GitHub开源AI股票分析工具daily_stock_analysis，支持A股港股自动决策

在 GitHub 上，一个专注于 A 股和港股分析的 开源项目 近期获得了大量关注，其星标（Star）数量迅速攀升至 4.3k。这个名为 daily_stock_analysis 的项目，旨在通过 AI 技术自动化每日的股票复盘与分析流程，为投资者生成结构化的决策参考。

项目核心：A/H股智能分析系统

该项目主打 A/H 股自选股的每日智能分析。它能够将投资者日常看盘、复盘的一系列复杂动作，自动化生成一份 结论清晰、可直接参考的“决策仪表盘”。

功能亮点

该工具的主要功能亮点体现在以下几个维度：

1. AI 决策仪表盘
   每日自动生成一份精简版复盘报告，核心在于输出“一句话结论”、关键买卖点位以及一份检查清单。其价值在于将散户缺乏的结构化分析流程，封装成了可复用的自动化模板。

2. 多维度分析
   分析不仅限于技术面，而是整合了技术指标、筹码分布、市场舆情情报以及实时行情等多方面数据，减少了用户在不同APP或平台间切换、拼凑信息的成本。

3. 大盘复盘模式
   支持单独运行市场概览分析，汇总主要指数表现、板块涨跌、北向资金动向等信息，形成每日市场状态简报，帮助用户快速判断当前市场环境更适合进攻还是防守。

4. 多渠道推送
   分析报告生成后，可直接推送至企业微信、飞书、Telegram、邮箱等渠道，也支持自定义 Webhook，一次配置可实现多渠道同时送达。

5. 零成本部署与额度友好
   作者推荐使用 GitHub Actions 进行定时任务调度，完全免费。在 AI 模型选择上，默认使用 Google Gemini（可通过 Google AI Studio 获取免费额度），并提供了兼容 OpenAI 格式的 API 作为备选方案。

6. 交易理念内置
   工具将一些投资纪律写入了分析逻辑中。例如，当股价乖离率超过特定阈值时会提示风险，将均线多头排列作为趋势健康的判断条件之一，并直接给出具体的买入价、止损价和目标价，方便用户对照自己的策略进行决策。

实测体验

在实际测试中，选取了3只标的进行每日分析。生成的总览版决策仪表盘开头会有一个统计摘要，例如“买入：1，观望：2，卖出：0”。

随后对每只股票进行独立分析，结构统一，包含：重要信息速览、风险警报、利好催化、核心结论等部分。

其中最具价值的是它将分析结论落地为可执行的数据。报告会先给出核心结论，例如“强烈买入”，并解释当前价位所处的技术位置，明确指出为何这是一个相对高胜率的买点。

进一步，报告会提供一套细致的作战计划，列出理想买入点、次优买入点、止损位和目标位，同时附上仓位建议。最后还有一份检查清单，帮助用户在交易前核对关键条件，避免冲动决策。

此外，工具还会生成一份大盘复盘，归纳当日市场的结构特征、指数强弱、资金偏好和热点方向。这部分内容有助于用户先判断整体市场基调，再结合自选股信号进行综合评估。

分析报告的质量很大程度上依赖于背后的大模型 API。用户可以免费使用 Google Gemini API。若想分析单只股票，也可在提供的 Web 界面中输入股票代码，快速生成独立报告。

快速上手指南

项目提供了两种主要的使用方式，推荐程度依次递减。

方式一：GitHub Actions（推荐，零成本）

这种方式无需自备服务器，完全利用 GitHub 的免费计算资源。

1. Fork 仓库：首先 Fork 原项目仓库到自己的 GitHub 账户下。
2. 配置 Secrets：进入自己 Fork 后的仓库，依次点击 Settings -> Secrets and variables -> Actions，添加必要的配置信息。
   • 大模型 Key：配置 GEMINI_API_KEY 或 OPENAI_API_KEY（至少一个）。
     
   • 自选股列表：配置 STOCK_LIST，例如 600519,300750,002594。
   • 推送渠道：配置至少一个通知渠道（如企业微信、飞书、Telegram、邮箱的 Webhook 或密钥），否则无法接收报告。
     
3. 启用工作流：进入仓库的 Actions 页面，启用工作流，并手动运行一次进行测试。
4. 定时运行：测试成功后，工作流将在每个工作日（北京时间 18:00）自动执行，并将报告推送到你配置的渠道。

方式二：本地运行 / Docker 部署

适合希望长期运行服务或进行二次开发的用户。具体细节需参考项目文档中的完整配置指南。

基本流程是参照 .env.example 文件配置环境变量，然后运行主程序。常用命令如下：

• 运行一次完整分析：

  python main.py

• 只进行大盘复盘：

  python main.py --market-review

• 只分析自选股（跳过大盘复盘）：

  python main.py --no-market-review

项目还提供了 WebUI 以便可视化操作：

• 启动 WebUI 并执行一次完整分析：

  python main.py --webui

• 仅启动 WebUI，之后手动触发分析：

  python main.py --webui-only

  启动后，在浏览器中访问 http://127.0.0.1:8000 即可管理配置和触发分析。

对于追求环境隔离和稳定性的用户，项目也提供了 Dockerfile 和 docker-compose.yml 文件，可通过 Docker 容器的方式部署服务。

总结与建议

daily_stock_analysis 项目能够有效自动化每日的看盘复盘流程，将碎片化信息整合为指向明确的决策仪表盘。然而，必须明确其本质是一个辅助工具或投研助手，而非全自动交易系统。

报告可以提供清晰的分析脉络和具体的点位参考，但最终的是否入场、仓位控制以及止损止盈决策，仍需用户基于自身的投资策略和风险承受能力独立完成。

一个较好的使用方式是将其作为每日的复盘检查清单：先通过“一句话结论”判断市场氛围；再关注报告提示的关键点位和风险（尤其是乖离率预警）；最后将其检查清单与个人的交易纪律（如支撑压力位、仓位计划、止损线）进行对照，条件满足则考虑执行，不满足则继续等待。

提示：投资有风险，任何工具生成的分析结果仅供参考，不构成投资建议。

项目仓库地址：https://github.com/ZhuLinsen/daily_stock_analysis

对于这类融合了 AI 与金融数据分析的 开源实战 项目，其设计思路和实现细节都值得开发者们研究学习。如果你对技术如何赋能投资分析感兴趣，欢迎在云栈社区的相關板块进行更深入的探讨。