Fork 一下就有一个 AI 股票分析师每天给你推报告：daily_stock_analysis 把 LLM 炒股全链路开源了

Fork 一下就有一个 AI 股票分析师每天给你推报告：daily_stock_analysis 把 LLM 炒股全链路开源了

来源: ZhuLinsen/daily_stock_analysis · Python · 今日 Stars: 505 · 协议: MIT

一句话: Fork 仓库、填几个 Secret，每个工作日 18 点你的微信/飞书/Telegram 就会收到一份 LLM 生成的自选股决策报告

---

一个场景

你有一批自选股：贵州茅台、腾讯、苹果、丰田、三星、台积电——跨 A 股、港股、美股、日股、韩股、台股六个市场。

每天收盘后你想知道：今天发生了什么？该不该操作？有没有风险？

传统做法是：打开同花顺看 A 股，打开富途看港股美股，打开雅虎看日韩台，再打开微博、Twitter、Bloomberg 看新闻。六个市场、十几个信息源、两种语言。等你看完，天都黑了。

daily_stock_analysis 给了另一条路：Fork 仓库，填上自选股代码和 API Key，设置 GitHub Actions 定时任务。每个工作日 18 点，你的企业微信/飞书/Telegram/Discord/Slack/邮箱会收到一份决策仪表盘——包含核心结论、评分、趋势、买卖点位、风险警报、催化因素和操作检查清单。

零服务器成本，零运维，Fork 完 5 分钟搞定。

全链路拆解

这个项目最值得看的不是某个单点功能，而是它把"LLM 做股票分析"的整条链路打通了。

数据层：多源行情聚合

默认用 AkShare、Baostock、YFinance 等免费源，零配置可跑。免费源受上游限流影响，长期定时建议配 Tushare、Longbridge 等 token 型源。

新闻层：多源搜索聚合

新闻源会显著影响舆情、公告、事件和催化因素的质量。项目文档明确说"推荐至少配置一个搜索服务"——这比那些"开箱即用"的营销话诚实多了。

策略层：15 种内置策略

Agent 策略问股是亮点——不是单次问答，是多轮追问。你可以问"茅台最近趋势怎么样"，它回答后你追问"那估值呢"，它能在上下文里继续分析。

LLM 层：模型无关

支持 Gemini、OpenAI 兼容（含 DeepSeek、通义千问）、Claude、Ollama 本地模型，以及 Modelflare、AIHubMix 等聚合服务。模型无关意味着你可以用最便宜的模型跑日常分析，用最强的模型跑关键决策。

推送层：7 种渠道

企业微信、飞书、Telegram、Discord、Slack、邮箱，还有 Web 工作台和桌面客户端。推送的不只是文本——是"决策仪表盘"，包含评分、趋势图、买卖点位、风险警报。

运行层：GitHub Actions 零成本

这是"零成本"的关键。GitHub Actions 的免费额度对个人仓库足够：每个工作日 18 点（北京时间）自动执行，非交易日（含 A/H/US 节假日）不执行。Fork 仓库、配 Secrets、启用 Actions——完事。

有论文背书

README 里挂了一个 arXiv 链接：2608.26990。虽然论文内容需要单独看，但一个开源项目有学术论文支撑，说明作者不是拍脑袋写代码——至少在方法论层面做过严肃研究。

诚实的工程文档

这个项目的文档质量在 GitHub trending 项目里属于第一梯队。几个细节：

1. 明确说免费源不稳定："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。"——不装 2. 数据源优先级和 fallback 规则有专门文档 3. 市场支持边界有专门页面，告诉你哪个市场哪些字段可能缺失 4. 交易日检查逻辑明确：默认非交易日不执行，可强制运行 5. 断点续传支持：大批量分析时中断了能接着跑

这种"把坑写在明面上"的文档风格，比那些"一键部署、开箱即用"的项目可信得多。

为什么值得关注

1. LLM 应用的"全链路"样本

大多数 LLM 应用项目要么只做模型调用（API wrapper），要么只做数据处理。daily_stock_analysis 把"数据采集 → 新闻聚合 → LLM 分析 → 决策报告 → 多渠道推送 → 定时调度"整条链路打通了，而且每一步都有多个数据源/服务可选。

这是一个非常好的"LLM 应用工程"参考实现——即使你不做股票分析，它的架构（多源聚合、模型无关、多渠道推送、GitHub Actions 调度）可以直接迁移到其他领域。

2. "零成本自动化"的范式

GitHub Actions + Fork 这个模式在开源社区很常见（比如 RSS Bot、GitHub Pages），但用在"LLM 定时分析 + 推送"场景里是巧妙的。它意味着：

• 个人用户不需要服务器
• 不需要 Docker
• 不需要运维
• Fork 即用，改 Secrets 即配

这种"Fork-and-run"模式可能是 LLM 应用走向大众的一个重要路径。

3. 多市场 + 多策略的工程复杂度

跨 6 个市场的数据源适配、15 种分析策略的统一接口、7 种推送渠道的抽象——这不是一个周末项目。作者在工程上做了大量抽象和 fallback 设计。如果你在做任何"多源数据 + LLM 分析"的系统，这个项目的架构设计值得读一遍源码。

谁该用

• 个人投资者：有一批自选股、想每天收到 AI 分析报告的人。Fork 一下就能跑
• LLM 应用开发者：想看"全链路 LLM 应用"怎么设计的。这个项目是很好的参考
• 量化爱好者：15 种策略 + 多市场数据源，可以作为策略验证的起点
• GitHub Actions 自动化的学习者：这个项目是"Fork-and-run"模式的教科书级实现

一个提醒

项目 README 顶部有一行小字：项目有赞助商（Modelflare、SerpApi），赞助商的 API Key 被标为"推荐"。这不是隐藏的商业植入——文档明确标注了赞助关系，而且所有 API Key 都是可选的，你可以用完全免费的源跑起来。但阅读时需要知道：推荐不等于最优，货比三家总是对的。

---

链接

• GitHub: https://github.com/ZhuLinsen/daily_stock_analysis
• 完整指南: docs/full-guide.md
• arXiv 论文: https://arxiv.org/abs/2608.26990
• B站教程: https://www.bilibili.com/video/BV11FEb66EXG/