DeepPulse

A 股短线交易 AI 分析师 — 用自然语言对话完成技术分析、行情监控和策略回测。

功能一览

能力	说明
自然语言交互	中文提问，Agent 自动调度 59 个工具完成分析
技术指标	MA / MACD / RSI / KDJ / 布林带 / ATR / OBV，自动判断金叉死叉
K 线形态	十字星、锤子线、吞没、早晨之星等经典形态自动识别
多周期共振	1/5/15/30/60 分钟 + 周线，日线定方向、60 分钟找买点、15 分钟精确入场
市场情绪	涨停/跌停/炸板统计、连板高度、情绪五档评级
板块与资金	行业板块排行、主力资金流向、龙虎榜、北向资金
股票筛选	按 MA/RSI/MACD/成交量等条件从全市场筛选
财经新闻	百度/东方财富/新浪多源聚合
实时行情	新浪 + 东方财富双源冗余，三态熔断器自动故障切换
策略回测	胜率、盈亏比、最大回撤、夏普比率
K 线图	带均线/MACD 叠加的专业 K 线图，浏览器自动打开
短线战法库	40 个内置战法，Agent 根据技术面自动匹配
自选股 & 告警	分组管理、目标价止损价、价格/放量/RSI 告警
交易日志	记录买卖、自动更新持仓、生成周/月复盘报告
长期记忆	跨会话记住分析结论、用户偏好、教学纠错，向量语义搜索 + BM25 双模式
学习能力	自动检测用户纠错/教学，保存为结构化知识并在后续分析中应用
预测跟踪	保存预测并自动验证结果，从对错中持续学习

核心技术

ReAct 推理引擎

DeepPulse 基于 ReAct（Reasoning + Acting）范式构建。LLM 在每一轮对话中自主完成「思考 → 选择工具 → 执行 → 观察结果 → 继续推理」的循环，直到得出分析结论。整个过程对用户透明——你可以看到 Agent 为什么调用某个工具、得到了什么数据、如何一步步推导出结论。

用户: 贵州茅台短线怎么样

→ 思考: 需要先更新数据，再看技术面和资金面
→ 调用: update_stock("600519")        → K线已更新至最新
→ 调用: realtime_price("600519")      → 当前价 1856.00
→ 调用: calc_technical("600519")      → RSI=32 超卖区, MACD金叉
→ 调用: recognize_kline_patterns(...)  → 锤子线(看涨)
→ 调用: stock_fund_flow("600519")     → 近3日主力净流入
→ 调用: search_strategy("超卖反弹")   → 匹配: 超跌低吸战法
→ 输出: 综合分析结论 + 操作建议

内置 59 个工具，覆盖数据采集、技术分析、市场情绪、新闻搜索、选股筛选、回测验证、记忆管理等全链路，Agent 根据问题自动编排调用顺序。

动态推理链

DeepPulse 不是用固定模板回答问题。它会先判断当前市场状态（高潮期/发酵期/启动期/低迷期/冰点期），然后动态调整分析策略：

市场状态	风险等级	分析重点	推荐战法
高潮期	高	高位风险、获利了结、仓位控制	空仓战法、龙头首阴、分歧转一致
发酵期	中	龙头确认、板块持续性、跟风筛选	龙头战法、二板接力、板块首板
启动期	中低	新题材识别、首板打板、低位布局	低位首板、题材首板、5日线低吸
低迷期	低	超跌反弹、情绪冰点、左侧布局	超跌低吸、反核战法、翘板
冰点期	极低	极端超跌、情绪修复、等待转机	空仓观望、超跌低吸

每种状态下，Agent 的分析权重、风险提示风格、推荐策略都会自动调整。

长期记忆系统

DeepPulse 拥有跨会话的长期记忆能力，包含 6 个子模块协同工作：

语义搜索 — 三级回退机制：

向量语义搜索（sentence-transformers，768 维本地模型）— 理解语义相似性，即使措辞不同也能找到相关记忆
BM25 关键词搜索 — 无 embedding 时的回退方案，比 LIKE 匹配准确率提升 50%+
关键词回退 — 兜底方案

