erlangshen

v0.2.5

Published

13 days ago

二郎神 - 全知全能的AI投资智能体

0High
0Medium
0Low

hui_wang_623

investment ai-agent finance trading macro portfolio

二郎神 (Erlangshen) - AI投资智能体

全知全能的AI投资智能体，支持全资产多策略分析。

给 Agent 的 2 分钟上手说明

如果你是 Codex、Claude Code、Gemini CLI 或其他用户侧 Agent，先按下面的顺序理解和使用二郎神：

二郎神是一个 MCP-first 投资分析 CLI，不是普通聊天机器人。遇到行情、宏观、基金、ETF、市场巡视问题时，优先通过 CLI 命令触发数据链路，再回答用户。
最短初始化：

npm install -g erlangshen
erlangshen /doctor
erlangshen /login xwab <账号>
erlangshen /model key
erlangshen /workspace allow <项目目录>

常用工作流：

erlangshen "今天市场环境怎么样"
erlangshen "/patrol"
erlangshen "/patrol run 重点看红利和微盘拥挤"
erlangshen /plan
erlangshen /artifacts

回答原则：
- /patrol run 会按利率环境、高频经济金融、市场结构、ETF 被动资金、主动策略五个模块做市场环境巡视。
- MCP 有结构化数据就优先用 MCP；MCP 缺口用 web_search 交叉验证。
- 拿不到 Top100 成交占比、ETF 申赎、产品创新高/回撤时，不编造，列为待补数据口径。
- 用户问“过程怎么看”时，引导查看 /plan；用户问“报告/图表在哪里”时，引导查看 /artifacts、/links、/open。
- 不要在主回答里复述内部参数、token、API Key、原始 JSON 或冗长工具日志。
对 Agent 最有用的命令：

| 命令 | 用途 | |------|------| | /doctor | 检查账号、模型、MCP、web_search、工作区是否就绪 | | /patrol | 查看市场环境巡视 SOP | | /patrol run <关注点> | 发起完整市场环境巡视 | | /plan | 复盘本轮意图、工具、MCP 数据、服务端迁移入口和缺口 | | /links | 查看网页、图片、报告、图表等资源入口 | | /artifacts | 查看本地保存的报告和图表 |

功能特性

🤖 多Agent协作: 宏观分析师、股票分析师、多资产分析师
📊 MCP工具: 行情数据、宏观数据、飞书文档
⚡ 斜杠命令: /analyze, /macro, /stock, /report 等
🧠 LLM大脑: 支持 DeepSeek、OpenAI 等多种模型
📝 知识沉淀: 纪要、报告自动保存

目录结构

erlangshen/
├── bin/
│   └── erlangshen          # CLI 入口脚本
├── src/
│   ├── cli.py               # CLI 主入口
│   ├── config.py            # 配置管理
│   ├── brain.py             # LLM 大脑
│   ├── mcp/                 # MCP 工具
│   │   ├── market.py        # 行情数据
│   │   ├── macro.py         # 宏观数据
│   │   ├── feishu.py        # 飞书文档
│   │   └── registry.py      # MCP 注册表
│   ├── agents/              # 专业智能体
│   │   ├── base.py          # 基础Agent
│   │   ├── macro.py         # 宏观Agent
│   │   ├── equity.py        # 股票Agent
│   │   └── multi_asset.py   # 多资产Agent
│   ├── commands/             # 斜杠命令
│   │   ├── analyze.py
│   │   ├── macro.py
│   │   ├── stock.py
│   │   ├── report.py
│   │   ├── search.py
│   │   ├── portfolio.py
│   │   ├── risk.py
│   │   └── memo.py
│   ├── skills/              # 技能
│   │   ├── framework.py
│   │   └── templates.py
│   └── hooks/               # 事件钩子
│       ├── session_start.py
│       └── session_end.py
├── .claude/
│   └── settings.json        # 配置文件
├── knowledge/               # 知识库
│   ├── memos/               # 纪要
│   ├── reports/             # 报告
│   ├── insights/            # 洞察
│   └── facts/               # 事实库
└── requirements.txt

安装

npm 安装 (推荐)

# 全局安装
npm install -g erlangshen

# 安装完成后会自动：
# 1. 检查 Python 3.9+
# 2. 安装 Python 依赖
# 3. 创建配置目录 ~/.erlangshen/

手动安装

# 克隆项目
git clone https://github.com/xiaoerdata/xiaoer-erlangshen.git
cd xiaoer-erlangshen

# 安装依赖
pip install -r requirements.txt

# 添加执行权限
chmod +x bin/erlangshen

# 链接到 PATH (可选)
ln -s $(pwd)/bin/erlangshen /usr/local/bin/erlangshen

配置

可以通过 ERLANGSHEN_CONFIG 指定 JSON 配置文件；未指定时默认读取项目内 .claude/settings.json，不存在则读取 ~/.erlangshen/settings.json:

{
  "llm_provider": "deepseek",
  "deepseek_api_key": "your-api-key",
  "deepseek_model": "deepseek-chat",
  "db_host": "localhost",
  "db_port": 5432,
  "db_name": "market",
  "feishu_app_id": "your-feishu-app-id",
  "feishu_app_secret": "your-feishu-app-secret"
}

使用方式

交互模式

erlangshen

命令模式

erlangshen /analyze A股当前走势
erlangshen /macro CPI走势
erlangshen /stock 贵州茅台
erlangshen /report 月度总结

斜杠命令

| 命令 | 说明 | 示例 | |------|------|------| | /analyze | 综合分析 | /analyze A股走势 | | /macro | 宏观分析 | /macro LPR利率 | | /stock | 股票分析 | /stock 茅台 | | /report | 报告生成 | /report 月度报告 | | /search | 搜索 | /search 量化策略 | | /portfolio | 组合分析 | /portfolio 风险 | | /risk | 风险分析 | /risk 市场风险 | | /omniscient --trend-tail | 趋势/尾部流动性判别 | /omniscient --trend-tail AI算力订单上修 | | /memo | 纪要管理 | /memo 记录会议 |

MCP 工具

Market MCP (行情)

get_stock_price: 实时股价
get_stock_history: 历史行情
get_index_quote: 指数行情
get_futures_price: 期货价格

Macro MCP (宏观)

get_macro_indicator: 宏观指标
get_interest_rates: 利率数据
get_currency_rates: 汇率数据
get_economic_calendar: 经济日历

Feishu MCP (飞书)

create_doc: 创建文档
append_doc: 追加内容
search_docs: 搜索文档
send_message: 发送消息

Agents

MacroAgent (宏观分析师)

专注宏观经济、政策解读、大类资产配置

EquityAgent (股票分析师)

专注A股、港股、美股基本面和技术面分析

MultiAssetAgent (多资产分析师)

专注跨资产配置、组合优化、风险预算

开发

# 安装开发依赖
pip install -r requirements-dev.txt

# 运行测试
python -m pytest -q

# 直接运行
python -m src.cli

# 或使用入口脚本
./bin/erlangshen

依赖

Python 3.10+
openai >= 1.0.0
pydantic >= 2.0.0
psycopg2-binary >= 2.9.0 (可选，用于数据库)
lark-oapi >= 1.0.0 (可选，用于飞书)

License

MIT