投资者助手开源项目最佳实践
2025-05-18 02:32:03作者:昌雅子Ethen
1. 项目介绍
投资者助手(Investor-Agent)是一个基于Model Context Protocol(MCP)的服务器,它为大型语言模型提供全面的财务洞察和分析。该服务器利用实时市场数据、基本面和技术分析,帮助用户获取以下信息:
- 详细股票报告,包括公司概述、新闻、关键指标、表现、日期、分析师推荐以及评级升级/降级。
- 显示高持仓量的期权数据。
- 股票的历史价格趋势。
- 必要的财务报表(收入、资产负债表、现金流量)。
- 实时机构持股和共同基金持仓。
- 收益历史和内部交易活动。
- 当前和历史的CNN恐惧与贪婪指数数据及趋势分析。
- 技术指标计算(SMA、EMA、RSI、MACD、BBANDS)。
- 与核心投资原则和投资组合构建策略相关的提示。
2. 项目快速启动
要快速启动投资者助手项目,请按照以下步骤操作:
首先,确保你的系统安装了Python 3.12或更高版本。然后,安装uv包管理器:
curl -LsSf https://astral.sh/uv/install.sh | sh
接下来,你可以使用uvx命令来运行投资者助手项目,而不需要全局或特定环境中安装它:
# 只运行核心功能
uvx investor-agent
# 如果你需要计算技术指标工具(并且已经安装了TA-Lib C库),可以包括可选依赖项:
uvx "investor-agent[ta]"
注意:使用uvx "package[extra]"需要一个较新版本的uv(0.7.0或更高版本)。使用uvx与[ta]需要预先正确安装并在系统中找到TA-Lib C库。
3. 应用案例和最佳实践
以下是一些使用投资者助手项目的最佳实践:
- 数据缓存:为了提高性能并减少冗余API调用,项目会自动缓存
yfinanceAPI响应到一个本地的yfinance.cache文件中,缓存时间为一小时。 - 交易自动化:结合MCP服务器和经纪平台(如
tastytrade)的tasty-agent进行自动交易。 - 新闻整合:如果需要将最新新闻整合到分析中,请确保启用网络搜索功能。
4. 典型生态项目
投资者助手项目可以与以下生态项目结合使用,以增强其功能:
- yfinance:用于检索市场数据。
- tasty-agent:用于在tastytrade平台上进行交易。
- TA-Lib:提供技术分析指标的计算。
通过遵循上述最佳实践,开发者可以有效地利用投资者助手项目来增强他们的财务分析能力。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1