Alpha MCP Server

by Shadowell• 33•• Scanned•Claim this listing•Request removal

Finance & Tradinga sharesfastapihermes agentkronosllm agent

自进化量化选股系统 — Kronos K线预测模型 + Hermes Agent 自进化闭环 + A股三池漏斗选股

Alpha is an open-source mcp server by Shadowell, written mainly in Python, with 33 GitHub stars and the MIT license. Its code was last updated Oct 26, 2026.

about README security reviews

Alpha — Self-Evolving Quantitative Stock Screening

A-share quant screening · Kronos K-line foundation model · Hermes Agent self-evolution loop A 股量化选股 · Kronos K线预测模型 · Hermes Agent 自进化闭环 <a href="https://github.com/Shadowell/Alpha/stargazers"><img alt="GitHub Stars" src="https://img.shields.io/github/stars/Shadowell/Alpha?style=social"></a> <a href="https://github.com/Shadowell/Alpha/network/members"><img alt="GitHub Forks" src="https://img.shields.io/github/forks/Shadowell/Alpha?style=social"></a> <a href="https://github.com/Shadowell/Alpha/actions/workflows/tests.yml"><img alt="CI" src="https://img.shields.io/github/actions/workflow/status/Shadowell/Alpha/tests.yml?branch=main&label=CI"></a> <a href="https://github.com/Shadowell/Alpha/releases/latest"><img alt="GitHub Release" src="https://img.shields.io/github/v/release/Shadowell/Alpha"></a> <a href="LICENSE"><img alt="License: MIT" src="https://img.shields.io/badge/License-MIT-yellow.svg"></a> <img alt="Python" src="https://img.shields.io/badge/Python-3.10%2B-blue"> <a href="#english-overview">English</a> · <a href="#中文简介">中文</a> · <a href="#快速开始">Quick Start</a> · <a href="CONTRIBUTING.md">Contributing</a> · <a href="SECURITY.md">Security</a> · <a href="https://github.com/Shadowell/Alpha/issues/new/choose">Report Issue</a>

English Overview

Alpha is an open-source, self-evolving quantitative stock screening system for the Chinese A-share market. It combines the Kronos financial K-line foundation model with a Hermes Agent loop so the system can observe the market, reason about themes, validate signals, and improve over time.

Capability	What you get
Three-pool funnel screening	Intraday scoring + promotion / demotion rules for candidate stocks
Kronos prediction	K-line forecast inference integrated into the research UI and APIs
Hermes Agent + MCP	Scheduled post-market review, announcement review, and live monitoring
Paper trading	Simulated execution for strategy validation without live capital
FastAPI + Web UI	50+ REST endpoints, WebSocket snapshots, and an 8-tab dark dashboard

Why it matters for the OSS ecosystem: most open quant stacks are US/crypto-centric. Alpha fills a practical gap for A-share research—local data pipelines, LLM-agent workflows, and reproducible screening loops that researchers and builders can fork, audit, and extend under MIT.

# Quick start (Docker, recommended)
cp .env.example .env   # optional: add Tushare / LLM keys (all can stay empty)
docker compose up -d   # http://127.0.0.1:18888

# Or run from source (API / data runtime)
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements-base.txt
cp .env.example .env   # add Tushare / LLM keys as needed
./start.sh             # http://127.0.0.1:18890

Full install options, API map, and architecture details are below. Contributions welcome — see CONTRIBUTING.md.

中文简介

Alpha 是一个面向 A 股市场的自进化量化选股系统。它不只是一个筛选工具——通过集成 Kronos 金融 K 线基础模型和 Hermes Agent 自进化智能体，Alpha 能够自主观察市场、分析主线、输出结构化诊断与交易建议，形成观察 → 思考 → 校验 → 进化的持续优化闭环。

欢迎通过 Issue / PR 参与贡献，详见 CONTRIBUTING.md。

系统架构

┌──────────────────────────────────────────────────────────────────────┐
│                         Alpha 系统架构                               │
│                                                                      │
│  ┌─────────────┐    ┌─────────────────────────────────────────────┐  │
│  │  数据层      │    │                 服务层                       │  │
│  │             │    │                                             │  │
│  │  Tushare Pro│───▶│  KlineCacheService    K线并发同步            │  │
│  │  东财/新浪  │───▶│  MarketDataClient     主源降级/实时行情      │  │
│  │  同花顺     │───▶│  ConceptEngine        概念热度评分           │  │
│  │  AkShare    │───▶│  StrategyEngine       盘中实时评分           │  │
│  │             │    │  NoticeService        公告抓取+双引擎打分     │  │
│  └─────────────┘    │  FunnelService        三池漏斗状态管理       │  │
│                     │  PaperTradingService   模拟交易引擎           │  │
│  ┌─────────────┐    │                                             │  │
│  │  存储层      │    │  KronosPredictService  K线预测推理           │  │
│  │             │    │  HotStockAIService     热门股智能分析        │  │
│  │             │    │  HermesRuntime         Agent调度+LLM推理     │  │
│  │  SQLite ×3  │◀──▶│  HermesMemory          任务/监控记忆持久化  │  │
│  │  市场K线    │    │  JobStore/Manager      长任务队列与进度       │  │
│  │  漏斗状态   │    │                                             │  │
│  │  任务队列   │    │                                             │  │
│  └─────────────┘    └───────────────┬─────────────────────────────┘  │
│                                     │                                │
│  ┌─────────────┐    ┌───────────────▼─────────────────────────────┐  │
│  │  Kronos     │    │               接口层                         │  │
│  │  (102.3M)   │    │                                             │  │
│  │  K线基础    │◀──▶│  FastAPI REST API（84 条路由，领域 Router）    │  │
│  │  模型       │    │  /api/health + /api/metrics + 请求 ID        │  │
│  └─────────────┘    │  WS /ws/realtime · MCP Server (20+ tools)    │  │
│                     │                                             │  │
│  ┌─────────────┐    └───────────────┬─────────────────────────────┘  │
│  │  Hermes     │                    │                                │
│  │  Agent      │◀──MCP协议──────────┘                                │
│  │  (LLM)      │                                                     │
│  └─────────────┘    ┌─────────────────────────────────────────────┐  │
│                     │               前端层                         │  │
│  ┌─────────────┐    │                                             │  │
│  │  飞书通知    │◀───│  原生HTML/CSS/JS + ECharts 5                 │  │
│  │  Webhook    │    │  8 Tab 单页应用 · Glassmorphism 暗色主题      │  │
│  └─────────────┘    │  10s 实时轮询 + WebSocket 双通道推送          │  │
│                     └─────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────────────────────────┘

后台调度引擎

系统启动后由服务容器统一管理 7 个后台循环和 1 个启动回填任务（/api/health 会逐项检查其存活状态）：

循环	频率	职责
启动回填	一次性	补齐缺失的股票名称并刷新本地 symbol name cache
Ticker Loop	60s	调用 `FunnelService.tick()` 刷新漏斗评分，变更时 WebSocket 广播快照
K线同步 Loop	每日 15:20	自动检测是否需要同步，仅补最新交易日缺口，进度写入数据中心
分钟线 Loop	60s	交易时段仅为买入池标的同步 1 分钟 K 线，非交易时段空转
Hermes 调度 Loop	300s	15:30 盘后复盘 · 21:00 公告复盘
智能监控 Loop	30s	盘中按配置间隔（5~30min）执行 LLM 监控 tick，结果 WebSocket 推送
预测选股 Loop	300s 检查	交易日 16:15 自动触发预测选股扫描，同日只跑一次
热门智能 Loop	60s 检查 / 5min 执行	检查热门股票智能分析是否过期，按配置自动刷新 Top20 个股，并对前排标的触发 TradingAgents 多代理讨论

界面预览

1. 大盘总览

一眼掌握市场情绪和热点方向。

大盘总览

市场情绪面板：上涨概念占比、龙头股涨幅、市场情绪等级（偏强/中性/偏弱）
热门概念 Top10：按热度排序，展示涨停/上涨/下跌家数、领涨个股、漏斗入选数
热门个股 Top30：展示最新价、当日涨幅和 10 日累计涨幅，点击可弹出 K 线 + Kronos 预测叠加图
实时双通道：10s 轮询 + WebSocket 服务端主动推送

