QuantDash A股看盘与复盘面板
基于 Vite + React 的 A 股分析面板。
当前覆盖这些页面和能力:
- 股票信息
- 选股工具
- 连板天梯
- 板块轮动
- 情绪指标
Potencialize seu agente
Instalação do publicador. Não é um endpoint do PlugMCP.
Host a copy with our keys and logs.
Ainda não há uma versão empacotada no registro. Siga o README do repositório.
URL remota ou um comando na sua máquina? Como as duas instalações diferem
Rodar no PlugMCP
A new server you create. It is not this listing's official endpoint. Use the publisher install when you want their URL and their credentials.
Abrir项目支持把自己的复盘口径、交易框架、观察清单整理成 skill,然后注入到 AI 复盘、盘前计划、个股观察和研报摘要。
完整项目手册见:项目使用手册.md
这一轮主要改了结构和数据链路。
container + hook + panelmootdx 已接入 K线 / 基础行情 / 市场宽度 / 指数序列详细变更可看:
AIIntegrationSection 拆成工作区头部、模型配置、飞书配置、文档面板、workflow hooksSentimentSection 拆成指标工具条、历史日期条、独立面板、数据 hooksInfoGatheringSection 拆成 page shell、左侧 sidebar、右侧 detail pane、workflow hooksScreenerSection、LimitUpLadderSection、StockHoverCard 继续拆分/eastmoney/*当前已支持第二源的数据集:
K线K线仍保留主源的数据集:
新增共享基础设施:
scripts/server/shared/cache.pyscripts/server/shared/db.pyscripts/server/shared/api.py已补能力:
GitHub 页面现在支持:
LLM Wiki 知识库

PolyForm Noncommercial 1.0.0npm run sync:* 或 Python 采集脚本生成AI 当日复盘、盘前计划、个股观察Skills 规则库,可把多个分析 skill 注入到 AI 复盘、盘前计划、个股观察和研报摘要MA 均线开关与缠论结构叠加显示(笔 / 线段 / 中枢)stdio MCP Server,供外部 AI 直接读取结构化数据如果你准备找一个省事的模型聚合入口,可以试试 SiliconFlow 硅基流动。
uVFj3AbT只启动前端时,最少执行下面两步:
npm installnpm run dev如果还要使用本地数据同步、Python 采集、研报同步或飞书机器人,再安装 Python 依赖并配置环境变量。
统一启动入口:
npm run start:projectnpm run stop:projectWindows 仍可继续使用 start_project.bat / start_project.ps1,macOS / Linux 使用 start_project.sh / stop_project.sh。
如果你是从 GitHub 公开仓库拉下来的新环境,第一次启动前建议额外执行一次:
npm run sync:startup-check
前置条件: Node.js、Python 3
npm installpip install -r requirements.txtCopy-Item .env.example .env.local.env.local 中按需配置环境变量:
TUSHARE_API_KEY
TUSHARE_API_BASE_URL
PYWENCAI_COOKIEnpm run devnpm run build常用环境变量:
TUSHARE_API_KEYTUSHARE_API_BASE_URLPYWENCAI_COOKIEFEISHU_APP_IDFEISHU_APP_SECRETFEISHU_BOT_AI_BASE_URLFEISHU_BOT_AI_API_KEYFEISHU_BOT_AI_MODEL如果只使用前端展示和本地文件读取,这些变量可以先不配置。
如果要使用 pywencai 一句话选股,需要在 .env.local 中配置 PYWENCAI_COOKIE。
公开仓库时不要提交 .env.local,只提交 .env.example。
新增界面数据功能前,先看 STRUCTURED_DATA_RULES.md。 新增到界面的数据,先整理成结构化对象,再进入服务层和页面。不要直接把页面拼接结果当数据边界。
技术分工规则:
采集优先 Python
批量采集、定时任务、历史沉淀、跨页面抓取、全市场扫描放在 Python。展示优先前端
页面展示、上传、预览、筛选、交互、浏览器本地存储放在前端 JS/TS。Node 负责编排
npm run sync:*、启动脚本、任务串联、兼容入口放在 Node 层处理。只有明显更优时再例外
个别能力放在前端或 Node 更合适时可以例外。按下面的原则维护:
Python / 脚本离线采集
用于日频或盘后沉淀的数据,例如情绪周期、涨停结构、炸板率、龙头状态、跨市场情绪指标、A股平均估值、K线库。前端读取本地文件
用于展示稳定快照的数据,例如 data/sentiment.json、data/performance.json、data/emotion_indicators.json、研报清单、高手持仓快照。前端实时请求
用于轻量、实时性要求高、且失败不影响主流程的数据,例如登录态、用户自选、后端业务 API。不建议放在前端直接抓的内容:
优先放到 Python 采集链路的数据:
emotion_indicators.jsonstock_list_full.jsonstock_list_chinext.jsonsector_rotation_*.jsonsector_persistence_*.jsonlimit_up_structure.jsonrepair_rate.jsonleader_state.jsonmarket_volume_trend.jsonhigh_risk.jsoncycle_overview.json项目的数据目录正在迁移到按市场分层的结构。当前代码支持:
新路径优先旧路径兜底目录结构示例:
data/
markets/
a_share/
klines/
single_day_snapshots/
sentiment.json
performance.json
stock_list_full.json
stock_list_chinext.json
limit_up_structure.json
repair_rate.json
leader_state.json
market_volume_trend.json
high_risk.json
cycle_overview.json
emotion_indicators.json
index_futures_long_short.json
bull_bear_signal.json
hk/
us/
research_reports/
a_share/
manifest.json
hk/
us/
system/
sync_status.json
auth.db
兼容规则:
data/markets/a_share、data/research_reports/a_share、data/systemdata/*.json 和 data/research_reports/*继续保留前端直接获取或接口兜底的内容:
services/quotesService.ts
个股列表、K线、单日涨跌、选股形态识别services/chanService.ts
缠论结构计算,负责包含处理、分型、笔、线段、中枢services/sectorService.ts
板块轮动、板块持续性services/sentimentCycleService.ts
情绪周期读取入口services/emotionIndicatorService.ts
跨市场情绪指标services/localDataService.ts
本地 data/*.json 读取services/dataPathService.ts
本地数据路径兼容层,处理新旧目录回退services/eastmoneyService.ts
东方财富请求和代理兜底npm run sync:allnpm run fetch:datanpm run sync:market:pynpm run sync:kline:pynpm run sync:cyclenpm run sync:cycle:pynpm run sync:stocksnpm run sync:sectorsnpm run sync:stocks:pynpm run sync:sectors:pynpm run sync:offline:pynpm run sync:emotionnpm run fetch:data:autonpm run sync:startup-check获取单天数据.bat,按日期导出到 data/single_day_snapshots/YYYY-MM-DD.json补全之前数据.bat,可按 主市场 / 股票 / 板块 / 周期 / 情绪 / K线 选择;板块支持继续选 概念 / 行业 / 全部双击 start_project.bat / 执行 start_project.ps1 时,会先执行一次启动前数据检查。
如果本地数据已是最新交易日,会直接跳过;如果需要跳过这一步,可临时设置:
STARTUP_AUTO_SYNC=0STARTUP_SYNC_MODE=startup 默认轻量模式,仅检查 market-core + emotion + sectors + cycleSTARTUP_SYNC_MODE=market 运行完整主市场链路STARTUP_SYNC_MODE=offline 运行完整离线同步fetch:data 会一并更新:
sentiment.jsonperformance.jsonladder.jsonstock_list_full.jsonstock_list_chinext.jsonsector_rotation_*.jsonsector_persistence_*.jsonlimit_up_structure.jsonrepair_rate.jsonleader_state.jsonmarket_volume_trend.jsonhigh_risk.jsoncycle_overview.json采集入口说明:
fetch:data
主编排入口。先同步最新主数据、股票快照、板块快照、情绪周期快照,不先跑重型 K 线库。
如需把 K 线库也并入这条链路,可临时设置:FULL_SYNC_INCLUDE_KLINE=1sync:offline:py
纯 Python 离线快照入口,用于完整补主数据、股票、板块、K线库、情绪指标、情绪周期快照。sync:stocks / sync:sectors / sync:cycle
统一走 Python 采集入口;旧的 JS 文件只保留兼容转发。sync:reports
走 Python 采集:抓取东方财富单篇研报列表、详情页摘要、PDF 链接,并保留东方财富总览页和天风证券页面快照。已存在的单篇研报会按 infoCode 增量复用,不重复抓详情。
可选环境变量:
REPORT_SOURCE_KEYS=eastmoney-stock-report,eastmoney-industry-report
REPORT_INCLUDE_SNAPSHOTS=0
REPORT_ITEM_LIMIT_OVERRIDE=10
REPORT_DOWNLOAD_PDFS=0同步策略:
2 次,可用 SYNC_STAGE_RETRIES 覆盖。1500ms,可用 SYNC_RETRY_DELAY_MS 覆盖。K线库 默认只跑 1 次,避免大批量任务在失败时重复拉全量数据。SYNC_STAGES=market-core,stocks,sectors,kline,cycle,emotion,market-pipeline 只跑指定阶段。K线库 会先按 symbol 做本地预筛;已更新到最新交易日的代码不会重复请求。K线库 默认只补最近一段滚动窗口数据,并合并进本地历史;更早的缺口不会在日常同步中主动回补。KLINE_RECENT_LIMIT=30 调整默认滚动窗口大小。KLINE_FORCE_FULL=1。sync:all 默认允许单阶段失败后继续后续阶段,可用 SYNC_CONTINUE_ON_ERROR=0 改回失败即停。fetch:data、sync:offline:py、sync:all、fetch:data:auto 会写入 data/sync_status.json,保存最近一次同步的交易日、阶段状态、耗时和本地快照日期。sync:emotion 增加了容错策略:
data/sync_status.json 的摘要内容,补更多失败原因、跳过原因和阶段级诊断信息。AI对接 > 个股观察 增加历史时间轴:
QuantDash + 飞书 集成方案:
AI 当日复盘 推送到飞书群盘前计划 推送到飞书采集优先 Python,飞书推送由 Python / Node 编排层完成,前端不承担主推送逻辑项目已内置一个本地 stdio MCP Server,供外部 AI 直接读取盘面结构化数据,不需要解析前端页面。
npm run mcp:serverget_market_dashboard
get_leader_state
get_sector_persistence
get_cycle_overview
get_volume_trend
get_high_risk_panel
get_sentiment_snapshot
get_news_feed
get_research_reports
get_research_report_content
get_expert_holding_snapshots
get_expert_holding_snapshot更完整的 tool 说明见 AI_MCP_GUIDE.md。
使用方式: AI 通过 MCP 读取结构化数据,再做情绪周期、龙头状态、题材持续性和新闻影响分析,不解析页面 DOM。
项目额外提供了一个飞书问答服务,可把 情绪周期 数据接到飞书机器人里。
飞书接入代码单独放在 scripts/integrations/feishu/。
飞书使用 长连接 / WebSocket 事件订阅模式,不需要公网回调地址。
.env.local 配置:
FEISHU_APP_ID
FEISHU_APP_SECRET
FEISHU_BOT_AI_BASE_URL
FEISHU_BOT_AI_API_KEY
FEISHU_BOT_AI_MODELnpm run feishu:bot使用长连接接收事件已实现:
text 消息长连接接收分析 2026-03-27 情绪周期get_sentiment_snapshot 同口径数据OpenAI 兼容模型使用场景:
砸盘系数 / 涨停溢价 / 炸板率 / 修复率 / 龙头状态 / 量能 / 高位风险左侧有 AI对接 页面。这里做模型接入配置,也承接 AI 当日复盘、盘前计划、研报摘要等调用。
ChatGPT / OpenAI
豆包 / 火山方舟
Gemini
DeepSeek
智谱
OpenRouter
Ollama
LM Studio
自定义 OpenAI 兼容豆包
ChatGPT
Gemini
DeepSeek
GLM
默认预置已覆盖。token / api key
base url
model
备注连通性测试:
OpenAI 兼容接口 先探测 /models
Gemini 探测 models 列表
Anthropic 探测 v1/modelsOpenAI Compatible API,这样同一套配置可兼容 Ollama、LM Studio、vLLM、自建网关。mcpServers 配置片段,便于对接 Claude Desktop、Cherry Studio、Open WebUI 等支持 MCP 的客户端。使用说明:
模型调用 用你配置的云端或本地模型结构化数据读取 用本项目内置的 MCP Server信息采集 > 研报 支持直接调用已启用模型生成 AI 摘要,摘要结果按 研报 + 模型 缓存到浏览器本地。AI对接 页面支持生成 AI 当日复盘,分析对象是 最近交易日,不是自然日的“今天”。AI对接 页面支持生成 盘前计划,基于最近交易日复盘输出下一交易日观察清单、交易预案和风险提醒。AI 当日复盘 和 盘前计划 支持:
一键复制
下载 PDF(通过浏览器打印窗口另存为 PDF)盘前计划 会自动提取观察标的代码,并支持一键加入:
已登录时写入后端自选
未登录时回退到本地重点关注列表左侧 Skills 页面位于 AI对接 和 GitHub 之间。
这一页不是 GitHub 技能市场,是项目内的 AI 分析规则库。你可以创建多条 skill,并为每条 skill 设置:
自动注入范围:
AI 当日复盘超短深度分析盘前计划个股观察次日校验研报摘要适合写进 Skills 的内容:
不要把数据本身写死在 skill 里。skill 用来约束模型的分析方式,不代替输入数据。
股票信息 里的悬浮图表支持:
MA 均线主图叠加开关BOLL 主图叠加MACD / KDJ / RSI / BIAS / WR / VR 副图切换缠论结构当前为第一版可视化能力,包含:
补充:
笔级中枢优先,线段级中枢兜底背驰、一二三类买卖点、多周期联立PolyForm Noncommercial 1.0.0 许可证提供。.env.local、本地数据库、第三方报告原文、网页快照及个人研究资料。🤖📈 A股看盘、复盘与盘前计划一体化工作台,集成情绪周期、板块轮动、策略选股、AI复盘、MCP Server 与飞书机器人。
Ferramentas
Ainda não há lista de ferramentas. Servidores remotos recebem uma após a primeira verificação de saúde.
Perguntas frequentes
Copie nesta página a configuração stdio para Cursor, Claude Desktop, Claude Code ou VS Code. Ela usa a instalação do publicador, não um proxy do PlugMCP.
Este registro não lista nenhuma variável de ambiente obrigatória.
Quantdash Ai Stock roda localmente via stdio.
Última verificação: 2026-10-28. 🤖📈 A股看盘、复盘与盘前计划一体化工作台,集成情绪周期、板块轮动、策略选股、AI复盘、MCP Server 与飞书机器人。