← 返回部落格
Ai預計閱讀 8 分鐘

一個 71,000 星的股票分析器,跑在 GitHub 的免費 cron 上

發布於 2026年11月14日
一個 71,000 星的股票分析器,跑在 GitHub 的免費 cron 上

大多數「AI 代理」專案都是需要人按一下才跑的展示。你複製倉庫,裝四十個相依套件,然後發現智慧是真的,維運是想像的。沒人想當那個每天早上記得去執行它的人。

ZhuLinsen/daily_stock_analysis 是另一類專案,目前約有 71,600 顆星,也是這個月 GitHub 每週趨勢榜上比較出乎意料的條目之一。它的設計目標是被忘掉。你 fork 它,填幾個密鑰,開啟一個 workflow,之後每個交易日的台北時間 18:00,一份看板會自己送進你的聊天軟體,不管你有沒有想起來這件事。

系統涵蓋 A 股、港股、美股、日股、韓股和台股,股票池由你指定。它抓行情和新聞,讓 LLM 把兩者合起來看,再把決策看板推送到企業微信、飛書、Telegram、Discord、Slack 或電子郵件。MIT 授權,Python 3.10 以上,背後還有一篇掛在 arXiv 上的論文。

設定過程本身就是產品

走 GitHub Actions 這條路大約五分鐘,完全不需要本機環境。

fork 倉庫。加入 repository secrets。`STOCK_LIST` 是唯一必填項,格式是跨市場以逗號分隔的代碼:`600519,hk00700,AAPL,7203.T,005930.KS,2330.TW`。至少選一個通知頻道:`WECHAT_WEBHOOK_URL`、`FEISHU_WEBHOOK_URL`、`TELEGRAM_BOT_TOKEN` 加 `TELEGRAM_CHAT_ID`、`DISCORD_WEBHOOK_URL`、`SLACK_BOT_TOKEN` 加 `SLACK_CHANNEL_ID`,或 `EMAIL_SENDER` 加 `EMAIL_PASSWORD`。可選再填一個搜尋 key 提升新聞品質,推薦 SerpAPI,Tavily、Bocha、Brave、MiniMax 和自架的 SearXNG 實例都可以替代。

然後進 Actions 分頁,同意那條關於啟用 workflow 的提示,手動跑一次「每日股票分析」確認能跑通。之後它會在平日的台北時間 18:00 自己觸發,跳過非交易日(包含 A 股、港股和美股的假期),也支援強制執行和斷點續跑這類邊角情況。

本機跑這條路,適合那些更願意自己握著流程的人:

git clone https://github.com/ZhuLinsen/daily_stock_analysis.git && cd daily_stock_analysis
pip install -r requirements.txt
cp .env.example .env
python main.py

CLI 的開關還算齊。`--debug` 輸出詳細日誌,`--dry-run` 只產生不推送,`--stocks` 單次覆蓋股票池,`--market-review` 出市場層級綜述而非逐股,`--schedule` 起一個長期執行的本機排程器,`--serve-only` 只跑 Web 介面不做分析。另有一個 Docker 映像 `zhulinsen/daily_stock_analysis`,算是中間路線。

為什麼免費資料源比模型更重要

這個專案的經濟學才是有意思的部分。

預設行情資料來自 AkShare、Baostock 和 YFinance,全部免費。README 寫得很明確:日誌裡說某個資料源未設定,不影響執行。付費替代方案也有,A 股和 ETF 可以用 TickPlus,歷史資料穩定性找 Tushare,港股的成交額、本益比這類欄位靠 Longbridge,但系統的設計目標是零花費也能產出一份能用的看板。

算力是 GitHub Actions 的分鐘數,對一個每個平日跑一次的公開 fork 來說基本免費。新聞搜尋是唯一會出現成本的地方,即便在這裡,幾家服務商的免費額度也夠涵蓋十幾個 ticker 的股票池。

免費資料、免費算力、免費送達,這個組合就是星數往上爬的原因。它的分析不比付費終端更好。但它跑一次的邊際成本是零,所以你可以一直開著,看會發生什麼。

它到底輸出什麼

看板按個股分塊,裝的是 LLM 對價格走勢、新聞情緒、公告和催化劑的解讀,另加一份市場層級綜述。README 對降級規則很坦白:社群情緒和部分新聞源在 API 限流時會回退或直接缺席,系統會把回退記下來,不會假裝資料是完整的。

這種誠實比它該有的稀有程度還要少見。大多數 AI 看板不管輸入有沒有到齊,都會端出一個自信的總結。這一個把缺源當成一種需要報告的狀態。

它哪裡會出錯

涵蓋面紙上很寬,實際並不均勻,倉庫自己的文件是找差別最好的指南。

行情品質取決於哪個資料源回應。AkShare 和 Baostock 由社群維護,偶爾延遲或改 schema;YFinance 對美股涵蓋好,對更薄的市場就差些。港股的週轉率、量比、本益比這些欄位要有 Longbridge 憑證才完整,也就是說沒設定的情況下,這些市場的看板會有肉眼可見的空洞。

LLM 那一步繼承的是新聞層找到的東西。搜尋 key 缺失時,情緒部分會退化到價格走勢和公告,一檔社群討論很熱的股票會讀起來很安靜。README 說清楚了缺源會被報告而不會被悄悄抹平,這個處理是對的,但這也意味著同一個倉庫的兩個使用者,同一天看同一檔股票,拿到的看板可能差得不小。

而分析本身就是一個語言模型在總結公開資訊。它不跑估值模型,沒有一致預期,也沒法告訴你一次價格波動是不是過度反應。它能做的是把四十條標題、三份公告和一週的價格走勢壓成一頁你開盤前真會讀完的東西。

值得照抄的部分

把股票那層剝掉,你手上是一個範本,對應一整類目前供給不足的產品:排程的、私密的、單一用途的代理,主動推一個結果,不等誰來問。

元件描述起來很平淡。一個 cron。幾個免費資料源,帶優雅降級。一個 LLM 步驟,把結構化資料變成人才真會讀的文字。一個使用者本來就在看的送達頻道。一個不需要維護伺服器的設定檔。

今年發出來的「AI 助理」幾乎全是反面:一個聊天視窗,要求你先知道該問什麼。cron 加推送這個形狀把它倒了過來。它假設使用者有比審問模型更要緊的事,靠在一個固定時間帶著具體的東西出現,換來自己的位置。

必須說清的保留意見

這是一個愛好者級別的分析工具,不構成投資建議,倉庫自己也這麼寫。一個語言模型總結某檔股票的公開新聞,它當不了研究分析師;一份每晚準時到達的看板,恰恰因為太規律,容易造出一種虛假的嚴謹感。

拿它當一個過濾器,告訴你什麼變了。誰把它當神諭,問它該怎麼做,就是用錯了。這個月發布的大多數 AI 產品也一樣:價值在於少讀一點,從來不在那個結論上。

相關文章