Vibe-Research
simonlin1212/Vibe-Research加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
深夜 11 点，老王盯着屏幕——外盘美股刚刚收跌，道指-1.2%，纳指-0.8%，恒生指数期货也在跳水。A 股明天大概率要低开。但他手里握着某只持仓股，对它的基本面、近期公告、主力资金流向一无所知。他打开东方财富、同花顺、雪球……数据散落在七八个 App 之间，割裂得一塌糊涂，更别说让 AI 来帮他做复盘了。
这就是 Vibe-Research 诞生的背景——把散户炒股的「数据分散、信息孤岛」问题，用一个开源看板一次性解决。作者 simonlin1212 自己就是 A 股玩家，深知手动翻行情的痛苦，于是花时间造了这个轮子：让 AI 帮你读公告、盯资金面、做多空辩论，而你需要做的，只是在浏览器里打开它，填入你自己的 AI Key。
Vibe-Research 是一个开源的个人 AI 投研看板，主攻 A 股市场，兼顾美股和港股数据。项目于 2026 年 7 月 5 日上线 GitHub，不到一个月已收获超过 1000 颗星，增长势头强劲。仓库采用 MIT 许可证，允许自由商用和二次开发。
核心技术栈：
作者在 VISION.md 中明确写道：这是一个工具，不是荐股机器。数据配齐后，结论由用户自己的 AI 决定，项目本身不出任何买卖建议。这种定位既规避了合规风险，也让整个系统更「纯粹」——你用 Claude 做基本面研究也行，用 Qwen 做技术面复盘也行。
Vibe-Research 的核心价值在于数据整合，而不是 AI 能力本身（AI 能力取决于用户填入的模型）。项目把散户日常需要切换七八个 App 才能看到的数据，统一到一个看板里：
| 页面 | 核心功能 |
|---|---|
| 每日复盘 | 全球市场（美股道指/标普/纳指 + 港股恒指）→ A 股大盘宽度 → 短线情绪（连板股/封板率/炸板率/晋级率）→ 全市场成交额 TOP20 → 板块资金轮动 → AI 复盘 |
| 资讯雷达 | 12 赛道 108 个公开 RSS 源，AI 一键提炼「今日要点」；挂钩用户的关注列表推送公告和新闻 |
| 个股数据 | A 股：行情 + 估值矩阵（前向PE/PEG）+ 财报速览 + 资金面（融资融券/主力资金流/分红/大宗交易）+ 龙虎榜 + 研报 + 公告 + 互动易；美股/港股/韩股：行情 + 关键财务指标 |
| 多空辩论 | 多 Agent 架构：先拉客观事实底稿（13项数据），多方研究员/空方研究员各建立论，中立主持归纳共识与分歧点 |
| 我的持仓 | 管理自选股，实时行情监控 |
| 我的研报 | 研报阅读记录与笔记 |
| AI 接入页 | 用户填入自己的 AI Key（Claude API 等），或在网页订阅调本机已登录的 CLI（Claude Code / Codex / Qwen / Gemini / DeepSeek） |
图1：每日复盘页面 —— 一屏掌握全球市场与短线情绪
前端基于 Vite 构建的 React 19 单页应用，打包后为纯静态资源，理论上可以部署到任何静态托管服务（Vercel、Netlify、Nginx）。状态管理使用 Zustand（轻量 React 状态库），路由使用 React Router v7。样式体系以 Tailwind CSS 为主，配合自定义 CSS（index.css）。UI 组件高度依赖 Lucide React 图标库和 ECharts 图表库，视觉呈现较为专业。
关键设计：前端不存储任何敏感数据——AI Key 存在用户本地浏览器，后端不保存用户数据，符合隐私最小化原则。
后端由 app.py 作为主入口（约 24KB），各功能模块垂直拆分：
值得注意的是，后端数据依赖 Akshare 库——这是一个在国内量化社区广泛使用的免费 A 股数据 Python 库，但安装体积较大（约 200MB+），首次部署需要耐心等待。对于不需要 A 股数据的用户，后端提供了优雅降级：相关端点返回 501 + 安装提示，不影响行情/研报等已有数据的使用。
