dragon1086/prism-insight · 上手攻略

  • 仓库：dragon1086/prism-insight
  • 链接：https://github.com/dragon1086/prism-insight
  • 分类：engineering / agent / llm-infra
  • 作者：Tom
  • 更新：2026-10-30

是什么

PRISM-INSIGHT 是一个完全开源的 AI 股票分析与交易系统，主要覆盖韩国市场（KOSPI/KOSDAQ）和美股（NYSE/NASDAQ），Python 编写，AGPL-3.0 协议，仓库 790 star，最新 release 为 v2.25.0（2026-10-30 前后）。它的卖点不是"又一个选股 chatbot"，而是一整条从筛选到下单再到复盘的闭环流水线：用规则筛出"异动股"，交给一组分工明确的 AI agent 写分析师级研报，然后由买卖 agent 按成文评分规则给出操作建议，执行层落到模拟盘或韩国投资证券（KIS）真实 API，闭环结果再回灌到交易日志影响下一轮决策。

仓库自述为 "13+ specialized AI agents"，但 docs/CLAUDE_AGENTS.md（自标 "Verified against source: 2026-07-29"）明确指出这个数字已经不是有效契约，改按执行路径来划分 agent：宏观（KR/US）、个股研报（KR 六个基础分节、US 五个 yfinance 分节）、策略与摘要（运行时动态生成）、交易（KR/US 买卖）、日志与记忆、沟通与咨询六条线。

值得注意的是它近期加入了两个新东西：Stance（策略排行榜，要求从注册那一刻开始记账、禁止回填历史收益，股票市场需满 63 个交易日且 20 笔已平仓、各占资产 ≥1% 才进入正式排名）和 Codex OAuth Proxy（可用 ChatGPT Plus/Pro 订阅代替 OpenAI API key 跑分析）。

解决什么问题

  1. 研究流水线太散：多数 AI 选股工具只给一段 LLM 文字。PRISM 把"筛 → 六段研报 → 策略 → PDF → 摘要 → 买卖判定 → 日志复盘"串成一条可定时跑的流水线，报告是结构化产物而不是聊天记录。
  2. 纯 prompt 约束不可靠：项目从 v1.16.7 到 v2.18 逐步把"提示词层面的纠偏"换成确定性的规则闸门——市场状态（regime）决定最低评分与止损宽度（−5% ~ −7%），退出状态机、re-entry 次数上限都由代码裁决。
  3. 实盘 API 成本高：Codex OAuth Proxy 让已有 ChatGPT 订阅的用户零 API 账单跑同一套分析。
  4. 策略效果无法验证：Stance 用服务端封存决策时间与价格、不允许补历史，把"谁真的在赚钱"变成可对比的公开记录。

快速安装

前置：Python 3.10+ 或 Docker；Node.js 18+（供 MCP server 用）；一个 OpenAI API key，或 ChatGPT Plus/Pro 订阅。

60 秒试跑（美股）

git clone https://github.com/dragon1086/prism-insight.git
cd prism-insight
./quickstart.sh YOUR_OPENAI_API_KEY

python3 demo.py MSFT              # 微软
python3 demo.py NVDA              # 英伟达
python3 demo.py TSLA --language ko # 特斯拉（韩文报告）

生成的 PDF 报告落在 prism-us/pdf_reports/。

Docker 路线（免装 Python）

export OPENAI_API_KEY=sk-your-key-here
docker compose -f docker-compose.quickstart.yml up --build -d
docker exec -it prism-quickstart python3 demo.py NVDA
# 报告输出到 ./quickstart-output/

首次构建镜像要几分钟。

完整安装

pip install -r requirements.txt
python3 -m playwright install chromium   # PDF 生成；Ubuntu 建议 --with-deps

cp mcp_agent.config.yaml.example mcp_agent.config.yaml
cp mcp_agent.secrets.yaml.example mcp_agent.secrets.yaml
cp trading/config/kis_devlp.yaml.example trading/config/kis_devlp.yaml
# 在 mcp_agent.secrets.yaml 填 OPENAI_API_KEY（必填）
# 在 trading/config/kis_devlp.yaml 填 KIS app key/secret（韩股自动交易用）

python stock_analysis_orchestrator.py --mode morning --no-telegram

美股用另一套入口：python prism-us/us_stock_analysis_orchestrator.py --mode morning --language en。

用订阅代替 API key：

python -m cores.chatgpt_proxy.oauth_login
PRISM_OPENAI_AUTH_MODE=chatgpt_oauth python stock_analysis_orchestrator.py --mode morning

