支持国内股票分析的AI智能开源项目（GitHub Star数量Top榜）

Ne0inhk

— 7 min read

支持国内股票分析的AI智能开源项目（GitHub Star数量Top榜）

一、核心结论

GitHub上支持国内股票（A股）分析且Star数量靠前的AI智能开源项目，按Star数量降序排列依次为：

  1. OpenBB（57.4k Star）：开源金融数据平台，支持A股等多市场数据获取与AI辅助分析；
  2. ai-hedge-fund（44.9k Star）：AI对冲基金模拟系统，通过多智能体协作模拟投资大师策略，可适配A股；
  3. FinGenius（新兴项目，Star快速增长）：专为A股设计的多智能体博弈分析工具，融合16位AI专家协作；
  4. daily_stock_analysis（5.5k Star）：A股智能分析系统，基于大模型生成每日决策报告。
二、项目详细说明
1. OpenBB：开源金融数据与分析平台（57.4k Star）
  • 项目地址：https://github.com/OpenBB-finance/OpenBB
  • 核心特点：
    OpenBB是全球领先的金融数据开源平台，旨在为分析师、量化交易者和AI智能体提供一体化解决方案。其Star数量超57k，是GitHub上最受关注的金融分析工具之一。
    • 数据覆盖：支持A股、港股、美股等多市场数据，涵盖实时行情、历史K线、财务报表（如资产负债表、利润表）、龙虎榜数据等，数据源包括东方财富、新浪财经等国内平台；
    • AI辅助分析：内置AI Copilot（默认使用LLaMA模型），可回答用户关于金融数据的问题（如“分析苹果公司CEO过去五年的战略表现”），并支持自定义LLM；
    • 可视化与交互：提供类似Bloomberg的看板体验，整合财务、股东、市场对比等信息，支持Matplotlib、Plotly等可视化库生成交互式图表；
    • 可扩展性：支持通过插件扩展数据源（如对接Alpha Vantage、Quandl），并可通过脚本（如Python）实现自动化分析。
  • 适用场景：适合个人投资者快速获取A股数据、量化研究者进行多市场策略回测、教育机构开展金融数据分析教学。
2. ai-hedge-fund：AI对冲基金模拟系统（44.9k Star）
  • 项目地址：https://github.com/virattt/ai-hedge-fund
  • 核心特点：
    ai-hedge-fund是概念验证项目，探索AI在交易决策中的应用，通过模拟多种投资策略的智能代理（Agents）进行股票分析和交易决策。其Star数量超44k，是GitHub上最受欢迎的AI量化项目之一。
    • 多策略智能代理：包含模仿著名投资者策略的代理（如本杰明·格雷厄姆的价值投资、凯茜·伍德的增长投资、沃伦·巴菲特的长期价值投资），以及估值、情绪分析、基本面分析、技术分析等代理；
    • 灵活的交易模拟：支持指定股票代码（如AAPL、MSFT）、时间范围进行交易决策模拟，并可查看决策逻辑（如“巴菲特代理认为该公司具有安全边际”）；
    • 回测功能：提供回测工具，可对特定时间段的历史数据进行分析，评估策略表现；
    • 适配A股：虽原生不支持A股，但可通过改造数据源（如替换为Wind数据）、修改大模型提示词（如适配A股监管政策）实现A股分析。
  • 适用场景：适合量化研究者验证AI策略在A股的有效性、教育机构开展AI量化教学、开发者构建定制化量化系统。
3. FinGenius：A股多智能体博弈分析工具（新兴项目，Star快速增长）
