mirror of
https://github.com/ZhuLinsen/daily_stock_analysis
synced 2026-09-20 10:53:33 +08:00
d0e66a1dc3
* feat: 新闻检索为空时在报告中如实标注 消息面章节此前是「有内容才渲染」，检索一条没拿到时整段直接消失， 读报告的人无从判断是确实没新闻，还是检索静默失败了（搜索源限流、 未配置可用渠道等）。这把「抓取失败」呈现成了「确实没有新闻」。 - src/analyzer.py: AnalysisResult 新增 news_result_count，默认 None - src/core/pipeline.py: 把 Step 4 已算好的计数交给结果对象 （此前只进了 diagnostic context snapshot，报告层拿不到） - src/notification.py: news_lines 为空且计数为 0 时，渲染明确提示， 并说明结论未纳入新闻维度证据 - tests: 新增 5 条用例，含两条负例——计数为 None 时不得报警 （那是未配置搜索渠道，不是失败）、拿到新闻时行为与改动前一致 不触碰任何检索路径，纯展示层增量。 * fix: 把新闻缺失提示放进真实渲染路径，并独立于模型输出判定 按 review 三条意见修正： P1-1 提示只存在于 generate_daily_report，而正常流程从不调用它—— _send_single_stock_notification 与聚合报告走的是 dashboard / brief / single_stock。原实现对所有标准 REPORT_TYPE 都不生效。 改为抽出共享判定 _empty_news_disclosure，四个渲染器统一接入。 P2 检索零命中但模型按 schema 写出了 market_sentiment / hot_topics 时， 原 elif 分支被跳过，报告会展示模型生成的情绪判断却隐瞒无新闻证据。 改为独立判定 news_result_count == 0，与模型是否产出文字无关。 P1-2 补 docs/CHANGELOG.md [Unreleased] 条目，并在 docs/data-source-stability.md 的「用户可见提示建议」一节记录该行为， 含 None / 0 / >0 三态语义表。 测试从 5 条增至 10 条，新增覆盖 dashboard、brief、single_stock 三个真实 渲染器，以及「模型有输出但检索为空」这一最糟组合。39 passed * fix: 把新闻零命中披露覆盖到模板链路与企业微信入口 按 review 指出的 blocker 修正。此前只接了字符串拼接分支，遗漏两类活路径： 1. REPORT_RENDERER_ENABLED=true 时，generate_dashboard_report / generate_brief_report / generate_wechat_dashboard 会先 return render(...)， 模板链路一路不渲染披露； 2. generate_wechat_dashboard 的非模板 fallback 从未接入，而 pipeline 在 企业微信非 brief 场景会直接调用它。 后果是同一份分析结果在部分渠道披露、在另一些渠道沉默。 改法不再逐点打补丁，而是抽出单一事实来源： - 新增 src/services/empty_news.py 持有判定与中英文案 - src/notification.py 的 _empty_news_disclosure 改为委托该模块 - src/services/report_renderer.py 为每条结果预计算 empty_news_disclosure， 三个平台模板共用 - templates/report_markdown.j2 / report_brief.j2 / report_wechat.j2 各加渲染分支 - generate_wechat_dashboard 的 fallback 正文接入披露 新增 6 条回归测试：模板链路三个平台各一条、企业微信入口一条， 外加两条负例（未执行检索时模板与企业微信均不得提示）。 本文件测试 10 → 16 全过；全量 5824 passed，9 个既有失败与本 PR 无关 （干净 main 上同样失败，属测试顺序依赖）。 * fix: 修正计数源头的两处缺口（自查发现） 按 review 的 merge-base..HEAD 方法自查全链路，发现此前几轮都只盯着渲染出口， 从未核对计数源头，而源头本身在两条路径上是错的： 1. src/core/pipeline.py: news_result_count 只在 intel_results 非空时赋值， 搜索服务整体失败（正是所有搜索源限流全挂的场景）时停留在 None， 语义为「未执行检索」，于是本 PR 想解决的头号场景反而不提示。 改为检索一发起即置 0。 2. _analyze_with_agent: Agent 模式自行调用 search_stock_news 完成检索， 却从不回写计数，该路径下零命中永远静默。改为按检索结果回写 0 或实际条数。 渲染层再周全，源头数据不对则全部落空。 新增 2 条测试锁住这两处语义（18 passed，此前 16）。 全量 5826 passed，9 个既有失败与本 PR 无关。 * fix: disclose missing news search configuration * chore: remove unrelated agent guidance * test: run all empty news tests directly * fix: preserve empty news disclosure across reports * fix: 让 Agent 模式的新闻披露跟随实际消费的证据 原问题：agent_arch=multi 等受支持的 Agent 配置下，报告可能声称「未纳入新闻 面证据」而分析其实用了新闻，或反过来该提示而不提示。 根因：news_result_count 取自 executor.run() 结束后为持久化情报补打的一次 search_stock_news()。真实情报由 IntelAgent 通过 search_comprehensive_intel 取得，两者不等价，因此披露与真实证据链可能相反。 修复点：新增 src/agent/news_evidence.py，以运行期证据作用域收集 Agent 搜索 工具的真实返回条数；搜索渠道不可用为 None（未执行检索），可用则从 0 起步、 拿到多少算多少。pipeline 在 executor.run() 前后开启并读取该作用域，事后的 持久化补查不再回写计数。 回归风险：工具在 ThreadPoolExecutor 中执行，runner.py 以 contextvars.copy_context() 提交，故作用域中必须是可变累加器对象，换成不可变 值会让父线程读不到；已加回归测试锁住该机制。原 test_agent_path_records_count 断言的正是被修复的错误行为，已替换为反向断言。 Refs #2225 * fix: 让新闻披露以实际证据为准而非搜索命中数 原问题：本地已落库的资讯池或社交情绪进入 news_context 参与分析后，报告仍可能 声称「未配置搜索渠道，本次分析未纳入新闻面证据」或「零命中」。 根因：news_context 由三路来源拼成——实时检索、社交情绪（美股）、本地资讯池， 但只有实时检索会更新 news_result_count。披露断言的是「结论有没有用到新闻面 证据」，而计数只是「搜索命中了几条」，两者是不同命题，后两路参与时必然失真。 修复点：AnalysisResult 新增 news_evidence_present，由 news_context 是否非空 得出，pipeline 两条路径共用 src/services/empty_news.news_evidence_present() 这一个判定函数。披露改为先看有无证据；确无证据时才用计数解释原因 （None=未配置渠道，0=检索零命中）。历史重建同步恢复该字段。 回归风险：旧记录没有该字段，按计数回退推断，与该记录当时的报告表现一致，不会 追溯改变旧报告；已有用例锁住。review 只点名了本地资讯池，社交情绪属同一缺陷类， 本次一并修复并加测试。另加源码断言：任一 pipeline 路径改回只传计数即失败。 Refs #2225 * fix: 按来源登记新闻证据，不让零命中占位文本冒充证据 原问题：普通分析链路在「搜索已执行但一条证据都没拿到」时，报告不再显示零命中 披露——正是本 PR 要修的核心场景，反而比改动前更差。 根因：src/search_service.py 的 format_intel_report() 即使所有维度失败或为空， 也会输出「【XX 情报搜索结果】」标题和每个维度的「未找到相关信息」占位文本， 整段永远非空。