开发与工程 a-share quantitative-trading screener backtesting monitoring duckdb polars fastapi

TickFlow A股量化工作台

自托管、零运维的 A 股「选股+监控+回测」量化工作台，基于 TickFlow 数据源，支持 AI 策略生成与扩展。

源仓库: shy3130/tick-stock-panel
Star 数: ★ 6.1k
最近更新: 今天
License: MIT
主语言: Python
FA 评分: 45/100 · 缺口较多

30 秒速览

运行形态: 自托管服务网页应用
可在哪里用: 平台专用Codex
费用: 软件免费，模型调用费用自付
上手难度: 中 · 需要几步配置
开始前需要: Python 3.11+Node 20+DockerShell / 命令行网络访问本地文件系统
典型场景: 个人散户：每天盘后使用内置策略筛选全市场股票，快速发现潜在机会。
不适合: 只想装个看盘软件、不写代码的普通散户
期待 AI 荐股或涨停预测的用户
源码审查: 45/100 · 缺口较多

这个 Agent 能做什么，适合哪些场景？

TickFlow A股量化工作台（TSP）是一个面向个人散户和量化爱好者的自托管开源项目，用于 A 股市场的选股、监控和回测。后端基于 FastAPI 和 Polars/DuckDB，前端采用 React 18，通过 Docker 可一键部署。内置 18 个选股策略、三类回测模式（个股/策略组合/自由信号）、四类监控规则（策略/个股信号/价格/异动）、个股分析（AI 四维）和连板梯队等功能。数据源使用 TickFlow 官方 SDK，并支持接入第三方数据源（接口/推送/CSV/JSON）。AI 能力可选接入 OpenAI 兼容接口（如 DeepSeek、通义、Ollama），用于策略生成和个股分析。该项目为个人开源非 TickFlow 官方项目，仅供学习研究使用。

TSP 启动后首先通过 TickFlow API 同步日K和财务数据，并使用 Polars 计算技术指标（MA/EMA/MACD/RSI/KDJ/布林/量比等）生成 enriched Parquet 表。用户可在策略页选择内置策略或自定义条件，Polars 毫秒级扫描全市场。回测引擎支持三种模式，基于 vectorbt，考虑 T+1/手续费/滑点/止损，并通过 SSE 流式返回进度。监控引擎支持四类规则，盘中实时弹窗、语音播报和飞书推送。个股分析模块提供 9 类关键价位和 AI 四维分析（技术/基本面/财务/消息面）。所有数据通过 FastAPI 提供 REST API，前端 React 展示。

个人散户：每天盘后使用内置策略筛选全市场股票，快速发现潜在机会。
量化爱好者：自定义选股条件或利用 AI 生成新策略，并回测验证效果。
短线交易者：设置监控规则，盘中实时接收价格异动和信号提示，并语音播报。
研究人员：接入第三方数据源，配置扩展分析页面，与内置数据一起分析。
投资者：使用个股分析功能，获取 AI 对个股的四维分析，辅助决策。

如何安装或部署这个 Agent？

前置依赖：Python ≥3.11、Node ≥20、uv、pnpm。方式A（Dev）：复制 .env.example 为 .env，可留空 TICKFLOW_API_KEY（None模式），运行 ./dev.sh（Windows: .\dev.ps1），后端在 http://localhost:3018，前端在 http://localhost:3011。方式B（Docker）：复制 .env.example 为 .env，运行 docker compose up --build，访问 http://localhost:3018。需注意 Docker 模式内置 Codex CLI，需先在主机完成 Codex 登录，并将 .codex 目录挂载到容器，Windows 用户需在 .env 中显式指定 CODEX_HOME_HOST。

如何使用这个 Agent？

首次使用：在设置页点击“重新检测”确认数据源档位，然后“立即跑盘后管道”拉取日K并计算 enriched 表。在自选页添加关注标的，在选股页点击策略卡片或配置自定义信号进行扫描，在回测页选择策略和区间查看净值曲线与交易明细，在监控中心配置规则并接收实时推送。AI 功能需在 .env 中配置 AI_API_KEY（OpenAI 兼容）。

这个 Agent 有哪些优点和局限？

优点

自托管：数据和控制权在手，支持 Docker 一键部署，低运维成本。
性能强：Polars 毫秒级扫全 A 股，DuckDB 查询，适合量化研究。
扩展性：支持接入第三方数据源，动态扩展分析页面，灵活定制。
AI 增强：可选接入 LLM 生成策略和个股分析，提升效率。

局限

依赖 TickFlow 数据源，非官方项目，数据准确性需以官方为准。
明确不对标同花顺/通达信，不提供 AI 荐股或涨停预测，功能有限。
需要一定的开发环境配置（Python/Node/uv/pnpm），小白不友好。
AI 功能需要额外配置 API Key，且产生费用。

这个 Agent 与同类方案有什么区别？

本项目明确声明不对标同花顺/通达信，相比之下更专注于量化研究和策略开发，适合技术用户。

与相关度最高的同类 agent 并排比较关键指标。

Agent	源码审查	形态 / 费用	Star	最近更新	主语言	完整支持的平台
TickFlow A股量化工作台当前	45 · 缺口较多	自托管服务免费 + 模型费	★ 6.1k	今天	Python	Codex
Okto Pulse	80 · 表现良好	命令行工具免费	★ 51	2 天前	Python	Codex · Claude Code
全栈 AI Agent 模板	74 · 存在缺口	命令行工具免费 + 模型费	★ 2k	12 天前	Python	OpenAI API · Claude API
AI Agent Service Toolkit	69 · 存在缺口	开发框架免费 + 模型费	★ 4.5k	今天	Python	OpenAI API

