乐于分享
好东西不私藏

每天盯盘心力交瘁?提供一个免费的AI盯盘工具给你

每天盯盘心力交瘁?提供一个免费的AI盯盘工具给你

深夜的美股,早盘的 A 股,你是不是也曾为了几支心仪的股票,每天在红绿交织的 K 线里找寻所谓的财富密码?早起刷财经早报,盘中盯着分时图不敢眨眼,睡前还要去各大论坛翻看股友的复盘帖。我们总以为,只要够勤奋,把研报看透、把资讯刷遍,就能在这个残酷的市场里分一杯羹。

但现实往往很骨感——看懂了宏观,却败给了微观的情绪。很多时候,我们刚因为一则利好冲锋陷阵,下一秒就被突如其来的回调套牢;或者在连续的阴跌中绝望割肉,结果恰恰卖在了黎明前的最低点。痛定思痛后我才惊觉,其实我们的认知和精力极其有限,而且在这个充满博弈的市场里,人性中天然的“贪婪与恐惧”会被行情的波动无限放大。我们缺的根本不是海量的消息,而是一个能在信息洪流中保持绝对理性的过滤机制。

我们缺的不是消息,而是理性的过滤器。

身为一个懂点技术的“韭菜”,我开始琢磨:既然自己管不住手,能不能把这种需要绝对理性的分析工作,交给不知疲倦、没有情绪的机器?我尝试过研究复杂的量化回测框架,但繁琐的环境配置和高昂的数据接口费用让人望而却步。直到有一天,我在 GitHub 上淘到了一个堪称惊艳的开源项目——daily_stock_analysis

跑通部署的那天晚上,看着微信里自动弹出的深度分析报告,心里只有一个念头:这才是成年人该用的辅助交易工具。

每天收盘后,它会自动充当我的私人研究员,去全网抓取实时新闻、个股行情、筹码分布和基本面数据,然后通过接入的 AI 大模型(支持 DeepSeek、智谱、通义千问、GPT 等主流模型)进行深度的多维度分析。它给我推送的不是冷冰冰的数据表格,而是一个高度直观的“AI 决策仪表盘”:一句话提炼的核心结论、基于技术面的精确买卖点位建议,以及一份严苛的操作检查清单。

它极度克制且冷静。系统内部内置了严格的交易纪律,当股票的乖离率超过设定阈值(比如 5%)时,哪怕市场情绪再狂热,它也会亮起红灯警告你“严禁追高”;当均线出现空头排列时,它会毫不留情地提示风险。它不会因为一支股票连涨几天就无脑看多,也不会因为一则不知真假的利空就被吓退,而是客观地告诉你此时此刻的胜率与盈亏比。

在波谲云诡的资本市场里,散户和机构之间永远存在着巨大的信息差和算力鸿沟。我们固然无法拥有华尔街的超算中心,但在今天这个 AI 技术大爆发的时代,完全可以利用开源的力量打造一套坚固的防御系统。让机器去处理海量的资讯垃圾,把人类宝贵的精力留在最终的战略拍板上,这才是未来聪明的交易姿势。

看到这里,可能会有人觉得:“这么硬核的系统,是不是需要买昂贵的云服务器?是不是得精通复杂的编程语言?”

完全不需要!这也是这个项目最打动我的一点:纯白嫖,零服务器成本,花 5 分钟也能搞定。它巧妙地利用了 GitHub 自带的自动化工具(Actions)提供免费算力。你只需要跟着我做这简单的三步,就能立刻拥有这个 24 小时为你待命的 AI 投资助理:

第一步:一键“克隆”专属你的项目

打开我在文末提供的项目链接,登录你的 GitHub 账号。点击页面右上角的 Fork 按钮,这相当于把原作者的聪明才智一键复制到了你自己的仓库里;如果你愿意,也可以顺手给原作者点个 Star,支持一下开源精神。

第二步:注入“大脑”,并配置你的接收渠道

在你自己刚刚 Fork 过来的页面上,点击上方的 Settings,在左侧边栏找到 Secrets and variables → Actions,再点击绿色的 New repository secret 按钮。这里的核心,其实就是告诉系统两件事:用什么 AI,以及把报告发到哪里。

·给它装个大脑:新建一个变量名(如 DEEPSEEK_API_KEY 或 OPENAI_API_KEY),填入你获取到的大模型 API Key。

·给它装个大喇叭:比如你想推送到企业微信,就新建一个 WECHAT_WEBHOOK_URL,填入你的企微群机器人链接。它同样支持飞书、钉钉,甚至直接发到你的个人邮箱。

第三步:告诉它你想盯紧哪几只票

继续新建一个 Secret,变量名叫 STOCK_LIST,在里面填入你的自选股代码。无论是 A 股、港股还是美股都支持,比如 600519,hk00700,AAPL,TSLA,用英文逗号隔开即可。

大功告成! 完成这三步后,无需敲一行代码,也无需保持电脑常开。系统就会在每天的固定时间,自动在云端为你飞速运算。你只需要每天泡好茶,准时打开手机,查收那份专属于你的深度复盘报告。

交易的本质,终究是对抗自己的人性。一个好的工具,未必能让你一夜暴富,但它大概率能帮你挡住那些因为冲动和盲从而犯下的致命错误。趁着周末,花几分钟折腾一下,给自己的投资加一道理性的保险吧。

项目传送门

即刻开启你的 AI 量化之旅:https://github.com/ZhuLinsen/daily_stock_analysis