智能上下文注入 — 每次对话开始时，系统按预算比例自动组装上下文注入 LLM：

┌─────────────────────────────────────────────────┐
│           上下文预算分配 (默认 4000 字)            │
├──────────────┬──────────────────────────────────┤
│ 30% 相关记忆 │ 与当前问题最相关的历史记忆          │
│ 25% 学习记忆 │ 用户教学/纠错（最宝贵的知识）       │
│ 20% 用户画像 │ 交易风格、风险偏好、止损习惯        │
│ 15% 会话摘要 │ 最近几次对话的摘要                  │
│ 10% 预测结果 │ 高置信度的历史预测验证              │
└──────────────┴──────────────────────────────────┘

记忆衰减与整合 — 低重要度且长期未访问的记忆按指数半衰期自动遗忘；会话结束时 LLM 语义合并相似记忆，避免信息冗余。

预测跟踪 — Agent 给出分析结论时自动保存预测，下次分析同只股票时自动验证。正确的预测提升关联记忆权重，错误的预测生成教训记忆。

用户画像 — 从对话中自动提取交易风格（低吸/追高/打板）、风险偏好（稳健/激进）、止损习惯、关注板块，个性化调整分析建议。

知识图谱 — 结构化存储指标、策略、规则之间的关系（触发、支持、矛盾），分析时自动查询关联实体辅助推理。

数据源韧性保护

DeepPulse 对数据源的稳定性做了全面加固：

历史数据源（BaoStock / AkShare）：

健康检查式连接管理 — BaoStock 每次调用前探活，session 断开自动重连，不再出现"僵死连接"问题
统一指数退避重试 — 所有数据源共享 RetryPolicy，指数退避 + 随机抖动防止惊群效应
周期性重连 — 全量采集每 150 只股票主动重连一次，防止长时间运行后的连接老化
连续失败检测 — 连续 3 次失败触发立即重连；超时和 socket 错误触发即时重连
数据验证层 — 入库前自动检查 NaN 价格、high < low 等异常、负成交量，拦截脏数据

实时行情（新浪 / 东方财富）：

三态熔断器 — closed → open → half_open 状态机，恢复时先少量试探再全量放行，避免刚恢复就压垮服务
连接复用 — 新浪源复用 curl_cffi Session，省去每次请求的 TLS 握手开销
缓存竞态修复 — 东方财富的全市场快照缓存修复了双重检查锁中的时间戳竞态问题

数据库层：

事务保护 — upsert_stock_info 的 DELETE + INSERT 在同一事务中，崩溃不会丢数据
连接上下文管理器 — get_db_connection() 确保连接正确关闭
索引优化 — 新增 fetch_log(code, data_source) 和 daily_kline(trade_date) 索引

所有韧性参数（重试次数、退避因子、熔断阈值、重连间隔等）集中在 config.py 中配置。

战法库

内置 40 个完整短线战法（Markdown 格式），涵盖首板、接力、低吸、半路、龙头、盘口等 8 大分类。Agent 根据当前技术面自动搜索匹配战法，将战法逻辑融入分析结论。支持用户自定义添加。

快速开始

环境要求

Python 3.10+
操作系统：Windows / macOS / Linux

第一步：安装依赖

pip install -r requirements.txt

第二步：配置 LLM

复制配置模板并填入你的 API Key：

cp setting.example.json setting.json

编辑 setting.json：

{
  "llm": {
    "provider": "deepseek",
    "base_url": "https://api.deepseek.com",
    "api_key": "sk-你的API密钥",
    "model": "deepseek-v4-pro",
    "protocol": "openai",
    "max_tokens": 16384,
    "temperature": 0.3
  },
  "embedding": {
    "provider": "local",
    "model": "shibing624/text2vec-base-chinese"
  },
  "agent": {
    "max_rounds": 10,
    "verbose": true
  }
}

支持的 LLM：支持openai和anthropic两种主流api调用协议

LLM	protocol	base_url
OpenAI协议	`openai`	`https://api.openai.com/v1`
Anthropic协议	`anthropic`	`https://api.anthropic.com`

