hunter-community

agentpit-ioApache-2.0活跃维护

本地自托管的多智能体投研终端，覆盖 A 股、港股、美股，推理和数据都在自己机器上跑，用 BYOK 接入模型，可作为腾讯 WorkBuddy 金融版的开源替代。

HunterCode · Community Edition · 腾讯 WorkBuddy 金融版的开源本地替代方案 · open-source, local alternative to Tencent WorkBuddy Finance Edition · 多智能体投研终端 A股/港股/美股 · 推理在你机器上跑 · 仓位不出你硬盘 · BYOK · Apache 2.0 · docker compose 自托管

v2.2.1发布于 2026-10-14 09:53 UTC609star +32 / 7 天90fork同步于 2026-11-10 17:57 UTC

多智能体投研终端本地优先自托管量化投研

对比 GitHub 官网 ai-agents ai-hedge-fund ai-quant anthropic byok

怎么上手

由 README 提炼，执行前请确认

原文

git clone https://github.com/agentpit-io/hunter-community
cd hunter-community
docker compose up -d
open http://localhost:3100

硬件要求按 README 说明

需 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）；镜像同时提供 amd64 与 arm64，Apple Silicon 与 arm 云主机原生运行。README 未提及 GPU 或显存要求。

支持 Apple Silicon有 Docker 镜像

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼

没人工点评？写下你的经验

自部署的 AI 投研助手，覆盖 A股/港股/美股，数据和对话都留在自己机器上

本地自托管的多智能体投研终端，覆盖 A 股、港股、美股，推理和数据都在自己机器上跑，用 BYOK 接入模型，可作为腾讯 WorkBuddy 金融版的开源替代。

核心能力

多智能体投研终端，支持 A股/港股/美股行情与个股深度分析
按用户编写的 SKILL 方法论工作，可接入自有数据源与 MCP
对话、持仓、投资论点全部存本地数据库，仓位不出硬盘
支持 BYOK，可接 DeepSeek 或任意 OpenAI 兼容网关
docker compose 自托管，六个服务走预构建镜像，含首启向导

容易踩的坑

公网可访问的实例必须先设 HUNTER_SETUP_TOKEN，否则谁先打开谁就能配置大模型；A 股免费行情需在 .env 设 DATA_SOURCE_PROVIDER=akshare，留空默认走平台数据管道；从 v1.0.x 升级且装过 SKILL 或导入过数据包的老用户必须跑一次 scripts/migrate-volumes.sh，否则 SKILL 会从界面消失。

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

用户点评

登录用户的真实使用记录，可按版本和硬件筛选

共 0 条

还没有人点评。第一个说出真实体验的人最有价值。

README 原文

未翻译

在 GitHub 打开

🌏 中文(当前)· English

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 · 📖 产品说明书 · 帮助中心 · 快速开始 · 💬 讨论区

🔥 2026-10-14 全线升级：全面支持谷歌 10-13 发布最强模型 Gemini 4 Argon（gemini-4-argon） —— 自 v2.2.0 起内置免费额度与默认谷歌模型已切换为旗舰推理模型 Gemini 4 Argon（百万级上下文 · 多步深度推理） · 阅读升级详解

🏆 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。

平台	适合谁	说明
Zeabur	国内外都能用,能力最全	模板自动生成密钥、绑域名、挂卷
Sealos	国内用户	K8s 模板,postgres / redis 走 KubeBlocks
Railway	海外用户	控制台里手工搭 6 个服务的逐条清单 + 生成模板的步骤
1Panel	自有服务器 + 国产面板	应用包,表单里填端口和口令即可
Coolify / Dokploy	自有服务器 + 自托管 PaaS	两份可以整段粘贴的 compose

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

最新版本 —— 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。

平台	直接下载(国内可达)	其他来源
macOS 12+ · Intel / Apple 芯片通用	hunter-launcher-latest-universal.dmg	GitHub Releases
Windows 10 / 11 · x64 · 推荐	hunter-launcher-latest-x64-setup.exe	GitHub Releases
Windows · 组策略分发	hunter-launcher-latest-x64.msi	GitHub Releases
Linux x64	hunter-launcher-latest-amd64.deb / .AppImage	GitHub Releases

