一条命令装好AI投研终端,A股港股美股全在本地,开源免费

📌 核心价值：把一整套投研工作台装进你自己的电脑，数据、对话、持仓全部留在本地，一条命令起六个服务，不用把任何东西交给第三方。

一个跑在本机的 AI 投研终端：给它一把大模型 key，它就能查行情、拉新闻、做个股深度分析、管理自选和持仓。项目方把 7 家主流大模型挨个跑了 7 个标准用例，谁的工具调用最稳、单次要几秒，全写进了公开的实测矩阵里。

本文仅作技术交流，不构成投资建议。股市有风险，投资需谨慎。文中所有实测数据均来自项目公开仓库，属研究参考，不代表任何未来表现。

HunterCode Community 是一个自部署的 AI 投研助手，覆盖 A 股、港股、美股。它不接券商交易、不替你做决策，而是把公开数据、分析方法论（SKILL）和大模型组织成一台跑在你机器上的研究工作台。

项目 2026 年入围世界人工智能开源大赛（GOAI）总决赛赛道二 TOP 15，Apache-2.0 协议开源，当前 ⭐525，仓库持续更新中。

三个「它不是什么」，写进了 README 第一屏：

• •不接券商交易 —— 没有任何下单通道，别拿它当自动交易机器人；
• •不替你做决策 —— 所有输出是研究参考，结论由你自己下；
• •不承诺准确 —— 项目方明确写了免责声明，这一点反而加分。

核心定位：数据和对话不出本机的投研终端，隐私和掌控力是它和网页版工具最本质的区别。

🛠️ 5 分钟跑起来：一条命令，六个服务

环境要求：装好 Docker，留出 10GB 磁盘、4GB 内存（实测峰值约 1.3GB）。六个服务全部提供 amd64 与 arm64 预构建镜像，Apple Silicon 原生可跑。

git clone https://github.com/agentpit-io/hunter-communitycd hunter-communitydocker compose up -dopen http://localhost:3100

自 v1.1.0 起六个服务全走预构建镜像，不再本地构建，首次约 3–5 分钟（基本都在拉镜像），之后up -d 几十秒。.env 一个字都不用改：密钥自动生成、数据库自动迁移，大模型在浏览器里配。

浏览器首启向导五步：环境自检 → 选大模型 → 填 key 当场测 → 数据供给 → 热生效。每一步都是真探测，测不通不让保存。

大模型有两条路：

1. 1.HunterCode 内置额度（推荐给新手）：免费申请一把平台 key，每把 key 每天 30 万 token（输入 + 输出），北京时间 0 点重置；额度用完不是断服，对话里会用中文告诉你几点重置、怎么切自有 key。
2. 2.自带 key：DeepSeek 或任何 OpenAI 兼容网关（通义、Claude、GPT、OpenRouter、OneAPI 等），向导里粘进去当场做三项检测：连通、对话、工具调用。

数据供给三选一：免费开源源开箱即用；接你自己的 MCP 数据源；或平台数据管道（同一把免费 key）。本地库走 AKShare / yfinance，无需任何鉴权。

📊 7 家模型实测：能聊不算数，会调工具才算

这是这个项目最「较真」的地方。团队用7 个标准用例把 7 家主流模型挨个测了一遍——查股价、拉 K 线、加自选、取新闻、深度分析、边界问题，抓取完整工具调用序列和耗时，原始数据全部公开在docs/model-testing/。

几条值得记住的结论：

• •Claude Sonnet 5 与 Qwen 3.8 Max 满分 7/7，前者 25.7 秒、后者 48.1 秒，分别拿下海外与国内首推；
• •DeepSeek v4 pro 直连 6/7，平均 30 秒，是官方默认路线，但必须开LLM_SCHEMA_SANITIZE=1 清洗 schema，否则会拒绝parameters: null；
• •同一深度分析任务从 278 秒降到 70 秒：v3 版本修了连接层的一个 EOF 问题，单任务提速 4 倍，这种「把延迟当 bug 修」的工程细节在开源投研项目里少见；
• •GPT-5.6 sol 只拿 5/7：最快但会在两个用例里选错工具，项目方直接写进矩阵，没有遮丑；
• •MiniMax M3 全部用例出现思考过程泄漏，官方直接给了「不推荐（除非剥 think 标签）」，并顺手在 llm-shim 里做了自动剥离。

注意：以上为 2026-08-15/16 的实测快照，模型与网关更新很快，选型前建议按仓库提供的评测脚本（run-golden-cases.py）自己复测一遍。

🧩 SKILL：把「分析方法论」变成可插拔的能力

SKILL 是一段 Markdown，讲清「这类问题该怎么分析」，采用 Anthropic Agent Skills 标准格式，网上下载的标准 SKILL 不用改一个字就能装。

随代码内置 6 个，覆盖从综合分析到风控的完整链路：

侧栏里点「＋」粘贴 GitHub 地址即可安装社区 SKILL，装前可预览内容；官方演示站额外装了 18 个社区 SKILL，来源仓库全部列在 README 里。

🔒 架构：为什么说「数据不出本机」

六个服务的分工很清晰：Next.js 15 前端（:3100）负责界面与转发；FastAPI 后端（Python 3.12）管认证、数据、模型与 SKILL 加载；OpenCode 定制版做对话引擎；llm-shim（:3999）做工具 schema 清洗与转发；Postgres 16 + Redis 7 存储全部本地。

隐私设计上有三个值得注意的点：

• • 投资论点（买入理由、关键假设、成本）存本地 Postgres，不出你的机器；
• • 走内置额度时，官方网关只记 token 数与模型名，不记任何对话内容；
• • 审计日志AUDIT.jsonl 完整落盘，每次工具调用可回溯。

对话体验是富卡片式的：报价、新闻、自选股都会渲染成卡片而不是纯文本，历史消息存 SQLite 表无限回看，超长对话自动压缩摘要。

⚖️ 适合谁，不适合谁

适合：

• • 会用 Docker、想掌控自己数据的个人投资者与私募研究员；
• • 想把自己家数据源、MCP 服务、分析方法论接进一个统一界面的小型量化团队；
• • 受够了网页工具导出限制、想把持仓和投资论点留在本地的人。

不适合：

• • 期望「一键自动交易」的人——它没有下单通道，这是设计而非缺陷；
• • 不想碰 Docker、只想手机打开就用的用户——那应该看它的云端版；
• • 期望任何形式的确定性结论的人——所有输出都是 AI 参考内容。

开源协议：Apache-2.0

🎯 总结

HunterCode Community 做对了一件别人没做的事：不是再写一个「AI 看盘」网页，而是把投研工作流的控制权整个交还给你——数据三选一、模型七家任挑、方法论用 Markdown 写成 SKILL 随插随用，连每家模型能不能正确调工具都给你一张公开的实测矩阵。525 个星标不算多，但这个完成度配得上继续涨。

推荐指数： ⭐⭐⭐⭐（满分5星，扣一星留给 525 星对应尚短的社区检验期）

适合人群： 会 Docker 的个人投资者 / 私募研究员 / 小型量化团队

GitHub 仓库：agentpit-io/hunter-community

数据截至 2026-09-19，实测矩阵数据日期为 2026-08-15/16，最新信息请以仓库为准。本文仅作技术交流，不构成投资建议。