io.github.lj22503/invest-brain
A-share investment research: quotes, financials, behavior patterns, and trading journals.
Open source Open in the app JSON README (API)
About
A-share investment research: quotes, financials, behavior patterns, and trading journals.
Details
- Kind
- MCP servers
- Topic
- Finance & crypto
- Publisher
- lj22503
- Origin
- official
- Category
- ferramentas
- Transport
- local
- Version
- 0.1.1
- Last push
- 2026-08-18T07:15:14Z
- Repository state
- ativo
- Language
- Python
- License
- AGPL-3.0
- Added
- 2026-08-29 04:00:24
- Updated
- 2026-08-29 04:00:24
- Origin id
io.github.lj22503/invest-brain
README
# InvestBrain — 投资第二大脑
> 有经验投资者的纪律自主工具，解决"知行合一"问题
> **不是投顾，不给建议，而是"镜子" + "纪律锚点"**
[](https://www.gnu.org/licenses/agpl-3.0)
[](https://www.python.org/downloads/)
[](https://modelcontextprotocol.io/)
[]()
<p align="center">
<a href="README_EN.md"><img src="https://img.shields.io/badge/English-README-blue?style=for-the-badge" alt="English README"/></a>
<a href="llms.txt"><img src="https://img.shields.io/badge/llms.txt-AI_Ready-green?style=for-the-badge" alt="llms.txt"/></a>
<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>
</p>
<p align="center">
<strong>想法记录 × 投资 RAG × 记忆系统 × 提醒触发 × 行为模式挖掘</strong>
</p>
---
## 5 分钟快速体验
两种使用方式：**桌面客户端（推荐）** 或 **MCP Server**。
### 方式 A：桌面客户端（Windows，推荐）
1. 下载并安装 `InvestBrain_0.1.2_x64_en-US.msi`（见 [Releases](https://github.com/lj22503/invest-brain/releases)）
2. 打开桌面应用，即见「大脑已加载」状态条与试聊引导
3. 想对话时在设置页填入自己的 LLM Key，即可走真实对话链路
> 桌面端数据存储在 `%APPDATA%\InvestBrain\data`，设置页可直接查看数据位置。
### 方式 B：MCP Server（任意 MCP 客户端）
```bash
# 1. 安装 MCP Server 依赖
cd src/mcp_server && pip install -r requirements.txt
# 2. 配置你自己的 LLM API Key（见下文「你的 Key，自己填」）
cp .env.example .env
# 编辑 .env，把 DEEPSEEK_API_KEY 填成你从 DEEPSEEK 后台拿到的 key
# 3. 启动 MCP Server
python server.py
```
> **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。
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)。
---
## 你的 Key，自己填
**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。
### 你需要从下面这些**官方后台**自己申请 / rotate：
| 服务 | 用途 | 后台地址 |
|---|---|---|
| DeepSeek API | 主力 LLM（必需） | https://platform.deepseek.com → API Keys |
| Tushare Pro | A 股财务/历史数据（可选） | https://tushare.pro/register |
| DashScope | 阿里通义备选 LLM（可选） | https://dashscope.console.aliyun.com |
| Against Finance | 另类数据（可选） | https://www.against.com |
| 飞书机器人 | 通知（可选） | https://open.feishu.cn → 机器人 → Webhook |
### 4 个 key 都写在哪里（都不会进 git）
- **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`）
- 可选：`TUSHARE_TOKEN` / `DASHSCOPE_API_KEY` / `AGAINST_API_KEY`（环境变量）
- 飞书 webhook：`data/config/webhook.json` 里的 `feishu` 字段（已被 `.gitignore` 保护）
### 安全规则
- 你的 key 是你的——**不要 share、不要 commit、不要发到任何对话里**
