HunterCode

Community Edition

自部署的 AI 投研助手 · A股 / 港股 / 美股 · 数据和对话都在你自己的机器上

HunterCode 是腾讯 WorkBuddy 金融版的开源本地替代方案 · 面向私募与专业个人投资者
_{腾讯、WorkBuddy 是腾讯公司的商标。HunterCode 与腾讯公司无隶属、合作或授权关系。}

🚀 在线演示  ·  ⚡ 5 分钟部署  ·  📖 文档  ·  💬 讨论区

🏆 入围世界人工智能开源大赛(GOAI)总决赛 · 赛道二 TOP 15 · 与 WorkBuddy 金融版逐项对比(附官方来源) · 完整演示视频 3 分钟(2026-09-19 录制)

⚠️ 免责声明:本项目是投研分析工具,所有输出为 AI 生成内容,仅供研究参考,不构成任何投资建议。投资有风险,决策需谨慎。

⏱ 30 秒看懂

它是什么 —— 一个跑在你自己电脑或服务器上的金融 AI 助手。你给它一个大模型 key,它就能查行情、拉新闻、做个股深度分析、预测走势、管理自选和持仓,并按你写的 SKILL(分析方法论)工作。对话、持仓、投资论点全部存在本地数据库。

它不是什么 —— 不接券商交易,不替你做决策,不保证预测准确。它是把公开数据、分析方法论和大模型组织起来的研究助手。

适合谁 —— 会用 Docker 的个人投资者、私募研究员、小型量化团队;想掌控自己的数据,或想把自己的数据源和方法论接进来的人。

☁️ 一键部署到云平台

不想自己管服务器的,可以直接部署到下面这些平台,部署完打开域名走一遍首启向导就能用。

ℹ️ 这一版还没有「一键部署」按钮。 我们没有这些平台的账号,一次真实部署都没做过, 更没有上架到任何一家的模板市场 —— 所以不放按钮,只给文档。 每份模板都做过等价验证:把模板机械翻译成 compose(同镜像、同环境变量、 用平台自己的方式生成的随机密钥、同卷、同依赖),在本机从空卷跑完 「六服务健康 → 走完向导 → 真实对话 → 深度分析 → 重启数据不丢」。 各篇文档里都写明了「哪些验过、哪些没验过、平台上要自己核对什么」。 有账号的朋友帮忙实测一次,欢迎来 Issues 说结果 —— 验过就加按钮。

公网部署必看:这些平台上的实例一创建就在公网上。模板都默认 关掉了单用户免登录(HUNTER_SINGLE_USER=0)并生成了一道初始化口令 HUNTER_SETUP_TOKEN,向导第 0 步要填它 —— 不然谁先打开谁就能把大模型配成他自己的。 口令在平台的环境变量面板里看。

🖥 桌面启动器(推荐给不熟悉命令行的用户)

下载 → 填一把 key → 等几分钟,整套 HunterCode 自动装好,全程不用敲一条命令。

装完打开按向导走:欢迎 → 填 key → 一次授权 → 选模型 → 自动安装。检测 Docker、挑下载源、 算端口、写配置、拉镜像、起容器由它连着跑完,装好自动打开浏览器。 启动器仓库:agentpit-io/HunterLauncher · 图文说明与截图:www.agentpit.io/hunter-community

—— 徽章上就是当前最新版,下面的链接永远指向它,不用找版本号。

这几个链接是固定的:每次发版都会把最新安装包覆盖到同一个地址, 所以收藏它、贴进文章、做成二维码都不会失效。

想要带版本号的包、逐个文件的 sha256、或是历史版本,看 checksums.txt、manifest.json 与 Releases。manifest.json 里有当前版本号、发布日期与三个包的 体积和完整 sha256 —— 下载页 显示的就是它。

系统要求

• macOS 12+(Intel / Apple 芯片通用)—— 不需要你先装 Docker。本机没有 Docker 时, 启动器会自己准备一套运行环境(内置 Colima + Lima,全装在 ~/.hunter/runtime), 不碰你已有的 ~/.colima、~/.lima、别人的容器与数据卷。本机已有 OrbStack / Docker Desktop / Colima 的话它一个字节都不下。
• Windows 10 / 11 · x64 —— 需要你先装好 Docker Desktop 与 WSL2。 Windows 上装 Docker Desktop 要 WSL 与管理员权限,启动器这一版还没有做这条链路; 装好 Docker Desktop 之后回来点一次「重新检测」就能继续。

安装包没有做代码签名,第一次打开要放行一下

• Windows:SmartScreen 会拦一下 —— 点「更多信息」→「仍要运行」。
• macOS:不要双击,在图标上右键 → 打开,在弹出的对话框里再点一次「打开」。

