{
  "markdown": "# InvestBrain — 投资第二大脑\n\n> 有经验投资者的纪律自主工具，解决\"知行合一\"问题\n> **不是投顾，不给建议，而是\"镜子\" + \"纪律锚点\"**\n\n[![License: AGPL v3](https://img.shields.io/badge/License-AGPL_v3-blue.svg)](https://www.gnu.org/licenses/agpl-3.0)\n[![Python 3.10+](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/downloads/)\n[![MCP](https://img.shields.io/badge/MCP-compatible-green.svg)](https://modelcontextprotocol.io/)\n[![Desktop](https://img.shields.io/badge/Windows_Desktop-0.1.2-blue?style=flat-square)]()\n\n<p align=\"center\">\n  <a href=\"README_EN.md\"><img src=\"https://img.shields.io/badge/English-README-blue?style=for-the-badge\" alt=\"English README\"/></a>\n  <a href=\"llms.txt\"><img src=\"https://img.shields.io/badge/llms.txt-AI_Ready-green?style=for-the-badge\" alt=\"llms.txt\"/></a>\n  <a href=\"#核心能力\"><img src=\"https://img.shields.io/badge/行为模式_挖掘-purple?style=for-the-badge\" alt=\"行为模式挖掘\"/></a>\n</p>\n\n<p align=\"center\">\n  <strong>想法记录 × 投资 RAG × 记忆系统 × 提醒触发 × 行为模式挖掘</strong>\n</p>\n\n---\n\n## 5 分钟快速体验\n\n两种使用方式：**桌面客户端（推荐）** 或 **MCP Server**。\n\n### 方式 A：桌面客户端（Windows，推荐）\n\n1. 下载并安装 `InvestBrain_0.1.2_x64_en-US.msi`（见 [Releases](https://github.com/lj22503/invest-brain/releases)）\n2. 打开桌面应用，即见「大脑已加载」状态条与试聊引导\n3. 想对话时在设置页填入自己的 LLM Key，即可走真实对话链路\n\n> 桌面端数据存储在 `%APPDATA%\\InvestBrain\\data`，设置页可直接查看数据位置。\n\n### 方式 B：MCP Server（任意 MCP 客户端）\n\n```bash\n# 1. 安装 MCP Server 依赖\ncd src/mcp_server && pip install -r requirements.txt\n\n# 2. 配置你自己的 LLM API Key（见下文「你的 Key，自己填」）\ncp .env.example .env\n# 编辑 .env，把 DEEPSEEK_API_KEY 填成你从 DEEPSEEK 后台拿到的 key\n\n# 3. 启动 MCP Server\npython server.py\n```\n\n> **首次启动提示**：向量库（Chroma + ONNX Embedding）首次会下载约 80MB 模型文件。若希望跳过向量库、纯工具调用体验，可保持 `server.py` 中相关注释不变；如需完整 RAG 体验，下载后取消 `server.py` 内的注释行。\n\n启动后 Server 会以 stdio 方式接受 MCP 客户端调用。配置 Claude Desktop 见下方 [Claude Desktop 接入](#claude-desktop-接入)。\n\n---\n\n## 你的 Key，自己填\n\n**重要**：本仓库**不预置任何用户的 API key**。`data/config/llm.json` 中 `api_key` 默认为 null（不是真的 key 占位）；`.env.example` 只是模板；`webhook.json` 是空 schema。\n\n### 你需要从下面这些**官方后台**自己申请 / rotate：\n\n| 服务 | 用途 | 后台地址 |\n|---|---|---|\n| DeepSeek API | 主力 LLM（必需） | https://platform.deepseek.com → API Keys |\n| Tushare Pro | A 股财务/历史数据（可选） | https://tushare.pro/register |\n| DashScope | 阿里通义备选 LLM（可选） | https://dashscope.console.aliyun.com |\n| Against Finance | 另类数据（可选） | https://www.against.com |\n| 飞书机器人 | 通知（可选） | https://open.feishu.cn → 机器人 → Webhook |\n\n### 4 个 key 都写在哪里（都不会进 git）\n\n- **MCP 启动必须**：`DEEPSEEK_API_KEY` 环境变量（推荐 User 级系统环境变量，或 CLAUDE.md / `.env`）\n- 