- 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**
- 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**
> 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**
---
## 快速开始：推送配置
> 从零到收到第一条微信推送，约 3 分钟。无需阅读任何文档。
### 方式一：一键脚本（推荐，Windows）
在仓库根目录打开 PowerShell，运行：
```powershell
powershell -ExecutionPolicy Bypass -File scripts/configure_pushplus.ps1
```
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。
### 方式二：对话内配置（MCP 客户端内）
直接在任意 MCP 客户端中让 AI 帮你配置：
```
1. 查看当前配置状态：notify_get_notifier_config()
2. 配置 PushPlus 并发送测试：notify_configure_notifier(channel="pushplus", token="你的token", enabled=true, send_test=true)
```
### PushPlus token 获取步骤
1. 微信扫码关注公众号：https://www.pushplus.plus
2. 进入「个人中心」→ 复制页面上的 token
3. 填入上述任一方式
**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。
> 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。
---
## 它解决什么问题
**核心问题**：投资者被叙事带着走，操作没纪律，事后后悔。
| 常见痛点 | InvestBrain 的应对 |
|----------|-------------------|
| 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 |
| 跌了恐慌割肉 | 触发 RAG 检索大师对"恐慌"的看法 |
| 同一类错误反复犯 | 行为模式挖掘自动识别"追涨杀跌"模式 |
| 重要时间/价格点位忘记 | 价格/时间/条件监控 + 飞书推送 |
| 想不起自己过去的判断 | 记忆系统 + 决策卡片回溯 |
---
## 核心能力
| 功能 | 说明 |
|------|------|
| 想法记录 | 用户说一句话，AI 解析 + 关联历史 + 生成卡片 |
| 投资 RAG | 大师思想检索问答（16 位投资大师 × 5 个核心概念） |
| 记忆系统 | 用户画像、历史决策、行为模式挖掘 |
| 提醒触发 | 价格/时间/条件监控，支持飞书/钉钉/Bark 多通道推送 |
| 行为模式挖掘 | 自动发现投资者的偏差模式 |
---
## 示例对话
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）：
### 场景 1：RAG 问答 — 大师思想碰撞
> **用户**：段永平怎么看"快钱"和"慢钱"？
>
> **调用**：`rag_ask_investment(question="段永平怎么看快钱和慢钱")`
>
> **AI 返回**：
> 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。
> 在「段永平」语料中相关论述 12 条，节选：
> > "投资赚钱的速度不应该快过学习的速度。"
> > "敢重仓的就是你能看懂的生意，剩下的不是机会。"
> 关联概念：能力圈、安全边际、复利。
### 场景 2：行为模式分析 — 找出反复犯的错
> **用户**：我最近的交易有什么问题？
>
> **调用**：`memory_get_behavior_patterns()`
>
> **AI 返回**：
> 检测到你的两个行为模式（过去 30 天，11 笔交易）：
>
> 1. **追涨模式**（置信度 0.83）
> 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%
> 建议：买入前强制查看 `rag_ask_investment(question="追高的代价")`
>
> 2. **恐慌割肉模式**（置信度 0.71）
> 触发样本：持仓亏损 > 15% 后的 5 日内卖出，后续 30 日反弹 67%
> 建议：触发时自动推送飞书提醒 + 大师原话引用
### 场景 3：智能提醒 — 纪律锚点
> **用户**：NVDA 到 950 美元时提醒我重新评估。
>
> **调用**：`reminder_set_reminder(condition={ticker:"NVDA", operator:"<=", threshold:950, action:"review"})`
>
> **AI 返回**：
> 提醒已建立：NVDA <= 950 USD 时触发"复盘评估"。
> 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。
> 提醒已同步通知通道（如已配置）。
---
## Claude Desktop 接入
将 InvestBrain 接入 Claude Desktop（macOS / Windows 通用）：
**配置文件位置**：
- macOS: `~/Library/Application Support/Claude/claude_desktop_config.json`
- Windows: `%APPDATA%\Claude\claude_desktop_config.json`
**配置内容**（路径按你 clone 的实际位置修改）：
```json
{
"mcpServers": {
"investbrain": {
"command": "python",