上一版把拼好的 news_context 整段交给 news_evidence_present() 判定，于是 news_result_count == 0 时 evidence 被翻成 true，披露被吞掉，错误 状态还会经 to_dict() 持久化，继续影响历史、详情 API 与 Web。 修复点：判定改为按来源逐个登记——实时检索的真实命中数、社交情绪内容、本地 资讯池内容，任一为真才算有证据；两条 pipeline 路径都不再传拼好的整段。 news_evidence_present() 的契约随之改为接收各来源，并在文档串里写明为什么不能 传整段。 回归风险：新增反例用真实的 format_intel_report() 产出占位文本（不用 mock）， 断言其不得被判成证据、且报告必须出现零命中披露。另有源码断言：谁把整段 news_context 交回判定函数即失败。上一版两条测试实际在保护该缺陷（一条名为 「任何非空 context 都算证据」，一条要求必须传入 news_context），已一并纠正。 Refs #2225 --------- Co-authored-by: Mach-Chan <zz-b240@zz-b240deMacBook-Air.local>
📈 股票智能分析系统
🤖 基于 AI 大模型的 A股/港股/美股/日股/韩股/台股自选股智能分析系统，每日自动分析并推送「决策仪表盘」到企业微信/飞书/Telegram/Discord/Slack/邮箱
💖 赞助商 (Sponsors)
🖥️ 产品预览
✨ 功能特性
| 能力 | 覆盖内容 |
|---|---|
| AI 决策报告 | 核心结论、评分、趋势、买卖点位、风险警报、催化因素、操作检查清单 |
| 多市场数据聚合 | 覆盖 A股、港股、美股、日股、韩股、台股和 ETF，支持行情、K 线、技术指标、新闻、公告、基本面与报告辅助数据；不同市场的数据源和能力边界见 市场支持边界 |
| Web / 桌面工作台 | 手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题 |
| Agent 策略问股 | 多轮追问，支持均线、缠论、波浪、趋势、热点、事件、成长、预期等 15 种内置策略，覆盖 Web/Bot/API |
| 智能导入与补全 | 图片、CSV/Excel、剪贴板导入；股票代码/名称/拼音/别名补全 |
| 自动化与推送 | GitHub Actions、Docker、本地定时任务、FastAPI 服务和企业微信/飞书/Telegram/Discord/Slack/邮件推送 |
功能细节、字段契约、基本面 P0 超时语义、交易纪律、数据源优先级、Web/API 行为请看 完整配置与部署指南。
技术栈与数据来源
| 类型 | 支持 |
|---|---|
| AI 模型 | Anspire、AIHubMix、Gemini、OpenAI 兼容、DeepSeek、通义千问、Claude、Ollama 本地模型等 |
| 行情数据 | TickFlow、AkShare、Tushare、Pytdx、Baostock、YFinance、Longbridge |
| 新闻搜索 | Anspire、SerpAPI、Tavily、Bocha、Brave、MiniMax、SearXNG |
| 社交舆情 | Stock Sentiment API（Reddit / X / Polymarket，仅美股，可选） |
项目默认内置 AkShare、Baostock、YFinance 等免费行情源，可零配置运行；免费源受上游限流、接口变动和网络波动影响，稳定性不保证。长期定时、批量分析或更稳定行情建议配置 TickFlow、Tushare、Longbridge 等 token 型数据源，适用市场、Actions 映射和 fallback 规则见 数据源配置。
🚀 快速开始
方式一：GitHub Actions（推荐）
5 分钟完成部署，零成本，无需服务器。
1. Fork 本仓库
点击右上角 Fork 按钮（顺便点个 Star⭐ 支持一下）
2. 配置 Secrets
Settings → Secrets and variables → Actions → New repository secret
AI 模型配置（至少配置一个）
默认先选一个模型服务商并填写 API Key；需要多模型、图片识别、本地模型或高级路由时，再参考 LLM 配置指南。
| Secret 名称 | 说明 | 必填 |
|---|---|---|
ANSPIRE_API_KEYS |