生产环境建议 Docker：docker compose up -d，容器内 entrypoint 已带定时任务。

核心用法

一、跑一次盘前分析。核心入口是 stock_analysis_orchestrator.py，--mode morning（另有下午盘模式），--no-telegram 可在没有 Telegram 配置时先跑通链路。完整参数见 docs/SETUP.md。

二、六段研报结构。KR 侧由 cores.agents.create_agents() 返回六个基础定义，顺序执行（默认串行，可开 PRISM_PARALLEL_REPORT=true 但作者明确警告可能撞 OpenAI 速率限制）：

section key 覆盖内容
price_volume_analysis 价格、成交量、技术结构
investor_trading_analysis 投资者供需
company_status 财务与经营状况
company_overview 公司、产品、竞争对手
news_analysis 近期新闻、板块龙头、催化剂
market_index_analysis KOSPI/KOSDAQ 与大盘环境

之后由 cores/report_generation.py 内联构造 investment_strategy_agent 与 summary_agent，再出图表和最终 Markdown。

三、模型分工。README 的"生产模型表"给出角色到模型的映射（报告/策略/摘要/宏观用 GPT-6 Luna，买卖与 Telegram 问答用 GPT-6.1 Sol，翻译与交易日志用 GPT-6 Luna，按需洞察 agent 可选 Anthropic Claude Sonnet 5.5），全部可在 .env 覆盖，变量名为 REPORT_MODEL、PRISM_BUY_CODEX_MODEL、PRISM_SELL_CODEX_MODEL、TELEGRAM_ANALYSIS_MODEL、INSIGHT_MODEL。

四、交易规则（2026-10 版）。这是该项目最有信息量的部分，README 有完整 8 步表，摘要：

  • 筛选：早晚盘各跑 trigger，按最近 180 天自身记录给 trigger 质量权重 0.7–1.3，弱 trigger 不再保送名额。
  • 买入判定：1–10 分成文评分（盈利能力、资产负债表、成长性、业务清晰度 + 动量信号 + 趋势检查），还要过 regime 最低分、风险收益下限、止损不宽于 −5% ~ −7%。
  • 小仓首买：账户分 10 个等额 slot，新仓从单 slot 的 30%–80% 起，按波动率定大小。
  • 场景加仓：入场时 AI 写 2–4 个加仓剧本并每日更新；只在条件满足、只在均价之上、单次不超过上次买入、总风险预算内、最多一个整 slot 时加仓；当日首加后若确认强势（高于入场 8% 且量能 1.5×）可再加一次。
  • 龙头持有：4–15 个交易日内收盘高于首买价 20% 且未远离 50 日线者，视为 leader，最多 40 个交易日内只有跌破 50 日线或跌破首买价才卖；1–3 日暴涨 20% 的则维持常规止盈保护。
  • 再入场：被止损或因价格位置被跳过的股票跟踪最多 60 个交易日，临近收盘（KR 14:00 / US 13:50）收复关键位时需 AI 复核通过才可买，每轮最多 3 次尝试、每市场每天最多 2 单。
  • 复盘：周报追踪大赢家捕获率、漏掉的赢家、止损成本、各 trigger 表现。

五、无 Perplexity 订阅的替代。在 .env 里改：

PRISM_WEB_SEARCH_PROVIDER=tavily
TAVILY_API_KEY=tvly-...

仓库内置的 cores/llm/tavily_mcp_server.py 会顶替 Perplexity server，工具名 perplexity_ask 不变，prompt 无需改。

六、选研报来源。.env.example 里 PRISM_MARKET_DATA_SOURCES=kis、PRISM_REPORT_DATA_SOURCES=kis，注释明确写着"韩股只用 KIS，不使用交易所网站登录"。

典型适用场景

  • 韩股散户/量化个人做每日盘前异动股扫描与研报生成。
  • 想研究多 agent 交易流水线怎么落地的开发者：它的 regime 闸门、状态机、slot 拆仓、re-entry 规则本身就是一份可读的设计文档（docs/micro-split/B3_LIVE_ko.md、docs/RUNNER_HOLD_RULE_ko.md、docs/REENTRY_V3_LIVE_ko.md）。
  • 策略对账：把自己的策略按 Stance 的协议接进去，和别人在同一套规则下比收益、最大回撤、平均持仓暴露和记账率。