现状(如实说明)

• 目前每一版都标预发布(prerelease),原因就是上面那条:包没有代码签名。
• macOS 已在真机验证过全流程:2026-09-23 在 Intel · macOS 14.8.5 上跑通了自动准备运行环境 (虚拟机层第一次在真虚拟机上跑通)、开机自检、每日定时备份(LaunchAgent 强制触发后真跑出备份)、 删除应用,以及「备份 → 删除 → 重装 → 恢复」闭环(重装 57 秒、6/6 服务健康、数据原样沿用)。 · 已知问题:0.1.13 及更早版本在 macOS 上的「自动更新」不可用(会下错成 Linux 的包), 这几版升级请手动下载新安装包覆盖安装。
• Windows 尚未真机验证:只在 CI 里编译与打包通过,没有在任何一台真 Windows 上跑过。 你是第一个跑的话,欢迎来 Issues 说结果。
• Linux 在测试机上真机跑通过从零安装、升级、回滚与离线导入。

想自己敲命令,或者要装到远程服务器上,往下看「5 分钟跑起来」—— 两条路装出来的是同一套东西。

🚀 5 分钟跑起来

准备:Docker Desktop(Windows / macOS)或 Docker Engine + Compose v2(Linux) · 磁盘 10 GB · 内存 4 GB(实测峰值约 1.3 GB) · 能访问 ghcr.io

六个服务的镜像都同时提供 amd64 与 arm64,Apple Silicon 与 arm 云主机原生运行,不用模拟。

[!IMPORTANT] 开始前只需要理解两件事

1. 模型从哪来。推荐走 HunterCode 内置额度:免费申请一把 hunt_tools_ 平台 key(约 30 秒),在向导第 2 步选第一张卡,不用自己去各家申请大模型 key,地址和模型名向导自动填好。详见 内置额度使用说明。 · 额度:每把 key 每天 1000 万 token(输入 + 含 thinking 的输出),北京时间 0 点重置;另有每分钟请求数与并发上限。额度用完不是断服 —— 对话里会用中文说清几点重置、怎么改用自带 key,工具与数据供给照常。额度与服务可能调整或下线。 · 隐私:网关只记 token 数与模型名,不记任何 prompt 与回复内容。 · 使用前请读一遍 服务条款与可接受使用政策(English) —— 仅限自部署用户的研究用途,禁止转售、禁止当通用 API 用。 高级路径:自带大模型 key —— DeepSeek 或任何 OpenAI 兼容网关(通义、Claude、GPT、OpenRouter、OneAPI、AIHubMix 等)都行,向导里粘进去当场检测。两条路随时互相切换。
2. 数据从哪来(三选一,可以先不管):① 免费开源源(A 股行情要在 .env 设 DATA_SOURCE_PROVIDER=akshare);② 接你自己的 MCP / 数据源;③ 平台数据管道,免费申请 key。详见 数据供给三选一。 走内置额度的话这一步已经顺带解决了 —— 同一把 hunt_tools_ key 也是数据供给的 key,向导会直接告诉你已解锁。

耗时:自 v1.1.0 起六个服务全部走预构建镜像,不再本地构建 —— 首次约 3–5 分钟(全在下镜像),之后 up -d 几十秒。向导本身约 1 分钟。

git clone https://github.com/agentpit-io/hunter-community
cd hunter-community
docker compose up -d
open http://localhost:3100          # 浏览器里完成首启向导,不用改任何文件

没有第二步。 自 v1.1.0 起 .env 一个字都不用改 —— 密钥自动生成、数据库自动迁移、 六个服务全走预构建镜像;大模型在浏览器里配。

浏览器里的首启向导

第一次打开会自动进入向导(没配大模型时),五步:

全部截图见 docs/screenshots/builtin-llm/(内置额度全流程) 与 docs/screenshots/setup-wizard/(自带 key 路径)。

[!IMPORTANT] 这台实例只要能从公网打开,就先在 .env 里设 HUNTER_SETUP_TOKEN(随便一串随机值, openssl rand -base64 24),然后 docker compose up -d。 不设的话,谁先打开这个页面谁就能配置大模型 —— 向导判断「来源是不是本机」靠的是 HTTP 转发头,裸 docker compose(前面没有 nginx 之类的反代)时那是访问者可以伪造的。 设了之后向导第 0 步会要这个口令,连错 5 次锁 15 分钟。本机 / 内网使用不需要设。

想走老路(在 .env 里写死)也行,而且优先级更高:填了 LLM_BASE_URL / LLM_API_KEY / LLM_DEFAULT_MODEL 的实例是锁定状态,向导只读展示、改不了它(演示站就是这么跑的)。 要换模型改 .env 后 docker compose up -d(不是 restart —— restart 不重读 .env)。 内置额度也能写死(一键部署模板会这么预填),写法见 内置额度使用说明 · 第六节。

