用GitHub Actions零成本部署AI股票分析工具daily_stock_analysis

引言

你是否也有过这样的经历？下班后打开电脑，在几个财经网站间来回切换，手动记录自选股的行情和关键指标，最后还得花时间在Excel里做图表分析。一通操作下来，至少一小时过去了，市场早就收盘，时机也错过了。

我之前就是这么做的，直到在GitHub上发现了 daily_stock_analysis 这个项目。它是一个基于AI大模型的股票分析工具，试用之后，现在我每天只需要花5分钟，就能看完所有自选股的分析报告，并且能收到清晰的AI买卖建议。

工具简介

daily_stock_analysis 是 ZhuLinsen 开源在 GitHub 上的一个A股/港股/美股分析系统，目前已经获得了超过7000个Star。

这个工具的核心优势在于 AI分析 + 免费运行。一旦配置完成，它每天会自动执行以下任务：

• 生成具体的操作建议（如买入/观望/卖出），并提供精确的买入价、止损价和目标价。
• 汇总技术面、资金面、市场舆情等多维度的数据分析。
• 推送大盘复盘报告，包括指数涨跌、板块轮动、资金流向等。
• 通过企业微信、飞书、Telegram等渠道将结果通知给你。
• 最关键的是，它可以在GitHub Actions上免费运行，无需你自备服务器。

核心功能

AI决策建议

工具会综合技术指标、市场新闻、资金流向等数据，自动生成结构化的投资建议，输出格式类似下面这样：

🟢 买入 | 贵州茅台(600519)
📌 缩量回踩MA5支撑,乖离率1.2%处于最佳买点
💰 狙击: 买入1800 | 止损1750 | 目标1900
✅多头排列 ✅乖离安全 ✅量能配合

报告内容非常清晰：

• 操作方向及理由：明确告知是买入、持有还是卖出，并简述核心逻辑。
• 具体价位：给出可操作的买入价、止损价和目标价。
• 检查清单：用符号直观标记各项技术条件（如多头排列、量能配合等）是否满足。

大盘复盘

每天收盘后，工具会自动生成并推送一份市场概览报告。

报告通常包含主要指数涨跌幅、市场涨跌家数统计、领涨领跌板块分析以及北向资金动向等关键数据，帮你快速把握全天市场脉络。

数据源和AI模型

• 数据源：免费选项可以使用 AkShare 或 Pytdx；如果需要更深度或更稳定的数据，可以考虑付费的 Tushare Pro。
• AI模型：推荐使用 Google 的 Gemini 模型（如 gemini-3-flash-preview）。通过 Google AI Studio 可以申请免费额度，对于个人日常使用完全足够。项目也支持 DeepSeek、通义千问、Moonshot 等其他主流 AI大模型。

推送渠道

支持多达8种通知方式，包括企业微信、飞书、邮件、Telegram、PushPlus、Pushover等，你可以根据习惯选择，甚至可以同时配置多个渠道。

部署方式

最吸引人的一点是，这个工具可以做到完全零成本部署和运行。

GitHub Actions部署（推荐）

无需服务器，利用GitHub提供的免费计算资源自动执行。

1. Fork项目：访问项目主页 https://github.com/ZhuLinsen/daily_stock_analysis，点击 Fork 按钮。
2. 配置密钥：在你自己的仓库中，进入 Settings → Secrets and variables → Actions，添加以下必要的密钥：
   • GEMINI_API_KEY: 前往 Google AI Studio 免费申请获取。
   • STOCK_LIST: 填写你的自选股代码，用英文逗号分隔，例如 600519,hk00700,AAPL。
   • 推送配置（至少配置一个）：如企业微信Webhook地址、邮箱密码与收件箱、Telegram Bot Token等。
3. 启用工作流：进入仓库的 Actions 标签页，启用工作流。
4. 手动测试：手动触发一次工作流运行，检查是否能正常收到推送。
5. 完成：默认配置下，工作流会在每个工作日18:00（A股收盘后）自动执行，你可以在 .github/workflows 目录下的配置文件中修改这个时间。

本地运行

如果你有自己的服务器或想在本地测试，也可以通过以下命令运行：

git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis
pip install -r requirements.txt
cp .env.example .env
# 编辑 .env 文件，填入你的各项配置
python main.py
# 或者运行 python main.py --webui 来启动Web管理界面

实际使用体验

我的配置

我目前使用的是“GitHub Actions + 企业微信推送”的组合：

• AI模型: Google Gemini (gemini-3-flash-preview)
• 数据源: AkShare (免费版)
• 自选股: 贵州茅台、宁德时代、腾讯控股等
• 推送时间: 工作日18:00
• 推送渠道: 企业微信群聊机器人

