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

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

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. 在 internal/adk/tools/ 下创建工具文件
2. 实现 Tool 接口
3. 在 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：

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

• Wails - 优秀的 Go 桌面应用框架
• React - 前端 UI 框架
• TailwindCSS - CSS 框架
• Lightweight Charts - 高性能金融图表库
• GSE - 高性能中文分词库