Anspire API Key，一Key同时启用全球热门大模型和联网搜索，本项目新用户提供30元等额的免费额度（GLM5.2、GPT等模型特惠中） | 推荐 |
AIHUBMIX_KEY |
AIHubMix API Key，一Key切换使用全系模型，无需科学上网，本项目可享 10% 优惠 | 推荐 |
GEMINI_API_KEY |
Google Gemini API Key | 可选 |
ANTHROPIC_API_KEY |
Anthropic Claude API Key | 可选 |
OPENAI_API_KEY |
OpenAI 兼容 API Key（支持 DeepSeek、通义千问等） | 可选 |
OPENAI_BASE_URL / OPENAI_MODEL |
使用 OpenAI 兼容服务时填写 | 可选 |
Ollama 更适合本地 / Docker 部署，GitHub Actions 推荐使用云端 API。
通知渠道配置（至少配置一个）
| Secret 名称 | 说明 |
|---|---|
WECHAT_WEBHOOK_URL |
企业微信机器人 |
FEISHU_WEBHOOK_URL |
飞书机器人 |
TELEGRAM_BOT_TOKEN + TELEGRAM_CHAT_ID |
Telegram |
DISCORD_WEBHOOK_URL |
Discord Webhook |
SLACK_BOT_TOKEN + SLACK_CHANNEL_ID |
Slack Bot |
EMAIL_SENDER + EMAIL_PASSWORD |
邮件推送 |
更多渠道、签名校验、分组邮件、Markdown 转图片等配置见 通知渠道详细配置。
自选股配置（必填）
| Secret 名称 | 说明 | 必填 |
|---|---|---|
STOCK_LIST |
自选股代码，如 600519,hk00700,AAPL,7203.T,005930.KS,2330.TW |
✅ |
新闻源配置（推荐）
新闻源会显著影响舆情、公告、事件和催化因素质量，建议至少配置一个搜索服务。
| Secret 名称 | 说明 | 必填 |
|---|---|---|
ANSPIRE_API_KEYS |
Anspire AI Search：汇聚全球舆情信息，适配A股、美股、港股等新闻和舆情检索；同一Key可复用大模型服务，本项目新用户提供免费30元等额的免费点数 | 推荐 |
SERPAPI_API_KEYS |
SerpAPI：搜索引擎结果补强，适合实时金融新闻 | 推荐 |
TAVILY_API_KEYS |
Tavily：通用新闻搜索 API | 可选 |
BOCHA_API_KEYS |
博查搜索：中文搜索优化，支持 AI 摘要 | 可选 |
BRAVE_API_KEYS |
Brave Search：隐私优先，美股资讯补强 | 可选 |
MINIMAX_API_KEYS |
MiniMax：结构化搜索结果 | 可选 |
SEARXNG_BASE_URLS |
SearXNG 自建实例：无配额兜底，适合私有部署 | 可选 |
更多搜索源、社交舆情和降级规则见 搜索服务配置。
行情数据源配置（可选）
默认使用 AkShare、Baostock、YFinance 等免费数据源，日志中"未配置"的提示不影响运行。 如需更稳定的行情，可按市场配置以下 Secret：
| Secret 名称 | 适用市场 | 说明 |
|---|---|---|
TUSHARE_TOKEN |
A 股 | 提升历史行情稳定性 |
LONGBRIDGE_OAUTH_CLIENT_ID + LONGBRIDGE_OAUTH_TOKEN_CACHE_B64 |
港股/美股 | 补齐量比、换手率、PE 等字段 |
详见 数据源配置。
3. 启用 Actions
Actions 标签 → I understand my workflows, go ahead and enable them
4. 手动测试
Actions → 每日股票分析 → Run workflow → Run workflow
完成
默认每个**工作日 18:00（北京时间）**自动执行，也可手动触发。默认非交易日（含 A/H/US 节假日）不执行；强制运行、交易日检查、断点续传等规则见 完整指南。
方式二：客户端配置教程 / 本地运行 / Docker 部署
# 克隆项目
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git && cd daily_stock_analysis