预设置模型默认DeepSeek，完全可以自行修改。

API Key 支持环境变量："${ENV_VAR_NAME}"

第三步：初始化数据库

# 一键全量采集（约 3500 只股票 x 5 年日K，使用 BaoStock 数据源）
python scripts/fetch_all.py

为什么这么慢？

首次采集需要从 BaoStock 下载约 3500 只沪深主板股票的 5 年日 K 线数据，数据量约 400 万条记录。BaoStock 为免费公开接口，有隐式频率限制，因此全程约需 30-60 分钟。这是一次性操作，后续只需增量更新（几秒钟）。

fetch_all.py 调用统一的 DataCollector，内置断点续传、周期性重连、指数退避重试、socket 错误自动恢复、数据验证等韧性机制，可放心中断后重新运行。所有韧性参数可在 config.py 中调整。

也可以使用通用采集脚本（支持指定数据源）：

python scripts/init_db.py          # 1. 初始化数据库表结构
python scripts/fetch_stocks.py     # 2. 采集股票列表（约 1 分钟）
python scripts/fetch_kline.py --source baostock  # 3. 采集日 K 数据（约 30-60 分钟）

也可以指定股票范围或日期：

# 只采集特定股票
python scripts/fetch_kline.py --source baostock --codes 600519 000001

# 指定日期范围
python scripts/fetch_kline.py --source baostock --start 2024-01-01 --end 2026-06-04

在初始数据更新完成后，通过与 Agent 交互式对话来更新数据也可以。在交易时间 DeepPulse Agent 会自动获取实时数据（免费数据源可能会有延时）。

采集示例，如果数据较多可能会等待较长时间。

第四步：启动 DeepPulse

# 交互模式
python -m agent.cli

# 单次提问
python -m agent.cli "分析一下贵州茅台的短线走势"

为什么启动需要约 2 分钟？

DeepPulse 启动时会加载 sentence-transformers 语义模型到内存（768 维向量模型，约 100MB），用于长期记忆的语义搜索。这是纯本地计算，不产生任何 API 费用。加载完成后，后续所有对话的响应速度都在秒级。

如果不需要语义搜索功能，可以在 setting.json 中将 embedding 设为 "provider": "none"，启动时间将缩短到 5 秒以内（退化为 BM25 关键词搜索）。

日常使用

启动后数据更新

启动后不需要手动更新数据，DeepPulse 会按需自动处理：

分析单只股票 → 自动更新该股票的最新 K 线（几秒）
说"更新数据库" → 全量增量更新（约 10-15 分钟）

手动增量更新：

python scripts/update_data.py              # 更新最近 5 天
python scripts/update_data.py --max-days 10  # 回溯 10 天

交互命令

命令	说明
`quit` / `exit` / `q`	退出
`reset`	重置对话（自动保存会话摘要）
`/thinking`	切换思考过程显示
`/memory`	查看所有长期记忆
`/memory search <关键词>`	搜索记忆
`/memory save <内容>`	手动保存记忆
`/memory predictions`	预测准确率统计
`/memory profile`	用户交易画像
`/memory knowledge`	知识图谱
`/memory clear`	清除所有记忆
`/strategy`	列出所有短线战法
`/strategy search <关键词>`	搜索匹配战法
`/watchlist`	查看自选股
`/watchlist add <代码>`	添加自选股
`/portfolio`	查看持仓和盈亏
`/portfolio review`	生成复盘报告

对话示例

你: 贵州茅台短线怎么样
DeepPulse: [自动调用 update_stock → realtime_price → calc_technical → recognize_kline_patterns → ...]

