登录 注册
AI 应用与 AI AgentAI 模型与开发框架 a-shareai-agentai-skillchina-stocksclaude-codefinancial-data
11,740
Stars
2,126
Forks
70
Watchers
2
Open Issues
Apache-2.0
许可证
Python
语言
2026-05-11
创建时间
2026-11-03
最近更新

项目能做什么

面向 AI Agent 的 A 股全栈数据工具包,含 K 线、逐笔、研报等 34 数据源,除 iwencai 外免 Key。
来源:基于仓库元数据 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
<p align="center"><b>简体中文</b> | <a href="README_en.md">English</a></p>

<h1 align="center">a-stock-data</h1>

<p align="center">
  <b>A 股全栈数据工具包 — 15 层架构 · 87 个端点 · 34 个数据源 · 零鉴权(iwencai 除外)</b>
</p>

<p align="center">
  行情 K 线 · 研报 · 市场信号 · 资金面 / 筹码 · 新闻 · 基础财务 · 公告 · 打板 · ETF 期权 · 舆情互动 ·
  宏观与利率 · 指数与交易日历 · 期货与大宗商品 · 事件驱动 · 可转债
</p>

<p align="center">
  <a href="LICENSE"><img src="https://img.shields.io/badge/License-Apache_2.0-blue.svg" alt="License"></a>
  <img src="https://img.shields.io/badge/Python-3.9+-3776AB?logo=python&logoColor=white" alt="Python">
  <a href="https://github.com/simonlin1212/a-stock-data/stargazers"><img src="https://img.shields.io/github/stars/simonlin1212/a-stock-data?style=social" alt="Stars"></a>
  <br>
  <img src="https://img.shields.io/badge/layers-15-2ea44f.svg" alt="Layers">
  <img src="https://img.shields.io/badge/endpoints-87-2ea44f.svg" alt="Endpoints">
  <img src="https://img.shields.io/badge/sources-34-2ea44f.svg" alt="Sources">
  <img src="https://img.shields.io/badge/auth-zero-success.svg" alt="Zero Auth">
</p>

---

<p align="center">
  <a href="#数据覆盖15-类">数据覆盖</a> ·
  <a href="#架构">架构</a> ·
  <a href="#快速开始">快速开始</a> ·
  <a href="#87-个端点能力清单">端点清单</a> ·
  <a href="#使用示例">使用示例</a> ·
  <a href="#faq">FAQ</a> ·
  <a href="./CHANGELOG.md">更新日志</a>
</p>

一个自包含的 Skill 文件,把分散在 34 个数据源里的 A 股及相关市场原始数据整合成 AI 编程助手直接能用的工具集。你不用再背腾讯 K 线的分段参数、通达信盘后包的二进制格式、东财的 PDF Referer 头、iwencai 的 X-Claw 鉴权——全部封装好了。主源被封还有「备用源速查」可降级。

> 兼容 [Claude Code](https://github.com/anthropics/claude-code) · [Codex](https://github.com/openai/codex) · [OpenClaw](https://github.com/openclaw/openclaw) · [WorkBuddy](https://www.workbuddy.cn/) · [Muse](https://muse.ai/) · [Grok Bot](https://x.ai/bot)
>
> Skill 文件本质是结构化 Markdown + 内嵌 Python,任何支持上下文注入的 AI 编程助手都能用。

