LLM驱动的智能股票分析系统：零成本GitHub Actions定时运行 + 多市场覆盖 + AI决策仪表盘

前言

在A股、港股、美股市场中，散户投资者长期面临信息不对称的困境——行情数据分散在多个平台，新闻公告来源繁杂，而人工研读财报、盯盘分析又极度消耗精力。随着大语言模型（LLM）能力的爆发式提升，用AI来辅助股票分析已经从概念走向可用。

今天要介绍的这个开源项目 ZhuLinsen/daily_stock_analysis，Star数已突破 36,778，它用纯Python构建了一套完整的LLM驱动股票分析系统，核心特点是：GitHub Actions零成本定时运行 + 多市场行情+新闻整合 + AI决策仪表盘 + 多渠道推送。整个系统可以零成本部署，每个工作日18:00（北京时间）自动跑分析报告，推送到你的飞书、企业微信或Telegram。

本文将完整梳理项目的核心能力、架构设计、GitHub Actions快速上手、Web工作台使用，以及15种策略问股Agent的实战用法。

一、为什么这个项目值得关注

市面上股票分析工具并不少，但大多数存在以下几个痛点：

• 数据孤岛：行情、财务、新闻分属不同平台，割裂严重
• 缺乏AI决策层：只是展示数据，没有整合LLM做综合判断
• 部署成本高：需要自建服务器、购买数据源、配置定时任务
• 推送渠道单一：要么只有邮件，要么只有企业微信

daily_stock_analysis 正是针对这些痛点设计的：

GitHub Stars 36,778 这个数字本身就是一个强力背书——能够吸引这么多开发者关注，说明项目在功能和稳定性上经过了广泛验证。

二、系统架构与数据流

整体架构分为四个层次：

┌─────────────────────────────────────────────────────┐
│                   数据源层                           │
│  AkShare（A股/港股）│ Yahoo Finance（美股）│ 新闻API  │
└────────────────────────┬────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────┐
│                  处理层                              │
│  行情数据 │ K线技术指标 │ 资金流 │ 筹码数据 │ 新闻公告│
└────────────────────────┬────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────┐
│                  AI决策层                            │
│        LLM综合分析 → 评分/趋势/买卖点/风险警报       │
└────────────────────────┬────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────┐
│                  推送层                              │
│    飞书 │ 企业微信 │ Telegram │ Discord │ 邮件      │
└─────────────────────────────────────────────────────┘

数据源详解

• AkShare：国内股票数据的主要来源，包含实时行情、财务报表、资金流向等
• Yahoo Finance：美股数据源，同时支持部分港股
• 新闻/公告：通过公开新闻API抓取，覆盖个股最新动态、公告、研报等
• 技术指标：系统内置K线形态识别（如锤子线、吞没形态）、均线系统、成交量分析等

AI决策报告内容

一份完整的AI决策报告包含以下模块：

1. 核心结论：3句话总结当前市场状态
2. 综合评分：0-100量化评分
3. 趋势判断：上涨/下跌/震荡
4. 买卖点位：关键支撑位和压力位
5. 风险警报：识别出的主要风险因素
6. 催化因素：可能推动行情的正面/负面事件
7. 操作检查清单：明确的下一步行动建议

三、GitHub Actions零成本快速上手

这是项目最亮眼的优势——完全免费，无需购买服务器或 VPS。

3.1 Fork 仓库

进入 ZhuLinsen/daily_stock_analysis，点击右上角 Fork。

3.2 配置 Secrets

在 Fork 后的仓库中，进入 Settings → Secrets and variables → Actions，添加以下必填配置：

3.3 修改定时时间（可选）

.github/workflows/daily_analysis.yml 中默认设置为每个工作日18:00（北京时间）触发：

on:
  schedule:
    - cron: '0 10 * * 1-5'   # 北京时间18:00 = UTC 10:00

如果需要调整时间，修改 cron 表达式即可。

3.4 手动触发测试

在仓库的 Actions 页面，选择workflow后点击 Run workflow，即可手动触发一次分析，不等待定时器。

四、Web / 桌面工作台

系统还提供了完整的 Web 工作台，无需依赖 GitHub Actions，随时可以手动分析。

主要功能模块

• 手动分析：输入股票代码，实时触发完整分析流程
• 历史报告：查看过往所有分析记录，方便复盘
• 持仓管理：记录自己的持仓，系统结合持仓给出针对性建议
• 回测功能：用历史数据验证策略有效性