用户浏览器（填入自己的 AI Key） → FastAPI 后端（数据聚合） → Akshare（免费 A 股数据）/ Mootdx（实时行情）/ RSS 源（资讯）/ 外部 LLM API（AI 推理）。整个数据流中，后端仅作为数据中转和聚合层，AI 推理实际发生在用户指定的外部模型上。
图2：个股数据页面 —— 财报 + 估值 + 资金面一屏看穿
Vibe-Research 没有 Docker 支持，需要手动配置 Python + Node.js 环境，对于非技术用户有一定门槛。部署流程大致如下：
npm install → npm run dev（开发）或 npm run build（生产）pip install -r requirements.txt（fastapi/uvicorn/requests 轻量部分秒装）→ 可选安装 akshare + mootdx（约 200MB+，数据全）→ uvicorn app:app --reload硬件需求： 无 GPU 要求，CPU 足够运行，推荐 4GB+ RAM，2GB+ 磁盘（主要空间为 Python 数据依赖包）。国内用户还需注意：东财等数据源默认直连，会自动绕过系统代理，翻墙环境下反而能正常访问。
部署难度评估为「中等」——主要障碍是 akshare 库体积大（A 股数据全面是有代价的），以及 Node.js + Python 双环境配置。对于已有 Python 环境的开发者，约 30 分钟可完成部署；对于纯新手用户，建议有一定技术基础的投资者使用。
项目中内置了 news_sources.json（约 15KB），定义了 12 赛道 108 个公开 RSS 源的配置。资讯雷达模块通过 newsradar.py 聚合这些源，调用 AI 提炼「今日要点」。这一设计非常务实——散户每天看资讯的时间有限，AI 帮你做「信息蒸馏」是真实需求，而非炫技。
图3：资讯雷达 —— 12 赛道 108 个公开源一键提炼要点
debate.py 中的多空辩论模块是项目中最「AI Native」的部分。它采用多 Agent 协作架构：
MCP 协议支持也是值得关注的点——项目内置 mcp_server.py，暴露标准 MCP 接口，理论上可以被 Claude Code 等外部 Agent 调用，实现「用 Agent 操作投研看板」的场景。
Vibe-Research 的出现，折射出一个明确的趋势：个人投资者的「AI 赋权」需求正在觉醒。在量化基金、专业机构早已用 Python + Pandas + AI 做投研的背景下，散户一直缺乏趁手的开源工具。项目用 React + FastAPI 的全栈方案，把 Akshare 这类免费数据源的专业能力，包装成了开箱即用的看板，大幅降低了散户用 AI 做投研的技术门槛。
从 GitHub 增长曲线看：项目上线不到一个月突破 1000 星，247 个 fork（fork 率高达 23%），说明社区认可度高、「套壳」意愿强——这本身就是一个值得关注的信号。MIT 许可证允许商业使用，未来可能出现：
对于 AI 开发者而言，Vibe-Research 也是一个值得研究的全栈样本：FastAPI 后端 + React SPA + Akshare 数据 + MCP 协议，这套组合在金融科技领域有广泛的复用价值。
推荐人群： 有一定 Python/Node.js 基础的 A 股/港股/美股个人投资者，对 AI 辅助投研有真实需求，不希望把所有数据分散在五六个 App 中。
不推荐人群： 追求实时高频数据者（Akshare 延迟问题）、零技术背景纯小白（部署门槛较高）、寻求「AI 直接荐股」者（项目不提供此类功能）。
部署第一步（最简化版，无 A 股数据）：
# 后端（仅 fastapi/uvicorn，无需 akshare）
pip install fastapi "uvicorn[standard]" requests
cd backend && uvicorn app:app --reload --port 8000
# 前端（新窗口）
cd frontend && npm install && npm run dev
# 打开 http://localhost:5173，填入自己的 AI Key，开始使用
本报告基于 GitHub 公开信息生成，README 截图来源于仓库 docs/screenshots/，数据截至 2026 年 7 月。项目仍在活跃开发中，功能细节可能随时变化。