巧用Deepseek + 股票 Agent，小赚一个月工资

大家还记得我 3 月份推荐的多市场股票智能分析系统 — 「daily_stock_analysis」 吗？

4 个月的时间，这个项目从 1.6K star 狂涨到了如今 52.1K star，可以做说股票分析系统里涨的最快的一个项目，由此可见大家对其实力的认可，以及能落地的效果。

也就在我之前介绍后不久，这个项目更新了更完整的网页客户端，增加了问股、选股、回测等更强大的 AI 分析工具，而且配置方法也从原来的文本配置变成了可视化的配置。

也一直有小伙伴问新版本如何配置，让我更新教程。宠粉的我，怎能不安排？！ 走起！！

温馨提示：本文仅做项目分享！不构成任何投资建议。股市有风险，投资需谨慎。

「daily_stock_analysis」，是一款基于 AI 大模型的 A 股/港股/美股/日股/韩股自选股智能分析系统，每日自动分析并推送「决策仪表盘」到企业微信、飞书等 IM 渠道。

我们先来看看功能吧。

首先是首页，它是一个整体的仪表盘，里面会更新每日的大盘复盘以及个股分析信息。

大盘会从结构化数据、盘面、指数、板块、资金情绪、策略、风险等角度进行整体复盘。比较依赖长期运行的数据。

个股的分析报告内容会从洞察、市场情绪、操作建议、趋势分析、策略点位、版块联动、咨询、LLMs 分析状态等角度展示。

从个股报告里走，我们可以进行 AI 问股、历史趋势分析、完整报告解读等进一步的 AI 深度剖析。

比如问股功能，它的本质是一个 LLMs Agent 对话框。在这里可以根据股票信息进行一对一的深度解读。

简单问了一下分析股票的方法，下面是 Agent 给我的回复。应该是内置了一套提示词的，然后有内置多种 Skill （但是具体的信息没提供了）。

如果你配置了多个数据源，那么还可以通过内置的选股功能来进行股票推荐。不过这里官方很明确表示该功能还是一个实验性功能，所有的推荐仅用于研究和辅助判断，不构成任何的投资建议。

毕竟股票分析，顾名思义就是分析，它只是帮助我们获取更多的信息，并且多信息进行解读后的产物，真正的决策权必须在你自己手里。这一点，任何工具都无法给你提供决策内容。

应用支持多账户的持仓管理。支持通过 csv 导入持仓的信息，也支持手动维护、记录。就是这里的总现金感觉挺奇怪的，明明是盈利的为什么显示的是负数。

公司行为、资金流水、交易、事件记录这些都可以手动录入。

我跑了几轮，包括 7 次问股、3 次分析，然后使用的是 DeepSeek-V4-Flash 模型，消耗 1 毛钱左右。

下面，我们来看看具体如何部署这个股票分析应用。这里以威联通 Qu605-N150-16G 为部署设备。威联通这款六盘设备，可以说是目前性价比最高的型号之一，它内置了 16G DDR5 内存，光是内存价格都涨了很多，而且还有更庞大的盘位支持，拿来存储数据、做数据 Raid 都比四盘位要宽裕。

由于新版本不再需要 .env 文件，可以通过可视化界面直接部署，所以我们直接打开威联通的 Container Station 容器工作站，创建一个应用程序。

然后将下面的 docker-compose.yaml 文档复制到代码区域运行即可。

name: daily-stock-analysis
x-common: &common
  image: ghcr.io/zhulinsen/daily_stock_analysis
  restart: unless-stopped
 

  volumes:
    - /share/Container/stock/data:/app/data
    - /share/Container/stock/logs:/app/logs
    - /share/Container/stock/reports:/app/reports
    - /share/Container/stock/strategies:/app/strategies:ro
  environment:
    - TZ=Asia/Shanghai
    - WEBUI_HOST=0.0.0.0
    - ENV_FILE=/app/data/runtime.env
  logging:
    driver: json-file
    options:
      max-size: "10m"
      max-file: "3"

services:
  analyzer:
    <<: *common
    container_name: stock-analyzer

  server:
    <<: *common
    container_name: stock-server
    command: ["python", "main.py", "--serve-only", "--host", "0.0.0.0", "--port", "8000"]
    ports:
      - "8000:8000"  # 左侧是 webui 端口，可自定义修改。

完成部署以后，通过 nasip:8000 登录系统。由于系统目前没有提供任何账号登录功能，所以不建议把这个端口开放到互联网里。

点击侧边栏的设置按钮，初次使用我们必须配置 LLM 大模型。而设置功能也会在上方提醒具体有哪些没有配置。

点击下面的配置模板，系统会展开一个配置项。里面会有很多的模型可以选择，我这里以内置的 DeepSeek 为例。

以为官方已经配置了 Base URL、协议等信息，我们直接填入 API Key，然后点击获取模型，在出现的模型前面勾选。如果使用顺序需求，那么在下面的手动模型里换个位置就可以了。

不同的模型，具备不同的调用能力。下方的能力检测里可以把四个全选上，然后一次性检测。再取消不可用的模型能力。

继续往下，还有一些模型温度、主模型、次模型的选项。配置好后点保存 AI 配置。如果这里不点是不会保存的，等会刷新了又要重新配置，是个坑点。

配置好了模型，我还建议大家配置一下数据源。里面包括了股票咨询、互联网搜索等能力，比如 MiniMax Search、Brave API 等等，每一个配置页面旁边都有引导，根据你的实际情况打开引导配置。

这里的配置设置好，还需要拉到最上面，点击右上角的保存设置才可以，否则也是无法自动保存。

最后就是通知告警了，这也是一个单独配置项。内置了价格突破、涨跌幅等等 15 种预警类型。所以哪怕你不时刻盯盘，也可以最快的收到消息。

写在最后

随着 LLMs 能力以及 Agent 架构的不断升级，现在已经有越来越多的股票、量化工具出现，这些工具帮助我们进一步降低了信息差，让我们可以增加对市场的认知，加快获取消息的途径。

但还是那句话：股市有风险，投资需谨慎。本文仅做技术项目介绍，不做任何投资建议。

相关
本文归入 人工智能 分类 —— 关注 AI 工具、Agent 与自动化工作流怎么落到日常里。同类内容可看 NAS 与 自建服务；想聊自托管与 AI 折腾经验，欢迎到 论坛 一起聊。

本文由「可爱的小cherry」原创，原文发布于什么值得买（2026-07-07），查看原文。按署名方式转载，保留原作者信息。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～