> **V3.10.4(2026-11-04 · #64 基金复权):** §1.6 新浪复权因子用于基金(ETF / LOF)时原来只读 `f`(基金恒为 1),复权等于没做。现在补读份额折算比例 `s` 和累计每份分红 `u`:前复权 `raw / s - u`,后复权 `(raw + u) * s`。个股的返回值、入口数、来源数都不变。
>
> **V3.10.3(2026-10-23 · 上证e互动时间列):** §10.3 `sse_e_interaction()` 的回复时间是相对写法(`昨天 18:22`),原来只认绝对时间,遇到就整页抛错。现在相对/绝对时间都换算成 `YYYY-MM-DD HH:MM`(按北京时间),认不出仍然报错。入口数、来源数、返回的数据都不变。
>
> **V3.10.2(2026-10-11 · #58):** 修正 `full_valuation()` 的 PE 消化年数:前向 PE 高于 30x 而预测盈利不增长(或下一年预测缺失)时,原来返回 0 年,像是已经消化完;现在返回 `None`,表示无法估算。当年 EPS 缺失或不为正时同样返回 `None`。入口数、来源数不变。
>
> **V3.10.1(2026-10-07 · #57):** 更正 §1.2 腾讯 K 线的成交量单位:**科创板(688 / 689)是股**,其余是手。此前文档全写成手,照旧文档换算科创板会大 100 倍。同时补上和通达信盘后包、Baostock 按股对账的口径。§1.4 逐笔改走复用连接、自动重试的会话(一次约 70 秒 → 约 25 秒),新增 `frame.attrs["complete"]`,15:31 以后核对盘后定价段有没有缺笔;§13.7 期货日 K 同样自动重试。入口数、来源数、返回的数据都不变。
>
> **V3.10.0(2026-09-22):** 通达信公开服务器的 K 线 / 盘口 / 逐笔命令失效(#52)后,行情层把可用来源排到前面(腾讯 → 腾讯 K 线 → 通达信盘后包 → 腾讯逐笔),mootdx 移到最后留档;新增 §1.4 `tencent_ticks()` 腾讯当日逐笔成交(替代 mootdx 逐笔)和 §13.7 `futures_kline()` 新浪期货日 K(主力连续 + 具体合约,**补上大商所**)。Layer 1 重新编号,旧编号对照见 CHANGELOG。
>
> **V3.9.0(2026-09-20):** 新增期货与大宗商品、事件驱动、可转债三层,并在原有各层补上腾讯 K 线、通达信官网盘后包、新浪研报、ETF 份额、利率曲线等入口,共 25 个;通达信公开服务器的 K 线命令失效(#52)已改走 HTTP。详见 [CHANGELOG](./CHANGELOG.md)。

--
阅读完整原文

商业机会分析 规则生成(AI 未配置)

综合评分 75.0 分。该项目在“个人可实施性”维度得 60 分,“付费可能性”维度得 64.0 分,差异化空间 100.0 分(评分依据见评分卡)。

将 a-stock-data 改造为垂直场景 SaaS

产品构想保留核心能力,针对某一类用户(如某行业团队)做托管版,收取月费。
目标用户有该需求的中小团队 / 独立站长
难度/周期中 · 2~4 周(MVP)
收费模式订阅制(如 ¥29~99/月)
竞争风险需验证付费意愿;注意许可证合规
依据 数据支持的判断:许可证与关键词显示存在商用与付费场景

面向细分需求的二次开发产品

产品构想基于 a-stock-data 的核心能力,聚焦一个更窄的场景(如某平台、某行业)做差异化。
目标用户该细分场景用户
难度/周期中 · 2~6 周
收费模式买断制 / 订阅制 / 广告
竞争风险细分需求规模需验证
依据 AI 推测:基于项目主题标签的判断

封装为在线小工具或 API 服务

产品构想把项目最常用的一个功能做成网页小工具,靠流量变现或按量计费。
目标用户搜索引擎带来的长尾用户
难度/周期低 · 1~3 周
收费模式免费引流 + 增值功能 / API 按量计费
竞争风险同质化竞争,需做好 SEO
依据 AI 推测:基于技术栈与部署特征的判断
以上为规则引擎基于仓库公开数据生成的参考结论,包含推测成分,不构成投资或创业承诺;配置 AI 后可获得更深入的分析。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
f/prompts.chat 中文介绍暂未生成
f.k.a. Awesome ChatGPT Prompts. Share, discover, and collect
176,840 MDX
usememos/memos 中文介绍暂未生成
Memos is an open-source, self-hosted note-taking app that br
64,385 Go
hashicorp/terraform 中文介绍暂未生成
Terraform enables you to safely and predictably create, chan
50,196 Go
streamlit/streamlit 中文介绍暂未生成
Streamlit — A faster way to build and share data apps.
46,300 Python
deskflow/deskflow 中文介绍暂未生成
Share a single keyboard and mouse between multiple computers
30,872 C++
TencentCloud/TencentDB-Agent-Memory 中文介绍暂未生成
TencentDB Agent Memory is a team-level memory hub for AI Age
30,751 TypeScript
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 2026-05-11,近 30 天仍在推送,发布过 27 个 Release
社区活跃Star 11,740 / Fork 2,126 / Issue 2(数据支持,可自行核实)
许可证Apache-2.0
主要风险上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价

安装与使用

快速开始(以仓库 README 为准)
git clone https://github.com/simonlin1212/a-stock-data.git
cd a-stock-data
# 请阅读仓库 README 获取确切安装步骤(依赖、配置、启动命令)
阅读原仓库文档
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。