"args": [
"D:/claudework/invest-brain/src/mcp_server/server.py"
],
"env": {
"DEEPSEEK_API_KEY": "sk-your-key-here"
}
}
}
}
```
> 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）。
---
## 开源协议与路线图
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)。
| 层级 | 功能 | 状态 |
|------|------|------|
| **免费层** | 本地 MCP Server | ✅ 已上线 |
| | 16 位大师 RAG 问答 | ✅ 已上线 |
| | 行为模式检测 | ✅ 已上线 |
| | 提醒系统 | ✅ 已上线 |
| | 无限记忆存储 | ✅ 已上线 |
| **个人版** | 云端周报/月报（AI 生成） | 计划中（￥39/月） |
| | 跨设备数据同步 | 计划中 |
| **团队版** | 团队协作与共享知识库 | 计划中（￥199/月） |
---
## 架构
```
src/mcp_server/ # MCP Server（39 个工具）
├── server.py # 主入口
├── tools/ # 工具集
│ ├── thought_tools.py # 想法记录
│ ├── rag_tools.py # 投资 RAG
│ ├── memory_tools.py # 记忆系统
│ ├── reminder_tools.py # 提醒系统
│ ├── pattern_tools.py # 行为模式
│ ├── report_tools.py # 周报/月报
│ ├── roundtable_tools.py # 大师圆桌
│ └── notifier_tools.py # 多通道通知
├── datasources/ # 数据源
│ ├── akshare_datasource.py
│ └── tushare_datasource.py
├── knowledge/ # 知识库
│ ├── vector_store.py # Chroma 向量存储
│ └── graph_client.py # 图存储
├── memory/ # 记忆存储
├── patterns/ # 行为模式挖掘
├── llm/ # LLM 客户端
│ ├── llm_router.py # 通用 LLM 路由
│ ├── providers.py # Provider 配置
│ └── deepseek_client.py
└── api_server.py # REST API (LLM 配置)
data/
├── graph/ # 知识图谱（16 位大师 + 概念）
├── knowledge/
│ └── vectors/ # 向量索引（Chroma）
├── memory/ # 用户记忆
├── cards/ # 想法卡片
├── reminders/ # 提醒条件
└── config/ # 配置文件
```
---
## MCP Tools（40 个）
```json
// 想法记录（3）
"thought_record_thought(text)",
"thought_search_memories(query)",
"thought_get_thought_cards(ticker)",
// 投资 RAG（4）
"rag_ask_investment(question)",
"rag_get_master_view(master, topic)",
"rag_search_knowledge(query)",
"rag_search_reports(query, top_k)",
// 记忆系统（3）
"memory_get_user_profile()",
"memory_record_decision(data)",
"memory_get_behavior_patterns()",
// 提醒系统（3）
"reminder_set_reminder(condition)",
"reminder_get_reminders()",
"reminder_delete_reminder(id)",
// 行为模式（3）
"pattern_run_pattern_detection()",
"pattern_get_pattern_summary()",
"pattern_get_pattern_report(id)",
// 周报/月报（1）
"report_run_scheduled_report(range)",
// 大师圆桌（1）
"invest_roundtable(question)",
// 通知配置（2）
"notify_configure_notifier(channel, webhook_url)",
"notify_get_notifier_config()",
// 行情数据 — AKShare（5）
"market_get_stock_quote(ticker)",
"market_get_stock_history(ticker, period)",
"market_get_index_components(index_code)",
"market_get_valuation(ticker)",
"market_get_market_sentiment()",
// 行情数据 — Tushare（15）
"tushare_get_daily_price(ts_code)",
"tushare_get_weekly_price(ts_code)",
"tushare_get_realtime_quote(ts_code)",
"tushare_get_index_daily(index_code)",
"tushare_get_financial_indicator(ts_code)",
"tushare_get_income_statement(ts_code)",
"tushare_get_balance_sheet(ts_code)",