  • 项目地址：https://github.com/HuaYaoAI/FinGenius
  • 核心特点：
    FinGenius是专为A股设计的多智能体博弈分析工具，由国内00后团队开发，旨在通过16位AI专家（如舆情、游资、风控、技术派）协作，解决A股信息繁杂、数据失真、通用大模型水土不服等问题。其Star数量虽未明确，但内测阶段吸引了大量用户（4000+申请体验码），增长迅速。
    • 多智能体协作：16位AI专家分工协作，包括舆情专家（扫描全网情绪）、游资猎手（解读龙虎榜数据）、风控大师（评估政策风险）、技术派（分析K线指标）、筹码侦探（分析股东变动）等；
    • 博弈辩论机制：智能体之间通过多轮辩论（默认2轮）优化决策，避免单一AI的“幻觉”问题；
    • A股适配：采用“动态任务树”调度（任务重构耗时<200ms），支持A股特色因子（如龙虎榜资金流、政策敏感度），并采用“A股适配度得分”（含规则符合率、情绪准确率）评估模型；
    • 记忆系统：基于“年轮记忆规则算法”，记录用户投资习惯（如建仓位置偏好、风险承受能力），优化后续分析。
  • 适用场景：适合A股投资者获取多维度分析（如舆情、游资动向）、量化研究者探索多智能体协作策略、开发者构建A股定制化分析工具。
4. daily_stock_analysis：A股智能分析系统（5.5k Star）
  • 项目地址：https://github.com/ZhuLinsen/daily_stock_analysis
  • 核心特点：
    daily_stock_analysis是基于大模型的A股智能分析系统，通过每日自动获取行情与新闻，生成“专业级”分析报告，并推送至用户常用平台（如企业微信、飞书、Telegram）。其Star数量超5.5k，是个人投资者的实用工具。
    • 自动化分析：每个交易日定时运行，自动获取A股、港股、美股的自选股数据（如行情、新闻、财务指标），并生成分析报告；
    • 多维度数据融合：结合技术面（如均线、MACD）、筹码分布（如股东变动）、舆情（如新闻情绪）、实时行情（如价格波动）等多维度数据，生成结构化报告；
    • AI决策仪表盘：报告包含“一句话核心结论”（如“买入信号|高信心度”）、“关键点位”（如买入点、止损点、目标价位）、“检查清单”（如“是否符合均线多头排列”），帮助用户快速决策；
    • 多渠道推送：支持企业微信、飞书、Telegram、邮箱等推送方式，用户无需登录平台即可获取报告。
  • 适用场景：适合个人投资者快速了解A股自选股情况、非程序员进行简易量化分析、教育机构开展金融数据分析实践。
三、补充说明
  • 其他相关项目：除上述四个项目外，GitHub上还有Qlib（15k Star，微软出品的AI量化研究平台，支持A股因子库）、vn.py（23k Star，国产Python量化交易框架，支持A股实盘交易）等项目，虽Star数量较高，但AI智能分析功能较弱（如Qlib更侧重量化研究，vn.py更侧重交易执行），故未列入Top榜。
  • 注意事项：
    • Star数量的时效性：Star数量是动态变化的，以上数据为2026年1月左右的统计，具体以GitHub实时数据为准；
    • 项目适用性：不同项目适合不同用户（如OpenBB适合数据获取，ai-hedge-fund适合策略模拟，FinGenius适合多维度分析，daily_stock_analysis适合个人投资者），需根据自身需求选择；
    • 开源协议：大部分项目采用MIT、Apache等开源协议，可免费商用，但需注意部分项目的特殊要求（如AKShare的数据使用限制）。
四、总结