你: 今天市场热点是什么
DeepPulse: [自动调用 market_hot_news → market_overview → market_sentiment → sector_ranking]

你: 帮我找RSI超卖的股票
DeepPulse: [自动调用 screen_stocks("RSI6<20")]

你: 你分析错了，RSI超卖要结合成交量看
DeepPulse: [自动保存为 learning 记忆，后续分析中应用]

CLI 参数

参数	说明
`question`	直接提问（不进入交互模式）
`--model <model>`	覆盖模型名称
`--no-verbose`	隐藏工具调用过程
`--no-thinking`	隐藏思考过程
`--no-stream`	禁用流式输出

更换数据源

DeepPulse 默认使用免费的 BaoStock 作为首选历史数据源（连接稳定、无限流），AkShare 作为备选。数据源优先级可在 config.py 的 DATA_SOURCES 中调整。如果你有更好的私有数据源，可以自行替换。

数据源接口

数据源需实现 src/sources/base.py 中的 BaseDataSource 接口：

class BaseDataSource(ABC):
    @abstractmethod
    def get_stock_list(self) -> list[dict]:
        """返回股票列表，每项包含 code, name, market, board, list_date"""

    @abstractmethod
    def get_daily_kline(self, code: str, start_date: str, end_date: str) -> list[dict]:
        """返回日K线数据，每项包含 code, trade_date, open, high, low, close, volume, amount, turnover"""

添加私有数据源

在 src/sources/ 下创建新文件，如 tushare_source.py
继承 BaseDataSource 并实现接口
在 src/collector.py 中注册新数据源

# src/sources/tushare_source.py
from src.sources.base import BaseDataSource

class TushareSource(BaseDataSource):
    def __init__(self, token: str):
        import tushare as ts
        self.pro = ts.pro_api(token)

    def get_stock_list(self) -> list[dict]:
        df = self.pro.stock_basic(exchange='', list_status='L')
        return df[['ts_code', 'name', 'market']].to_dict('records')

    def get_daily_kline(self, code: str, start_date: str, end_date: str) -> list[dict]:
        df = self.pro.daily(ts_code=code, start_date=start_date, end_date=end_date)
        return df.to_dict('records')

替换实时行情源

实时行情模块位于 src/realtime/，同样支持插件式扩展：

继承 src/realtime/base.py 中的 RealtimeQuoteSource
在 src/realtime/manager.py 的 priority 列表中注册

工具一览

点击展开全部 59 个工具

数据更新

工具	说明
`update_stock`	更新单只股票 K 线（分析前自动调用）
`update_all_stocks`	更新全部股票数据
`realtime_price`	实时行情（新浪 + 东财双源）
`realtime_prices`	批量实时行情
`update_timeframe_data`	多周期 K 线数据

数据查询

工具	说明
`search_stock`	搜索股票
`query_stock_info`	股票基本信息
`query_kline`	日 K 线数据
`query_timeframe_kline`	多周期 K 线
`multi_timeframe_analysis`	多周期共振数据
`latest_price`	最新价格
`market_overview`	市场概览

技术分析

工具	说明
`calc_technical`	技术指标 + 量价分析

新闻搜索

工具	说明
`search_news`	财经新闻搜索
`stock_news`	个股新闻
`market_hot_news`	市场热点新闻

市场情绪 & 资金

工具	说明
`market_sentiment`	情绪综合分析
`limit_up_pool`	涨停股池
`sector_ranking`	板块排行
`stock_fund_flow`	个股资金流向
`dragon_tiger_list`	龙虎榜
`northbound_flow`	北向资金
`sector_fund_flow`	板块资金流
`stock_dragon_tiger`	个股龙虎榜明细

K 线形态 & 选股

工具	说明
`recognize_kline_patterns`	K 线形态识别
`screen_stocks`	技术条件选股

回测

工具	说明
`backtest_stock`	单只股票策略回测
`backtest_multi_stock`	多只股票批量回测

可视化

工具	说明
`generate_chart`	K 线图
`compare_stocks_chart`	涨幅对比图

自选股 & 告警

工具	说明
`add_to_watchlist`	添加自选股
`remove_from_watchlist`	移除自选股
`list_watchlist`	查看自选股
`set_alert_rule`	设置告警
`check_alerts`	检查告警
`get_alert_history`	告警历史

交易日志

工具	说明
`record_trade`	记录交易
`view_portfolio`	查看持仓
`view_trade_history`	交易历史
`generate_review`	复盘报告
`save_review`	保存复盘笔记

