随着资本市场的不断发展，A股、港股、美股三大市场联动性日益增强，普通投资者想要全面跟踪市场动态、精准分析个股走势，往往需要花费大量时间收集行情数据、解读新闻舆情、研究技术指标，门槛极高。而专业的分析工具要么收费昂贵，要么操作复杂，难以满足普通投资者的日常需求，高效、便捷且低成本的股票分析解决方案成为市场刚需。

DailyStockAnalysis 正是为解决这一痛点而生，它依托AI大模型能力，整合多数据源行情与实时新闻，打造出全流程自动化的股票分析系统，无需专业技术背景，无需投入额外成本，就能为投资者提供精准的决策参考，让股票分析变得简单高效。

简介

DailyStockAnalysis 是由 ZhuLinsen 开发的AI驱动型股票智能分析系统，项目托管在 Github（
https://github.com/ZhuLinsen/DailyStockAnalysis），采用 MIT 许可证，发布于2026年3月2日，支持 Python 3.10 及以上版本，可通过 GitHub Actions、Docker 或本地部署等多种方式运行。该系统核心定位是为投资者提供零成本、全自动化的A股、港股、美股分析服务，整合行情数据、新闻舆情与AI决策能力，实现每日定时分析与多渠道推送。

该系统的核心特色体现在全维度分析与自动化运行两大方面。它支持多AI模型调用，包括 AIHubMix、Gemini、OpenAI 兼容模型等，通过 LiteLLM 实现多Key负载均衡，可生成包含核心结论、买卖点位的决策仪表盘；同时整合技术面、筹码分布、舆情情报等多维度分析，内置多种交易策略与风险控制规则，还支持图片识别添加自选股、多轮策略问股等个性化功能。此外，系统可通过 GitHub Actions 定时运行，无需服务器，实现全流程自动化，多渠道推送功能可确保用户及时获取分析结果。

该系统的应用场景覆盖各类股票投资者，无论是普通个人投资者，还是需要批量跟踪个股的专业人士，都能从中受益。对于个人投资者，可通过系统自动分析自选股，获取精准操作建议，节省分析时间；对于专业投资者，可利用其批量分析与回测功能，验证分析策略的有效性；对于职场人士，可通过多渠道推送功能，在工作间隙快速了解市场动态与个股走势，无需实时盯盘，实现高效理财。

使用

该系统提供两种主要部署方式，分别是 GitHub Actions 部署（推荐，零成本、无需服务器）和本地/Docker 部署（适合需要本地管理的用户），以下将详细介绍两种方式的部署步骤与具体使用方法，确保新手也能快速上手。

首先介绍 GitHub Actions 部署方式，全程无需服务器，5分钟即可完成配置，适合大多数用户。第一步，Fork 仓库，打开项目 GitHub 地址
https://github.com/ZhuLinsen/DailyStockAnalysis，点击页面右上角的 Fork 按钮，将项目复制到自己的 GitHub 仓库，建议顺便点击 Star 支持项目维护。第二步，配置 Secrets，进入自己 Fork 后的仓库，点击 Settings，依次选择 Secrets and variables → Actions → New repository secret，根据需求配置相关参数，至少需要配置 AI 模型和通知渠道各一项，以及必填的自选股列表。

AI 模型配置推荐使用 AIHubMix，无需科学上网，一个 Key 即可使用多种模型，配置参数为 AIHUBMIX_KEY，填写获取到的 API Key 即可；若使用 Gemini 则需配置 GEMINI_API_KEY，需从 Google AI Studio 获取（需科学上网）。通知渠道推荐配置企业微信或邮箱，以企业微信为例，配置 WECHAT_WEBHOOK_URL，填写企业微信机器人的 Webhook 地址；邮箱配置则需填写 EMAIL_SENDER、EMAIL_PASSWORD 等参数。必填项 STOCK_LIST 需填写自选股代码，格式如 600519,hk00700,AAPL,TSLA，可同时添加A股、港股、美股代码。

第三步，启用 Actions，配置完成后点击仓库顶部的 Actions 标签，点击 I understand my workflows, go ahead and enable them，启用工作流。第四步，手动测试，在 Actions 页面找到 每日股票分析，点击 Run workflow，再次点击 Run workflow 即可手动触发分析任务，测试配置是否生效。配置完成后，系统默认每个工作日 18:00（北京时间）自动执行分析，非交易日自动跳过，若需在非交易日测试，可勾选 force_run 选项手动触发。

接下来介绍本地部署方式，适合有一定电脑操作基础的用户。第一步，克隆项目，打开终端，执行以下命令，将项目克隆到本地并进入项目目录：

第二步，安装依赖，确保本地已安装 Python 3.10 及以上版本，执行以下命令安装项目所需依赖：

第三步，配置环境变量，执行以下命令复制环境变量示例文件，并通过编辑器修改配置：

打开 .env 文件后，按照文件中的注释，配置 AI 模型、通知渠道、自选股列表等参数，配置内容与 GitHub Actions 的 Secrets 一致，必填项 STOCK_LIST 不可遗漏。第四步，运行系统，配置完成后，执行以下命令启动分析任务：

若需要启动 Web 界面，方便手动操作与监控，可执行以下命令：

启动后，访问 http://127.0.0.1:8000 即可进入 Web 界面，可手动输入股票代码进行分析、查看历史分析记录、配置系统参数等。若需仅启动 Web 界面，不执行定时分析，可执行：

系统部署完成后，即可正常使用各项功能。日常使用中，系统会自动在指定时间分析自选股，生成决策仪表盘与大盘复盘报告，并通过配置的渠道推送。Web 界面中，输入股票代码即可手动触发分析，查看个股的技术面分析、舆情情报、风险提示与操作建议；在设置页面，可通过上传自选股截图，利用 Vision AI 自动提取股票代码，一键加入监控；若启用 Agent 模式，在 .env 中设置 AGENT_MODE=true，启动服务后访问 /chat 页面，可选择均线金叉、缠论等 11 种策略，进行多轮策略问答，获取个性化分析建议。

此外，系统支持策略回测与自定义策略，可自动评估历史分析准确率，用户也可在 strategies/ 目录下新建 YAML 文件，添加自定义分析策略，无需编写复杂代码。若需修改系统配置，如乖离率阈值、新闻最大时效等，可在 Secrets 或 .env 文件中调整对应参数，满足个性化需求。

总结

DailyStockAnalysis 凭借 AI 大模型的强大能力，整合多数据源与多维度分析功能，打造出零成本、全自动化的股票智能分析系统，其核心优势在于操作便捷、功能全面、适配性强，既解决了普通投资者分析门槛高、耗时久的问题，也满足了专业投资者的批量分析与策略验证需求。系统支持多市场、多模型、多渠道，内置完善的风险控制规则与交易策略，搭配 Web 界面与 Agent 问股功能，进一步提升了使用体验与分析精准度。

该系统的应用价值不仅在于为投资者提供高效的分析工具，更在于降低了股票投资的门槛，让更多人能够通过科学分析做出理性投资决策，避免盲目跟风与情绪化操作。无论是个人投资者用于日常理财，还是专业人士用于策略研究，DailyStockAnalysis 都能发挥重要作用。随着项目的持续更新与优化，其功能将更加完善，未来有望成为投资者不可或缺的股票分析助手，助力用户在复杂的资本市场中把握机会、控制风险。