坑与注意

  1. 模型名文档自相矛盾（重要）。README 的模型表写 GPT-6 Luna / GPT-6.1 Sol，但 docs/CLAUDE_AGENTS.md 的"默认模型矩阵"写的是 gpt-5.6-terra / gpt-5.6-sol / gpt-5.6-luna / gpt-5.4-mini，而 docs/SETUP.md 的 key 表又写"GPT-5 for analysis & trading"、示例配置写 default_model: gpt-5。三处不一致。CLAUDE_AGENTS.md 自己提示"prompt factory 里的模型名可能在执行时被覆盖，改行为前务必看当前 call site"。建议以 .env.example 与实际 call site 为准，不要照抄 README 的模型名。
  2. 韩股数据源需要 Kakao 账号。mcp_agent.config.yaml 里 kospi_kosdaq MCP server 走 Kakao 登录取 KRX Data Marketplace 数据，且若开了两步验证每次分析都要在 App 里确认，需要手动关掉。
  3. 美股路径与韩股路径不同。US 侧是五个 yfinance 分节顺序执行、新闻并发，KR 侧严格保序；docs/CLAUDE_AGENTS.md 说这是刻意设计，别以为改串行就能"优化"。
  4. 不要信"胜率 40%"这类数字的口径。README 的 Season 2 表格给两种口径：每笔收益简单相加（不复利、不按仓位加权）KR +355.3%、US +82.8%；10-slot 账户收益只有 KR +35.2%、US +8.3%。后者才是可比的。作者自己明写"KOSPI 同期翻倍，本账户跑输"。这些是模拟结果，非投资建议。
  5. 规则上线时间 vs 统计区间错位。README 明确说 10 月那批改动在 Oct 2–4 上线，Oct 6 才是首个全量生效交易日，而 Season 2 数字截止 Oct 2——表里的业绩基本是旧规则跑出来的，不能用来评估新规则。
  6. "胜率低但赔率高"是设计而非缺陷。KR 胜率 40.3%、US 33.1%，靠少数大牛股阶梯式增长；反复止损会消耗账户，所以核心能力在选股而非频繁交易。
  7. 已知的负向发现被作者自己公开：韩股入场后 60 个交易日内涨超 30% 的交易，实现收益中位数只有 +2%，而峰值收益中位数 +60%——卖飞龙头。这正是上面 leader hold 规则要修的问题。
  8. AGPL-3.0。二次分发或闭源集成前先读许可证。
  9. 已丢弃的实验不要重造。docs/RESEARCH_LESSONS_ko.md 记录了被否掉的方案：pocket-pivot 与量能确认 trigger（2018–2026 无增益）、同时收复 50/200 日线买入（无 edge，韩股更差）、纯 O'Neil 8 周持有到 50 日线（KR −43%p、US 约 −40%p）、小时级止损检查、ATR 波动率止损、只在收盘抬止损。
  10. Docker 定时任务默认开着。docker/entrypoint.sh 内置 cron 自动跑日分析，生产部署前先确认你真的想要自动下单。

与同类对比

  • 对 ChatGPT / Claude 手工分析：后者一次问答给出观点，PRISM 是可定时、可回放、有仓位与风险闸门的系统，代价是配置量和 token 消耗高得多。
  • 对 TradingView / 付费终端：终端给指标和信号，PRISM 给的是多 agent 生成的成文研报加 PDF，且开源可改。数据源质量仍取决于 KIS / yfinance，不比专业数据商。
  • 对量化回测框架（backtrader / vectorbt）：PRISM 不做历史回测，做的是从当下开始的模拟/实盘记账；作者甚至强调"cumulative return 是逐笔收益率之和，不是时间加权组合收益，也不是可复现回测"。
  • 对 LangGraph / AutoGen 这类 agent 编排库：PRISM 是成品应用而非库，但它把 agent 团队、确定性状态机、复盘记忆三件事拼在一起的样子，本身是很好的架构参考。

一句话推荐

推荐：想研究"多 agent + 规则闸门 + 复盘回灌"如何做成一个能天天跑的生产系统，或者做韩股/美股盘前异动股研报生成，这套代码是目前开源里相当完整的一份，文档（尤其韩文设计笔记）值得逐篇读；但只想要一份选股信号的话它太重，只想要回测能力它反而太"在线"，而任何"跑赢大盘"的结论都要先自己核对上面第 4、5 条的口径。

  • 版本核对：仓库 latest release v2.25.0；本文所述规则与模型表对应 README / docs/CLAUDE_AGENTS.md（标注 verified against source 2026-07-29）/ docs/SETUP.md / .env.example，抓取日期 2026-10-30，HEAD commit 887cb9a1459f5cd9a70c0f564f211ef039fb9fdb。
  • 未核实项：README 的 GPT-6 Luna / GPT-6.1 Sol / Claude Sonnet 5.5 是否为真实可用的模型 ID，未在官方页面核实；本文按 README verbatim 记录并标注矛盾。