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

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。当前内置额度与默认谷歌模型已于 2026-10-14 凌晨全线升级为谷歌 10-13 发布的旗舰推理模型 gemini-4-argon（依托统一大模型网关，换模型仅改配置、全线自动受益）。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。

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:

步骤	做什么
1 · 环境自检	六个服务连通、迁移账本、密钥来源与强度、卷可写、访问方式 —— 逐项真探测
2 · 选大模型	第一张卡是「使用 HunterCode 内置额度」(推荐):选中即自动填好地址与模型名(当前内置额度与默认谷歌模型已于 2026-10-14 凌晨全线升级为谷歌 10-13 发布的旗舰推理模型 `gemini-4-argon`,依托统一大模型网关,换模型仅改配置、全线自动受益),你只要一把 `hunt_tools_` key。下面几张是自带 key 的高级路径,带实测的工具调用命中率与耗时(来自 `docs/model-testing/`)
3 · 填 key 当场测	连通 → 对话 → 工具调用三项,失败分类报错,测不通不让保存;内置额度路径下还会顺带把深度分析指向 `hunter-deep`、用同一把 key 解锁数据供给
4 · 数据供给	免费开源源 / 平台数据管道 / 自接 MCP,三选一,可以跳过。走内置额度的话这里会直接显示「同一把 key 已解锁」
5 · 完成	不重启任何容器热生效,给三个示例问题带你进对话

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:

方式	需要谁的 key	数据来源	适合谁
① 免费开源源	不需要	AKShare(A 股)· 腾讯 / 新浪免费通道(港股 / 美股)	先跑通看效果;A 股行情要在 `.env` 设 `DATA_SOURCE_PROVIDER=akshare`,见表下说明
② 自接工具 / MCP	你自己的	你的券商、数据商、自建 MCP,或 Cline / Cursor 生态里任意 MCP	已有数据订阅,想接进来用;侧栏「工具箱＋」添加
③ 平台数据管道	`hunt_tools_` 开头的 key,免费申请	平台汇总的行情、财报、新闻数据,UZI 深度分析所需数据,Kronos 走势预测	免费源不够用,想要更全的数据

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。

当前立场:本项目不预置任何具体金融数据厂商的 MCP 集成,等与官方逐一沟通并拿到正式授权后再开放。

同花顺(HiThink)· 待官方合作确认:同花顺已在官方文档站列出 fuyao.aicubes.cn/mcp/* 系列 MCP 端点,允许开发者自助申请 key;但目前尚未获得同花顺对本项目作为集成方的书面授权,出于合规考虑不预置该数据源。我们正在联系官方,期待建立正式合作。
通达信(Tongdaxin)· 待官方开放 MCP 接入文档:通达信官方目前没有对外公开授权的 API 地址与开发者文档,本项目不集成任何未公开授权的接口。我们正在沟通,期待让已购买付费 key 的用户能正常接入。

目前可用:免费开源源(AKShare / yfinance)+ 用户自持的第三方 MCP(通用接入,不预置具体厂商)。

如果你来自数据厂商:欢迎通过 GitHub Issues 或邮件联系我们探讨合作。

✨ 能做什么

💹 数据

实时行情 · A / 港 / 美股
K 线 · 财报 · 新闻
龙虎榜 · 十大股东
北向 / 南向资金 · AH 溢价
巨潮公告 · 行业分类

🧠 分析

UZI 深度分析 · 大佬评审团
Kronos 走势预测(清华时序模型)
全市场扫描筛选器
小鹿研究台 · 量化因子与回测

💬 交互

流式对话 · 富卡片(报价 / 新闻 / 预测)
侧栏三层:数据源 / 工具箱 / SKILL
自选股卡片 · 持仓 · 投资论点
策略中心 · 智能交易(纸上交易账本)

🔌 扩展

Markdown 写 SKILL
从 GitHub 一键装 SKILL
接自己的 MCP
大模型任选

🤖 智能交易(纸上交易账本)

策略中心里的第四个板块:只做模拟盘,不接实盘。它自己按时点跑一条完整的交易链路 —— 取行情快照 → 风控校验 → 撮合成交 → 记账 → 出报告 —— 你可以看到每一笔委托为什么成交、账目对不对得上,以及策略这一周做了什么。