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

45/ 100 五分制 2.3 / 5

本评测基于 2026年8月11日的源码；此后该项目发布了 7 个正式版本，尚未复审。分数与结论只代表评测时的版本。最近版本 ↓

信任安全 10/29

可靠稳定 6/14

适用触发 10/18

规范维护 9/18

有效结果 7/13

证据核验 3/8

查看各维度的扣分理由

信任安全10 / 29 · 1.7/5

证据显示：README明确声明个人开源、非官方项目，并警告仅供学习研究，禁止商业用途；Docker部署时明确提示Codex凭据只读挂载，并警告仅限受信任环境；配置项需用户手动填写API Key，且留空即关闭AI功能。但未发现明确的权限最小化设计（如容器内非root运行）、用户确认机制（如关键操作二次确认）、数据流透明说明（如数据上传至第三方AI的明确告知）、敏感数据处理细节（如API Key存储加密）、依赖安全审计（如依赖漏洞扫描）、外部影响控制（如网络请求白名单）、回滚机制（如数据备份恢复）以及来源归属（如第三方数据源许可说明）。因此各标准仅得1分，因证据不足或仅部分提及。

可靠稳定6 / 14 · 2.1/5

证据显示：README与测试文件描述的功能模块（选股、回测、监控等）与代码结构一致，测试文件展示了回测引擎、成本模型、依赖解析等关键路径的测试，表明内部一致性较好。但依赖可用性方面，依赖TickFlow数据源和AI接口，若这些服务不可用则功能受限，且未提供离线降级方案；失败消息方面，测试中有错误断言，但未展示用户可见的错误提示设计。因此self_consistency得2分，dependency_availability和failure_messages得1分。

适用触发10 / 18 · 2.8/5

证据显示：README明确面向个人散户与量化爱好者，提供了多种部署方式（Dev、Docker、桌面客户端），并支持自定义数据源和策略，适应不同场景。能力边界清晰：明确不做AI荐股、涨停预测，并警告小白绕路。触发精度方面，监控规则支持多条件AND/OR，但未详细说明触发条件的具体配置精度。环境适配方面，支持Windows、macOS、Linux，并考虑老CPU兼容，但未提及浏览器兼容性。因此audience_and_scenarios、capability_boundaries、environment_fit得2分，trigger_precision得1分。

规范维护9 / 18 · 2.5/5

证据显示：README结构清晰，包含快速开始、核心功能、配置、文档链接等，信息架构良好。安装说明详细，提供Dev、Docker、桌面客户端多种方式，并附有环境依赖。命名稳定性方面，项目名称和模块名称在README中一致，但未提供版本历史或命名规范。示例和FAQ方面，有界面截图和文档，但缺少FAQ。已知限制明确：声明不构成投资建议，回测不代表未来收益，并警告小白绕路。License为MIT，但版权年份为2026，可能不准确。版本化变更日志方面，有路线图但无正式changelog。维护责任方面，README提供邮箱和社区链接，但未明确维护者身份。因此information_architecture、install_notes、known_limitations、license得2分，naming_stability、examples_and_faq、versioning_changelog、maintenance_responsibility得1分。

有效结果7 / 13 · 2.7/5

证据显示：输出可用性方面，提供多种界面截图和功能描述，表明输出形式多样（图表、表格、报告），但未实际运行验证。边际价值方面，提供选股、回测、监控等综合功能，对量化爱好者有吸引力，但依赖外部数据源和AI，可能限制其独特性。成本效益方面，自托管、零运维，但需要用户自行配置和可能付费的数据源，成本效益未明确。因此output_usability和marginal_value得2分，cost_benefit得1分。

证据核验3 / 8 · 1.9/5

证据显示：README中的功能描述与代码结构基本一致，测试文件验证了部分功能，但未提供独立的第三方验证。跨来源佐证方面，仅依赖README和测试，无外部文档或用户评价。事实与推断分离方面，README明确区分了功能描述和免责声明，但部分性能声明（如毫秒级扫描）未提供基准测试。因此claim_traceability、cross_source_corroboration、fact_inference_separation均得1分。

风险与缓解建议

依赖外部数据源和AI服务，若服务不可用或政策变化，功能可能受限。
Docker部署时挂载主机Codex凭据，存在凭据泄露风险，仅应在受信任环境启用。
项目声明仅供学习研究，不构成投资建议，使用回测结果需谨慎。

证据充分度：低评估于 2026年8月11日审查版本 ecfddb451e97 评估后仓库已有新提交，评分可能未覆盖最新改动

评估证据 README.md LICENSE workflows/docker.yml workflows/release.yml backtest/test_composite_backtest_e2e.py backtest/test_cost_model.py backtest/test_dependencies.py

查看完整评分方法 →

常见问题

TickFlow 数据源需要付费吗？

TICKFLOW_API_KEY 可留空，使用 None 模式（历史日K免费），填 Key 可解锁更多数据功能，档位详见设置页检测。

AI 功能必须配置吗？

不是，AI_API_KEY 留空即关闭 AI，策略生成和个股分析功能将不可用，但不影响核心选股/回测/监控。

Docker 部署时如何解决 Codex 登录问题？

需先在主机完成 codex 登录，并通过环境变量挂载主机的 .codex 目录，具体见文档 deployment.md。

该项目适合投资决策吗？

仅用于学习和量化研究，不构成投资建议，回测结果不代表未来收益，请谨慎使用。

TickFlow A股量化工作台

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

对比同类 Agent

开源编程 Agent 横向对比

相关 Agents

Okto Pulse

全栈 AI Agent 模板

AI Agent Service Toolkit

AgentsView 会话档案