# AI 炒股助手

**Repository Path**: cobyboy1121/PreTrade-AI

## Basic Information

- **Project Name**: AI 炒股助手
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-04-09
- **Last Updated**: 2026-04-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI 炒股助手 (PreTrade AI)

基于 **FastAPI + Vue3 + Qwen2.5-7B 大模型** 构建的 A 股智能分析与量化盯盘助手。系统通过自动化爬取财经资讯、利用大模型进行情绪与走势诊断，结合量化 T+0 回测算法，辅助散户或短线交易者进行决策与日内盯盘。

## 🌟 核心功能

- **自动化资讯爬取**：定时从同花顺等财经网站抓取最新新闻。
- **AI 智能分析 (Ollama)**：调用本地部署的 Qwen2.5 大模型对新闻进行去重、提取核心摘要、分析板块归属并计算情绪强度（1~5 分）。
- **数据可视化大屏**：提供全市场情绪分布（饼图）、板块情绪矩阵（散点图）、热力图及异动雷达图。
- **AI 走势预测与胜率复盘**：每日生成走势预测，并在盘后自动核对实际涨跌幅，计算历史胜率。
- **T+0 量化策略回测**：基于分钟级 K 线数据，支持“正T（先买后卖）”策略回测，结合 VWAP、MACD 背离等指标寻找日内最佳买卖点。
- **日内盯盘 (分时图)**：实时刷新个股/ETF 的分时走势，并将量化策略的买卖点实时标记在图表中。

---

## 🛠️ 技术栈

### 前端
- **Vue 3** + **TypeScript** + **Vite**
- **Ant Design Vue** (UI 组件库)
- **ECharts** + **vue-echarts** (数据可视化图表)
- **Tailwind CSS** (原子化 CSS)

### 后端
- **Python 3.10+**
- **FastAPI** (高性能异步接口)
- **SQLite3** + **SQLAlchemy** (轻量级数据库及 ORM)
- **APScheduler** (后台定时任务调度)
- **Requests / BeautifulSoup4** (爬虫)
- **Pandas / Numpy** (量化指标计算与数据处理)

### AI 大模型
- **Ollama** (本地模型运行环境)
- **Qwen2.5:7b-instruct** (默认使用的推理大模型，支持 4-bit 量化)

---

## 🚀 本地部署与使用指南

本项目采用前后端分离架构，且完全在本地运行大模型，保证数据隐私。请按照以下步骤配置环境。

> 📖 **如果你已经部署成功，请查看 [功能使用教程 (USER_GUIDE.md)](./USER_GUIDE.md) 了解如何玩转 AI 数据分析和 T+0 量化盯盘！**

### 1. 环境准备

在开始之前，请确保你的电脑上已经安装了以下软件：
- **Node.js** (推荐 v18 或以上版本) -> [下载地址](https://nodejs.org/)
- **Python** (推荐 v3.10 或以上版本) -> [下载地址](https://www.python.org/downloads/)
- **Ollama** (用于在本地运行大语言模型) -> [下载地址](https://ollama.com/)

### 2. 部署 AI 大模型 (Ollama)

安装好 Ollama 后，打开终端（Terminal）或命令提示符，拉取并运行 `qwen2.5:7b` 模型：

```bash
ollama run qwen2.5:7b
```
*首次运行会下载模型文件（约 4.7GB），请保持网络畅通。下载完成后可以按 `Ctrl + D` 退出对话模式，Ollama 服务会在后台继续运行（默认监听 `http://localhost:11434`）。*

### 3. 后端部署 (FastAPI)

1. **进入项目目录**并新建终端，进入后端目录：
   （本项目的后端代码默认放在根目录的 `api` 文件夹或与前端同目录，请确认你的 `api/` 文件夹位置）
   
2. **创建并激活 Python 虚拟环境**（推荐）：
   ```bash
   # Windows
   python -m venv venv
   .\venv\Scripts\activate

   # macOS / Linux
   python3 -m venv venv
   source venv/bin/activate
   ```

3. **安装依赖包**：
   在项目根目录下，运行以下命令安装所需的 Python 库：
   ```bash
   pip install fastapi uvicorn sqlalchemy requests beautifulsoup4 pandas numpy apscheduler lxml
   ```

4. **启动后端服务**：
   ```bash
   uvicorn api.routers.api:app --host 0.0.0.0 --port 8000 --reload
   ```
   *如果你的入口文件是 `api/main.py`，请将启动命令中的路径替换为 `api.main:app`。*
   *启动成功后，后端 API 将运行在 `http://localhost:8000`。*

### 4. 前端部署 (Vue 3)

1. 打开一个**新的**终端窗口，确保你在项目根目录下（即包含 `package.json` 的目录）。

2. **安装 Node 依赖**：
   ```bash
   npm install
   # 或者如果你使用 pnpm / yarn:
   # pnpm install
   ```

3. **启动前端开发服务器**：
   ```bash
   npm run dev
   ```

4. **访问系统**：
   打开浏览器，访问终端中输出的本地地址（通常是 `http://localhost:5173`），即可看到系统界面！

---

## ⚙️ 常见问题排查 (FAQ)

**Q1: AI 诊断或生成报告时一直转圈，或者提示网络错误？**
- 检查 Ollama 服务是否在后台正常运行。
- 确认你在终端中成功执行过 `ollama run qwen2.5:7b` 且模型已下载完毕。
- 如果你的 Ollama 运行在其他端口或服务器，请在后端代码中搜索 `http://localhost:11434` 并替换为你实际的地址。

**Q2: 爬虫没有抓取到数据？**
- 检查网络是否正常，财经网站的接口可能会有反爬机制或结构变动。
- 进入系统的“设置”页面，检查是否配置了正确的爬虫源和自选板块。

**Q3: T+0 回测或分时图报错？**
- 确保你的 Python 环境中成功安装了 `pandas` 和 `numpy`。如果没有，请重新执行 `pip install pandas numpy`。
- 确保系统时间正确，非交易时间获取的最新行情可能是昨日的收盘数据。

---

## 🤝 贡献与协议

欢迎提交 Pull Request 或者 Issue 探讨优化量化策略！
本项目基于 MIT License 开源。本项目仅作技术交流与量化学习使用，**不构成任何投资建议**。股市有风险，交易需谨慎。