PRISM-INSIGHT：AI 驱动的股票市场分析与自动交易系统

痛点场景：2025年的股市里，散户投资者面临一个经典困境——消息滞后、分析能力有限，面对复杂的财报数据和国际市场联动时手足无措。一位韩国散户小李，每天早上 6 点爬起来看美股收盘，白天盯韩股 KOSPI/KOSDAQ 盘口，晚上还要消化美联储动态，但最终发现自己的交易决策往往是情绪驱动的追涨杀跌。他需要的不是一个荐股机器人，而是一个能够像专业分析师一样处理财报、追踪异动、理解宏观逻辑的 AI 系统。

PRISM-INSIGHT 正是为解决这个问题而生。这是一个由 13+ 个专业 AI 代理协同工作的股票市场分析与自动交易平台，支持韩国 KRX 市场和美股，目前在 GitHub 上已获得超过 760 颗星，被韩国 AI3/WrksAI 赞助，成为 AI 投资辅助领域的代表性开源项目。

一、项目背景：从多代理 AI 到股票分析

PRISM-INSIGHT 的核心开发者 dragon1086 将多代理系统（Multi-Agent）的工程化实践引入了量化投资领域。传统量化交易系统通常依赖规则化的信号策略，而 PRISM-INSIGHT 的差异化在于用 LLM 理解非结构化信息——财报文本、韩国金融监督院（DART）的 XBRL 数据、SEC EDGAR 的披露文件——并将这些信息转化为投资决策的依据。

项目于 2025 年 8 月创建，支持多语言 README（英/韩/日/中/西），展现出明确的国际化定位。其白金赞助商 AI3/WrksAI 的背书进一步印证了项目的实用价值——一个 AI 助手公司选择赞助另一个 AI 投资工具，说明 PRISM-INSIGHT 在专业圈子里确实有真实用户。

Dashboard（图片源已失效）

二、核心技术架构：多代理协作体系

PRISM-INSIGHT 的架构设计围绕一个核心原则：专业化分工。不同 AI 代理负责不同分析维度，通过消息队列（Strategy Ledger）协作。

核心代理组件（prism_core/ 目录）：

• dart_public_filings.py：从韩国 DART 金融监督院获取 XBRL 财报数据
• filing_selection.py / material_filing_selection.py：智能筛选重要财报披露
• competitive_evidence.py：竞争情报分析
• trend_quality_research.py：趋势质量研究
• kr_peer_comparison.py：韩国同行业对比分析
• ohlcv_shape.py：K 线形态识别
• screening_quality.py / screening_price_evidence.py：量价筛选
• report_service.py / report_generation.py：生成分析师级别的研究报告

交易策略层（stance/ 模块）：这是项目最新推出的策略排名系统，核心特性是不接受历史回测记录——每个策略的公开记录从注册日开始，中途不得补填历史收益。这意味着排名展示的是策略的"真实技能"而非"精选高光"。KRX 和美股策略分开排名，同时展示收益率、最大回撤、平均持仓敞口和胜率，给投资者更全面的决策依据。

LLM 集成：项目同时支持 OpenAI GPT-5 和 Anthropic Claude Sonnet 5，通过 chatgpt_proxy 和 openai_error_logging 模块处理 API 调用、错误重试和日志记录。

三、Stance 策略排名系统：透明化交易记录

Stance 模块是 PRISM-INSIGHT 最具创新的子项目。它解决了一个量化交易的信任危机：如何判断一个策略的"历史收益"是真实的还是经过筛选的？

Stance 的设计哲学体现在四个原则：

1. 无历史补填：策略记录从注册日开始，任何人不得上传历史回测数据
2. KRX/US 分开排名：不同市场的策略不应混同比较
3. 多维评估：收益率、最大回撤、平均持仓、胜率四个维度同时展示
4. 时间戳密封：服务器记录决策时间和价格，确保不可篡改