可选：`TUSHARE_TOKEN` / `DASHSCOPE_API_KEY` / `AGAINST_API_KEY`（环境变量）\n- 飞书 webhook：`data/config/webhook.json` 里的 `feishu` 字段（已被 `.gitignore` 保护）\n\n### 安全规则\n\n- 你的 key 是你的——**不要 share、不要 commit、不要发到任何对话里**\n- key 进 git 历史（如被 commit 过的老版本）即使后来 rotate 仍可能被人滥用 → **发现泄露立即去对应平台 rotate**\n- 仓库已有 `.gitignore` 保护 `data/config/*.json`（含 llm/webhook 配置）+ `data/memory/*.db`（用户记忆库，按 CLAUDE.md 决策\"用户数据本地存储，不上传云端\"），**不要 `!` 取消忽略**\n\n> 备注：仓库历史曾 commit 过密钥占位（commit `22e6c72`），如已 push 远端，老 key 在 clone 历史里仍可被读——**清历史成本高、通常接受 + rotate 即可**\n\n---\n\n## 快速开始：推送配置\n\n> 从零到收到第一条微信推送，约 3 分钟。无需阅读任何文档。\n\n### 方式一：一键脚本（推荐，Windows）\n\n在仓库根目录打开 PowerShell，运行：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts/configure_pushplus.ps1\n```\n\n脚本会交互式引导你完成全部步骤：显示 PushPlus 获取 token 的操作步骤 → 粘贴 token（自动校验格式）→ 写入 `data/config/webhook.json` 并启用 `pushplus` 渠道 → 自动调用 `send_notification` 发送测试消息 → 打印成功/失败原因。\n\n### 方式二：对话内配置（MCP 客户端内）\n\n直接在任意 MCP 客户端中让 AI 帮你配置：\n\n```\n1. 查看当前配置状态：notify_get_notifier_config()\n2. 配置 PushPlus 并发送测试：notify_configure_notifier(channel=\"pushplus\", token=\"你的token\", enabled=true, send_test=true)\n```\n\n### PushPlus token 获取步骤\n\n1. 微信扫码关注公众号：https://www.pushplus.plus\n2. 进入「个人中心」→ 复制页面上的 token\n3. 填入上述任一方式\n\n**验证成功**：收到测试消息，或 `notify_get_notifier_config()` 返回 `\"enabled_channels\": [\"pushplus\"]`。未配置渠道时，提醒触发路径（`price_checker` / `scheduler`）返回中会携带 `setup_guide` 引导信息，而不会静默失败。\n\n> 安全说明：`data/config/webhook.json` 已被 `.gitignore` 保护，token 不会进入 git；请勿把 token 发到任何对话或提交到仓库。\n\n---\n\n## 它解决什么问题\n\n**核心问题**：投资者被叙事带着走，操作没纪律，事后后悔。\n\n| 常见痛点 | InvestBrain 的应对 |\n|----------|-------------------|\n| 看到某只股票大涨就追高 | 强制记录买入理由 + 关联历史相似决策 |\n| 跌了恐慌割肉 | 触发 RAG 检索大师对\"恐慌\"的看法 |\n| 同一类错误反复犯 | 行为模式挖掘自动识别\"追涨杀跌\"模式 |\n| 重要时间/价格点位忘记 | 价格/时间/条件监控 + 飞书推送 |\n| 想不起自己过去的判断 | 记忆系统 + 决策卡片回溯 |\n\n---\n\n## 核心能力\n\n| 功能 | 说明 |\n|------|------|\n| 想法记录 | 用户说一句话，AI 解析 + 关联历史 + 生成卡片 |\n| 投资 RAG | 大师思想检索问答（16 位投资大师 × 5 个核心概念） |\n| 记忆系统 | 用户画像、历史决策、行为模式挖掘 |\n| 提醒触发 | 价格/时间/条件监控，支持飞书/钉钉/Bark 多通道推送 |\n| 行为模式挖掘 | 自动发现投资者的偏差模式 |\n\n---\n\n## 示例对话\n\n下面是三个核心价值场景的真实对话流（任意 MCP 客户端均可使用）：\n\n### 场景 1：RAG 问答 — 大师思想碰撞\n\n> **用户**：段永平怎么看\"快钱\"和\"慢钱\"？\n>\n> **调用**：`rag_ask_investment(question=\"段永平怎么看快钱和慢钱\")`\n>\n> **AI 返回**：\n> 段永平的核心观点是\"快钱\"看似机会多但风险敞口大，\"慢钱\"依靠复利与确定性。\n> 在「段永平」语料中相关论述 12 条，节选：\n> > \"投资赚钱的速度不应该快过学习的速度。\"\n> > \"敢重仓的就是你能看懂的生意，剩下的不是机会。\"\n> 关联概念：能力圈、安全边际、复利。\n\n### 场景 2：行为模式分析 — 找出反复犯的错\n\n> **用户**：我最近的交易有什么问题？