简体中文 | English | 日本語

QuantDash A股看盘与复盘面板

基于 Vite + React 的 A 股分析面板。

当前覆盖这些页面和能力：

• 股票信息
• 选股工具
• 连板天梯
• 板块轮动
• 情绪指标
• 信息收集
• AI 复盘
• 盘前计划
• Skills

项目支持把自己的复盘口径、交易框架、观察清单整理成 skill，然后注入到 AI 复盘、盘前计划、个股观察和研报摘要。

完整项目手册见：项目使用手册.md

最近更新

这一轮主要改了结构和数据链路。

• 前端大页面继续拆成 container + hook + panel
• 高频 EastMoney 请求统一走 Python 代理 / action 层
• 第二数据源 mootdx 已接入 K线 / 基础行情 / 市场宽度 / 指数序列
• 后端补了缓存、连接池、线程池、事务上下文、异常处理、鉴权
• GitHub 页面加了启动检查更新和手动检查更新

详细变更可看：

• 更新文档.md
• 服务加固说明.md
• 第二数据源说明.md

展开查看最近更新详情

前端重构

• AIIntegrationSection 拆成工作区头部、模型配置、飞书配置、文档面板、workflow hooks
• SentimentSection 拆成指标工具条、历史日期条、独立面板、数据 hooks
• InfoGatheringSection 拆成 page shell、左侧 sidebar、右侧 detail pane、workflow hooks
• ScreenerSection、LimitUpLadderSection、StockHoverCard 继续拆分

数据源治理

• 浏览器不再直接请求 EastMoney
• 前端统一走本地 Python 服务的 /eastmoney/*
• 代理层已支持请求去重、缓存、失败冷却、并发上限、快照回退、最小请求间隔、轻量重试

第二数据源 mootdx

当前已支持第二源的数据集：

• 个股 K线
• 指数 K线
• 主要指数快照
• 股票列表 / 基础行情
• 市场宽度概览
• 全市场原始快照
• 全市场涨跌分布快照
• 指数情绪序列
• 指数成交额序列

仍保留主源的数据集：

• 涨停池 / 炸板池 / 跌停池
• 板块榜单 / 板块历史
• A 股平均估值
• 股指期货主力 / 净持仓

服务层加固

新增共享基础设施：

• scripts/server/shared/cache.py
• scripts/server/shared/db.py
• scripts/server/shared/api.py

已补能力：

• Redis / 内存双模式缓存
• HTTP 连接池
• EastMoney 专用连接池
• 阻塞 IO 线程池
• SQLite WAL / busy timeout / 自动事务控制
• 请求 ID 和统一异常响应
• 登录失败限流、密码强度校验、权限校验
• Feishu 敏感配置脱敏读取

GitHub 更新检查

GitHub 页面现在支持：

• 启动时自动检查一次更新
• 用户点击按钮手动检查更新
• 展示当前版本、当前提交、远端最新提交、最新 Release

待更新

1. LLM Wiki 知识库
2. 个股监控条件自动预警
3. 波浪理论与缠论画笔继续完善
4. 港股、美股数据接入
5. 开盘啦数据接入

项目截图

许可状态

• 代码许可证：PolyForm Noncommercial 1.0.0
• 禁止未经授权的商业使用；如需商业授权，请由项目维护者另行许可
• 公开仓库默认不附带完整本地数据、认证数据库、第三方报告原文或个人研究资料
• 克隆后如需恢复盘后数据，请在本地自行运行 npm run sync:* 或 Python 采集脚本生成
• 数据目录公开策略见：data/README.md

功能概览

• 市场情绪周期、涨停结构、修复率、龙头状态、高位风险面板
• 个股列表、K 线、单日表现、选股形态识别
• 板块轮动、题材持续性、跨市场情绪指标
• 本地研报清单、研报摘要、重点资讯聚合
• AI 当日复盘、盘前计划、个股观察
• Skills 规则库，可把多个分析 skill 注入到 AI 复盘、盘前计划、个股观察和研报摘要
• 个股悬浮卡支持主图 MA 均线开关与缠论结构叠加显示（笔 / 线段 / 中枢）
• 本地 stdio MCP Server，供外部 AI 直接读取结构化数据
• 飞书问答机器人，可复用项目内结构化数据和模型线路