用户可以通过 Coding Agent（Claude Code / Codex）自动发现、注册和接入自己的交易策略到 Stance 平台。

四、部署体验：一键 Docker 启动

PRISM-INSIGHT 提供了完整的 Docker 容器化部署方案，是本文分析的最亮点之一。

Docker 镜像内容（基于 Ubuntu 24.04）：

• Python 3.12（虚拟环境）+ Node.js 22.x + UV 包管理器
• Playwright（Chromium）用于 PDF 报告生成
• 韩文字体 Nanum 家族
• 内置 Cron 定时任务：自动化执行韩股/美股分析
• 预集成 MCP 服务器：kospi-kosdaq（韩股数据）、perplexity（AI 搜索）、firecrawl（网页爬取）、sqlite（数据库）

快速启动（docker-compose.quickstart.yml）： 用户只需配置 .env 文件中的 API Key，即可通过 docker-compose up 一键启动。部署时间约 30 分钟至 1 小时，对于有 Docker 基础的用户非常友好。

系统依赖：需要 OpenAI API Key（必选）、Anthropic API Key（可选）、Telegram Bot Token（用于告警推送）。

五、技术栈与代码质量

主要技术栈：

• Python 3.10+（核心开发语言）
• OpenAI Agents SDK 0.7.0 + Anthropic SDK（多代理 AI）
• MCP（Model Context Protocol）服务架构
• pykrx（韩国股票数据接口）
• Telegram Bot API（告警推送）
• Docker + Docker Compose（容器化）
• Matplotlib + Seaborn（可视化）
• Playwright（PDF 报告生成）
• SQLite（本地数据持久化）

代码质量评估：项目有 CI 流程（GitHub Actions）和 Codacy 代码质量检测（评分 2f8fd766b0634c068ff9da57ccda00c6），表明作者有持续维护意识。代码结构清晰，prism_core/ 目录下的文件按职责划分（specialist roles、filing 处理、evidence 收集、report 生成），模块化程度较高。

文档质量：多语言 README + 专门的 Docker 部署文档 + CONTRIBUTING 指南 + AGENTS.md（Claude Code 指令文件），文档体系在开源项目中属于优秀水平。

六、局限性与风险提示

使用 PRISM-INSIGHT 必须认清以下风险：

1. API 成本：项目大量调用 OpenAI GPT-5 和 Claude Sonnet 5 进行分析，每次全面分析可能消耗可观的 token 配额。README 中声明 Python 版本要求为 3.10+，但大量 LLM 调用意味着实际成本可能超出预期。

2. 交易风险：这是一个模拟交易或辅助分析系统（部分模块如 stock_map.json 明确为模拟环境），自动交易模块是否真实连接券商需要用户自行验证。在韩国/美国市场进行真实量化交易涉及监管合规问题。

3. 市场数据依赖：韩股数据依赖 pykrx 和 KIS（Korea Investment & Securities）API，美股数据依赖第三方源，数据可用性和准确性直接影响分析质量。

4. AGPL-3.0 许可证：项目采用 AGPL-3.0 开源许可，若将其核心代码集成到商业服务中需遵守开源条款。

5. 维护活跃度：项目于 2025 年 8 月创建，2026 年 9 月仍有更新（约 767 Star），但 13+ 个代理模块的长期维护对单一开发者是较大挑战。

七、行业意义与增长趋势

PRISM-INSIGHT 代表了 AI + 量化投资领域的一个新兴方向：用多代理 LLM 系统替代传统的规则化量化策略。传统量化依赖"if-then"规则，而 PRISM-INSIGHT 让 LLM 自己理解和判断财报语义，这在校霸/财报挖掘场景中具有明显优势。

从 GitHub 趋势看，多代理系统（multi-agent）相关项目数量在 2025 年呈爆发式增长，而将多代理应用于垂直领域（金融/医疗/法律）的项目正在形成新的细分赛道。PRISM-INSIGHT 作为金融领域多代理系统的先行者之一，其 Stance 策略排名机制更是在解决量化交易信任危机方面做出了创新探索。

如果你对 AI 驱动的投资分析感兴趣，或者正在探索多代理系统在垂直行业的应用，PRISM-INSIGHT 是一个值得深入研究的参考实现。