2. 数据中心

K 线数据的健康管理中枢，保障策略运行的数据基础。

数据中心

健康仪表盘：环形图展示覆盖率百分比 + 健康等级
KPI 指标卡：股票数、K 线总条数、最早/最新日期、数据库大小
同步操作：全量补缺（日期×股票交叉补全）· 增量同步（日期范围一次提交批量队列）· 完整性检查
任务历史：分页展示，支持按状态筛选（全部/成功/失败/运行中）
完整性报告：按日期展示缺失分布，最差个股排名
自动同步：每日 15:20 自动补最新交易日缺口；配置 Token 时以 Tushare 提供股票主数据、交易日历和日线，未配置或调用失败时显式降级东财 / 新浪；实时行情固定走东财，历史全量补缺仅由手动按钮触发
数据增强：日线封账后按交易日增量同步估值/换手/量比/市值、涨跌停价、复权因子、个股资金流、北向资金和 4 个基准指数；盘中每分钟同步买入池分钟线（仅买入池，不做全市场实时）
增强覆盖面板：数据中心展示每类增强数据的最新日期、行数与同步状态，失败数据集独立标记，不影响主 K 线封账
来源可追溯：K 线与同步明细持久化 source / fallback_reason，可区分 tushare、eastmoney、sina、sqlite 与具体降级原因

数据源与格式

场景	主源	降级源	Alpha 内部格式
股票主数据	Tushare `stock_basic`	东方财富全市场 spot	`symbol -> name`，股票代码统一为 6 位字符串
交易日历	Tushare `trade_cal`	Sina，最后使用新鲜 SQLite 日期	`YYYY-MM-DD`
历史/日线	Tushare `daily` / `pro_bar`	东方财富 K 线	SQLite：`symbol, trade_date, open, high, low, close, volume, amount, source, fallback_reason`
日频增强	Tushare `daily_basic` / `stk_limit` / `adj_factor`	—	SQLite `kline_daily_extras`：估值、换手、量比、市值、涨跌停价、复权因子
个股资金流	Tushare `moneyflow`	—	SQLite `moneyflow_daily`：小/中/大/超大单买卖额与净流入
北向资金	Tushare `moneyflow_hsgt`	—	SQLite `market_capital_flow`：沪股通、深股通、北向/南向合计
基准指数	Tushare `index_daily`	—	SQLite `index_daily`：上证/深证/创业板/沪深300
分钟线	Tushare `rt_min`	Tushare `realtime_quote` 单点兜底	SQLite `kline_minute`：仅买入池，1 分钟 bar
实时行情	东方财富 spot	业务层既有降级路径	Pandas DataFrame 中文列名；FastAPI 对外返回 JSON

Tushare daily.vol 以“手”为单位，直接映射为 volume；daily.amount 以“千元”为单位，写入 Alpha 前乘以 1000，统一为人民币“元”。daily_basic.total_mv/circ_mv 与资金流字段以“万元”为单位，写入前乘以 10000。rt_min 直接返回股数与人民币。策略产物仍按各模块使用 CSV / JSON，Kronos 输入使用英文 OHLCVA DataFrame。

3. 策略选股

三池漏斗模型，系统化管理从发现到买入的全流程。

策略选股

复合候选池 → 重点关注池 → 买入池（上限 5 只）
盘中评分：突破强度（35%）+ 量能（25%）+ VWAP/开盘/回撤结构分 — 减分项（高开/冲高回落/近涨停）
自动迁池：评分 ≥ 60 连续 3 分钟或 ≥ 70 立即候选→重点；重点池评分 ≥ 78 且量比 ≥ 1.3、突破确认连续 2 分钟才自动升买入；买入池评分连续 5 分钟 < 65 自动降回重点。手动迁池仍可即时覆盖，自动升买入受 buy_pool_max_size 限制并写 trigger log
自适应策略中心（页面顶部主视觉，取代原"缩量启动"区块）：将选股逻辑抽象为"规则组合"，用户可自由启用 / 关闭单条规则并调参
- 12 条原子规则（app/services/strategy_rules.py）：价格区间、排除板块、当日涨跌幅、当日涨停、箱体横盘（振幅+量能 CV）、缩量倍数、放量倍数、突破 N 日高、低于 N 日高、站上均线、均线多头排列、距高点回撤
- 3 条内置策略（启动时自动写入，不可删除）：
  - builtin_quiet_breakout 缩量启动（默认）：价格区间 + 主板 + 箱体 + 放量涨停
  - builtin_adjustment_box 调整期横盘：价格区间 + 主板 + 箱体（更宽松）+ 回撤 ≥ 15% + MA60 上方
  - builtin_breakout_volume 放量突破新高：价格区间 + 主板 + 均线多头 + 放量 + 突破 60 日新高
- 规则采用 AND 组合：所有启用规则全部命中才入选；合成分数 = 匹配率 + 量能/振幅等连续指标加权
- 一键扫描全 A 股：约 30 秒扫完 5000 只，结果快照按策略持久化到 funnel_state.db；重启后仍可读取，并返回 stale / latest_data_date 以标识数据已落后最新 K 线日期
- 一键 180 天回测：复用 BacktestLab.run_custom_strategy，返回信号数 / 胜率 / 累计收益 / 最大回撤
- 点击命中卡片：直接弹出 Kronos 预测 modal（无跳转 / 无刷新 / 无 window.open）
- 布局重排：策略中心放在策略页上半区；扫描命中结果并入第一个“复合候选池”，下半区继续展示三池
- 旧 /api/strategy/quiet-breakout 端点保留兼容，供 Hermes Agent 工具链和回归用例复用
概念筛选：按板块过滤候选池，聚焦特定赛道
右侧面板：点击个股展示 30 日 K 线 + Kronos 预测叠加

4. 公告选股

利好公告驱动的事件型选股，规则 + AI 双引擎打分。

公告选股

公告抓取：自动拉取当日 A 股主板公告（排除 ST / 创业板 / 科创板）
规则打分：7 类利好关键词加权匹配 + 利空关键词压分
LLM 打分（可选）：大模型深度理解公告内容，覆盖规则分数
关键词标签：业绩预增 · 高额分红 · 股份回购 · 重大合同 · 资产重组 · 融资获批 · 产品突破
三池管理：≥ 80 入买入池，≥ 65 入重点池，其余候选
右侧 K 线：嵌入 30 日 K 线 + Kronos 预测

5. 热门股票智能分析

以实时热门股 Top20 为输入，逐股打分并拆成三池，专门服务情绪龙头和高热度主线。

实时输入：直接复用 /api/market/hot-stocks 的实时热门股接口，默认取前 20
逐股分析：结合热度排名、当日涨幅、趋势位置、20 日量额比和 Kronos 三日预测
深度讨论：对命中的热门股调用 TradingAgents 项目，通过 DeepSeek API 产出多代理讨论结论，再映射为加减分
命令行调用方式：Alpha 通过 uv run python -m cli.main analyze --ticker ... --date ... --provider deepseek --quick-model deepseek-chat --deep-model deepseek-reasoner 调用 TradingAgents，不再直接 import 图对象
解释性评分：每只股票都输出分数组成、风险扣分、标签和一段摘要分析
数据新鲜度防线：评分禁止实时价与陈旧 K 线混算——K 线恰好缺决策当日且实时价昨收口径可对账（偏差 ≤2%）时追加当日实时 bar 统一计算均线/振幅；落后超过容忍交易日窗口或对账失败的标的整只跳过并计入 meta.skipped_stale；快照暴露 meta.realtime_trade_date / meta.kline_max_date / meta.stale_kline_count，逐股暴露 kline_max_date / stale_kline / realtime_bar_appended / amount_base_date
候选池评价：TradingAgents 返回结果会落到第一池候选池展示，并明确给出 买入 / 卖出 / 观望 评价
三池拆分：默认阈值 8 / 11.5 / 14.5 分，对应候选 / 重点关注 / 买入候选；当本次运行完全没有 Kronos 预测分量（未加载 / 未启用 / 全部预测失败）时自动改用「排名分位数（买入 top 10%、重点 top 30%，候选阈值为下限）」的降级分层，meta.prediction_enabled / prediction_available / pred_missing_count / pool_tier_mode 标明分层模式与原因，不再静默空池
手动迁池：候选池卡片复用普通候选池样式，可一键加入重点关注池，并支持重点 / 买入池之间调整
自动刷新：默认每 5 分钟自动扫描一次；为保证站点响应，后台自动任务走轻量模式（缩小样本并跳过 TradingAgents / Kronos），页面手动触发仍执行完整分析
点击个股：直接弹出历史 K 线 + Kronos 三日预测详情

