码分析：改为 GitHub Actions 后台执行
• 漏斗候选分析：先在后台 Funnel 页得到候选，再在 AI 页提交后台批量研报

对话式分析和单股分析保留即时性，批量 OHLCV 和模型上下文从 Community Cloud 内存里移走。

大师分工如下：

大师	职责
🌊 道氏与艾略特	宏观定势，判断牛市/熊市主趋势
💰 彼得·林奇	价值透视，PEG 估值，六大股票分类
🕵️ 理查德·威科夫	主力侦察，吸筹/派发阶段判断，供需法则
📐 缠中说禅	结构精算，中枢、背驰、买卖点数学定位
🔥 情绪流龙头战法	情绪博弈，周期定位，龙头识别
🐊 杰西·利弗莫尔	关键时机，关键点突破确认
🕯️ 史蒂夫·尼森	微观信号，蜡烛图反转形态

RAG 防雷（负面舆情过滤）

每日选股流程中集成 RAG 防雷模块，自动过滤有负面舆情的股票：

• 数据源：Tavily 新闻搜索（如未配置则跳过）
• 默认负面关键词：立案、调查、证监会、处罚、违规、造假、退市、减持、质押爆仓、债务违约、业绩预亏、业绩下滑、商誉减值、诉讼、仲裁、冻结等
• 配置：TAVILY_API_KEY 环境变量

数据源降级机制

个股日线优先使用 tushare（固定前复权 qfq），失败时依次降级：

tushare → akshare → baostock → efinance

• TUSHARE_TOKEN 未配置时自动跳过，回退到 akshare 优先
• 指数/大盘数据始终 tushare 直连，确保稳定性
• 可通过环境变量按需禁用各源：DATA_SOURCE_DISABLE_AKSHARE=1 / DATA_SOURCE_DISABLE_BAOSTOCK=1

自定义导出支持的数据源

数据源	说明	复权支持
A股个股历史	日线 K 线，6 位代码	✅
指数历史	上证/深证/创业板/北证	❌
ETF 历史	510300 / 159707 等	✅
宏观 CPI	月度 CPI 指标	❌

Fork 与部署

1. Fork 本仓库，克隆到本地
2. 按上文配置 .env 后运行
3. 部署到 Streamlit Cloud：入口选 streamlit_app.py
4. 至少配置 SUPABASE_URL、SUPABASE_KEY、COOKIE_SECRET
5. 若要启用页面内的后台漏斗/后台批量 AI，再额外配置 GITHUB_ACTIONS_TOKEN

---

版本更新

详见 CHANGELOG.md。Web 端「版本更新日志」页面直接读取该文件。

---

开源协议 | License

本项目基于 GNU Affero General Public License v3.0 (AGPL-3.0) 开源。

• ✅ 个人学习、研究、自用：自由使用
• ✅ 修改和再分发：需保持同样的 AGPL-3.0 协议并开源
• ✅ 通过网络提供服务（SaaS）：必须向用户公开完整源代码
• 📧 联系方式：可通过微信/飞书，或 GitHub Issue 联系

Copyright (c) 2024-2026 youngcan.

---

Star History