支持大模型 / 平台

模型 / 平台	状态	备注
OpenAI	✅	可接入任何 OpenAI 兼容接口格式模型
Ollama	✅	本地大模型运行平台
LM Studio	✅	本地大模型运行平台
AnythingLLM	✅	本地知识库与文档问答平台
DeepSeek	✅	支持 deepseek-reasoner、deepseek-chat 等线路
SiliconFlow 硅基流动	✅	OpenAI 兼容模型聚合平台
火山方舟	✅	豆包等模型接入平台

如果你准备找一个省事的模型聚合入口，可以试试 SiliconFlow 硅基流动。

• 邀请链接：https://cloud.siliconflow.cn/i/uVFj3AbT
• 邀请码：uVFj3AbT

快速开始

只启动前端时，最少执行下面两步：

1. npm install
2. npm run dev

如果还要使用本地数据同步、Python 采集、研报同步或飞书机器人，再安装 Python 依赖并配置环境变量。

统一启动入口：

• 启动项目：npm run start:project
• 停止项目：npm run stop:project

Windows 仍可继续使用 start_project.bat / start_project.ps1，macOS / Linux 使用 start_project.sh / stop_project.sh。

如果你是从 GitHub 公开仓库拉下来的新环境，第一次启动前建议额外执行一次：

npm run sync:startup-check

本地运行

前置条件： Node.js、Python 3

1. 安装依赖： npm install
2. 如果要运行 Python 采集链路、研报同步或本地选股服务，再安装： pip install -r requirements.txt
3. 先复制环境变量模板，再按需填写本地配置： Copy-Item .env.example .env.local
4. 在 .env.local 中按需配置环境变量： TUSHARE_API_KEY TUSHARE_API_BASE_URL PYWENCAI_COOKIE
5. 启动开发环境： npm run dev
6. 生产构建： npm run build

可选环境变量

常用环境变量：

• TUSHARE_API_KEY
• TUSHARE_API_BASE_URL
• PYWENCAI_COOKIE
• FEISHU_APP_ID
• FEISHU_APP_SECRET
• FEISHU_BOT_AI_BASE_URL
• FEISHU_BOT_AI_API_KEY
• FEISHU_BOT_AI_MODEL

如果只使用前端展示和本地文件读取，这些变量可以先不配置。

如果要使用 pywencai 一句话选股，需要在 .env.local 中配置 PYWENCAI_COOKIE。

公开仓库时不要提交 .env.local，只提交 .env.example。

数据分工

新增界面数据功能前，先看 STRUCTURED_DATA_RULES.md。 新增到界面的数据，先整理成结构化对象，再进入服务层和页面。不要直接把页面拼接结果当数据边界。

技术分工规则：

• 采集优先 Python 批量采集、定时任务、历史沉淀、跨页面抓取、全市场扫描放在 Python。
• 展示优先前端 页面展示、上传、预览、筛选、交互、浏览器本地存储放在前端 JS/TS。
• Node 负责编排 npm run sync:*、启动脚本、任务串联、兼容入口放在 Node 层处理。
• 只有明显更优时再例外 个别能力放在前端或 Node 更合适时可以例外。

按下面的原则维护：

• Python / 脚本离线采集 用于日频或盘后沉淀的数据，例如情绪周期、涨停结构、炸板率、龙头状态、跨市场情绪指标、A股平均估值、K线库。
• 前端读取本地文件 用于展示稳定快照的数据，例如 data/sentiment.json、data/performance.json、data/emotion_indicators.json、研报清单、高手持仓快照。
• 前端实时请求 用于轻量、实时性要求高、且失败不影响主流程的数据，例如登录态、用户自选、后端业务 API。

不建议放在前端直接抓的内容：

• 东方财富大盘/全市场统计接口
• 需要留历史的数据
• 依赖全市场扫描才能算出的指标

优先放到 Python 采集链路的数据：

• emotion_indicators.json
• stock_list_full.json
• stock_list_chinext.json
• sector_rotation_*.json
• sector_persistence_*.json
• limit_up_structure.json
• repair_rate.json
• leader_state.json
• market_volume_trend.json
• high_risk.json
• cycle_overview.json

