项目：oficcejo/aiagents-stock · 作者：oficcejo · 仓库未声明 License
本文是阅读笔记，我没有参与这个项目的开发。

它解决什么问题

AI Agents Stock 是一个用多个 AI Agent 模拟证券分析师团队的开源项目。它把「看一只股票」拆成技术面、基本面、资金流向、风险评估、情绪、新闻六个维度，每个维度交给一个 Agent，最后汇总成一份分析报告。

项目还包含两个横向模块：

  • 智策板块：4 个 Agent 做板块轮动、宏观政策、资金流向和市场情绪分析
  • 智瞰龙虎：5 个 Agent 分析每日龙虎榜，跟踪游资与机构席位

技术栈是 Python + Streamlit + Plotly，数据源包括 AKShare、Tushare、yfinance、pywencai，支持 Docker 部署，并预留了 MiniQMT 量化交易接口。

我关注的设计

多 Agent 的价值不在于「更准」，而在于把判断拆开。 单模型一次性给出结论时，你很难知道它哪一步错了；拆成六个 Agent 后，技术面、基本面、资金面各自留下分析过程，至少可以逐项核对证据。

但这也带来两个问题：

  1. 一致性：六个 Agent 可能给出互相矛盾的结论，最后仍需要人来裁决。
  2. 成本与延迟：每次分析要调用多次模型，长文本和实时行情会让 token 成本迅速上升。

项目文档里还提到「筛选 3–5 只优质标的」「短线交易机会挖掘」这类能力。我的理解是：它们更适合作为研究线索，而不是直接照着下单。

本文不构成任何投资建议。AI 输出、数据源和回测结果都可能出错，实盘风险自负。

适合谁

  • 想学习多 Agent 编排、Prompt 分工和报告生成的开发者
  • 需要一套本地可跑的 A 股分析工作台、愿意自己维护数据源的人
  • 对量化交易接口（MiniQMT）感兴趣、但清楚它只是执行端的人

如果你想要的是「开箱即用的稳赚策略」，这个项目不适合你——没有任何开源项目适合。

我的判断

它更像一个可改造的研究沙盒：Agent 分工、报告结构、数据源降级这些都值得借鉴；但把「分析」变成「交易」之间，还隔着风控、回测、执行和合规四道墙。

查看原项目