本作品把“实时行情”与“大模型分析”装进同一个桌面窗口，用一句自然
语言打通从数据到结论的整条链路。 其意义体现在三个层面：
对用户：把原本需要跨两个软件、多次复制粘贴的流程压缩为一次提问，显
著降低专业分析的使用门槛；
对技术：验证了“以结构化技术指标为上下文、以工具调用为深挖手段”的
轻量 Agent 范式， 在免费数据源与通用大模型之上，仍能产出具备点位、
止损与盈亏比的可执行结论；
对社会：全部数据源免费开源、单机运行、无账号无上传，降低了智能投研
工具的使用与隐私成本。
江门金量化把实时行情看板与 AI 多周期分析合为一体。单窗口并行
刷新 14 个跨市场品种；自动把周线至 5 分钟共 7 个周期的 K 线，与 MA、
MACD、RSI、KDJ、BOLL、斐波那契、背离等指标组织为上下文注入大模型，并支
持 Skill 技能模板与 AI 主动调用工具按需取数，一句自然语言即可得到带点位
与风控的专业解读。
效果：数据源免费开源；相似问题缓存让重复提问秒级返回；超时保护保证
弱网不卡死。
应用：单个 exe 双击即用，无需安装 Python，服务于个人投资者的盘面跟
踪与分析辅助。
本项目为 Windows 桌面「行情看板 + AI 对话」二合一工具（Python 3.11 + pywebview + AKShare），我独立负责全部设计与开发：后端完成 14 个品种实时行情抓取（新浪源 + 后台线程 2 秒并行刷新 + 失败保留旧值兜底）、多周期 K 线重采样与 MA/MACD/RSI/KDJ/BOLL/斐波那契等指标引擎、OpenAI 兼容流式对话与工具调用循环；前端用原生 HTML/CSS/JS 实现极简白色界面。亮点：一是 pywebview 无法主动推送，采用「后台线程流式接收 + 前端 120ms 轮询」实现逐字输出，并分离展示推理模型的思考过程；二是本地 SQLite 相似问题缓存（归一化 + 包含度/编辑比混合相似度 0.85 阈值 + TTL），可正确区分「支撑/压力」这类关键差异，省时省 API 费；三是 AI 支持主动调用 get_kline / get_indicators 工具按需取数，并对推理模型不支持函数调用的情况自动降级重试。难点：打包后用 --selftest 自检定位到 py_mini_racer 漏打包导致国内期货行情静默失败，以及 akshare 内部请求无超时造成的永久阻塞，分别通过 --collect-all 收集原生依赖、对 requests.Session.request 打全局超时补丁解决。
评论