6. 智能监控 / 进化

Hermes Agent 驱动的自进化智能体，系统的"大脑"。

智能监控

智能监控 Tab：
- 可配置间隔（5/10/15/30 分钟），盘中定时 LLM 分析市场主线
- 消息按主线分框展示（如"医药链共振"、"电力设备链"），含确信度等级
- 每条主线下列出关注个股及操作建议
- 个股标签支持悬停 K 线预览（含 Kronos 预测）
- 支持手动触发和编辑系统提示词
运行记录：
- 监控页直接展示最近任务执行结果和状态
- 支持手动触发 full_diagnosis，输出诊断结论但不再触发任何自动变更链路

7. 模拟盘

零风险验证选股策略的效果。

模拟盘

账户总览：总资产（初始 100 万）、持仓市值、浮动盈亏、已实现盈亏、总费用、最大回撤
统计指标：持仓数、交易数、胜率、胜/负比
持仓卡片：成本/现价/数量/市值/盈亏，一键模拟卖出
费用模型：佣金（默认万 2.5，最低 5 元）+ 印花税 + 滑点，均可自定义
实时价格：下单 / 持仓刷新均走东财 spot（失败自动降级新浪 spot），响应字段附带 price_source（em_live / db_fallback / stale_cache）
读取降级：持仓 / 汇总接口优先返回本地模拟盘记录，实时行情超时只影响价格刷新，不阻塞历史持仓和成交记录展示
自动刷新：盘中 30s 轮询，盘后 10min 轮询；页面隐藏时暂停、回到前台自动恢复

9. K 线 + Kronos 预测（重点展示）

AI 预测与历史 K 线深度融合，一眼识别未来 3 日走势预判。

K线预测

统一展示窗口：全站 K 线（大盘/策略/公告/预测/Hermes 监控悬停）均展示最近 30 根历史 K 线 + 3 根 Kronos 预测，前端通过 _sliceMergedForDisplay 在渲染前截断；Kronos 模型推理仍使用 180 天历史作为输入，不影响预测质量
醒目预测区标识：图表右侧预测段落顶部以**黄底黑字"预测"**标签带（800 字重 + 黄色辉光）悬浮标注，远距离可辨
黄色虚线框圈定：预测区整体以 rgba(250,204,21,.14) 淡黄底色 + 0.75 alpha 虚线边框圈出，与历史 K 线段清晰分界
分界竖线：预测起点处绘制 1.5px 黄色虚线，标识"当前 / 未来"时间分割点
信息栏联动：图表标题旁实时显示「预测3日 X% · 实际 X%」，方便比对 Kronos 预判与真实走势
预测 vs 实际叠加：预测日期真实走出后，系统自动在同一根 K 线位置叠加"实际"蜡烛（legend 可切换），盘中实时偏差一目了然
多处一致：策略选股 / 公告选股 / 大盘热门股弹窗 / Hermes 监控悬停浮窗等所有图表统一使用该 UI 规范

Hermes Agent — 自进化智能体

运行模式

Hermes Agent 支持两种运行模式，自动探测并切换：

模式	条件	工作方式
Agent 模式	`HERMES_AGENT_URL` 可达	发送任务描述 → Agent 自主通过 MCP 工具调用 Alpha API → 返回 JSON 结论
降级模式	Agent 不可用	内部并行采集数据 → 单次 LLM 调用（OpenAI API）→ 解析 JSON 产出诊断与建议

无论哪种模式，都有并发限制（2）、熔断保护（连续 3 次失败冷却 1 小时）和超时控制（180s）。

定时任务

时间	任务	说明
15:30	`daily_review`	盘后复盘：分析漏斗三池变化、评分表现，输出诊断与后续建议
21:00	`notice_review`	公告复盘：审视当日公告筛选效果，输出规则观察与优化建议
盘中	智能监控	按间隔执行 LLM 市场分析，推送主线动态到前端

智能监控数据采集

每次监控 tick 通过以下方式采集市场快照：

热门概念 Top10 + 热门个股 → 板块动向
漏斗池所有个股的评分和实时行情 → 持仓视角
买入/重点池个股的 Kronos 预测（未来 3 日 OHLC）→ AI 走势预判
公告漏斗关键词和入池个股 → 事件驱动信号
K 线缓存健康状态 → 数据完备性确认

采集数据 + 系统提示词 → LLM → 结构化市场主线分析 → WebSocket 推送前端。

MCP 工具集

Alpha MCP Server（mcp_server.py）通过 stdio 协议暴露 16 个工具，确保 Agent 只能基于真实数据分析，禁止编造：

类别	工具	说明
漏斗	`get_funnel_snapshot` · `get_strategy_profile`	三池状态 + 策略参数快照
行情	`get_hot_concepts` · `get_hot_stocks` · `get_stock_detail` · `get_stock_realtime`	概念/个股/详情/实时
K 线	`get_kline` · `get_kline_sync_status` · `get_kline_cache_stats`	历史 K 线 + 数据健康
预测	`predict_kronos`	调用 Kronos 模型预测并格式化摘要
公告	`get_notice_funnel` · `get_notice_keywords` · `get_notice_detail`	公告筛选数据
执行	`get_agent_status` · `list_agent_tasks` · `trigger_notice_screen`	查询 Agent 状态 / 最近任务 / 主动触发公告筛选

记忆系统

层级	存储	内容
任务记忆	SQLite `agent_tasks`	任务生命周期：输入、输出、观测数据、工具调用记录
监控配置	SQLite `agent_monitor_config`	监控提示词、间隔、启停状态
监控消息	SQLite `agent_monitor_messages`	盘中主线消息流与推送记录

自进化闭环

   ┌────────────────────────────────────────────┐
   │                                            │
   │   ① 盘中监控 / 盘后复盘                     │
   │   (数据采集 → LLM 分析)                     │
   │          │                                  │
   │          ▼                                  │
   │   ② 发现问题 · 产出洞察                     │
   │   (主线变化/评分异常/策略失效)               │
   │          │                                  │
   │          ▼                                  │
   │   ③ 输出结构化建议                          │
   │   (参数观察 / 风险提示 / 主线复核)          │
   │          │                                  │
   │          ▼                                  │
   │   ④ 人工验证与策略迭代                      │
   │   (结合回测 / 盘中表现自行调整)             │
   │          │                                  │
   │          └──────────▶ 反馈到 ① ─────────────┘
   │
   └────────────────────────────────────────────┘

Kronos 金融预测模型

关于 Kronos

Kronos 是首个开源的金融 K 线基础模型（Foundation Model），由清华大学团队发布（论文），在全球 45 个交易所超过 120 亿条 K 线数据上预训练。它将连续的 OHLCV 金融数据视为一种"语言"，通过专用 Tokenizer 将 K 线量化为离散 token 序列，再用自回归 Transformer 学习时间序列的深层模式。

历史 K 线 ──Tokenizer──▶ 离散 token 序列 ──Transformer 自回归──▶ 未来 token ──Decoder──▶ 预测 K 线
  (OHLCV)    (量化编码)      (上下文建模)           (逐步生成)    (反量化)     (OHLC)