记忆系统

工具	说明
`save_memory`	保存记忆
`search_memory`	搜索记忆
`update_memory`	更新记忆
`delete_memory`	删除记忆
`list_memories`	列出记忆
`save_session_context`	保存会话上下文
`record_learning`	记录学习知识
`save_prediction`	保存投资预测
`check_predictions`	检查待验证预测
`verify_prediction`	验证预测结果
`prediction_stats`	预测准确率统计
`get_user_profile`	获取用户画像
`update_user_profile`	更新用户画像
`query_knowledge`	查询知识图谱
`add_knowledge`	添加知识关系

战法系统

工具	说明
`search_strategy`	搜索匹配战法
`list_strategies`	列出所有战法
`get_strategy`	战法详情

短线战法库

内置 40 个完整短线战法（Markdown 格式），Agent 根据技术面自动匹配：

分类	战法
三大基础	首板挖掘、接力、低吸
首板细分	低位首板、首板回封、题材首板、日内首板、换手首板、一字首板
接力细分	二板接力、换手二板、加速二板、三板接力、高位接力、高位缩量加速、高位 T 字板
低吸细分	5 日线低吸、10 日线低吸、平台支撑、龙头首阴反包、分歧低吸、翘板、反核、超跌低吸
半路细分	点火半路、板后半路、超跌反弹半路、弱转强半路
龙头进阶	龙头战法、龙头二波、卡位、补涨龙、龙头情绪周期
盘口时段	集合竞价、尾盘套利、分时攻击波、分时背离
高阶逻辑	分歧转一致、换手板、空仓战法

在 agent/strategies/ 下创建 .md 文件即可添加自定义战法。

记忆类型

类型	说明	半衰期
`learning`	用户教学/纠错（最宝贵）	180 天
`preference`	用户偏好	90 天
`fact`	重要事实	60 天
`summary`	会话摘要	45 天
`insight`	分析结论	30 天
`context`	上下文线索	14 天

项目结构

DeepPulse/
├── config.py                  # 项目配置
├── setting.json               # LLM 配置（已 gitignore）
├── setting.example.json       # 配置模板
├── pyproject.toml             # 打包与工具配置
├── requirements.txt           # 依赖
│
├── agent/                     # Agent 核心
│   ├── cli.py                 # CLI 入口
│   ├── agent.py               # ReAct 循环引擎
│   ├── client.py              # LLM 客户端（OpenAI/Anthropic）
│   ├── tools.py               # 59 个工具定义
│   ├── prompts.py             # System Prompt
│   ├── memory.py              # 长期记忆系统
│   ├── patterns.py            # K 线形态识别
│   ├── screener.py            # 股票筛选器
│   ├── backtest.py            # 策略回测
│   ├── market.py              # 市场情绪分析
│   ├── news.py                # 财经新闻爬虫
│   ├── charts.py              # K 线图生成
│   ├── timeframes.py          # 多周期 K 线
│   ├── watchlist.py           # 自选股 & 告警
│   ├── journal.py             # 交易日志 & 复盘
│   ├── datalink.py            # 龙虎榜/北向资金
│   ├── reasoning.py           # 动态推理链
│   ├── strategy_loader.py     # 战法加载器
│   └── strategies/            # 40 个短线战法（Markdown）
│
├── src/                       # 数据层
│   ├── database.py            # DuckDB 表操作（事务保护 + 索引）
│   ├── query.py               # 数据查询接口
│   ├── collector.py           # 多源采集协调器（韧性保护）
│   ├── resilience.py          # 韧性基础设施（重试策略 + 三态熔断器）
│   ├── validation.py          # 数据验证层（NaN/价格/成交量检查）
│   ├── sources/               # 历史数据源
│   │   ├── base.py            # 数据源基类（含健康检查）
│   │   ├── akshare_source.py  # AkShare 实现
│   │   └── baostock_source.py # BaoStock 实现（自动重连）
│   └── realtime/              # 实时行情
│       ├── base.py            # 行情基类
│       ├── sina_source.py     # 新浪财经（连接复用）
│       ├── eastmoney_source.py# 东方财富（缓存修复）
│       └── manager.py         # 多源管理 & 三态熔断
│
├── scripts/                   # 数据采集脚本
│   ├── init_db.py             # 初始化数据库
│   ├── fetch_stocks.py        # 采集股票列表
│   ├── fetch_kline.py         # 采集日 K 数据
│   ├── fetch_all.py           # 一键全量采集
│   ├── update_data.py         # 增量更新
│   └── verify_data.py         # 数据质量校验
│
├── tests/                     # 测试（200+ 单元测试）
│   ├── conftest.py            # 共享 fixtures
│   ├── test_patterns.py       # K 线形态测试
│   ├── test_backtest.py       # 回测引擎测试
│   ├── test_screener.py       # 选股器测试
│   ├── test_realtime.py       # 实时行情测试
│   ├── test_resilience.py     # 韧性基础设施测试
│   ├── test_client.py         # LLM 客户端测试
│   ├── test_database.py       # 数据库测试
│   ├── test_query.py          # 查询接口测试
│   ├── test_memory_unit.py    # 记忆系统测试
│   └── test_memory_upgrade.py # 记忆集成测试
│
└── db/                        # 数据库（已 gitignore）
    └── astock.duckdb

