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。
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。
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。
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。
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。
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。
- 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。
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。
这个 Agent 有哪些优点和局限?
- 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。
- 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。
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 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。