部署方式

工作台基于 FastAPI + Docker 运行，一行命令即可启动：

docker compose up -d

启动后访问 http://localhost:8000 即可使用。

五、策略问股 Agent（15种内置策略）

这是项目最实用的功能之一——不需要写代码，直接用自然语言问股，系统调用对应策略进行分析。

15种策略一览

使用示例

在Web工作台中输入：

「用均线策略分析贵州茅台，用缠论策略分析宁德时代」

系统会同时调用两种策略，分别给出分析结论并汇总。

六、多渠道推送配置

系统支持多种推送渠道，可以同时配置多个告警方式。

飞书（Feishu）

PUSH_TYPE=feishu
FEISHU_WEBHOOK=https://open.feishu.cn/open-apis/bot/v2/hook/xxx

在飞书群中添加「自定义机器人」，复制Webhook地址即可。

企业微信

PUSH_TYPE=wecom
WECOM_WEBHOOK=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx

同样在企业微信群中添加「群机器人」，获取Webhook地址。

Telegram

PUSH_TYPE=telegram
TELEGRAM_BOT_TOKEN=123456:ABC-DEF1234
TELEGRAM_CHAT_ID=987654321

通过 @BotFather 创建机器人，获取Token和Chat ID。

邮件推送

支持SMTP配置，可以每日定时将PDF分析报告发送到指定邮箱。

七、LLM 支持与成本优化

项目对LLM的兼容性非常开放，默认支持以下提供商：

成本控制建议：每日全量分析（10只股票+新闻）大约消耗100k-200k token，用DeepSeek或Ollama本地部署成本极低。GitHub Actions免费额度足够个人用户日常使用。

八、适用边界与免责声明

适用场景

• ✅ 个人投资者辅助决策参考
• ✅ 散户每日市场复盘
• ✅ 量化策略研究的数据整合工具
• ✅ 盯盘辅助（自动监控+推送告警）

不适用场景

• ❌ 机构级高频交易（延迟和数据精度不足）
• ❌ 单一股票重仓决策（AI分析仅供参考）
• ❌ 完全依赖推送操作（不验证信号直接跟单）

⚠️ 重要免责声明

本工具仅供技术研究参考，不构成任何投资建议。

股市有风险，入市需谨慎。AI分析基于历史数据和公开信息，模型输出不保证准确性。任何实盘操作产生的盈亏与本项目及贡献者无关。请勿将此工具作为唯一决策依据，务必结合自身判断和市场环境综合决策。

九、总结

ZhuLinsen/daily_stock_analysis 是目前 GitHub 上最完整的 LLM 驱动股票分析开源项目之一。它的核心优势在于：

1. 零成本运行：GitHub Actions 完全免费，个人用户无需任何服务器投入
2. 开箱即用：fork + 配置 Secrets 即可运行，无需写代码
3. 多市场覆盖：A股/港股/美股/ETF 一网打尽
4. AI决策深度：不是简单展示数据，而是LLM综合研判，给出可操作的结论
5. 多渠道实时推送：飞书/企微/Telegram/邮件，想怎么收就怎么收
6. 策略Agent化：15种策略自然语言调用，降低分析门槛

如果你对 AI 辅助投资感兴趣，或者想研究 LLM 在金融场景的落地方式，这个项目是非常好的起点。建议先从 Fork + 手动触发一次分析开始，感受一下完整的报告输出，再根据自己的需求逐步深入配置。

项目地址：github.com/ZhuLinsen/daily_stock_analysis Star数：36,778 ⭐（持续增长中）

本文仅供参考，不构成投资建议。股市有风险，入市需谨慎。