> 技术文档 > 你的A股“军师”已上线!FinGenius,这个开源的AI多智能体应用,到底有多神?一文带你了解!

你的A股“军师”已上线!FinGenius,这个开源的AI多智能体应用,到底有多神?一文带你了解!

逛 GitHub 的时候,发现了一个专门为 A 股打造的开源 AI 分析神器。

它采用多 AI 智能体协作+博弈辩论的原理,告别 AI 瞎忽悠的问题。

图片

FinGenius 是首个 A 股博弈多智能体应用,堪称你的 AI 炒股智囊团,6 位专家在线帮你分析 A 股。

这个开源项目是国内 00 后团队搞出来的,太牛了。

01.项目简介

信息繁杂如迷宫、数据失真、通用大模型水土不服 ——A 股投研的三大痛点,终于有了解决方案。

如今,专为 A 股设计的多智能体开源项目 FinGenius 正式发布,16 个原生 Agent + 自主研发架构,这不仅是工具迭代,更是金融逻辑范式的重构。

FinGenius 团队历时 1700 天,打造出这款颠覆传统的智能金融分析工具。

图片

    GitHub地址:https://github.com/HuaYaoAI/FinGenius

    工作原理

    下面这张图可以把 FinGenius 的工作原理梳理的明明白白。

    architecture

    想象一下,你输入一个股票代码:FinGenius 内部立刻有 6 位专业的 AI 分析师(就是所谓的智能体)开始为你忙碌起来:

    ① 舆情专家: 火速扫描全网,分析市场情绪和热点。

    ② 游资猎手:紧盯龙虎榜数据,解读大资金的动向。

    ③ 风控大师:深挖最新政策动向,评估潜在风险。

    ④ 技术派:盯着K线和技术指标,判断关键支撑压力。

    ⑤ 筹码侦探:分析股东变动和筹码分布,识别主力意图。

    ⑥ 大单雷达:监控盘中实时的大单异动,捕捉买卖信号。

    00 后天才团队,发布全球首个 A 股金融博弈智能体应用

    而且这 6 位 AI 分析智能体不是各干各的,是有前后流程的。看上面的两张图也能看出来:

    第一步:协作研究 (Research):

    它们各自拿出看家本领,从不同角度深度分析这只股票,把各自的发现生成一份结构清晰、论据充分的 HTML 报告。

    第二步:多轮辩论 (Battle):

    这步最精彩!报告呈现给多个 AI 智能体,它们不会简单认同报告,而是会围绕核心问题展开多轮辩论(默认2轮,可设置更多轮)

    就像一群经验丰富的投资老手在会议室里激烈讨论。

    第三步:最终决策:

    经过协作研究和激烈辩论,FinGenius 将生成的 HTML 报告,以及各位 AI 专家的观点、最终的共识或主要分歧都呈现给你。

    图片

    FinGenius 的聪明之处

    ① 专为 A 股而生:

    逛逛之前也推荐过不少 A 股分析的开源项目,FinGenius 和它们不一样。FinGenius 靠 「动态任务树」调度,任务重构耗时 < 200ms,效率超静态框架 5 倍。

    ② 本土化训练:

    拒绝「拿来主义」,不同于美股框架的汉化移植,Agent 模型的训练数据 100% 源自 A 股;特征工程打造 A 股专属因子;评估采用「A 股适配度得分」(含规则符合率、情绪准确率),而非通用指标。

    ③ MCP 协议与双环境:

    数据保真与博弈底座。MCP 协议封装了 27 个工具,用户能像搭乐高一样操作,Agent 则会自主规划调用。

    Research+Battle 双环境:Research 环境中,多智能体并行处理,各专业 AI 分析师同时启动,从海量数据源中高效筛选关键信息;

    Battle 环境则是结构化的多智能体「思辨战场」,各智能体携带初步结论与核心证据,动态进行多轮观点交锋与论证。

    ④ 记性好:

    它用了「年轮记忆规则算法],能记住你的投资习惯和偏好,不是每次打开都失忆。(完整记忆体验在 APP 里,这个开源项目更多注重分析)。

    ⑤ 懂博弈:

    核心创新在于引入「博弈论」思想(就像经典的「囚徒困境」),让智能体在信息不对称的市场环境下,通过预测对方行为来做出更优决策。

    囚徒困境

    02.如何部署

    下面是通过 Anaconda 来安装部署 FinGenius,并且对它进行配置启动。

    图片

    图片

    FinGenius 是一个专攻 A 股、理念先进的开源 AI 投资分析工具

    它最大的亮点是开发了 16 个专业的 AI 智能体分工协作(开源了 6 个智能体),并引入多轮辩论机制来提升分析的深度和可靠性,最终生成一份综合报告。

    03.如何学习大模型 AI ?

    由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

    但是具体到个人,只能说是:

    “最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

    这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

    我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

    我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

    这份完整版的大模型 AI 学习和面试资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

    一、大模型风口已至:月薪30K+的AI岗正在批量诞生

    在这里插入图片描述

    2025年大模型应用呈现爆发式增长,根据工信部最新数据:

    国内大模型相关岗位缺口达47万

    初级工程师平均薪资28K(数据来源:BOSS直聘报告)

    70%企业存在\"能用模型不会调优\"的痛点

    真实案例:某二本机械专业学员,通过4个月系统学习,成功拿到某AI医疗公司大模型优化岗offer,薪资直接翻3倍!

    二、如何学习大模型 AI ?

    🔥AI取代的不是人类,而是不会用AI的人!麦肯锡最新报告显示:掌握AI工具的从业者生产效率提升47%,薪资溢价达34%!🚀

    由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

    但是具体到个人,只能说是:

    “最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

    这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

    我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

    我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

    1️⃣ 提示词工程:把ChatGPT从玩具变成生产工具
    2️⃣ RAG系统:让大模型精准输出行业知识
    3️⃣ 智能体开发:用AutoGPT打造24小时数字员工

    📦熬了三个大夜整理的《AI进化工具包》送你:
    ✔️ 大厂内部LLM落地手册(含58个真实案例)
    ✔️ 提示词设计模板库(覆盖12大应用场景)
    ✔️ 私藏学习路径图(0基础到项目实战仅需90天)

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    第一阶段(10天):初阶应用

    该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

    • 大模型 AI 能干什么?
    • 大模型是怎样获得「智能」的?
    • 用好 AI 的核心心法
    • 大模型应用业务架构
    • 大模型应用技术架构
    • 代码示例:向 GPT-3.5 灌入新知识
    • 提示工程的意义和核心思想
    • Prompt 典型构成
    • 指令调优方法论
    • 思维链和思维树
    • Prompt 攻击和防范

    第二阶段(30天):高阶应用

    该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

    • 为什么要做 RAG
    • 搭建一个简单的 ChatPDF
    • 检索的基础概念
    • 什么是向量表示(Embeddings)
    • 向量数据库与向量检索
    • 基于向量检索的 RAG
    • 搭建 RAG 系统的扩展知识
    • 混合检索与 RAG-Fusion 简介
    • 向量模型本地部署

    第三阶段(30天):模型训练

    恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

    到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

    • 为什么要做 RAG
    • 什么是模型
    • 什么是模型训练
    • 求解器 & 损失函数简介
    • 小实验2:手写一个简单的神经网络并训练它
    • 什么是训练/预训练/微调/轻量化微调
    • Transformer结构简介
    • 轻量化微调
    • 实验数据集的构建

    第四阶段(20天):商业闭环

    对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

    • 硬件选型
    • 带你了解全球大模型
    • 使用国产大模型服务
    • 搭建 OpenAI 代理
    • 热身:基于阿里云 PAI 部署 Stable Diffusion
    • 在本地计算机运行大模型
    • 大模型的私有化部署
    • 基于 vLLM 部署大模型
    • 案例:如何优雅地在阿里云私有部署开源大模型
    • 部署一套开源 LLM 项目
    • 内容安全
    • 互联网信息服务算法备案

    学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

    如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

    这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

    在这里插入图片描述