\n>\n> **调用**：`memory_get_behavior_patterns()`\n>\n> **AI 返回**：\n> 检测到你的两个行为模式（过去 30 天，11 笔交易）：\n>\n> 1. **追涨模式**（置信度 0.83）\n>    触发样本：买入 NVDA/TSLA 在单日涨幅 > 5% 后的 D+1/D+2，胜率 25%，平均收益 -3.2%\n>    建议：买入前强制查看 `rag_ask_investment(question=\"追高的代价\")`\n>\n> 2. **恐慌割肉模式**（置信度 0.71）\n>    触发样本：持仓亏损 > 15% 后的 5 日内卖出，后续 30 日反弹 67%\n>    建议：触发时自动推送飞书提醒 + 大师原话引用\n\n### 场景 3：智能提醒 — 纪律锚点\n\n> **用户**：NVDA 到 950 美元时提醒我重新评估。\n>\n> **调用**：`reminder_set_reminder(condition={ticker:\"NVDA\", operator:\"<=\", threshold:950, action:\"review\"})`\n>\n> **AI 返回**：\n> 提醒已建立：NVDA <= 950 USD 时触发\"复盘评估\"。\n> 触发后将自动拉取：当前价格、你对此票的历史决策卡片、相关大师语录。\n> 提醒已同步通知通道（如已配置）。\n\n---\n\n## Claude Desktop 接入\n\n将 InvestBrain 接入 Claude Desktop（macOS / Windows 通用）：\n\n**配置文件位置**：\n- macOS: `~/Library/Application Support/Claude/claude_desktop_config.json`\n- Windows: `%APPDATA%\\Claude\\claude_desktop_config.json`\n\n**配置内容**（路径按你 clone 的实际位置修改）：\n\n```json\n{\n  \"mcpServers\": {\n    \"investbrain\": {\n      \"command\": \"python\",\n      \"args\": [\n        \"D:/claudework/invest-brain/src/mcp_server/server.py\"\n      ],\n      \"env\": {\n        \"DEEPSEEK_API_KEY\": \"sk-your-key-here\"\n      }\n    }\n  }\n}\n```\n\n> 配置完成后**重启 Claude Desktop**，会在工具栏出现\"投资助手\"图标（39 个工具，与 `server.json` 注册的工具清单一致）。\n\n---\n\n## 开源协议与路线图\n\n本项目采用 **GNU Affero General Public License v3.0 (AGPLv3)** 授权。简言之：你可以自由使用、修改和分发，但通过网络提供服务的衍生作品也必须以相同协议开源。详见 [LICENSE](./LICENSE)。\n\n| 层级 | 功能 | 状态 |\n|------|------|------|\n| **免费层** | 本地 MCP Server | ✅ 已上线 |\n| | 16 位大师 RAG 问答 | ✅ 已上线 |\n| | 行为模式检测 | ✅ 已上线 |\n| | 提醒系统 | ✅ 已上线 |\n| | 无限记忆存储 | ✅ 已上线 |\n| **个人版** | 云端周报/月报（AI 生成） | 计划中（￥39/月） |\n| | 跨设备数据同步 | 计划中 |\n| **团队版** | 团队协作与共享知识库 | 计划中（￥199/月） |\n\n---\n\n## 架构\n\n```\nsrc/mcp_server/            # MCP Server（39 个工具）\n├── server.py               # 主入口\n├── tools/                  # 工具集\n│   ├── thought_tools.py    # 想法记录\n│   ├── rag_tools.py        # 投资 RAG\n│   ├── memory_tools.py     # 记忆系统\n│   ├── reminder_tools.py   # 提醒系统\n│   ├── pattern_tools.py    # 行为模式\n│   ├── report_tools.py     # 周报/月报\n│   ├── roundtable_tools.py # 大师圆桌\n│   └── notifier_tools.py   # 多通道通知\n├── datasources/            # 数据源\n│   ├── akshare_datasource.py\n│   └── tushare_datasource.py\n├── knowledge/              # 知识库\n│   ├── vector_store.py     # Chroma 向量存储\n│   └── graph_client.py     # 图存储\n├── memory/                 # 记忆存储\n├── patterns/               # 行为模式挖掘\n├── llm/                    # LLM 客户端\n│   ├── llm_router.py       # 通用 LLM 路由\n│   ├── providers.py        # Provider 配置\n│   └── deepseek_client.py\n└── api_server.py           # REST API (LLM 配置)\n\ndata/\n├── graph/                  # 知识图谱（16 位大师 + 概念）\n├── knowledge/\n│   └── vectors/            # 