数据目录

项目的数据目录正在迁移到按市场分层的结构。当前代码支持：

• 新路径优先
• 旧路径兜底

目录结构示例：

data/
  markets/
    a_share/
      klines/
      single_day_snapshots/
      sentiment.json
      performance.json
      stock_list_full.json
      stock_list_chinext.json
      limit_up_structure.json
      repair_rate.json
      leader_state.json
      market_volume_trend.json
      high_risk.json
      cycle_overview.json
      emotion_indicators.json
      index_futures_long_short.json
      bull_bear_signal.json
    hk/
    us/
  research_reports/
    a_share/
      manifest.json
    hk/
    us/
  system/
    sync_status.json
    auth.db

兼容规则：

• 前端和脚本先读取 data/markets/a_share、data/research_reports/a_share、data/system
• 如果新路径下没有文件，会自动回退旧的 data/*.json 和 data/research_reports/*
• 所以可以先迁代码、再逐步搬文件，不需要一次性切换

继续保留前端直接获取或接口兜底的内容：

• 登录态、自选、业务后端接口
• 页面交互时才需要的临时实时查询
• 本地离线文件缺失时的只读兜底请求

服务分层

• services/quotesService.ts 个股列表、K线、单日涨跌、选股形态识别
• services/chanService.ts 缠论结构计算，负责包含处理、分型、笔、线段、中枢
• services/sectorService.ts 板块轮动、板块持续性
• services/sentimentCycleService.ts 情绪周期读取入口
• services/emotionIndicatorService.ts 跨市场情绪指标
• services/localDataService.ts 本地 data/*.json 读取
• services/dataPathService.ts 本地数据路径兼容层，处理新旧目录回退
• services/eastmoneyService.ts 东方财富请求和代理兜底

数据同步

• 全量同步：npm run sync:all
• 盘后主数据同步：npm run fetch:data
• Python 主数据同步：npm run sync:market:py
• Python K线库同步：npm run sync:kline:py
• 情绪周期快照同步：npm run sync:cycle
• Python 情绪周期快照同步：npm run sync:cycle:py
• 股票快照同步：npm run sync:stocks
• 板块快照同步：npm run sync:sectors
• Python 股票快照同步：npm run sync:stocks:py
• Python 板块快照同步：npm run sync:sectors:py
• Python 离线快照同步：npm run sync:offline:py
• 跨市场情绪指标同步：npm run sync:emotion
• 自动盘后同步：npm run fetch:data:auto
• 启动前数据检查：npm run sync:startup-check
• 单天项目快照导出：双击 获取单天数据.bat，按日期导出到 data/single_day_snapshots/YYYY-MM-DD.json
• 历史数据补全：双击 补全之前数据.bat，可按 主市场 / 股票 / 板块 / 周期 / 情绪 / K线 选择；板块支持继续选 概念 / 行业 / 全部

双击 start_project.bat / 执行 start_project.ps1 时，会先执行一次启动前数据检查。 如果本地数据已是最新交易日，会直接跳过；如果需要跳过这一步，可临时设置：

• STARTUP_AUTO_SYNC=0
• STARTUP_SYNC_MODE=startup 默认轻量模式，仅检查 market-core + emotion + sectors + cycle
• STARTUP_SYNC_MODE=market 运行完整主市场链路
• STARTUP_SYNC_MODE=offline 运行完整离线同步

fetch:data 会一并更新：

• sentiment.json
• performance.json
• ladder.json
• stock_list_full.json
• stock_list_chinext.json
• sector_rotation_*.json
• sector_persistence_*.json
• limit_up_structure.json
• repair_rate.json
• leader_state.json
• market_volume_trend.json
• high_risk.json
• cycle_overview.json

采集入口说明：

• fetch:data 主编排入口。先同步最新主数据、股票快照、板块快照、情绪周期快照，不先跑重型 K 线库。 如需把 K 线库也并入这条链路，可临时设置：FULL_SYNC_INCLUDE_KLINE=1
• sync:offline:py 纯 Python 离线快照入口，用于完整补主数据、股票、板块、K线库、情绪指标、情绪周期快照。
• sync:stocks / sync:sectors / sync:cycle 统一走 Python 采集入口；旧的 JS 文件只保留兼容转发。
• sync:reports 走 Python 采集：抓取东方财富单篇研报列表、详情页摘要、PDF 链接，并保留东方财富总览页和天风证券页面快照。已存在的单篇研报会按 infoCode 增量复用，不重复抓详情。 可选环境变量： REPORT_SOURCE_KEYS=eastmoney-stock-report,eastmoney-industry-report REPORT_INCLUDE_SNAPSHOTS=0 REPORT_ITEM_LIMIT_OVERRIDE=10 REPORT_DOWNLOAD_PDFS=0

