LangAlpha：面向金融市场的 AI 投研 Agent 工作台

核心能力与快速开始

★ 1786 · Python

能做什么

提供持久化工作区（每个研究目标对应独立沙箱，含 work/、results/、data/ 目录与 agent.md 笔记文件、长期记忆与用户备忘录存储）；Programmatic Tool Calling（Agent 编写 Python 在沙箱中处理金融数据，仅回传结果）；渐进式工具发现，按需加载 MCP 工具说明与技能绑定的 JSON 工具；金融数据生态，含原生工具（公司概览与实时行情、SEC 文件与财报电话会记录、市场指数与板块表现、网页搜索与抓取）与 MCP 服务（价格 OHLCV、基本面、宏观经济、期权、Yahoo Finance 套件、X 只读检索、网页抓取）；三级数据源回退（ginlix-data / FMP / Yahoo Finance）；金融研究技能（DCF 模型、首次覆盖报告、财报分析、晨报、文档生成等）；Web 研究工作台（内联图表、TradingView、WebSocket 实时行情、来源溯源面板、对话分享、子 Agent 监控）；多提供商模型层（OAuth 接入 ChatGPT/Claude 订阅、多种编码套餐或 BYOK，自动重试与故障切换）；自动化（定时、一次性及价格触发任务）；Secretary 调度与后台任务；Agent swarm 与执行中实时引导；中间件栈处理技能加载、计划模式、多模态输入与上下文压缩；安全与工作区保险库（pgcrypto 静态加密、凭据泄露检测与脱敏、沙箱执行）；Slack、Discord、飞书、Telegram 与邮件渠道集成；SSE 流式事件、Redis 缓冲重连回放与 PostgreSQL 状态持久化。

适用场景

面向金融市场的投研辅助：围绕调仓、行业深度研究等目标建立持久化研究空间并逐步积累结论；让 Agent 执行多步骤金融数据分析与建模（如 DCF）；生成并查看交互式金融数据看板与图表；检索与引用 SEC 文件、财报电话会记录以及上传的 PDF/研究笔记；筛选市场并生成配对交易想法；通过 Slack、Discord、飞书、Telegram 或邮件接收定时与价格触发的分析结果；以对话方式管理研究空间并后台派发深度分析。

项目形态

开发框架

部署方式

未说明（README 提到后端为 FastAPI、前端 React 19 + Vite + Tailwind、CLI/TUI，依赖 PostgreSQL、Redis、Daytona 云沙箱与外部金融数据 API，未给出具体部署步骤与条件）

主要依赖

代码标注 Python 3.13+；无密钥时仅可用 Yahoo Finance 免费数据（存在无日内 1 小时以下数据、行情延迟、宏观覆盖有限与限流等限制），推荐配置 FMP_API_KEY；实时行情与期权数据需 GINLIX_DATA_URL；运行还需 PostgreSQL、Redis、Daytona 沙箱及可选的各 LLM 提供商密钥/订阅。完整依赖与配置细节未在材料中说明。

使用限制

材料未说明具体的性能上限、API 调用成本、各提供商配额、硬件与部署要求，也未说明是否可商用；Yahoo Finance 免费数据存在日内数据缺失、行情延迟与限流等限制；架构涉及多项外部服务（Daytona、PostgreSQL、Redis、FMP、ginlix-data 等），可用性受这些依赖影响；README 摘录在技能部分被截断，未覆盖全部内容。

许可证

Apache-2.0

最近推送

2026-09-28 19:27

资料检查：2026-09-29 07:00 · 卡片整理：2026-10-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为基于 Python 的 AI Agent 框架，程序员可参考其架构（如 Programmatic Tool Calling、持久化工作区、多子 Agent 并行、中间件栈）来构建或扩展金融领域的 AI 应用，或将其作为代码库进行二次开发。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证