向量索引（Chroma）\n├── memory/                 # 用户记忆\n├── cards/                  # 想法卡片\n├── reminders/              # 提醒条件\n└── config/                 # 配置文件\n```\n\n---\n\n## MCP Tools（40 个）\n\n```json\n// 想法记录（3）\n\"thought_record_thought(text)\",\n\"thought_search_memories(query)\",\n\"thought_get_thought_cards(ticker)\",\n\n// 投资 RAG（4）\n\"rag_ask_investment(question)\",\n\"rag_get_master_view(master, topic)\",\n\"rag_search_knowledge(query)\",\n\"rag_search_reports(query, top_k)\",\n\n// 记忆系统（3）\n\"memory_get_user_profile()\",\n\"memory_record_decision(data)\",\n\"memory_get_behavior_patterns()\",\n\n// 提醒系统（3）\n\"reminder_set_reminder(condition)\",\n\"reminder_get_reminders()\",\n\"reminder_delete_reminder(id)\",\n\n// 行为模式（3）\n\"pattern_run_pattern_detection()\",\n\"pattern_get_pattern_summary()\",\n\"pattern_get_pattern_report(id)\",\n\n// 周报/月报（1）\n\"report_run_scheduled_report(range)\",\n\n// 大师圆桌（1）\n\"invest_roundtable(question)\",\n\n// 通知配置（2）\n\"notify_configure_notifier(channel, webhook_url)\",\n\"notify_get_notifier_config()\",\n\n// 行情数据 — AKShare（5）\n\"market_get_stock_quote(ticker)\",\n\"market_get_stock_history(ticker, period)\",\n\"market_get_index_components(index_code)\",\n\"market_get_valuation(ticker)\",\n\"market_get_market_sentiment()\",\n\n// 行情数据 — Tushare（15）\n\"tushare_get_daily_price(ts_code)\",\n\"tushare_get_weekly_price(ts_code)\",\n\"tushare_get_realtime_quote(ts_code)\",\n\"tushare_get_index_daily(index_code)\",\n\"tushare_get_financial_indicator(ts_code)\",\n\"tushare_get_income_statement(ts_code)\",\n\"tushare_get_balance_sheet(ts_code)\",\n\"tushare_get_cash_flow(ts_code)\",\n\"tushare_get_index_components(index_code)\",\n\"tushare_get_industry_classification(ts_code)\",\n\"tushare_get_valuation_multi(ts_code)\",\n\"tushare_get_market_top_movers()\",\n\"tushare_get_stock_pledge_status(ts_code)\",\n\"tushare_convert_ticker(ticker)\",\n\"tushare_check_token_status()\"\n```\n\n完整工具列表见 [src/mcp_server/tools/](./src/mcp_server/tools/)。\n\n---\n\n## 知识库\n\n**16 位投资大师**：\n巴菲特、芒格、段永平、霍华德·马克斯、李录、格雷厄姆、达莫达兰、阿克曼、凯西·伍德、迈克尔·伯里、帕伯莱、塔勒布、林奇、费雪、德鲁肯米勒\n\n**5 个核心概念**：\n护城河、安全边际、能力圈、第二层思维、非对称风险\n\n**行业知识**：\n28 个申万行业深度研究框架（向量库内检索，不公开原文，保护核心方法论 IP）\n\n---\n\n## 数据源\n\n| 数据源 | 用途 | 状态 |\n|--------|------|------|\n| AKShare | 实时行情 | ✅ |\n| Tushare | 财务/历史数据 | ✅ |\n| Chroma | 向量索引 | ✅ |\n| SQLite | 本地记忆 | ✅ |\n\n---\n\n## 开发\n\n```bash\n# 启动 REST API Server（用于 LLM 配置）\npython src/mcp_server/api_server.py\n# 访问 http://localhost:8000/api/llm/config\n\n# 启动前端（Next.js 落地页 + 设置面板）\nnpm install\nnpm run dev\n# 访问 