页面	看什么
总览	总资产 / 持仓 / 当日盈亏 + 净值曲线
持仓	每只票的成本、现价、浮盈、仓位占比
委托与成交	每一笔委托的四步链路:意图 → 风控 → 撮合 → 记账
报告	系统每天写的操作报告(数字由代码算,文字才由模型写)
帮助	这份板的规则与边界

几个从设计上就定死的口径:

PAPER_MODE 恒为 PAPER。请求参数里出现任何实盘相关字段即报错; 交易所凭证一个都不配。这是隔离,不是开关。
账本只有一个权威。paper 服务是全仓唯一持有账本库运行期角色(fin_paper_rw)的进程, 而那个角色在追加表上没有 UPDATE / DELETE 权限 —— 「不可篡改」是一条 GRANT,不是一句约定。
调度只有一个权威。六个交易时点(09:15 / 09:30 / 11:30 / 13:00 / 14:55 / 15:30)由 Temporal 驱动,不留兜底 cron。Worker 崩了按执行历史恢复,不会重复下单。
报告三层分离:事实由代码算、文字由模型写、写完回读校验 —— 校验不过就不发布, 宁可显示 — 也不让模型编数字。

这几个服务(paper / fin-worker / temporal / temporal-ui)都在 compose 的 fin profile 下, 默认 docker compose up -d 不会起它们。要开: bash scripts/fin_provision_paper_role.sh 再 docker compose --profile fin up -d。这一版只做 A 股,行情走现仓的 providers.data_source。

🧠 个人本地部署:记忆系统与受控自进化(`1.6.0` 起)

想让复盘学到的经验真的改变策略、并且改得可验证、可回滚、可审计,按 docs/个人本地部署.md 走:叠加 docker-compose.personal.yml 覆盖文件(端口全部收到 127.0.0.1、fin 栈收进 paper profile),从 .env.personal.example 拷一份 env。

闭环是「经验 → 提案(白名单 + 冻结验证口径) → 独立影子验证 → 人工确认生效 → 紧急线回滚」。 默认 observe(拉行情、复盘、建经验、展示提案,没有委托发送能力);经验库默认关, P1 验收后再把 FIN_MEMORY_ENABLED 设 1。不交付实盘(FIN_LIVE_ORDER_ENABLED 恒 0), FIN_AUTO_APPLY 恒 0。界面在成长页。

📚 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):

SKILL	分类	说明
`uzi`	综合分析	投研总调度:按问题分发到深度研究、评审团、龙虎榜、风险扫描
`investor_panel`	综合分析	大佬评审团:模拟价值、成长、游资、量化等 9 大流派投票打分
`deep_analysis`	投研报告	多维度个股深度分析:基本面、技术面、资金面与投委会结论
`lhb_analyzer`	事件与筛选	龙虎榜分析:识别游资席位,判断机构与游资博弈
`trap_detector`	尽调风控	杀猪盘检测:扫描推荐来源、内幕消息、基本面脱节等信号
`risk_profile`	组合级	读写风险偏好、现金与单票上限,供组合建议使用

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。

来源仓库	SKILL
prof-little-bear/cc-equity-research	`catalyst_calendar` · `earnings_analysis` · `earnings_preview` · `idea_generation` · `initiating_coverage` · `model_update` · `morning_note` · `sector_overview` · `thesis_tracker`
bmtrnavsky/nanobot-stock-trader	`catalyst_growth_investor` · `longterm_quality_investor` · `stock_data` · `swing_trade_scanner`
algoderiv/agent-skills	`rice_quant` · `tqsdk`
yennanliu/InvestSkill	`invest_stock_eval`
tigersking520/stock-analysis-skill	`stock_analysis`
演示站界面内自建	1 个

以上为 2026-09-16 从演示站 /api/catalog/skills 读取的清单,各 SKILL 的许可证以来源仓库为准。

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。

能力	Community(自部署)	Cloud(hunter.agentpit.io)
对话(自带大模型 key)	✅	✅
免费数据源(AKShare / yfinance)	✅ 无需我方 key	✅
接入自己的 MCP / 数据源	✅ 无需我方 key	✅
内置 SKILL 与 GitHub 一键装 SKILL	✅	✅
UZI 深度分析	✅ 数据三选一	✅
Kronos 走势预测	✅ 平台管道(免费)· 或自建 GPU · 直连说明	✅
投资论点(本地存储)	✅ 本地 Postgres	✅
微信推送 / 飞书通知	❌	✅
多租户计费	❌	✅

📖 深入了解

我们用 7 个标准用例实测每家模型能否正确调用工具 —— 对 HunterCode 来说,「能聊」不够,「会调工具」才算可用。

模型	接入	工具调用命中	平均耗时	推荐	注意
Gemini 4 Argon	HunterCode 内置网关 / OneAPI	7/7	—	⭐⭐⭐⭐⭐ 默认内置旗舰推理（100 万上下文）	2026-10-14 全线切换为默认模型，擅长多步深度推理与长任务
DeepSeek v4 pro	直连 `api.deepseek.com`	6/7	30 秒	⭐⭐⭐⭐⭐ 直连默认	必开 `LLM_SCHEMA_SANITIZE=1`
Claude Sonnet 5	AIHubMix 网关	7/7	25.7 秒	⭐⭐⭐⭐⭐ 海外首推	容器直连可能被 TLS 指纹拦截,需宿主机代理
Qwen 3.8 Max	AIHubMix 网关	7/7	48.1 秒	⭐⭐⭐⭐⭐ 国内首推	深度分析较慢
Gemini 3.5 Flash	AIHubMix 网关	6/7	62.3 秒	⭐⭐⭐⭐ 便宜快	边界用例偶发过度调用
Doubao Seed 2.1 Pro	AIHubMix 网关	6/7	103.9 秒	⭐⭐⭐	建议直连火山引擎
MiniMax M3	AIHubMix 网关	6/7	77.3 秒	⭐⭐⭐⭐	思考过程泄漏已由 llm-shim 剥离
GPT-5.6 sol	AIHubMix 网关	5/7	24.4 秒	⭐⭐⭐	部分用例选错工具

实测日期 2026-08-15 / 08-16。各家 .env 模板(含地址、模型名、清洗开关、已知坑):docs/env-samples/。评测方法与原始数据:docs/model-testing/(适配矩阵 · 评测脚本)。

思考类模型的 <think> 泄漏:MiniMax / Qwen thinking / Kimi thinking 会把推理过程夹在回复里,scripts/llm-shim/shim.py 在请求端关闭思考、响应端剥离标签,LLM_STRIP_THINK=0 可关闭。

自选和持仓可以记录每只股票的投资论点(买入理由、关键假设、成本),数据存在本地 Postgres,不出你的机器。

想让 AI 持续跟踪论点是否还成立,可以安装社区 SKILL,例如 prof-little-bear/cc-equity-research 里的 thesis_tracker,在对话中结合最新数据复核。

⚠️ 论点复核结果是 AI 生成的研究参考,不构成投资建议。

层	技术
前端	Next.js 15(App Router)· React 19 · TypeScript 5 · Tailwind CSS · shadcn/ui
后端	FastAPI · Python 3.12 · httpx · loguru
对话引擎	OpenCode 定制版 · MCP · Bun
数据库	Postgres 16 · Redis 7
大模型	任意 OpenAI 兼容网关 · Anthropic · Kronos
认证	JWT(HS256)· argon2id · 单用户 / 多用户可切换
部署	Docker Compose · GHCR 镜像

             ┌─────────────────────┐
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

web 转发层:Next.js 转发 /api/* 与对话流,携带 JWT
hunter-mcp-context:给工具调用注入当前用户身份
hunter-guard:清洗 MCP schema(兜底 DeepSeek 拒绝 parameters: null)
hunter-auth:JWT 门禁,关联会话与用户
hunter-budget:用量记账,支持限额(自部署默认关闭)
hunter-audit:完整审计日志 AUDIT.jsonl

层	环境变量	可选值	留空时
数据源	`DATA_SOURCE_PROVIDER`	`hunter` · `akshare` · `yfinance` · `saas`	`hunter`(没配平台 key 也是它)
大模型	`LLM_PROVIDER`	`openai_compat` · `anthropic` · `saas_gemini`	`openai_compat`
预测	`FORECAST_PROVIDER`	`kronos_saas` · `kronos_local` · `noop`	`kronos_saas`