不配大模型时六个服务照样健康,只是发消息会收到一句中文的「大模型尚未配置」。 想以后再配,向导最后一步点「先进对话页(稍后再说)」即可; 要重新跑向导:设置 → 大模型 → 「重新运行初始化向导」。

要改代码的开发者叠加开发覆盖文件 —— 它带回本地构建与全部源码挂载(改 apps/web/public 下的静态文件、scripts/ 下的 MCP 与插件都立即生效):

docker compose -f docker-compose.yml -f docker-compose.dev.yml up -d --build

从 v1.0.x 升级

git pull
docker compose pull && docker compose up -d
bash scripts/migrate-volumes.sh          # ⚠️ 只有老用户需要,见下

[!WARNING] 装过 SKILL / 导入过数据包的老用户必须跑一次 scripts/migrate-volumes.sh。 v1.0.x 把 ./user-skills 和 ./data-packages 两个仓库目录直接挂给 api; v1.1.0 起改成 api 自己的具名卷 —— 云平台上没有仓库目录,挂不了。 直接升级的话新卷是空的,你装过的 SKILL 会从界面上消失。 文件一个都没丢(还在 user-skills/ 下),这个脚本就是把它们搬进新卷; 幂等,目标非空时不覆盖。api 启动日志里也会提示。

其余几处变化不需要你做什么:

• JWT_SECRET 留空不再拒绝启动 —— 首次启动自动生成并写进 hunter_secrets 卷。 已经在 .env 里填了的不要动:换掉它会让已保存的 key 全部解不开、登录全部失效。
• 数据库迁移改由 api 启动时执行(原来挂给 postgres 的 initdb 目录只在建卷那次跑, 所以老部署一直缺表缺列)。升级后第一次启动会把没跑过的迁移补齐,日志里逐个列出来。
• 用户 SKILL 不再靠 api 与 opencode 共享目录,改由 opencode 按 URL 向 api 拉取。

打开后试试:

• 问「601899 现在多少钱」—— 返回富卡片(实时价 · 52 周分位 · AI 短评)
• 打开顶部「策略中心」—— 全市场扫描筛选器与小鹿研究台
• 点侧栏「UZI 深度分析」输入代码 —— 60–300 秒出多维度深度报告

起不来?先看 常见问题 和 docs/01-getting-started.md,或到 讨论区问答 提问。

🔑 数据供给三选一

大模型 key 之外,数据怎么来由你决定,不强制使用我们的平台 key:

免费源怎么开:DATA_SOURCE_PROVIDER 留空时默认是 hunter(平台数据管道),没 key 时 A 股行情会提示去申请 key,不会自动换成免费源;想免 key 看 A 股行情,在 .env 设 DATA_SOURCE_PROVIDER=akshare,再 docker compose up -d。港股 / 美股的行情和日线默认就走内置免费通道(腾讯 / 新浪),不用设。

平台 key 可以写进 .env,也可以在界面左下角「解锁全部工具」里粘贴,立即生效。平台只按 key 记录请求次数,看不到你的对话和持仓。

✨ 能做什么

📚 SKILL:把分析方法论变成能力

SKILL 是一段讲清「这类问题该怎么分析」的 Markdown,采用 Anthropic Agent Skills 标准格式,网上下载的标准 SKILL 不用改就能用。

随代码内置 6 个(skills/ 目录):

更多来自社区:侧栏 SKILL 一栏点「＋」粘贴 GitHub 地址即可安装,装前可预览内容。

想写自己的 SKILL?看 扩展 HunterCode。

☁️ 选 Community 还是 Cloud

会用 Docker、想掌控数据、想接自己的数据源或方法论 → Community(本仓库)。只想打开网页或手机就用、需要微信 / 飞书推送 → Cloud。

📖 深入了解

             ┌─────────────────────┐
浏览器    →   │  web (Next.js 15)   │ :3100
             └────────┬────────────┘
                      │ /api/*(web 自带转发 · 无需反向代理)
             ┌────────▼────────────┐        ┌──────────────────┐
             │  api (FastAPI)      │        │ opencode 对话引擎  │
             │  · 认证 (JWT)        │◄───────┤ MCP 工具回调       │
             │  · 数据 / 模型 / 预测 │        │ 插件:认证 / 守卫 / │
             │  · SKILL 加载        │        │ 用量 / 审计 / 上下文│
             │  · 分析智能体         │───► 平台数据管道(可选 · 一把 key)
             └─┬─────────────┬─────┘        └────────┬─────────┘
                                                     │ 工具 schema 清洗
                                          ┌──────────▼─────────┐
                                          │ llm-shim  :3999    │──► 你的大模型网关
                                          └────────────────────┘
        Postgres           Redis
         :5442             :6479

