Stock-Scanner 详细部署教程：AI 增强的 A 股量化分析系统

Stock-Scanner 是一个集成了 25 项财务指标、新闻情绪分析、技术指标计算和 AI 深度解读的开源 A 股量化分析系统。它支持 OpenAI、Claude、智谱 AI 等多种大语言模型，并提供桌面 GUI 和 Web 两种界面。本教程将详细介绍多种部署方式。

1. 系统概述与准备工作

1.1 核心特性

多维度分析：涵盖盈利能力、偿债能力、营运能力等 25 项财务指标，以及移动平均线、RSI、MACD 等技术指标。
AI 智能解读：支持 OpenAI GPT、Claude、智谱 AI 等模型，提供流式推理和专业投资建议。
多端支持：提供 PyQt6 桌面版 GUI、Flask Web 版（支持 SSE 流式推送）和 Docker 容器化部署。
多市场覆盖：V3.0 版本已支持 A 股、港股和美股。

1.2 环境要求

操作系统：Windows、Linux、macOS。
Python 版本：Python 3.8 或更高版本。
网络：能够访问互联网以获取股票数据和调用 AI API。
（可选）AI API 密钥：至少配置一个 AI 服务商的 API 密钥（OpenAI、Anthropic、智谱 AI 等）以启用 AI 分析功能。

2. 安装与配置

2.1 克隆项目并安装依赖

首先，从 GitHub 克隆项目到本地：

1 2	git clone https://github.com/DR-lin-eng/stock-scanner.git cd stock-scanner

推荐使用 Python 虚拟环境，以避免依赖冲突：

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux / macOS:
source venv/bin/activate

# 安装依赖（以 3.0 版本为例）
pip install -r "3.0 webapp（支持港股美股）/requirements.txt"

如果安装缓慢，可以使用国内镜像源加速，例如：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。

2.2 配置文件详解

项目根目录下有一个 config - 示例.json 文件，你需要将其复制为 config.json 并进行配置。

{
    "api_keys": {
        "openai": "sk-your-openai-key",
        "anthropic": "sk-ant-your-claude-key",
        "zhipu": "your-zhipu-key",
        "siliconflow": "your-siliconflow-key"
    },
    "ai": {
        "model_preference": "openai",
        "models": {
            "openai": "gpt-4o-mini",
            "anthropic": "claude-3-haiku-20240307",
            "zhipu": "chatglm_turbo"
        },
        "max_tokens": 4000,
        "temperature": 0.7
    },
    "analysis_weights": {
        "technical": 0.4,
        "fundamental": 0.4,
        "sentiment": 0.2
    },
    "web_auth": {
        "enabled": true,
        "password": "your_strong_password",
        "session_timeout": 3600
    },
    "cache": {
        "price_hours": 1,
        "fundamental_hours": 6,
        "news_hours": 2
    }
}

关键配置项说明：

api_keys：至少配置一个 AI 服务的 API 密钥。如果使用本地模型（如 Ollama），此处可留空或随意填写。
model_preference：首选 AI 服务商，系统会优先使用此处的模型。
analysis_weights：技术面、基本面和情绪面在综合评分中的权重。
web_auth：Web 版的认证配置，建议启用密码保护。
cache：不同数据类型在内存中的缓存时间（小时），可减少 API 调用。

3. 部署方式

Stock-Scanner 提供了多种部署方式，你可以根据需求选择。

3.1 方式一：直接运行 Web 版（推荐用于生产）

这是功能最全的方式，支持 SSE 流式输出，适合部署在服务器上。

进入 Web 版目录（以最新的 3.0 版本为例）：
1
cd "3.0 webapp（支持港股美股）"
直接运行 Flask 开发服务器（仅用于测试）：
1
python flask_web_server.py
服务默认运行在 http://localhost:5000。
使用 Gunicorn 部署（生产环境推荐）：
1
2
pip install gunicorn
gunicorn -w 4 -b 0.0.0.0:5000 flask_web_server:app
此命令会启动 4 个工作进程，监听所有网络接口的 5000 端口。

3.2 方式二：Docker 部署（最便捷）

Docker 方式适合快速部署，支持 x86 和 ARM 架构。

确保 Docker 已安装，并可以考虑配置国内镜像源以加速拉取。

进入包含 Docker Compose 文件的目录：

1 2	cd "2.6 webapp（流式传输测试版）" # 或根据最新版本进入相应目录

使用 Docker Compose 一键启动：
1
docker-compose up -d
此命令会在后台启动容器，默认映射端口为 8888。

3.3 方式三：使用预构建的 Docker 镜像

社区维护了一个可直接使用的 Docker 镜像 lanzhihong/stock-scanner。

docker run -d \
  --name stock-scanner \
  -p 8888:8888 \
  -e GEMINI_API_KEY=<你的API密钥> \
  lanzhihong/stock-scanner:latest

注意：此镜像可能需要通过环境变量传递特定的 AI 密钥（如 Gemini）。访问 http://你的IP:8888 即可使用。

4. 使用 Nginx 进行反向代理（可选）

为了在生产环境中提供更好的性能和安全性，可以使用 Nginx 作为反向代理。

server {
    listen 80;
    server_name your-domain.com;

    location / {
        proxy_pass http://localhost:5000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }

    # SSE 流式接口需要特殊配置以禁用缓冲
    location /api/sse {
        proxy_pass http://localhost:5000;
        proxy_set_header Connection '';
        proxy_http_version 1.1;
        proxy_buffering off;
        proxy_cache off;
        chunked_transfer_encoding off;
    }
}

5. 使用与验证

5.1 Web 界面

在浏览器中访问你部署的地址（如 http://localhost:5000 或 http://你的IP:8888）。
如果启用了 Web 认证，需要输入 config.json 中设置的密码。
输入股票代码（A 股如 000001，港股如 00700，美股如 AAPL）即可开始分析。

5.2 API 调用示例

你也可以通过 API 方式使用：

单股票分析 (SSE 流式)：

1
2
3

curl -X POST http://localhost:5000/api/analyze_stream \
  -H "Content-Type: application/json" \
  -d '{"stock_code": "000001", "client_id": "test_client"}'

批量分析：

1
2
3

curl -X POST http://localhost:5000/api/batch_analyze_stream \
  -H "Content-Type: application/json" \
  -d '{"stock_codes": ["000001", "000002"], "client_id": "test_client"}'

5.3 对接本地大模型 (Ollama)

Stock-Scanner 支持对接本地部署的 Ollama 模型，实现完全私有化的分析。

确保 Ollama 服务正在运行并已下载所需模型（如 qwen2.5）。
在 Web 界面或配置文件中，将 API 地址指向 Ollama 的服务地址（通常为 http://localhost:11434），API Key 可随意填写。
模型名称填写 Ollama 中的模型名，如 qwen2.5:7b。

6. 故障排查

数据获取失败：检查网络连接，确保能访问 quote.eastmoney.com 等数据源。更新 akshare 库：pip install --upgrade akshare。
AI 分析失败：检查 config.json 中的 API 密钥是否正确，以及账户是否有余额。可以尝试切换到备用模型。
端口被占用：修改启动命令或 Docker Compose 文件中的映射端口，确保端口未被占用。
Docker 镜像拉取慢：配置国内 Docker 镜像加速器，或在 Dockerfile 中修改 pip 源为国内源。