同步策略：

• 主编排和离线总入口带阶段日志与失败重试。
• 每个阶段默认重试 2 次，可用 SYNC_STAGE_RETRIES 覆盖。
• 阶段重试间隔默认 1500ms，可用 SYNC_RETRY_DELAY_MS 覆盖。
• K线库 默认只跑 1 次，避免大批量任务在失败时重复拉全量数据。
• 可用 SYNC_STAGES=market-core,stocks,sectors,kline,cycle,emotion,market-pipeline 只跑指定阶段。
• 编排层会对本地快照做最新交易日检查；已是最新时会直接跳过对应阶段。
• K线库 会先按 symbol 做本地预筛；已更新到最新交易日的代码不会重复请求。
• K线库 默认只补最近一段滚动窗口数据，并合并进本地历史；更早的缺口不会在日常同步中主动回补。
• 可用 KLINE_RECENT_LIMIT=30 调整默认滚动窗口大小。
• 如需强制全量重刷 K 线，可临时设置 KLINE_FORCE_FULL=1。
• sync:all 默认允许单阶段失败后继续后续阶段，可用 SYNC_CONTINUE_ON_ERROR=0 改回失败即停。
• 主编排、离线同步、自动盘后任务都会输出阶段摘要，包含完成、跳过、失败统计。
• fetch:data、sync:offline:py、sync:all、fetch:data:auto 会写入 data/sync_status.json，保存最近一次同步的交易日、阶段状态、耗时和本地快照日期。
• sync:emotion 增加了容错策略：
  • A 股平均估值改为分批抓取 + 截尾均值
  • 请求之间会短暂停顿，降低接口抖动
  • 全市场分页中途失败时，如果前面已有有效数据，会保留已拿到的数据继续生成

待办

• 继续丰富 data/sync_status.json 的摘要内容，补更多失败原因、跳过原因和阶段级诊断信息。
• Python 采集增加更细粒度失败明细，区分接口请求失败、本地写入失败、数据解析失败。
• AI对接 > 个股观察 增加历史时间轴：
  • 按股票维度沉淀不同交易日的 AI 观察结果
  • 展示同一只票在启动、加速、分歧、修复、退潮过程中的判断变化
  • 作为回看个股演化和复盘 AI 判断稳定性的辅助视图
• 规划 QuantDash + 飞书 集成方案：
  • 盘后自动把 AI 当日复盘 推送到飞书群
  • 盘前自动把 盘前计划 推送到飞书
  • 研报抓取结果同步到飞书表格 / 多维表格
  • 大V复盘整理后同步到飞书文档
  • 数据同步失败时发飞书告警
  • 仍按现有项目规则执行：采集优先 Python，飞书推送由 Python / Node 编排层完成，前端不承担主推送逻辑

MCP 接入

项目已内置一个本地 stdio MCP Server，供外部 AI 直接读取盘面结构化数据，不需要解析前端页面。

1. 启动 MCP Server： npm run mcp:server
2. 可用工具： get_market_dashboard get_leader_state get_sector_persistence get_cycle_overview get_volume_trend get_high_risk_panel get_sentiment_snapshot get_news_feed get_research_reports get_research_report_content get_expert_holding_snapshots get_expert_holding_snapshot
3. MCP Server 入口文件： scripts/mcp-server.js

更完整的 tool 说明见 AI_MCP_GUIDE.md。

使用方式： AI 通过 MCP 读取结构化数据，再做情绪周期、龙头状态、题材持续性和新闻影响分析，不解析页面 DOM。

飞书问答机器人

项目额外提供了一个飞书问答服务，可把 情绪周期 数据接到飞书机器人里。 飞书接入代码单独放在 scripts/integrations/feishu/。 飞书使用 长连接 / WebSocket 事件订阅模式，不需要公网回调地址。

1. 在 .env.local 配置： FEISHU_APP_ID FEISHU_APP_SECRET FEISHU_BOT_AI_BASE_URL FEISHU_BOT_AI_API_KEY FEISHU_BOT_AI_MODEL
2. 启动服务： npm run feishu:bot
3. 在飞书开放平台把事件订阅方式切到： 使用长连接接收事件
4. 本机保持该进程运行即可，不需要公网 IP、域名或内网穿透