🔌 扩展 HunterCode

1. 写自己的 SKILL(最简单)

Code

Copy

user-skills/
  你的skill名/
    SKILL.md

markdown

Copy

---
name: 你的skill名
description: 一句话说明什么时候该用它 —— 模型据此判断要不要调用
---

# 正文写方法论
分几步、先看什么后看什么、注意什么。

放好后 docker compose restart opencode api,同名时你的覆盖内置的。想调用我们的数据和工具,在 frontmatter 里加 hunter.needs_tools,见 user-skills/README.md。

2. 从 GitHub 一键装 SKILL:侧栏 SKILL 一栏点「＋」→ 粘贴 GitHub 地址 → 预览内容 → 安装。

3. 接自己的 MCP:工具箱一栏点「＋」,填名称、类型(HTTP / SSE / stdio)、地址和 key,工具描述直接提供给模型。

❓ 常见问题

docker compose restart opencode          # 约 50 秒
python scripts/check_skill_sync.py       # 比对磁盘与 opencode 实际加载的 SKILL

🤝 参与贡献

最简单的贡献是写一个 SKILL —— 懂一种分析方法、会写 Markdown 就够了。其次是文档和翻译,再次是代码。

• 新手任务:good first issue · 征集中的 SKILL:skill-wanted
• 完整流程:CONTRIBUTING.md
• 用 HunterCode 做出了好的分析?欢迎到 成果展示 分享

🙏 贡献者

贡献者名单由 All Contributors 机器人维护。维护者在 issue 或 PR 下评论 @all-contributors please add @用户名 for code 即可添加,贡献类型见 类型说明(代码、文档、SKILL 内容、翻译、报 bug、出点子等都算)。

Ziggy xuan 💻

Yui(ゆい) 💻 ⚠️ 🚇 📖

Ricey 🚧

fatihcvs 💻

Amir Fathi 💻

hangeaiagent 💻

🧩 基于 HunterCode 的项目

你基于 HunterCode 做了二次开发或 fork?欢迎在 讨论区 告诉我们,我们会加到这里。

💝 感谢推荐分享

• 社区:LINUX DO —— 中文开发者社区

💬 社区与支持

遇到 bug:提交 issue · 安全漏洞:请勿公开,见 SECURITY.md

🗺 路线图

• v0.1 · 自部署骨架、本地账号认证、可插拔数据 / 大模型 / 预测层
• v0.2 · opencode 对话引擎、插件与 MCP、一把 key 通用、GitHub 一键装 SKILL
• v1.0.0(2026-09-13)· 全市场扫描筛选器、小鹿智能体研究台、量化因子与回测按市场隔离、SKILL 导入附属文档与中文说明、kronos / truesource MCP 发布、会话数据落具名卷 —— 完整更新日志
• v1.0.1(2026-09-17)· 对话引擎镜像 7.56 GB → 618 MB(下载量 1.70 GB → 153 MB)、api 镜像 1.32 GB → 909 MB、入口脚本固化、每日部署冒烟 CI、文档与社区基建 —— 瘦身过程与实测
• v1.1.0(2026-09-18)· 免改配置文件开箱即用 —— 里程碑
  • 六个服务全部预构建镜像 + amd64/arm64 双架构(v1.1.0-rc1)
  • 数据库迁移改为 api 启动时自动执行;JWT_SECRET 等密钥首次启动自动生成
  • 大模型配置可存库(不再只能写 .env),改配置热生效、无需重启容器
  • 图形化首启向导(选模型 → 填 key 当场测试 → 直接对话)
  • 五个平台的部署方案(Zeabur / Sealos / Railway / 1Panel / Coolify·Dokploy) —— 模板与文档就绪并做过等价验证,但都还没在真实平台上跑过、也都没上架, 所以本版不放部署按钮,见 一键部署到云平台
  • 进度与实测数据:docs/setup-wizard/
• 下一步 · 拿到平台账号后逐个实测并上架(那时才加按钮)、国内镜像源、arm64 真机验证

想要什么功能?到 讨论区想法分区 投票。

⭐ Star 趋势

™️ 商标与 Fork

HunterCode · Hunter · AgentPit · 猎鹿人 是 AgentPit 团队的商标。

• 自用 fork、内部部署、学习修改:不需要改名,随便用。
• 对外分发、提供托管服务、商业发布:请去掉上述名称与 Logo,可注明「based on HunterCode Community Edition」。

代码遵循 Apache 2.0,商标条款不影响你对代码的任何权利。另见 NOTICE。