# 安装依赖
pip install -r requirements.txt
# 配置环境变量
cp .env.example .env && vim .env
# 运行分析
python main.py
常用命令：
python main.py --debug
python main.py --dry-run
python main.py --stocks 600519,hk00700,AAPL,2330.TW
python main.py --market-review
python main.py --schedule
python main.py --serve-only
📱 推送效果
决策仪表盘
🎯 2026-02-08 决策仪表盘
共分析3只股票 | 🟢买入:0 🟡观望:2 🔴卖出:1
📊 分析结果摘要
⚪ 中钨高新(000657): 观望 | 评分 65 | 看多
⚪ 永鼎股份(600105): 观望 | 评分 48 | 震荡
🟡 新莱应材(300260): 卖出 | 评分 35 | 看空
⚪ 中钨高新 (000657)
📰 重要信息速览
💭 舆情情绪: 市场关注其AI属性与业绩高增长，情绪偏积极，但需消化短期获利盘和主力流出压力。
📊 业绩预期: 基于舆情信息，公司2025年前三季度业绩同比大幅增长，基本面强劲，为股价提供支撑。
🚨 风险警报:
风险点1：2月5日主力资金大幅净卖出3.63亿元，需警惕短期抛压。
风险点2：筹码集中度高达35.15%，表明筹码分散，拉升阻力可能较大。
风险点3：舆情中提及公司历史违规记录及重组相关风险提示，需保持关注。
✨ 利好催化:
利好1：公司被市场定位为AI服务器HDI核心供应商，受益于AI产业发展。
利好2：2025年前三季度扣非净利润同比暴涨407.52%，业绩表现强劲。
📢 最新动态: 【最新消息】舆情显示公司是AI PCB微钻领域龙头，深度绑定全球头部PCB/载板厂。2月5日主力资金净卖出3.63亿元，需关注后续资金流向。
---
生成时间: 18:00
大盘复盘
🎯 2026-01-10 大盘复盘
📊 主要指数
- 上证指数: 3250.12 (🟢+0.85%)
- 深证成指: 10521.36 (🟢+1.02%)
- 创业板指: 2156.78 (🟢+1.35%)
📈 市场概况
上涨: 3920 | 下跌: 1349 | 涨停: 155 | 跌停: 3
🔥 板块表现
领涨: 互联网服务、文化传媒、小金属
领跌: 保险、航空机场、光伏设备
⚙️ 配置说明
完整环境变量、模型渠道、通知渠道、数据源优先级、交易纪律、基本面 P0 语义和部署说明请参考 完整配置指南。
🖥️ Web 界面
Web 工作台提供配置管理、任务监控、手动分析、历史报告、完整 Markdown 报告、Agent 问股、回测、持仓管理、智能导入和浅色 / 深色主题。启动方式：
python main.py --webui
python main.py --webui-only
访问 http://127.0.0.1:8000 即可使用。认证、智能导入、搜索补全、历史报告复制、云服务器访问等细节见 本地 WebUI 管理界面。
🤖 Agent 策略问股
配置任意可用 AI API Key 后，Web /chat 页面即可使用策略问股；如需显式关闭可设置 AGENT_MODE=false。
- 支持均线金叉、缠论、波浪理论、多头趋势、热点题材、事件驱动、成长质量、预期重估等内置策略
- 支持实时行情、K 线、技术指标、新闻和风险信息调用
- 支持多轮追问、会话导出、发送到通知渠道和后台执行
- 支持自定义策略文件与多 Agent 编排（实验性）
🧩 相关项目 (Related Projects)
DSA 聚焦日常分析报告；选股实现参考 AlphaSift，AlphaEvo 用于策略验证与进化。
| 项目 | 定位 |
|---|---|
| AlphaSift | DSA 选股实现的参考项目 |
| AlphaEvo | 策略回测与自我进化，用于验证策略规则，并通过迭代探索策略参数与组合 |
📬 联系与合作
| 合作邮箱 |
zhuls345@gmail.com 项目咨询、部署支持与功能扩展 |
 扫码关注小红书 |
| 小红书 | 欢迎关注小红书 | |
| 问题反馈 | 提交 Issue |
📄 License
MIT License © 2026 ZhuLinsen
欢迎在二次开发或引用时注明本仓库来源，感谢支持项目持续维护。
⚠️ 免责声明
本项目仅供学习和研究使用，不构成任何投资建议。股市有风险，投资需谨慎。作者不对使用本项目产生的任何损失负责。