已实现：

• 支持飞书 text 消息长连接接收
• 支持提取消息里的日期，如 分析 2026-03-27 情绪周期
• 读取本地 get_sentiment_snapshot 同口径数据
• 调用已配置的 OpenAI 兼容模型
• 如果模型未配置或调用失败，会回退为本地规则摘要

使用场景：

• 问某一天的情绪周期
• 问最新交易日的盘面判断
• 让 AI 综合参考 砸盘系数 / 涨停溢价 / 炸板率 / 修复率 / 龙头状态 / 量能 / 高位风险

AI 对接

左侧有 AI对接 页面。这里做模型接入配置，也承接 AI 当日复盘、盘前计划、研报摘要等调用。

• 可在页面中维护各家模型线路： ChatGPT / OpenAI 豆包 / 火山方舟 Gemini DeepSeek 智谱 OpenRouter Ollama LM Studio 自定义 OpenAI 兼容
• 常用模型线路包括： 豆包 ChatGPT Gemini DeepSeek GLM 默认预置已覆盖。
• 可填写： token / api key base url model 备注
• 页面支持基础 连通性测试： OpenAI 兼容接口 先探测 /models Gemini 探测 models 列表 Anthropic 探测 v1/models
• 本地模型统一暴露为 OpenAI Compatible API，这样同一套配置可兼容 Ollama、LM Studio、vLLM、自建网关。
• 页面会生成可复制的 mcpServers 配置片段，便于对接 Claude Desktop、Cherry Studio、Open WebUI 等支持 MCP 的客户端。

使用说明：

• 模型调用 用你配置的云端或本地模型
• 结构化数据读取 用本项目内置的 MCP Server
• 不要让模型直接解析前端页面 DOM
• 信息采集 > 研报 支持直接调用已启用模型生成 AI 摘要，摘要结果按 研报 + 模型 缓存到浏览器本地。
• AI对接 页面支持生成 AI 当日复盘，分析对象是 最近交易日，不是自然日的“今天”。
• AI对接 页面支持生成 盘前计划，基于最近交易日复盘输出下一交易日观察清单、交易预案和风险提醒。
• AI 当日复盘 和 盘前计划 支持： 一键复制 下载 PDF（通过浏览器打印窗口另存为 PDF）
• 盘前计划 会自动提取观察标的代码，并支持一键加入： 已登录时写入后端自选 未登录时回退到本地重点关注列表

Skills

左侧 Skills 页面位于 AI对接 和 GitHub 之间。

这一页不是 GitHub 技能市场，是项目内的 AI 分析规则库。你可以创建多条 skill，并为每条 skill 设置：

• 名称
• 一句话描述
• 直接注入模型的规则指令
• 自动生效范围

自动注入范围：

• AI 当日复盘
• 超短深度分析
• 盘前计划
• 个股观察
• 次日校验
• 研报摘要

适合写进 Skills 的内容：

• 固定输出结构
• 风险偏好
• 复盘口径
• 禁做事项
• 龙头 / 情绪 / 题材优先级

不要把数据本身写死在 skill 里。skill 用来约束模型的分析方式，不代替输入数据。

个股图表与缠论

股票信息 里的悬浮图表支持：

• 主图 K 线
• MA 均线主图叠加开关
• BOLL 主图叠加
• MACD / KDJ / RSI / BIAS / WR / VR 副图切换
• 缠论结构开关

缠论结构当前为第一版可视化能力，包含：

• 包含关系处理
• 分型
• 笔
• 线段
• 中枢

补充：

• 中枢采用 笔级中枢优先，线段级中枢兜底
• 目前还没有接入 背驰、一二三类买卖点、多周期联立
• 主要用于图形辅助判断，不是严格交易信号引擎

许可说明

• 本仓库代码以 PolyForm Noncommercial 1.0.0 许可证提供。
• 未经项目维护者额外授权，不得将本仓库代码用于商业用途。
• 仓库不包含 .env.local、本地数据库、第三方报告原文、网页快照及个人研究资料。
• 使用、部署或再分发前，请自行确认代码许可与数据来源许可的适用范围。