在 Alpha 中的全链路集成

Kronos 不是孤立的预测接口，而是深度嵌入系统每个环节：

场景	触发方式	说明
策略选股右侧面板	点击个股卡片	30 日历史 K 线 + 未来 3 日预测叠加
公告选股右侧面板	点击公告个股	事件驱动选股 + AI 走势叠加判断
大盘热门个股弹窗	点击热门个股	K 线 + Kronos 预测 + 实时行情对比
监控消息悬停浮窗	Hover 个股标签	轻量级 K 线 + 3 日预测及涨跌预判
Hermes Agent	MCP `predict_kronos`	Agent 监控 tick 时获取关注池股票的 AI 走势预判
预测 vs 实际	盘中自动叠加	预测 K 线区间叠加实时数据，直观验证准确度

预测 K 线在图表中以黄色半透明虚线框展示，与历史 K 线无缝衔接。预测区顶部有醒目的黄底黑字"预测"标签带（800 字重 + 黄色辉光），分界处绘制黄色虚线，标题栏同步显示"预测3日 X% · 实际 X%"。完整 UI 效果见界面预览 · K 线 + Kronos 预测。

集成架构

用户点击 / Hermes Agent MCP 调用 / 监控 tick 数据采集
       │
       ▼
GET /api/predict/{symbol}/kronos?lookback=30&horizon=3
       │
       ▼
KronosPredictService
  ├── asyncio.Lock 串行推理（避免 GPU 竞争）
  ├── 惰性加载模型（首次请求时从 HuggingFace 下载）
  ├── 设备自适应（CUDA → MPS → CPU）
  ├── K 线缓存读取历史 OHLCV
  ├── AkShare 交易日历推算未来交易日
  ├── Tokenizer → Transformer 自回归 → Decoder
  └── 返回 history_kline + predicted_kline + merged_kline
       │
       ▼
前端 ECharts（历史实线 + 预测黄色虚线框 + 盘中实时对比线）

模型系列

模型	参数量	上下文	HuggingFace
Kronos-mini	4.1M	2048	NeoQuasar/Kronos-mini
Kronos-small	24.7M	512	NeoQuasar/Kronos-small
Kronos-base	102.3M	512	NeoQuasar/Kronos-base
Kronos-large	499.2M	512	尚未公开

Alpha 默认使用 Kronos-base（102.3M），推理参数：T=1.0, top_p=0.9, sample_count=100。

Benchmark（Apple M4 Pro, MPS）

模型	SC=1	SC=20	SC=100
Kronos-mini (4.1M)	0.15s	0.80s	0.65s
Kronos-small (24.7M)	0.18s	0.59s	0.71s
Kronos-base (102.3M)	0.27s	0.76s	1.34s

推荐：快速预览 → mini+SC1 · 日常使用 → base+SC20 · 高精度 → base+SC100

python -m tests.benchmark_kronos  # 复现测试

策略引擎详解

策略选股入口由自适应策略中心负责，全 A 股扫描结果进入复合候选池；StrategyEngine 仅保留三池盘中评分和迁池逻辑。

盘中实时评分（满分 100）

维度	权重	说明
突破强度	35%	价格突破箱体上沿的力度
量能	25%	成交量相对昨日均额×时间进度
VWAP 之上	8%	高于成交量加权均价
收 ≥ 开	6%	阳线确认
回撤可控	6%	未深度回落
减分：高开	-8%	跳空过大，追高风险
减分：冲高回落	-6%	上影线过长
减分：近涨停	-6%	接近涨停板（≥9.2%）

迁池规则

方向	条件
候选 → 重点	评分 ≥ 60 且连续 3 分钟，或评分 ≥ 70 立即升级
重点 → 买入	评分 ≥ 78 + 量比 ≥ 1.3 + 突破 ×1.003 确认，连续 2 分钟
买入 → 重点（降级）	评分连续 5 分钟 < 65

FirstLimit Alpha

FirstLimit Alpha 是新增的后端策略模块，目标是识别 A 股短线场景下“前期震荡后第一次涨停”的标的，并在首板收盘后给出次日介入评分。

当前版本已在仓库内落地完整研发链路：

数据与标签工程：基于本地 market_kline.db 扫描首板样本，产出 连板延续、3 日强势、断板风险 三类标签
特征工程：生成 70+ 个结构化特征，覆盖价格行为、量能、K 线质量、市场情绪和交互项
baseline 训练：默认优先使用 LightGBM，自动回退到 RandomForest，输出统一 first_limit_score
时序模型升级：提供 GRU 序列训练入口，用于验证多日序列是否带来增量
回测评估：按交易日 TopK 选股回测，支持持有天数、止盈止损、手续费和滑点
FastAPI 接口：支持数据集构建、特征生成、baseline 训练、序列训练、推理和回测

模块默认预测时点为：

首板收盘后决策，次日开盘价作为回测介入价

这样可以在第一版中严格避免未来函数，并且和现有日线数据能力保持一致。

飞书卡片推送

所有飞书通知统一使用交互式卡片（msg_type=interactive），通过 app/services/feishu_notify.py 的 CardBuilder 构建，视觉风格统一简洁：色带标题 + KV 网格 + 关键正文 + 灰色备注。

场景	触发	卡片样式
预测选股 Top 10	预测选股任务完成	🟣 紫色 · 板块×股票扫描数 · Top 10 个股列表（含预测高/收 % + 板块）
周报	周五 15:30 或手动触发	🔵 靛蓝 · 标题 + 市场/系统概述 + 热门概念 + 下周关注清单 + 风险提示

K 线同步完成类消息只写入服务日志，notify_sync_complete() 在通知函数源头直接跳过，不再推送飞书，避免盘后补缺任务产生过多通知。

CardBuilder 支持 add_markdown / add_kv_grid / add_kv_inline / add_hr / add_note / add_link_button，业务代码引入后可快速自定义新卡片。

技术栈

层级	技术
后端	Python 3.11+ · FastAPI · Uvicorn · asyncio
预测模型	Kronos-base 102.3M · PyTorch · HuggingFace Hub
策略建模	FirstLimit Alpha · LightGBM · scikit-learn · GRU
智能体	Hermes Agent（CLI `hermes chat -q` / HTTP API）· MCP 协议 · OpenAI 兼容 LLM
数据源	Tushare Pro（股票主数据 / 交易日历 / 日线 / 估值 / 涨跌停 / 复权 / 资金流 / 北向 / 指数 / 分钟线）· 东财 async HTTP（实时行情与降级 K 线）· 新浪（交易日历降级）· AkShare / 同花顺（公告、概念等业务路径）
存储	SQLite × 3：`market_kline.db`（K 线与增强数据）+ `funnel_state.db`（漏斗/公告/持仓/Agent 记忆）+ `jobs.db`（长任务状态），均带 `PRAGMA user_version` 启动迁移
前端	原生 HTML/CSS/JS（无构建 classic modules）· ECharts 5 · CSP · Glassmorphism 暗色主题 · WebSocket 实时推送
通知	飞书 Webhook 交互式卡片（K 线同步 / 预测选股 / 周报）

项目结构

Alpha/
├── app/
│   ├── main.py                        # FastAPI 装配、中间件与 lifespan（领域路由已拆分）
│   ├── container.py                   # 服务容器、后台循环、健康数据与 WAL checkpoint
│   ├── dependencies.py                # FastAPI 依赖注入入口
│   ├── logging_config.py              # 结构化文本/JSON 日志与 request ID
│   ├── config.py                      # StrategyConfig 盘中评分/迁池参数（19 项）
│   ├── models.py                      # Pydantic 请求/响应与写接口边界
│   ├── mcp_server.py                  # Alpha MCP Server（16 个工具 → Hermes Agent）
│   ├── routers/
│   │   ├── market.py                  # 漏斗、热点概念/个股、个股详情、实时行情
│   │   ├── predict.py                 # Kronos 预测、预测选股、热门股票 AI
│   │   ├── strategy.py                # 规则目录、自定义策略、扫描、回测
│   │   ├── notice.py                  # 公告漏斗、关键词、筛选与迁池
│   │   ├── agent.py                   # Hermes Agent、监控配置/消息/触发
│   │   ├── paper.py                   # 模拟盘买卖、持仓、汇总、费用设置
│   │   ├── system.py                  # /api/health、/api/metrics
│   │   ├── jobs.py                    # 通用任务提交/列表/状态查询
│   │   ├── realtime_ws.py             # /ws/realtime WebSocket
│   │   ├── kline.py                   # K 线缓存、增强数据、同步与分钟线循环
│   │   └── first_limit_alpha.py       # FirstLimit Alpha API 路由
│   └── services/
│       ├── first_limit_alpha_service.py # FirstLimit Alpha 服务编排（数据/特征/训练/推理/回测）
│       ├── kronos_predict_service.py  # Kronos 预测（惰性加载·TTL/LRU 缓存·可配置采样·专用推理池）
│       ├── kronos_model/              # Kronos 模型实现（Tokenizer + Transformer）
│       ├── hermes_runtime.py          # Agent 调度（双模式·熔断·定时任务·监控tick）
│       ├── hermes_memory.py           # Agent SQLite 持久化（任务/监控）
│       ├── funnel_service.py          # 三池漏斗核心（状态管理·tick·迁池）
│       ├── predict_funnel_service.py  # 预测选股（概念板块×Kronos；东财重试+同花顺降级）
│       ├── hot_stock_ai_service.py    # 热门股智能分析（Top20·基础评分·TradingAgents讨论·三池拆分·K线新鲜度校验/降级分层）
│       ├── trading_day_utils.py       # ★ 交易日窗口计算（K线新鲜度判定；日历缺失回退工作日近似）
│       ├── pool_transition.py         # ★ 策略池/公告池共享手动迁池层级校验（逐级晋升·统一4xx文案）
│       ├── tradingagents_adapter.py   # TradingAgents 适配层（A股代码映射 / 讨论结果抽取）
│       ├── strategy_engine.py         # 三池盘中实时评分 + 迁池规则
│       ├── strategy_rules.py          # ★ 自定义策略：12 条原子规则（注册表 + 参数 schema + 评估器）
│       ├── custom_strategy.py         # ★ 自定义策略数据模型 + 3 条内置预设 + CustomStrategyScanner
│       ├── backtest_lab.py            # 自定义策略历史回测
│       ├── quiet_breakout_scanner.py  # 缩量启动扫描（兼容保留，供 legacy API / Hermes 工具复用）
│       ├── concept_engine.py          # 概念热度评分 + 个股板块映射
│       ├── notice_service.py          # 公告抓取 + 规则/LLM 双引擎打分
│       ├── paper_trading.py           # 模拟盘（买入/卖出/持仓/费用计算）
│       ├── kline_cache_service.py     # K 线并发同步调度 + 日频增强/买入池分钟线
│       ├── kline_store.py             # K 线 + 增强数据 SQLite 存储
│       ├── market_data_client.py      # 东财/新浪 async HTTP 客户端（硬超时·有限重试）
│       ├── tushare_market_data_client.py # Tushare 主源 + 显式东财/新浪降级与格式规范化
│       ├── data_provider.py           # 多数据源适配（同花顺/新浪/AkShare）
│       ├── blocking_io.py             # 外部阻塞调用统一超时、熔断、独立线程池与降级计数
│       ├── job_store.py               # 通用任务 SQLite 持久化（data/jobs.db）
│       ├── jobs.py                    # 任务提交、去重、进度、超时与重启恢复
│       ├── observability.py           # 请求/任务/外部降级内存指标
│       ├── error_response.py          # 5xx 通用消息 + error_id，异常细节仅写日志
│       ├── deployment_guard.py        # TRUST_EDGE / 端口暴露面 / 写令牌启动校验
│       ├── sqlite_migrations.py       # SQLite user_version 启动迁移
│       ├── paths.py                   # 项目绝对数据/日志路径（ALPHA_DATA_DIR 可覆盖）
│       ├── realtime.py                # WebSocket 广播（snapshot + monitor_update）
│       ├── time_utils.py              # 交易日/时段/CST aware 时间工具
│       └── feishu_notify.py           # 飞书 Webhook（交互式卡片 + CardBuilder 构建器）
├── app/static/
│   ├── index.html                     # 8 Tab 单页应用（CSP + 模块化脚本）
│   ├── app.js                         # 启动入口（实际渲染逻辑拆分至 js/）
│   ├── js/                            # security/core/api/polling/render 等 22 个前端模块
│   └── styles.css                     # Glassmorphism 暗色主题
├── docs/screenshots/                  # 界面截图
├── tests/
│   ├── e2e/                           # Playwright：UI、前端模块与安全回归
│   └── benchmark_kronos.py            # Kronos 性能 benchmark
├── data/                              # SQLite 数据库（运行时生成，Git 忽略）
├── legacy/daban/                      # 旧版打板脚本归档（不参与运行）
├── strategy/
│   └── first_limit_alpha/
│       ├── README.md                  # 首板介入连板预测模块设计文档
│       └── AI_PROMPTS.md              # 可直接交给 AI 的分阶段实施提示词
│       ├── data_builder.py            # 首板样本扫描 + 标准化训练样本集
│       ├── labeling.py                # 连板延续 / 3日强势 / 断板风险标签
│       ├── features.py                # 结构化特征工程（70+ 特征）
│       ├── modeling.py                # baseline 训练、时间切分、评分融合
│       ├── backtest.py                # TopK 回测 + 风控规则
│       ├── inference.py               # 模型加载与在线打分
│       ├── sequence_dataset.py        # 时序样本构建
│       ├── sequence_model.py          # GRU 时序模型
│       └── train_sequence.py          # 时序训练入口
├── deploy/deploy.sh                   # 服务器端 Docker Compose 构建、启动与健康检查
├── .github/workflows/                 # tests / model-tests / e2e / deploy
├── pyproject.toml                     # ruff / mypy / pytest / coverage 配置
├── logs/                              # 日志文件
├── start.sh / stop.sh / restart.sh    # 本地开发服务管理（线上以 CI 部署为准）
├── Dockerfile                         # 非 root 容器镜像（entrypoint + gosu）
├── docker-compose.yml                 # 一键部署（env_file + data/logs volume + healthcheck）
├── .dockerignore                      # 镜像构建排除（.git/data/logs/tests 等）
└── requirements.txt                   # 分档依赖（基础/Kronos/MCP/训练）

快速开始

安装依赖

# 完整安装：基础 API / 数据源 + Kronos + MCP + 训练后端
pip3 install -r requirements.txt

也可以按部署角色选择更小的依赖档位：

安装档位	命令	用途
基础运行	`pip3 install -r requirements-base.txt`	FastAPI、行情数据、策略与本地缓存；Kronos / MCP 保持惰性可选
Kronos	`pip3 install -r requirements-base.txt -r requirements-kronos.txt`	增加 Torch、Hugging Face 与 Kronos 推理能力
MCP	`pip3 install -r requirements-base.txt -r requirements-mcp.txt`	增加独立 MCP Server
策略训练	`pip3 install -r requirements-base.txt -r requirements-training.txt`	增加 FirstLimit Alpha 首选的 LightGBM 训练后端；未安装时自动使用 RandomForest
完整功能	`pip3 install -r requirements.txt`	安装上述全部能力

CI 使用 requirements-ci.txt 执行基础单元/API 回归；只有模型代码或模型依赖变化时，才运行独立的 Kronos 导入与 Torch 序列训练测试。模型权重仍在第一次真实预测时按需下载，不进入仓库或 CI 缓存。

启动服务

./start.sh          # 后台启动

打开浏览器访问 http://127.0.0.1:18890。默认端口为 18890，可通过 PORT=xxxx ./start.sh 覆盖；如果端口被不可用的旧进程占用，start.sh 会直接失败并提示先释放端口。

Docker 部署（推荐新手）

cp .env.example .env    # 按需填入 Token / LLM 配置（可全部留空先跑起来）
docker compose up -d    # 构建并后台启动（CPU 版 Torch，无需 GPU）
docker compose logs -f  # 查看启动日志