总成本为0，因为GitHub Actions的免费时长和Gemini API的免费额度完全覆盖了我的使用需求。

使用流程

每天18:00，GitHub Actions自动触发分析任务。大约5分钟后，Python 脚本跑完所有股票分析，企业微信就能收到清晰的图文报告。我只需要在下班路上花几分钟浏览一下，晚上复盘时再结合大盘表现做决策。整个过程无需任何人工干预。

效率对比

项目	传统手动方式	使用本工具
数据收集	20分钟	自动完成
指标计算	15分钟	自动完成
图表制作	25分钟	自动完成
决策分析	20分钟	5分钟阅读报告
总计	80分钟	5分钟

AI基于客观数据给出建议，至少能帮助投资者避免因情绪波动而做出冲动决策。

适用人群与场景

• 上班族投资者：没时间盯盘，但希望系统化跟踪投资组合。可以在开盘前收到早盘简报，包含隔夜美股、热门板块和自选股建议；收盘后自动收到复盘报告。
• 程序员/开发者：熟悉GitHub操作，甚至有Python基础，可以轻松部署并进一步定制分析逻辑。
• 数据分析爱好者/金融学生：可以将此项目作为量化分析和AI应用结合的实战案例来学习。

优缺点分析

优点：

• 零成本：核心组件（GitHub Actions, Gemini API免费额度）均可免费使用。
• 决策明确：直接给出“买/卖/观望”建议及具体价位，而非单纯的数据罗列。
• 全自动：一次配置，长期自动运行。
• 多市场支持：覆盖A股、港股、美股。
• 通知渠道丰富：8种推送方式，总能找到适合你的。
• 开源可定制：代码完全开放，你可以根据自己的策略进行修改和扩展。
• 社区活跃：7000+ Star的项目，遇到问题通常能在Issues或社区中找到解决方案。

缺点：

• 有一定技术门槛：需要掌握Git、GitHub的基本操作，配置Secrets对完全的新手可能有些挑战。
• 免费API有限制：AkShare和Gemini免费版都有调用频率或额度限制，如果跟踪股票数量过多，可能需要升级付费API或调整策略。
• 不保证收益：AI建议是基于历史数据和模型的推断，仅供参考，不能作为投资唯一依据。
• 需要维护：数据源的API可能会变更，需要偶尔关注项目更新，拉取最新代码。

使用建议

根据我一个月的使用经验，给出几点建议：

1. 从免费配置开始：充分利用Google Gemini的免费额度、AkShare数据源和GitHub Actions，这已经能构成一个可用的分析系统。验证效果后再考虑是否升级付费服务。
2. 控制自选股数量：建议初期跟踪5-10只股票。免费API有频率限制，股票太多可能导致分析不全或需要付费。
3. 理性看待AI建议：工具基于历史数据和技术指标，而市场瞬息万变。务必结合公司基本面、宏观环境及自身风险承受能力做最终判断。
4. 自定义推送时机：默认的18:00是针对A股收盘。如果你主要关注美股，可以设置为早上（看隔夜收盘）或凌晨（看当日收盘）运行。
5. 善用社区资源：GitHub项目页有许多使用案例和策略讨论，遇到问题可以先搜索，通常能找到答案。

总结

daily_stock_analysis 成功地将繁琐的股票分析流程自动化，并引入了AI辅助决策，对于提升投资分析效率确实有显著帮助。

如果你符合以下情况，不妨尝试一下：

• 需要跟踪多只股票，手动分析效率低下。
• 希望借助AI工具减少投资决策中的情绪化干扰。
• 具备一定的技术基础，对量化分析实践感兴趣。
• 作为上班族，时间有限但希望保持投资纪律。
• 同时关注多个市场（A/H/美股），需要统一的管理视图。

它的核心优势就是零成本、全自动、有明确的AI建议。但请始终记住，这只是一个辅助工具，最终的决策权和责任在于你自己。

免责声明：本文仅介绍该工具的技术使用方法，不构成任何投资建议。股市有风险，投资需谨慎。

获取与开始

• 项目地址：https://github.com/ZhuLinsen/daily_stock_analysis

推荐上手步骤：

1. 访问GitHub仓库，仔细阅读README和文档。
2. Fork项目到你自己的账号下。
3. 申请Google Gemini API Key（免费）。
4. 在Fork后的仓库中配置GitHub Actions Secrets。
5. 手动触发一次工作流进行测试。
6. 从少量（如2-3只）你熟悉的股票开始试用。

相关资源链接：

• Google AI Studio: https://aistudio.google.com/
• 项目完整指南: https://github.com/ZhuLinsen/daily_stock_analysis/blob/main/docs/full-guide.md
• 部署教程: https://github.com/ZhuLinsen/daily_stock_analysis/blob/main/docs/DEPLOY.md

希望这篇分享能帮助你更高效地管理投资分析。如果你有更多关于自动化工具或 AI 应用的奇思妙想，欢迎来到 云栈社区 与大家交流探讨。