若你需要全面的金融数据，选择OpenBB；若你需要AI策略模拟，选择ai-hedge-fund；若你需要A股多维度分析，选择FinGenius；若你是个人投资者，选择daily_stock_analysis。这些项目均是GitHub上支持国内股票分析且Star数量靠前的AI智能开源工具，覆盖了量化交易的各个环节，适合不同需求的用户。

如需了解更多项目，可通过GitHub搜索关键词（如“A股 股票分析 开源”“A股 量化交易 开源”）进一步筛选。

Read more

FPGA（一）Quartus II 13.1及modelsim与modelsim-altera安装教程及可能遇到的相关问题

FPGA（一）Quartus II 13.1及modelsim与modelsim-altera安装教程及可能遇到的相关问题

零.前言         在学习FPGA课程时，感觉学校机房电脑用起来不是很方便，想着在自己电脑上下载一个Quartus II 来进行 基于 vhdl 语言的FPGA开发。原以为是一件很简单的事情，没想到搜了全网文章发现几乎没有一个完整且详细的流程教学安装（也可能是我没搜到,,ԾㅂԾ,,）【视频b站上有，搞完才发现T.T】，因此想做一个纯小白式安装教程，将网上分享的几位大佬关于安装部分的流程都总结到一文当中，包括软件及软件配套仿真和芯片库的安装，让大家花最少的时间完成安装。相关文章链接在文末。 多图预警 一.Quartus安装 1.首先需要先去百度网盘下载相关资料 下载链接：百度网盘 请输入提取码 提取码：qomk  2.下载的是压缩包，解压后可以看到13个文件 先打开QuartusSetup-13.1.0.162.exe文件开始安装。 3.安装流程 （1）打开后点击next （2）选择第一个accept，再点击next （3）选择文件夹可以自定义安装的位置，尽量建立一个新的文件夹（

By Ne0inhk
RK3588+AI算力卡替代英伟达jetson方案，大算力，支持FPGA自定义扩展

RK3588+AI算力卡替代英伟达jetson方案，大算力，支持FPGA自定义扩展

RK3588+AI算力卡替代英伟达Jetson方案的技术对比与实施路径 1. ‌硬件性能与算力配置‌ * ‌RK3588核心优势‌：采用8nm工艺，集成6TOPS NPU，支持INT4/INT8混合精度计算，搭配PCIe 3.0接口可扩展Hailo-8等AI加速卡，实现32TOPS总算力‌12。 ‌Jetson Thor对比‌：英伟达新一代平台提供2070 FP4 TFLOPS算力（约5168 TOPS），是RK3588+扩展方案的160倍，但功耗高达130W，远超RK3588的5W典型功耗‌34。 2. ‌边缘AI场景适配性‌ * ‌实时性需求‌：RK3588在1080P视频结构化分析中延迟低于50ms，满足工业质检、安防监控等场景；Jetson Thor虽支持毫秒级多模态推理，但成本过高（量产模组2999美元）‌24。 ‌能效比‌：RK3588方案能效达1.2 TOPS/W，优于Jetson Orin的4.5 TOPS/W，适合电池供电的移动机器人‌14。

By Ne0inhk
一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代，RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG，从工作原理、技术特点到适用场景进行全方位对比，为技术选型提供参考。 一、RAG 基础：检索增强生成的核心逻辑 在深入模式解析前，需先明确 RAG 的核心逻辑。简单来说，RAG 由检索（Retrieval） 与生成（Generation） 两大模块构成： 检索模块：从预设知识库中精准定位与用户问题相关的信息片段（如文档、段落、句子）； 生成模块：基于检索到的信息，结合大语言模型生成符合上下文、逻辑连贯的答案。 这种 “先检索再生成” 的模式，既保留了 LLM 的语言理解与生成能力，又通过外部知识的引入弥补了模型训练数据过时、事实准确性不足的缺陷。

By Ne0inhk

openclaw多Agent和多飞书机器人配置

增加Agent多个飞书机器人 一个Agent尽量只用一个飞书机器人配置 一：先增加新的agent # 创建新的Agent，命名为new-agnet openclaw agents add new-agnet # 查看创建结果 openclaw agents list 二：新的agent与新的飞书链接 配置agnet下的channels： 在命令行输入 # 配置new-agnet机器人（替换为实际App ID和App Secret） openclaw config set agents.new-agnet.channels.feishu.appId "你的new-agnet 飞书 App ID" openclaw config set agents.new-agnet.channels.feishu.appSecret "你的new-agnet 飞书 App Secret"

By Ne0inhk