技术栈

组件	技术
LLM	DeepSeek / OpenAI / Claude
数据库	DuckDB（嵌入式列式引擎）
历史数据	BaoStock（首选） + AkShare（备选），均为免费
实时行情	新浪财经 + 东方财富（双源冗余）
语义搜索	sentence-transformers（本地 768 维） + BM25
新闻爬虫	curl_cffi + BeautifulSoup
语言	Python 3.10+

注意事项

数据源为免费公开接口，可能存在 T+1 延迟
仅分析沪深主板股票（6 开头沪市、0 开头深市）
days 参数指交易日（剔除周末节假日），非自然日

License

Apache License 2.0

免责声明

DeepPulse 是一个技术分析辅助工具，不构成任何投资建议。

DeepPulse 提供的所有分析、信号、策略回测结果和技术指标均仅供参考，不应作为买卖股票的唯一依据
股市有风险，投资需谨慎。任何投资决策应基于您自己的独立判断和风险评估
DeepPulse 的分析基于历史数据和技术指标，无法预测未来走势，过往表现不代表未来收益
开发者不对因使用 DeepPulse 而产生的任何投资损失承担责任
DeepPulse 不提供任何形式的投资咨询、资产管理或金融服务
使用 DeepPulse 即表示您已阅读、理解并同意本免责声明

如果遇到技术问题或者有好的想法欢迎加入社区交流讨论。

DeepPulse是一个刚刚起步的开源项目，在使用过程中可能会遇到一些问题，希望大家可以多多包涵。
如果有问题可以提交issues或者在QQ群中反馈，我会尽最大的努力来解决这些问题。
同时，诚挚邀请一些感兴趣的小伙伴一起来维护这个项目，有想法的进QQ群加群主即可。

QQ

扫描二维码或搜索群号

Name		Name	Last commit message	Last commit date
Latest commit History 31 Commits
.github/workflows		.github/workflows
agent		agent
scripts		scripts
src		src
tests		tests
.gitignore		.gitignore
.pre-commit-config.yaml		.pre-commit-config.yaml
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
README.md		README.md
config.py		config.py
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt
setting.example.json		setting.example.json

Folders and files

Latest commit

History

Repository files navigation

DeepPulse

功能一览

核心技术

ReAct 推理引擎

动态推理链

长期记忆系统

数据源韧性保护

战法库

快速开始

环境要求

第一步：安装依赖

第二步：配置 LLM

第三步：初始化数据库

第四步：启动 DeepPulse

日常使用

启动后数据更新

交互命令

对话示例

CLI 参数

更换数据源

数据源接口

添加私有数据源

替换实时行情源

工具一览

数据更新

数据查询

技术分析

新闻搜索

市场情绪 & 资金

K 线形态 & 选股

回测

可视化

自选股 & 告警

交易日志

记忆系统

战法系统

短线战法库

记忆类型

项目结构

技术栈

注意事项

License

免责声明

如果遇到技术问题或者有好的想法欢迎加入社区交流讨论。

QQ

About

Resources

License

Contributing

Uh oh!

Stars

Watchers

Forks

Releases 2

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages