夜雨聆风周末刷 GitHub 趋势榜的时候看到一个项目——
daily_stock_analysis ， 35.1k stars 。
五个月前我还刷到过这个 repo ，那时候才五千来颗星。四个月翻了七倍。
我一般看到这种"AI + 股票"的项目直接划走。太多了。十个里面九个是拿个 API 调 GPT 然后套个壳就敢叫智能分析，还有一个连壳都没套好。但这回多看了一眼。
怎么说呢，确实不太一样。它的做法不是让 AI "聊"股票，而是让 AI 给你一个决策。买入、观望、卖出，附带评分、风险清单和操作建议。
像一个没有感情的诊室——你的每只自选股进去，出来就是一张体检报告。
Fork 一键部署，零成本跑起来
大部分人在 GitHub 上看到好项目，第一步就卡在"怎么装"上。
这个项目的推荐部署方式是 GitHub Actions 。说白了就是：你 Fork 仓库，填几个环境变量（ Secrets ），什么都不用装，什么都不用买， GitHub 免费帮你每天跑。
工作日北京时间 18:00 自动执行，非交易日不跑。你唯一的配置项就是自选股代码，比如 600519,hk00700,AAPL。
还需要一个 AI 模型的 API Key——DeepSeek 的免费额度就够用，或者用硅基流动也行。推送渠道至少配一个：企业微信机器人最省事，一个 Webhook URL 就搞定。
如果你是那种懒得折腾的人（说实话我也是），这套流程五分钟能配完。
当然也有本地部署和 Docker 两种方式， NAS 玩家可以上 Docker Compose 。少数派有篇教程写得很细，照着一步步来就行。但说实话——GitHub Actions 就是最优解。免费。稳定。不用管服务器。
我之前试过本地跑一个类似的工具， Windows 上配环境搞了半下午，各种依赖冲突，折腾到半夜还是没跑起来。 GitHub Actions 完全没这个烦恼。
不只是罗列数据，它直接给结论
你用各种炒股软件看盘的时候，信息量大吗？大。有用吗？嗯……
K 线、均线、 MACD 、资金流向、筹码分布、换手率——一堆指标摆在面前。看完之后的反应？
然后呢。
这个项目做的事不一样。它把这些数据全部灌给 AI ，然后让 AI 输出一个决策仪表盘。
举 个实际的例子。你自选了中钨高新（ 000657 ），系统分析完后给你的不是一堆图表，而是这样的结论：
观望 | 评分 65 | 趋势看多 - 风险： 2 月 5 日主力资金净卖出 3.63 亿元，筹码集中度 35.15%偏高 - 利好： AI 服务器 HDI 核心供应商，前三季度扣非净利润同比暴涨 407.52% - 操作：关注 600519 支撑位突破情况，跌破减仓三分之一
有评分，有买卖点位，有风险清单，有催化因素。不是让你自己去"领悟"，是直接告诉你该干嘛。
你当然不必照着执行——但它帮你把散落在一二十个页面里的信息压缩成了一个可操作的结论。这个效率提升是实打实的。
每天自动推送，打开手机就知道重点
分析做完了，关键是你要能及时看到。
项目支持六种推送渠道：企业微信、飞书、 Telegram 、 Discord 、 Slack 、邮件。你在 Secrets 里配好 Webhook ，每天收盘后系统自动把决策仪表盘推到你手机上。
如果你还开了大盘复盘功能（--market-review），它会额外推送一份当日市场概况：上证、深证、创业板的涨跌，涨跌停数量，领涨领跌板块。相当于你打开微信就能扫完今天的盘面。
试想一下：每天下午六点，你正在挤地铁，手机震动一下，一条企业微信消息弹出来。三条自选股的分析结论清清楚楚，哪只需要盯、哪只可以放、哪只有风险。三十秒看完，该干嘛干嘛。
用免费 AI 额度的话速度慢一些——少数派的评测里，三只股票用硅基流动跑完大概要半小时。半小时等三条结论，刷个短视频的功夫就过去了，但如果你心急，这个等待确实折磨。建议用 DeepSeek 官方 API 或者其他付费模型，几分钟完事。
11 种策略随便问，像跟分析师聊天
除了每日定时分析，它还有一个 Agent 策略问股功能。
你在 Web 界面（默认 http://127.0.0.1:8000/chat）里打开对话窗口，直接问它股票。但它不是普通聊天——内置了 11 种分析策略，比如均线金叉、缠论、波浪理论、多头趋势、底部反转等等。
你问"贵州茅台现在的均线形态怎么看"，它会用均线金叉策略给你拆解。你追问"如果从缠论的角度呢"，它切换到缠论重新分析。多轮对话，逐步深挖。
这东西在本地跑就行，也可以通过 Bot 或 API 调用。你可以自定义策略文件，加自己的分析方法进去。
坦率讲， AI 分析股票的准确率到底怎么样？不知道。我自己试过几款类似工具，结论经常自相矛盾——昨天喊买入的，今天同一只股票它让你跑。所以别把它的结论当圣旨。
但比起你在雪球上看各种大 V 互相吵架，自己拿一个能跑多个策略的系统去交叉验证，至少方法论上靠谱一些。而且它每次分析的过程和依据都列出来了，比大 V 一句"我看多"强。
数据源 redundancy 到了变态的程度
我翻了一下它的数据源配置，说实话有点被吓到。
行情数据： AkShare 、 Tushare 、 Pytdx 、 Baostock 、 YFinance （海外）、 Longbridge （港股），还有一个付费的 TickFlow 。新闻搜索： Tavily 、 SerpAPI 、博查搜索、 Brave Search 、 SearXNG 、 MiniMax 、 Anspire AI Search 。 AI 模型： DeepSeek 、 Gemini 、 Claude 、 Ollama （本地部署），以及所有 OpenAI 兼容接口。美股还有社交舆情： Reddit 、 X 、 Polymarket 。
意味着什么？任何一个数据源挂了，系统自动切到下一个。任何一个 AI 模型的免费额度用完了，换一个继续跑。整个链条几乎没有单点故障。不过这里要提醒一下，有的新闻源的api要收费。
这年头做开源工具的，能把"容灾"想得这么清楚的，不多。大部分项目文档里连 API 限额导致服务挂了怎么排查都不写，更别提自动切换了。
我见过不少类似项目，数据源单一， API 一限额就瘫了。这个项目在冗余设计上花了很大功夫。对于一个零成本的日常工具来说，这种程度的健壮性其实有点奢侈。
不过配置项确实多。光 .env 文件就有几十个环境变量，六大模块要分别配置。我第一次打开那个 example 文件的时候愣了两秒——密密麻麻的，跟看配置文档似的。
建议先配最核心的三个：股票代码、一个 AI Key 、一个推送渠道。跑起来再说。其他的按需加，别一上来就想着全配齐，那不叫部署，叫给自己找罪受。
就这样吧。一个链接放这儿： https://github.com/ZhuLinsen/daily_stock_analysis
要不要试，看你自己的判断。反正 Fork 是免费的。