访问 http://127.0.0.1:18888。默认端口映射仅绑定本机回环地址；Kronos 权重首次预测时自动下载到 alpha_hf_cache 卷。

数据卷说明：数据库存放在 alpha_data 命名卷（VM 内 ext4）——macOS 上 SQLite 放 VirtioFS bind mount 会在容器异常退出或宿主机并发访问时页级损坏（实测两次）。宿主机取数据用 docker compose cp alpha:/app/data/xxx.db .；禁止在容器运行时从宿主机直接读写卷内 DB 文件。从裸金属迁移时用 SQLite backup API 复制（sqlite3.connect(src).backup(dst)），不要用 cp 直接拷贝挂载中的文件。

自动备份：每天 20 点后自动对 funnel_state.db、market_kline.db 做 SQLite backup API 热备到 <ALPHA_DATA_DIR>/backups/（默认项目 data/backups/），每库保留最近 7 份；路径基于项目根目录解析，不依赖启动 cwd。容器健康检查使用 /api/health，会同时检查 SQLite、后台循环、Kronos 和最近数据日期。

零配置体验矩阵

不配置任何 Token / API Key 也能完整跑通核心链路：

配置状态	可用功能	不可用
全空	三池漏斗选股、K线缓存同步、数据中心、模拟盘、Web UI	LLM 公告打分、Hermes 复盘与监控、Tushare 兜底源
+ Ollama（本地免费）	公告 LLM 打分、Hermes 复盘/监控（降级模式）	—
+ Tushare Token	日线主源 + 日频增强、资金流、北向、基准指数、买入池分钟线	—
+ Kronos（首次预测自动下载权重）	预测选股、单股 K 线预测	—

首次使用建议：打开「数据中心」Tab，空库时会出现一键初始化引导卡；初始化完成前，「策略选股」「预测选股」页会显示去初始化的引导横幅。

环境变量

建议先复制示例文件：cp .env.example .env。.env 已被 Git 忽略，真实 Token 不应写入 README、Issue、日志或提交历史。

变量	默认值	说明
`PORT`	`18890`	服务端口，可通过环境变量覆盖
`HOST`	`127.0.0.1`	监听地址；如需局域网访问改为 `0.0.0.0` 并阅读下方「安全提示」。Docker 内固定 `0.0.0.0`，暴露面由 compose 端口映射控制
`RELOAD`	`0`	热重载（开发模式设为 `1`）
`ALPHA_WRITE_TOKEN`	—	写操作令牌。配置后所有 POST/PUT/DELETE 需携带 `X-Alpha-Token` 头（MCP Server 会自动读取同一变量附加请求头）；留空时写操作仅允许本机回环来源
`ENABLE_TUSHARE`	`false`（示例文件默认）	是否启用 Tushare（日线主源与增强数据）；不配置时系统通过东财 / 新浪完整运行
`TUSHARE_TOKEN`	—	Tushare Pro Token；留空时日线走东财，增强数据同步自动跳过
`ENABLE_LIVE_MARKET_DATA`	`true`	是否允许实时外部行情请求；CI / 离线环境设为 `false` 时快速使用本地缓存
`PYTHON_BIN`	自动探测 arm64 Python	启动服务使用的 Python 可执行文件，必须是 arm64 Python 3.11+；默认优先 `$HOME/arm-python/python/bin/python3.11`、`/opt/homebrew/bin/python3.11`
`OPENAI_API_KEY`	—	启用 LLM 打分 + 智能监控 + Agent 降级模式
`OPENAI_BASE_URL`	—	自定义 LLM API 端点
`HERMES_MODEL`	—	LLM 模型名称
`HERMES_AGENT_URL`	`http://127.0.0.1:8642/v1`	Hermes Agent HTTP 端点
`FEISHU_WEBHOOK_URL`	—	飞书群通知 Webhook
`FEISHU_APP_ID`	—	飞书图片上传应用 ID，仅通过环境变量配置
`FEISHU_APP_SECRET`	—	飞书图片上传应用密钥，仅通过环境变量配置，禁止提交到 Git
`ALPHA_CORS_ORIGINS`	本机 18888/18890	CORS 允许来源白名单（逗号分隔）
`ALPHA_EDGE_EXPOSURE`	`loopback`	部署暴露面：`loopback` 仅宿主机回环发布；`public` 表示局域网/公网可达，必须同时配置 `ALPHA_WRITE_TOKEN`，未知值按 public fail-closed
`ALPHA_DATA_DIR`	`<项目根>/data`	SQLite 与备份数据目录；服务器/Docker 可显式绝对化，避免 cwd 漂移
`ALPHA_LOG_DIR`	`<项目根>/logs`	日志目录
`ALPHA_LOG_LEVEL`	`INFO`	结构化日志级别
`ALPHA_LOG_FORMAT`	`text`	`text` 或 `json`；JSON 包含 request_id、task、symbol、duration_ms
`ALPHA_EXTERNAL_TIMEOUT_SECONDS`	`12`	AkShare/Tushare 等外部阻塞调用默认超时；实时快照上限 8s
`ALPHA_EXTERNAL_MAX_WORKERS`	`8`	外部数据源专用有界线程池 worker 数
`ALPHA_EXTERNAL_BREAKER_THRESHOLD`	`3`	连续失败达到阈值后打开对应数据源熔断
`ALPHA_EXTERNAL_BREAKER_COOLDOWN_SECONDS`	`60`	熔断冷却时间
`KRONOS_SAMPLE_COUNT`	CPU 50 / GPU 100	Kronos 推理采样次数；CPU 环境可下调以降低延迟
`KRONOS_CACHE_TTL_SECONDS`	`900`	Kronos 预测结果缓存有效期
`KRONOS_CACHE_MAX_ENTRIES`	`128`	Kronos 预测结果 LRU 最大条目数

安全提示

默认仅本机可用：裸机启动监听 127.0.0.1；Docker compose 默认端口映射只绑定 127.0.0.1:18888，并显式声明 ALPHA_EDGE_EXPOSURE=loopback。
写操作防护：未配置 ALPHA_WRITE_TOKEN 时，所有写请求（POST/PUT/DELETE）仅接受本机回环来源，局域网/外网返回 403。远程写入需在 .env 配置令牌并让请求携带 X-Alpha-Token: <token> 头；令牌比较使用 hmac.compare_digest，避免非常量时间侧信道。
Docker 暴露边界：ALPHA_TRUST_EDGE=1 只信任宿主机端口绑定。若改为 18888:18888 对局域网/公网开放，必须同时设置 ALPHA_EDGE_EXPOSURE=public 和 ALPHA_WRITE_TOKEN；缺少令牌会在启动期由 deployment_guard fail-fast，不再静默开放写接口。
容器非 root：Dockerfile 创建 uid/gid 10001 的 alpha 用户；root entrypoint 仅修复命名卷/日志目录权限，随后通过 gosu 降权运行 uvicorn。默认部署不要添加 compose user:，否则会绕过权限修复。
外部输入与 CSP：公告标题/类型/理由/风险、板块名、个股名及 LLM 输出均按不可信输入转义，外链只允许 http(s)；javascript: 等伪协议降级为文本。两个页面均声明 CSP，内联脚本被阻断；MCP 工具对股票代码强制 6 位数字校验。
错误信息脱敏：5xx 返回通用 detail 与可检索 error_id，原始异常和堆栈只进入服务端日志，避免内部路径/依赖细节泄露。
超时与降级：AkShare/Tushare 等外部阻塞调用统一走有界线程池和超时/熔断；上游卡死时 API 会降级本地 SQLite 或返回可识别的 degraded 结果，不再占满默认执行器。
如需将服务暴露到局域网或公网，请务必配置 ALPHA_WRITE_TOKEN，并建议前置反向代理加 TLS、访问控制与速率限制。

服务管理

./start.sh      # 启动（后台运行）
./stop.sh       # 停止
./restart.sh    # 重启：先请求应用释放数据库资源并执行 SQLite checkpoint，再停止并启动默认 18890