DATA_SOURCE_PROVIDER 只在没配平台 key 时决定实时行情从哪取:A 股直接用它,港股 / 美股先走内置免费通道、取不到才用它;配了 key 就不看它。AKShare 在容器里访问境内数据源时可能不稳定。返回结构与细节见 docs/02-providers.md。

1. 写自己的 SKILL(最简单)

user-skills/
  你的skill名/
    SKILL.md

---
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

大概率是大模型三项没填全。docker compose logs opencode --tail 20 会明确说缺哪个:LLM_BASE_URL、LLM_DEFAULT_MODEL、LLM_API_KEY。DeepSeek 还需 LLM_SCHEMA_SANITIZE=1。

在 .env 加 LLM_SCHEMA_SANITIZE=1,然后 docker compose up -d(必须 up,restart 不会重读 .env)。

平台 key(HUNTER_API_KEY)没填或无效时拿不到完整数据。去 hunter.agentpit.io/dev/api-keys 免费申请,或在界面左下角「解锁全部工具」粘贴。

opencode 只在启动时扫描一次 SKILL 目录:

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

改 .env 里的 WEB_HOST_PORT / API_HOST_PORT / POSTGRES_HOST_PORT,同时把 NEXT_PUBLIC_API_URL 改成新的 API 端口。

见 docs/01-getting-started.md 的常见报错,或到讨论区问答提问。

🤝 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)。

🧩 基于 HunterCode 的项目

项目	说明
HunterCode Cloud	官方托管版,含微信 / 飞书推送

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

渠道	入口
💡 GitHub 讨论区	提问 · 分享 · 建议
💬 微信(拉群交流)	`agentpit`
📱 微信公众号	`agentpit.io`
🐦 X	@agentpit_io

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

🗺 路线图

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。

⭐ 觉得有用请点 Star,这是我们继续维护的动力

Made with ❤️ by AgentPit team

hunter-community

怎么上手

项目说明

核心能力

容易踩的坑

最近发版

✨ 新增 · Added

🛡 安全垫（本版保留未动）

✨ 新增 · Added

✨ 新增 · Added

🔧 变更 · Changed

🆕 新增环境变量 · Added env

用户点评

README 原文

HunterCode

Community Edition

⏱ 30 秒看懂

☁️ 一键部署到云平台

🖥 桌面启动器(推荐给不熟悉命令行的用户)

🚀 5 分钟跑起来

浏览器里的首启向导

从 v1.0.x 升级

🔑 数据供给三选一

✨ 能做什么

🤖 智能交易(纸上交易账本)

🧠 个人本地部署:记忆系统与受控自进化(`1.6.0` 起)

📚 SKILL:把分析方法论变成能力

☁️ 选 Community 还是 Cloud

📖 深入了解

❓ 常见问题

🤝 参与贡献

🙏 贡献者

🧩 基于 HunterCode 的项目

💝 感谢推荐分享

💬 社区与支持

🗺 路线图

⭐ Star 趋势

™️ 商标与 Fork

怎么上手

项目说明

核心能力

容易踩的坑

最近发版

✨ 新增 · Added

🛡 安全垫（本版保留未动）

✨ 新增 · Added

✨ 新增 · Added

🔧 变更 · Changed

🆕 新增环境变量 · Added env

用户点评

README 原文

HunterCode

Community Edition

⏱ 30 秒看懂

☁️ 一键部署到云平台

🖥 桌面启动器(推荐给不熟悉命令行的用户)

🚀 5 分钟跑起来

浏览器里的首启向导

从 v1.0.x 升级

🔑 数据供给三选一

✨ 能做什么

🤖 智能交易(纸上交易账本)

🧠 个人本地部署:记忆系统与受控自进化(1.6.0 起)

📚 SKILL:把分析方法论变成能力

☁️ 选 Community 还是 Cloud

📖 深入了解

❓ 常见问题

🤝 参与贡献

🙏 贡献者

🧩 基于 HunterCode 的项目

💝 感谢推荐分享

💬 社区与支持

🗺 路线图

⭐ Star 趋势

™️ 商标与 Fork

相关项目

🧠 个人本地部署:记忆系统与受控自进化(`1.6.0` 起)