AI 量化分析平台搭建：Docker 部署与波浪理论实战
在量化交易日益普及的今天，投资者往往缺乏对数据的深度解读能力。面对 K 线图，如何判断买卖点？市面上工具虽多，但常面临订阅费用高或数据隐私问题。本教程介绍如何通过 Docker 在本地搭建私有化量化分析平台，整合大模型 API 进行辅助决策，结合波浪理论提供逻辑支撑。
一、为什么需要自己的 AI 分析工具？
市面上的 AI 选股工具存在付费昂贵或隐私风险等问题。开源项目提供了新的选择，集成了 AI 对话分析、模拟账户管理、历史回测等功能。核心亮点在于利用大语言模型结合'波浪理论'进行辅助决策，比单纯技术指标更具逻辑支撑。
部署成功后的主界面如下所示： ![系统主界面]
二、核心部署实战：环境配置与构建
为确保稳定运行，采用 Docker 容器化部署，并针对国内网络环境优化镜像构建。
1. 基础环境准备
确保本地已安装 Docker 和 Git。克隆仓库开始：
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis
2. 配置 AI 接口
项目核心是 AI 分析，需接入大模型 API。支持 OpenAI 兼容接口。国内直连部分服务可能不稳定，建议配置高可用的转发服务。
复制环境变量模板并填入密钥：
cp .env.example .env
notepad .env
打开配置文件，定位到 OpenAI 兼容 API 部分，填入 API Key，并将 URL 设置为官方地址（如 https://api.openai.com/v1 或兼容地址）。这是激活 AI 分析能力的关键步骤。
3. 进阶技巧：Dockerfile 镜像加速
默认 Dockerfile 使用 Debian 官方源，在国内拉取速度较慢。修改 Dockerfile 切换至镜像源可提升构建效率。
找到项目路径下的 docker\Dockerfile，定位到 RUN apt-get update 指令附近。替换为以下内容以使用香港源并安装依赖：
RUN rm -f /etc/apt/sources.list.d/debian.sources && \
echo "deb http://ftp.hk.debian.org/debian bookworm main" > /etc/apt/sources.list && \
echo "deb http://ftp.hk.debian.org/debian bookworm-updates main" >> /etc/apt/sources.list && \
echo "deb http://ftp.hk.debian.org/debian-security bookworm-security main" >> /etc/apt/sources.list && \
apt-get update && \
apt-get install -y --no-install-recommends \
gcc \
curl \
wkhtmltopdf \
fontconfig \
libjpeg62-turbo \
libxrender1 \
libxext6 \
&& rm -rf /var/lib/apt/lists/*
此操作安装了核心依赖库，如 wkhtmltopdf（生成 PDF 报告）和 fontconfig（解决中文乱码）。
4. 构建与启动
docker builder prune -f
docker compose -f docker\docker-compose.yml up -d server --build
终端显示 done 后，浏览器打开 http://localhost:8000 即可访问。