日志文件：默认 logs/server-18890.log，随 PORT 变化。

行情缓存维护

同步数据保护语义（重要）：

盘中不写当日K线：目标交易日未收盘定型（上海时间 < 15:05）时，增量/全量同步会跳过当日，避免把未完成行情经 (symbol, trade_date) 唯一键永久固化；盘后调度（15:20）自动补上。
比例封账：补缺完成度 ≥ 90% 才写入 last_success_trade_date（封账）；未达标记为 partial 状态且不封账，次日自动补缺可自愈。同日重试有 30 分钟冷却节流。
报告自动重检：任何封账成功的同步完成后，服务自动重跑 30 天完整性检查；数据中心对"早于最近同步"的过期报告只显示琥珀色提示，不会拿旧数字误报"严重缺失"。
历史深度：全量同步 window_days 上限 1095 自然日（约 3 年）；一键初始化默认 120 天保证快速冷启动，需要更深历史时手动传大窗口即可。
历史解析缺陷或错误补数可能污染 data/market_kline.db。维护命令默认只做只读预检；只有显式传入 --apply 才会先通过 SQLite backup API 创建并验证完整备份，再用单一事务清理早于 2000 年或无法解析的交易日期及其关联同步状态。

# 1. 只读预检，不改数据库
python3 scripts/repair_market_cache.py

# 2. 停服并完成 WAL checkpoint 后执行；备份默认写入 data/backups/
python3 scripts/repair_market_cache.py --apply

# 3. 重复 dry-run，确认 total_affected_rows 为 0 且 integrity_check 为 ok
python3 scripts/repair_market_cache.py

恢复时先停服并保留当前损坏文件，再将输出中的 backup_path 复制回 data/market_kline.db，执行 sqlite3 data/market_kline.db 'PRAGMA integrity_check;'，确认输出 ok 后再启动服务。data/ 已被 Git 忽略，数据库、备份和 Token 均不得提交。

API 接口

大盘行情

方法	路径	说明
GET	`/api/market/hot-concepts`	热门概念 Top10
GET	`/api/market/hot-stocks`	热门个股 Top30（含当日涨幅与 10 日累计涨幅）
GET	`/api/stock/{symbol}/realtime`	盘中实时行情
GET	`/api/strategy/profile`	策略配置快照

策略选股

方法	路径	说明
GET	`/api/funnel`	漏斗三池状态；`trade_date` 只读，历史日期返回空快照且不会重置当前池
POST	`/api/pool/move`	股票迁池（手动覆盖自动推荐）；与公告迁池共享层级校验：逐级晋升（候选→重点→买入）、跨级/非法迁移返回 400
POST	`/api/score/recompute`	重算评分（满足阈值时自动升/降池）
GET	`/api/stock/{symbol}/detail`	个股详情（含 K 线）；历史日期不匹配当前池时返回 404
GET	`/api/strategy/rules`	原子规则目录（12 条，含参数 schema）
GET	`/api/strategy/custom`	自定义策略列表（3 条内置 + 用户创建）
GET	`/api/strategy/custom/{id}`	单条策略详情（含规则引用）
POST	`/api/strategy/custom`	新建 / 更新自定义策略（body 带 `id`/`name`/`description`/`rules`）
DELETE	`/api/strategy/custom/{id}`	删除策略（内置策略返回 403）
POST	`/api/strategy/custom/{id}/default`	将策略设为默认
GET	`/api/strategy/custom/{id}/scan`	读取最近一次扫描快照（重启后从 SQLite 恢复，含 `stale` / `latest_data_date`）
POST	`/api/strategy/custom/{id}/scan`	提交全 A 股扫描任务（默认 202 + `job_id`；`?sync=true` 保留旧同步响应）
POST	`/api/strategy/custom/{id}/backtest`	提交自定义策略回测任务（默认 202 + `job_id`；`?sync=true` 保留旧同步响应）
GET	`/api/strategy/hot-stock-ai`	热门股票智能分析快照（Top20 基础评分 + TradingAgents 讨论增强 + 三池结果）
POST	`/api/strategy/hot-stock-ai/run`	手动触发热门股票智能分析
POST	`/api/strategy/hot-stock-ai/pool/move`	手动迁移热门智能三池个股（复用 `symbol` / `target_pool` 请求结构）
GET	`/api/strategy/hot-stock-ai/config`	读取热门股票智能分析配置（含 TradingAgents 开关 / TopN / 超时 / 模型）
POST	`/api/strategy/hot-stock-ai/config`	更新热门股票智能分析配置（含 TradingAgents 开关 / TopN / 超时 / 模型）
GET	`/api/strategy/quiet-breakout`	（兼容保留）缩量启动最近一次扫描快照
POST	`/api/strategy/quiet-breakout/scan`	（兼容保留）触发全 A 股缩量启动扫描（参数：`lookback_days`/`amp_threshold`/`vol_cv_threshold`/`vol_spike_ratio`/`require_limit_up`）

FirstLimit Alpha

方法	路径	说明
GET	`/api/strategy/first-limit-alpha/status`	查看最新数据集 / 特征 / 模型产物状态
POST	`/api/strategy/first-limit-alpha/dataset/build`	构建首板样本数据集（支持 `start_date` / `end_date`）
POST	`/api/strategy/first-limit-alpha/features/build`	基于最新样本集生成特征文件
POST	`/api/strategy/first-limit-alpha/train/baseline`	训练 baseline 模型并输出 `first_limit_score`
POST	`/api/strategy/first-limit-alpha/train/sequence`	训练 GRU 时序模型并输出对比结果
POST	`/api/strategy/first-limit-alpha/inference/run`	对最新或指定交易日样本执行模型打分
POST	`/api/strategy/first-limit-alpha/backtest`	基于最近一次 baseline 结果执行 TopK 回测

公告选股

方法	路径	说明
GET	`/api/notice/funnel`	公告漏斗状态
GET	`/api/notice/keywords`	关键词规则列表
POST	`/api/jobs/notice-screen`	公告筛选（支持 `keywords` 过滤）
POST	`/api/notice/pool/move`	公告迁池（与 `/api/pool/move` 同一层级校验、容量口径与 4xx 文案）
GET	`/api/notice/{symbol}/detail`	公告个股详情

Kronos 预测

方法	路径	说明
GET	`/api/predict/kronos/status`	Kronos 模型加载状态（`loaded` / `loading`，前端徽标数据源）
GET	`/api/predict/{symbol}/kronos`	K 线预测（`lookback`=30, `horizon`=3）
GET	`/api/predict-funnel`	预测选股快照（概念板块→成分股→Kronos；东财接口带重试，仍失败时降级同花顺概念名，见 `meta.concept_board_source`：`em` / `ths_names`）
POST	`/api/predict-funnel/trigger`	手动触发预测选股任务
GET	`/api/predict-funnel/config`	读取预测选股配置
POST	`/api/predict-funnel/config`	更新预测选股配置

K 线缓存

方法	路径	说明
GET	`/api/kline/{symbol}`	个股 K 线（`days`=30）
GET	`/api/kline/{symbol}/extras`	日频增强：估值、换手、量比、市值、涨跌停价、复权因子
GET	`/api/kline/{symbol}/moneyflow`	个股资金流（小/中/大/超大单与净流入）
GET	`/api/kline/{symbol}/minute`	买入池分钟线（`trade_date`、`limit`）
GET	`/api/market/capital-flow`	北向资金（沪股通/深股通/北向/南向）
GET	`/api/market/index-daily`	基准指数日线（`ts_code` 默认 `000001.SH`）
POST	`/api/jobs/kline-cache/enrichment-sync`	手动触发增强数据同步（指定 `trade_date`，同步返回各数据集结果）
GET	`/api/jobs/kline-cache/enrichment-status`	增强数据覆盖状态（最新日期/行数/状态）
POST	`/api/jobs/kline-cache/sync`	提交全量补缺后台任务（202 Accepted）
POST	`/api/jobs/kline-cache/incremental-sync`	提交增量同步后台任务（202 Accepted）
POST	`/api/jobs/kline-cache/batch-incremental-sync`	按日期范围批量提交增量同步后台任务（202 Accepted）
POST	`/api/jobs/kline-cache/initialize`	冷启动一键初始化：回补全市场近 `window_days`（默认120，30~1095，上限约3年）个自然日K线，返回 `already_initialized` 标志（202 Accepted）
POST	`/api/jobs/kline-cache/check`	完整性检查
GET	`/api/jobs/kline-cache/stats`	数据库统计
GET	`/api/jobs/kline-cache/status`	同步状态
GET	`/api/jobs/kline-cache/data-source`	数据源配置、主/降级关系与最近一次实际来源
GET	`/api/jobs/kline-cache/progress`	同步进度
GET	`/api/jobs/kline-cache/report`	完整性报告
GET	`/api/jobs/kline-cache/logs`	同步日志（分页）

