SkillAgentSearch skills...

Jcp

韭菜盘 (JCP AI) - AI 驱动的智能A股分析系统,基于 Wails + Go + React,支持多 Agent 协作分析

Install / Use

/learn @run-bigpig/Jcp
About this skill

Quality Score

0/100

Supported Platforms

Universal

README

韭菜盘 (JCP AI)

AI 驱动的智能股票分析系统 - 多 Agent 协作,让投资决策更智能

Go Version React Wails License Version

项目简介

韭菜盘是一款基于 Wails 框架开发的跨平台桌面应用,集成了多个 AI 大模型(OpenAI、Google Gemini、DeepSeek、Kimi、GLM 等 OpenAI 兼容接口),通过多 Agent 协作讨论的方式,为用户提供专业的股票分析和投资建议。

核心特性

  • 多 Agent 智库 - 多个 AI 专家角色协作讨论,提供多维度分析视角
  • 策略管理系统 - 灵活的策略配置,支持多 Agent 组合与独立 AI 配置
  • 智能记忆系统 - 按股票隔离的长期记忆,AI 能记住历史讨论和关键结论
  • 提示词增强 - AI 驱动的提示词优化,提升 Agent 响应质量
  • 实时行情 - 股票实时数据、K线图表、盘口深度一应俱全
  • OpenClaw AI 分析 - 集成 OpenClaw 服务,提供 AI 驱动的深度股票分析
  • Lightweight Charts - 基于 Lightweight Charts 的高性能 K 线图表,替代 Recharts
  • 市场状态管理 - 智能交易时间调度,自动识别开盘/收盘/休市状态
  • Agent 重试机制 - 会议系统支持 Agent 失败自动重试,提升稳定性
  • 热点舆情 - 聚合百度、抖音、B站、头条等平台热点趋势
  • 研报服务 - 专业研究报告查询和智能分析
  • MCP 扩展 - 支持 Model Context Protocol,可扩展更多工具能力
  • 布局持久化 - 自动保存窗口和面板布局,下次启动自动恢复

技术栈

| 层级 | 技术 | |------|------| | 框架 | Wails v2 (Go + Web 混合桌面应用) | | 后端 | Go 1.24 | | 前端 | React 18 + TypeScript + Vite | | UI | TailwindCSS + Lucide Icons | | 图表 | Lightweight Charts (TradingView) | | AI | OpenAI / Gemini / DeepSeek / Kimi / GLM 等 | | 分词 | GSE (纯 Go 实现,无 CGO 依赖) |

功能展示

主界面

  • 左侧:自选股列表与市场指数
  • 中间:K线图表(支持分时/日K/周K/月K)
  • 右侧:AI 智库讨论室

主界面展示

功能展示

核心功能模块

| 模块 | 功能描述 | |------|----------| | 📈 股票行情 | 实时行情数据、多周期K线、盘口深度 | | ⭐ 自选管理 | 添加/删除自选股、实时监控 | | 🤖 AI 智库 | 多 Agent 协作分析、智能问答 | | 🎯 策略管理 | 策略配置、Agent 组合、独立 AI 配置 | | 🔥 热点舆情 | 百度/抖音/B站/头条热点聚合 | | 📊 研报服务 | 专业研报查询与分析 | | 💬 会议室 | Agent 多轮讨论、MCP 工具调用、失败自动重试 | | 🧠 记忆系统 | 按股票隔离的长期记忆、历史摘要、关键事实提取 | | ✨ 提示词增强 | AI 驱动的提示词优化 | | 🔌 连接测试 | AI 配置连通性验证 | | 🐙 OpenClaw | AI 驱动的深度股票分析服务 | | 📉 市场状态 | 智能交易时间调度、开盘/收盘/休市自动识别 |

快速开始

环境要求

  • Go 1.24+
  • Node.js 18+
  • Wails CLI v2

安装 Wails CLI

go install github.com/wailsapp/wails/v2/cmd/wails@latest

克隆项目

git clone https://github.com/run-bigpig/jcp.git
cd jcp

安装依赖

# 安装前端依赖
cd frontend && npm install && cd ..

# 下载 Go 依赖
go mod download

开发模式运行

wails dev

构建发布版本

# 构建当前平台
wails build

# 构建 Windows 版本
wails build -platform windows/amd64

# 构建 macOS 版本
wails build -platform darwin/amd64

# 构建 Linux 版本
wails build -platform linux/amd64

配置说明

首次运行时,需要在设置中配置 AI 模型的 API Key:

  1. 点击右上角设置图标
  2. 选择 AI 模型提供商(OpenAI / Gemini)
  3. 填入对应的 API Key
  4. 保存配置

配置文件存储在 data/config.json

项目结构

ccjc/
├── main.go                 # 应用入口
├── app.go                  # 后端核心逻辑
├── wails.json              # Wails 配置
├── frontend/               # 前端项目
│   ├── src/
│   │   ├── components/     # React 组件
│   │   ├── services/       # 服务层
│   │   └── hooks/          # 自定义 Hooks
│   └── package.json
├── internal/               # Go 后端模块
│   ├── adk/                # AI 开发工具包
│   ├── services/           # 业务服务(策略管理、行情推送等)
│   ├── models/             # 数据模型
│   ├── agent/              # Agent 系统
│   ├── meeting/            # 会议室系统
│   └── openclaw/           # OpenClaw AI 股票分析服务
└── data/                   # 数据存储
    ├── config.json         # 应用配置
    ├── strategies.json     # 策略配置
    └── watchlist.json      # 自选股列表

AI Agent 系统

项目内置多个专家 Agent,各司其职:

| Agent | 角色 | 职责 | |-------|------|------| | 技术分析师 | 图表专家 | K线形态、技术指标分析 | | 基本面分析师 | 财务专家 | 财报解读、估值分析 | | 情绪分析师 | 舆情专家 | 市场情绪、热点追踪 | | 风控专家 | 风险管理 | 风险评估、仓位建议 |

Agent 配置通过策略管理系统进行,支持:

  • 创建多个策略,每个策略包含不同的 Agent 组合
  • 为每个 Agent 或策略配置独立的 AI 模型
  • 使用提示词增强功能优化 Agent 表现

记忆系统

项目实现了按股票隔离的智能记忆系统,让 AI 能够"记住"历史讨论:

核心能力

| 功能 | 说明 | |------|------| | 股票隔离 | 每只股票独立记忆空间,互不干扰 | | 关键事实提取 | 自动提取讨论中的重要事实、观点、决策 | | 历史摘要 | LLM 自动生成历史讨论摘要 | | 相关性检索 | 基于 TF-IDF 的关键词匹配,召回相关历史 | | 自动压缩 | 超过阈值自动压缩旧记忆,控制上下文长度 |

记忆结构

  • KeyFacts: 关键事实列表(事实/观点/决策)
  • RecentRounds: 最近 N 轮讨论详情
  • Summary: AI 生成的历史摘要

记忆数据存储在 data/memory/ 目录下,按股票代码分文件存储。

MCP 扩展

支持 Model Context Protocol,可扩展以下工具:

  • 股票实时行情查询
  • K线数据获取
  • 盘口深度数据
  • 新闻资讯搜索
  • 研报查询
  • 热点舆情获取

开发指南

添加新的 AI 工具

  1. internal/adk/tools/ 下创建工具文件
  2. 实现 Tool 接口
  3. registry.go 中注册工具

添加新的 Agent

  1. 编辑 data/agents.json
  2. 配置 Agent 的名称、角色、系统提示词
  3. 重启应用生效

贡献指南

欢迎提交 Issue 和 Pull Request!

  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 提交 Pull Request

贡献者

感谢以下贡献者对本项目的支持:

<a href="https://github.com/run-bigpig"><img src="https://github.com/run-bigpig.png" width="50" height="50" style="border-radius:50%" alt="run-bigpig" /></a> <a href="https://github.com/Twelveeee"><img src="https://github.com/Twelveeee.png" width="50" height="50" style="border-radius:50%" alt="Twelveeee" /></a> <a href="https://github.com/taloslhan"><img src="https://github.com/taloslhan.png" width="50" height="50" style="border-radius:50%" alt="taloslhan" /></a> <a href="https://github.com/Mustang0394"><img src="https://github.com/Mustang0394.png" width="50" height="50" style="border-radius:50%" alt="Mustang0394" /></a>

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

社区

  • LINUX DO - 真诚、友善、团结、专业,共建你我引以为荣之社区

致谢

Related Skills

View on GitHub
GitHub Stars839
CategoryDevelopment
Updated8h ago
Forks208

Languages

Go

Security Score

80/100

Audited on Mar 30, 2026

No findings