想法记录 × 投资 RAG × 记忆系统 × 提醒触发 × 行为模式挖掘
--- ## 5 分钟快速体验 一条命令 clone 仓库后，三步完成启动： ```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： 1. 显示 PushPlus 获取 token 的操作步骤 2. 提示粘贴 token（脚本自动校验格式） 3. 写入 `data/config/webhook.json` 并启用 `pushplus` 渠道 4. 自动调用 `send_notification` 发送测试消息 5. 打印成功/失败原因 > 提示：如果没有先注册 PushPlus，请先微信扫码关注公众号 https://www.pushplus.plus → 个人中心 → 复制 token，再运行脚本。 ### 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) ``` 未配置任何渠道时，`set_reminder` / `get_reminders` 返回的 `notification_status` 中会附带完整的渠道获取步骤与下一步工具名，按提示操作即可。 ### 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」 3. 复制页面上的 token 4. 填入上述任一方式 ### 验证是否配置成功 - 收到测试消息 → 配置成功 - `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**： ```json { "mcpServers": { "investbrain": { "command": "python", "args": [ "D:/claudework/investbrain/src/mcp_server/server.py" ], "env": { "DEEPSEEK_API_KEY": "sk-your-key-here" } } } } ``` > 路径请按你 clone 的实际位置修改。配置完成后**重启 Claude Desktop**，会在工具栏出现"投资助手"图标（40 个工具）。 --- ## 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（40 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**: v0.1.0 **创建时间**: 2026-06-24 **许可**: AGPL v3