"tushare_get_cash_flow(ts_code)",
"tushare_get_index_components(index_code)",
"tushare_get_industry_classification(ts_code)",
"tushare_get_valuation_multi(ts_code)",
"tushare_get_market_top_movers()",
"tushare_get_stock_pledge_status(ts_code)",
"tushare_convert_ticker(ticker)",
"tushare_check_token_status()"
```
完整工具列表见 [src/mcp_server/tools/](./src/mcp_server/tools/)。
---
## 知识库
**16 位投资大师**：
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
**5 个核心概念**：
护城河、安全边际、能力圈、第二层思维、非对称风险
**行业知识**：
28 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）
---
## 数据源
| 数据源 | 用途 | 状态 |
|--------|------|------|
| AKShare | 实时行情 | ✅ |
| Tushare | 财务/历史数据 | ✅ |
| Chroma | 向量索引 | ✅ |
| SQLite | 本地记忆 | ✅ |
---
## 开发
```bash
# 启动 REST API Server（用于 LLM 配置）
python src/mcp_server/api_server.py
# 访问 http://localhost:8000/api/llm/config
# 启动前端（Next.js 落地页 + 设置面板）
npm install
npm run dev
# 访问 http://localhost:3000
```
测试：
```bash
pytest tests/
```
---
## 相关项目
| 项目 | 用途 |
|------|------|
| [invest-buddy-pet](https://github.com/lj22503/invest-buddy-pet) | 入门陪伴产品（人格测试） |
| [mangoview](https://github.com/lj22503/mangoview) | 超级系统站（专业分析） |
---
## 🛠️ 推荐工具链
> 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。
| 推荐工具 | 功能 | 安装方式 |
|---------|------|---------|
| **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` |
| **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` |
| **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` |
| **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` |
| **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 |
> 工具推荐逻辑基于 awesome-finai-tools-zn/data/institution-skills.json，每周自动更新。
---
## 🔗 工具链联动
本仓库是 FinAI 工具生态的一部分，与其他仓库协作：
| 仓库 | 定位 | 与本仓库的关系 |
|------|------|---------------|
| [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 |
| [invest-brain](https://github.com/lj22503/invest-brain) | 工具推荐引擎 | 基于场景自动推荐工具 |
| [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 |
| [SoloAdvisor-Toolkit](https://github.com/lj22503/SoloAdvisor-Toolkit) | 投顾流程工具包 | KYC→配置→组合→报告 |
| [knowledge-workflow](https://github.com/lj22503/knowledge-workflow) | 知识管理 | 收集→打标→存储→产出 |
>
## 🗺️ Roadmap
> 改造需求详细文档：[docs/改造需求-roadmap.md](./docs/改造需求-roadmap.md)
**P0 核心改造（个人知识库愿景）**：
- 🔴 用户自定义 RAG 知识库（让用户自己的框架可被 RAG 引用）
- 🔴 新闻/事件触发 reminder（央行购金、地缘冲突、美债冻结等）
- 🔴 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）
**P1 数据源**：
- 🟡 黄金现货 / 美元指数 / 美债收益率实时数据
- 🟡 黄金 ETF（518880 / GLD）数据修复
**P2 体验优化**：
- 🟢 思考卡 NLU 抽取 bug（数字/英文名误识别）
**最近进展（2026-07-29）**：
- ✅ 黄金投资框架核心已写入思考卡（`thought_8`）
- ✅ 基于真实数据的黄金推演已写入思考卡（`thought_9`）
- ✅ 改造需求文档已建（`docs/改造需求-roadmap.md`）
---
**版本**: v0.1.2
**创建时间**: 2026-06-24
**许可**: AGPL v3
<!-- mcp-name: com.mangofolio.investbrain -->