http://localhost:3000\n```\n\n测试：\n\n```bash\npytest tests/\n```\n\n---\n\n## 相关项目\n\n| 项目 | 用途 |\n|------|------|\n| [invest-buddy-pet](https://github.com/lj22503/invest-buddy-pet) | 入门陪伴产品（人格测试） |\n| [mangoview](https://github.com/lj22503/mangoview) | 超级系统站（专业分析） |\n\n---\n\n## 🛠️ 推荐工具链\n\n> 以下工具推荐基于 [awesome-finai-tools-zn](https://github.com/lj22503/awesome-finai-tools-zn) 的 [SKILL.md](https://github.com/lj22503/awesome-finai-tools-zn/blob/main/SKILL.md) 场景→工具映射表生成，每类场景精选 1 个最佳工具。完整工具清单请访问仓库主页。\n\n| 推荐工具 | 功能 | 安装方式 |\n|---------|------|---------|\n| **ashare-mcp** | 生产级 A 股 MCP Server，30 个 tool（实时行情/K线/涨停池/龙虎榜/财报/板块资金） | `git clone https://github.com/CharmYue/ashare-mcp && cd ashare-mcp && uv sync` |\n| **opencli-eastmoney-quote** | 零配置 CLI，A 股/港股/美股实时行情秒出结果 | `npm install -g @jackwener/opencli` |\n| **opencli-xueqiu-search** | 雪球股票搜索 + 热门帖子舆情分析，中文/代码均可 | `npm install -g @jackwener/opencli` |\n| **Qlib** | 微软 AI 量化框架，自动因子挖掘 + 模型训练 + 回测评估 | `pip install pyqlib` |\n| **盈米基金 MCP** | 69 个标准化 MCP 工具 + 16 项技能组件，含组合回测/蒙特卡洛模拟 | 联系盈米 AI 开放平台获取 API Key |\n\n> 工具推荐逻辑基于 awesome-finai-tools-zn/data/institution-skills.json，每周自动更新。\n\n---\n\n## 🔗 工具链联动\n\n本仓库是 FinAI 工具生态的一部分，与其他仓库协作：\n\n| 仓库 | 定位 | 与本仓库的关系 |\n|------|------|---------------|\n| [awesome-finai-tools-zn](https://github.com/lj22503/awesome-finai-tools-zn) | 数据底座 | 提供工具清单+机构Skill数据 |\n| [invest-brain](https://github.com/lj22503/invest-brain) | 工具推荐引擎 | 基于场景自动推荐工具 |\n| [investment-buddy-pet](https://github.com/lj22503/investment-buddy-pet) | 人格化投顾 | 按投资人格匹配工具箱 |\n| [SoloAdvisor-Toolkit](https://github.com/lj22503/SoloAdvisor-Toolkit) | 投顾流程工具包 | KYC→配置→组合→报告 |\n| [knowledge-workflow](https://github.com/lj22503/knowledge-workflow) | 知识管理 | 收集→打标→存储→产出 |\n>\n\n## 🗺️ Roadmap\n\n> 改造需求详细文档：[docs/改造需求-roadmap.md](./docs/改造需求-roadmap.md)\n\n**P0 核心改造（个人知识库愿景）**：\n- 🔴 用户自定义 RAG 知识库（让用户自己的框架可被 RAG 引用）\n- 🔴 新闻/事件触发 reminder（央行购金、地缘冲突、美债冻结等）\n- 🔴 投资框架管理工具（结构化记录用户的框架规则与触发条件）\n\n**P1 数据源**：\n- 🟡 黄金现货 / 美元指数 / 美债收益率实时数据\n- 🟡 黄金 ETF（518880 / GLD）数据修复\n\n**P2 体验优化**：\n- 🟢 思考卡 NLU 抽取 bug（数字/英文名误识别）\n\n**最近进展（2026-07-29）**：\n- ✅ 黄金投资框架核心已写入思考卡（`thought_8`）\n- ✅ 基于真实数据的黄金推演已写入思考卡（`thought_9`）\n- ✅ 改造需求文档已建（`docs/改造需求-roadmap.md`）\n\n---\n\n**版本**: v0.1.2\n**创建时间**: 2026-06-24\n**许可**: AGPL v3\n\n<!-- mcp-name: com.mangofolio.investbrain -->\n",
  "bytes": 11982,
  "sha": "8a80797c099d1988d2e30c3d8a5919124e2327600587d38771425477b49b527a",
  "repo_slug": "lj22503/invest-brain",
  "fonte": "repo",
  "truncated": false,
  "api": "https://agentalog.com/api/listings/mcp_com_mangofolio_investbrain_ae268b31/readme"
}