基于 AKShare 金融数据做了一个轻量级的金融研究 Agent

最近 vibe 了一个轻量级的金融研究 Agent ，专门用来做 A 股/港股相关的研究和数据查询，基于 AKShare + LLM ，项目叫 OpenFR ，欢迎各位大佬 Star：github.com/openmozi/op…

免责声明：本项目仅供学习，不构成投资建议。股市有风险，投资需谨慎。

图 1：LLM 规划研究步骤（ Plan-Execute 规划阶段）

图 2：按步骤调用金融数据工具并展示中间结果

图 3：综合所有步骤给出最终结论和投资建议

📊 项目简介

OpenFR (Open Financial Research) 是一个极简、轻量的智能金融研究 Agent，基于大语言模型并集成 AKShare 数据接口，提供股票、基金、期货、指数、宏观经济等金融数据的自动化查询和分析能力。

✨ 核心特性

• 🌱 极简 & 轻量 - 纯 Python 包 + Typer CLI，仅依赖AKShare数据，一条命令即可开始研究
• 🤖 规划驱动的 Agent - Plan-Execute：先拆解任务，再按步骤调用工具并综合回答
• ⚡ 高性能优化 - 只读工具并行调用、多数据源重试与智能降级、结果截断与上下文压缩
• 🎯 智能工具选择 - 根据问题类型选择最相关的行情 / 板块 / 宏观工具
• 📈 丰富的数据源 - 35+ 金融数据工具，覆盖 A 股、港股、基金、期货、指数、宏观及行业板块
• 🔄 多 LLM 支持 - 支持 15+ 主流 LLM 提供商（国产 + 海外 + 本地）
• 🎨 美观的 CLI - Rich 终端界面，实时显示规划、工具调用与最终分析结果
• 🔌 智能备用切换 - 东方财富 + 新浪 + 同花顺，多数据源自动切换与重试
• 💾 缓存与限流友好 - 股票列表缓存 6 小时，部分行情接口缓存 1 分钟，减少重复请求
• 📝 对话记忆与 Scratchpad - 维护最近对话与工具调用历史，支持多轮追问
• 🛡️ 错误恢复 - 失败重试、降级替代及“基于已有信息收尾”的保护逻辑

---

🏗️ 架构设计

系统架构图

flowchart TD
    User[用户] --> CLI[CLI 终端]

    CLI --> Agent[FinancialResearchAgent]

    Agent -->|规划与推理| LLM[LLM 层]
    Agent -->|调用| Tools[金融数据工具]
    Agent -->|记录| Scratchpad[Scratchpad]

    Tools --> AKShare[AKShare 接口]
    AKShare --> Sources[东财 / 新浪 / 同花顺]

    Agent --> CLI

架构特点

统一的 Plan-Execute 流程

• 接到问题后先用 LLM 规划 2～5 个研究步骤，再按步骤逐个执行工具调用
• 每步结束后把关键信息写入 Scratchpad，最终基于所有步骤结果进行综合回答

性能优化

• 缓存：股票代码列表等长周期数据缓存 6 小时，部分行情数据做短期缓存
• 并行工具调用：对行情/指数/宏观等只读工具支持并行执行，可配置 OPENFR_ENABLE_PARALLEL_TOOLS
• 多数据源降级：指数、行业板块、A 股行情等都集成了东财/新浪/同花顺等多源与自动重试
• 上下文压缩：对过长的工具结果做截断，只把关键信息反馈给 LLM

数据层

• 多数据源：东方财富（主）+ 新浪财经（备）
• 智能重试：网络错误自动重试，指数退避
• 降级策略：主接口失败自动切换备用源

---

🚀 快速开始

安装

# 克隆仓库
git clone https://github.com/openmozi/openfr.git
cd openfr

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# 安装依赖
pip install -e .

配置

创建 .env 文件并配置 API 密钥：

# 默认推荐：智谱 AI（默认提供商已改为 zhipu）
ZHIPU_API_KEY=your_zhipu_api_key_here
OPENFR_PROVIDER=zhipu
# 默认模型：glm-4.7（也可省略 OPENFR_MODEL，程序会使用提供商默认模型）
OPENFR_MODEL=glm-4.7