智能监控（Hermes Agent）

方法	路径	说明
GET	`/api/agent/status`	Agent 运行状态
POST	`/api/agent/run`	提交 Agent 任务（daily_review / notice_review / full_diagnosis；默认 202 + `job_id`，`?sync=true` 兼容旧响应）
GET	`/api/agent/tasks`	最近任务列表
GET/POST	`/api/agent/monitor/config`	监控配置读写
GET	`/api/agent/monitor/messages`	监控消息流
POST	`/api/agent/monitor/trigger`	手动触发监控 tick
POST	`/api/agent/monitor/stop`	停止监控

模拟盘

方法	路径	说明
POST	`/api/paper/buy`	模拟买入
POST	`/api/paper/sell`	模拟卖出
GET	`/api/paper/positions`	当前持仓
GET	`/api/paper/history`	平仓历史
GET	`/api/paper/summary`	盈亏汇总
GET	`/api/paper/trades`	成交记录
GET/POST	`/api/paper/settings`	费用设置（请求模型校验费率、佣金、滑点边界）

通用任务与健康检查

方法	路径	说明
GET	`/api/jobs`	最近任务列表（`kind`、`limit`）
GET	`/api/jobs/{job_id}`	任务状态/进度/结果；重启后运行中任务标记 interrupted
GET	`/api/health`	SQLite、7 个后台循环、Kronos、K 线新鲜度、任务队列；ok/degraded 返回 200，核心依赖故障返回 503
GET	`/api/metrics`	请求、外部超时/降级、任务失败与 Kronos 缓存命中计数

实时推送

方法	路径	事件类型	说明
WS	`/ws/realtime`	`snapshot`	漏斗三池 + 热门概念 + 热门个股
		`monitor_update`	智能监控消息推送

自动化测试

项目自动化分为后端回归、前端 E2E 和质量门禁三层：

1. 后端回归（pytest + httpx）

tests/test_api_regression.py：84 个端点/契约用例，覆盖静态页面、行情、策略、Kronos、K 线增强、公告、Agent、模拟盘、任务 API、已移除接口和性能巡检。
其余单元测试：覆盖 SQLite 迁移、部署安全、外部调用超时/熔断、任务生命周期、参数校验、健康检查、前端模块结构、Kronos 缓存与策略规则。
当前集成验证：329 个非 API 用例通过，API 回归 84/84 通过。

启动本地 API 后运行：

ENABLE_TUSHARE=false ENABLE_LIVE_MARKET_DATA=false \
  python3 -m uvicorn app.main:app --host 127.0.0.1 --port 18890 &
ALPHA_TEST_BASE_URL=http://127.0.0.1:18890 python3 -m pytest -q

2. 前端 E2E（Playwright）

tests/e2e 共 26 个用例，覆盖：

8 个 sidebar tab 切换、核心数据渲染和全站关键 JS 错误巡检
存储型 XSS 回归：恶意公告标题/板块名/个股名不创建可执行节点，javascript: 链接不生成可点击 href
CSP 实际阻断内联脚本
前端模块完整性、统一轮询调度器、WebSocket 页面稳定性
requestJob() 对 202 + /api/jobs/{id}、409 现有 job_id 和旧版同步响应的兼容
自定义策略区块尺寸、命中卡片不触发页面跳转、数据中心任务表格布局

cd tests/e2e
npm ci                         # 首次
npx playwright install chromium # 首次
ALPHA_TEST_BASE_URL=http://127.0.0.1:18890 npx playwright test

3. CI 质量门禁

ruff check：全库 lint。
ruff format --check：迁移、部署、Kronos、SQLite 等已规范化模块。
mypy：models/config 与新增迁移/部署/存储/预测模块的 scoped 类型门禁。
pytest --cov=app --cov-fail-under=45：当前基线约 48%，覆盖率 XML 作为 artifact 上传。
E2E workflow：每日定时 + workflow_dispatch，带 run-e2e label 的 PR 可手动触发。
依赖：requirements*.txt 直接依赖精确 pin，CI 执行 pip check，Dependabot 覆盖 pip/npm/Actions。

4. 一键运行

./tests/run_all_tests.sh

自动检查后端在线 → 跑 API 回归 → 跑 E2E → 汇总报告（输出到 tests/test_report.txt，已 gitignore）。

License

本项目采用 MIT License 开源许可。

贡献指南：CONTRIBUTING.md
安全报告：SECURITY.md
版本发布与维护记录：GitHub Releases · CHANGELOG.md

Maintainers

Primary maintainer: @Shadowell (Jie Feng)

打板 / 短线 Alpha 研究层

数据底座（Tushare Pro，权限启动探测 + 无权限自动降级，失败隔离不影响主 K 线同步）：

数据集	表	只读 API
涨停 / 跌停 / 炸板（封单额、首末封板时间、开板次数、连板数）	`limit_board_daily`	`GET /api/data/limit-board/{trade_date}`
连板天梯与晋级	`limit_ladder_daily`	`GET /api/data/limit-board/status`
龙虎榜与营业部席位	`dragon_tiger_daily`、`dragon_tiger_seat_daily`	`GET /api/data/dragon-tiger/{trade_date}`
游资席位名录	`hot_money_seat`	`GET /api/data/tushare-capabilities`（能力矩阵，含未探测说明）

计算层（离线研究，全部 Point-in-Time、缺数显式 None + missing_flags，禁止填 0 当信号）：

strategy/first_limit_alpha/label_engine.py：T 日涨停排队 / T+1 竞价两种入场场景的多 horizon 标签，含晋级、炸板、断板、大面与可成交性。
strategy/first_limit_alpha/microstructure_features.py：封板强度、板型、股性共 46 个因子（108 列），代理口径带 *_is_proxy。
app/services/sentiment_factors.py + app/services/market_regime.py：市场情绪分与六阶段 regime（冰点/修复/发酵/高潮/分歧/退潮），盘中估算以 intraday_ 前缀结构性隔离。
app/services/limit_up_backtest.py：可成交性回测（一字买不到、涨停排队、跌停顺延、动态滑点、5% 参与率容量上限），strict / loose 双口径。
app/services/alt_sentiment/：互动易与全市场关注度另类情绪因子，总开关 ALPHA_ALT_SENTIMENT_ENABLED 默认关闭。
strategy/model_validation/：基线 vs 候选模型的 walk-forward + embargo 增量验证脚手架，样本外无增量自动判「不保留」。

依赖关系：另类情绪与模型验证为独立包，尚未接入容器与前端；接入需在 app/container.py 装配并新增路由，data/alt_sentiment.db 已纳入 lifespan checkpoint 清单。

Alpha alternatives

View more →

Similar mcp servers in Finance & Trading, ranked by GitHub stars. Compare licence, recent activity and scan status before you choose.

Name	Stars	Licence	Last updated	Scan
Alpha (this page) Shadowell	33	MIT	Oct 26, 2026	Scanned, no flagged issues
QuantDinger OpenByteInc	13k	Apache-2.0	Nov 1, 2026	Scanned, no flagged issues
FinanceToolkit JerBouma	5.5k	MIT	Nov 1, 2026	Scanned, no flagged issues
Tradingview MCP atilaahmettaner	5.2k	MIT	Oct 29, 2026	Scanned, no flagged issues
Aktools akfamily	1.5k	MIT	Nov 1, 2026	Scanned, no flagged issues
Tradememory Protocol mnemox-ai	1.4k	MIT	Oct 23, 2026	Scanned, no flagged issues