需求评估文档 · 项目编号 17 · 数据表前缀 stock_
| 属性 | 内容 |
|---|---|
| 项目类型 | 多端(管理后台为主 + 可选 Web 端) |
| 数据表前缀 | stock_ |
| 后端框架 | Cool-Admin Node(MidwayJS) |
| 管理端框架 | Cool-Admin Vue(Vue3 + Element Plus) |
| 核心技术 | LLM 多模型聚合、RAG 知识库、TA-Lib 技术分析、定时任务 |
| 创建日期 | 2026-03-03 |
| 表名 | 说明 |
|---|---|
| stock_quote_daily | 日K线数据 |
| stock_quote_tick | 分时数据 |
| stock_news | 新闻快讯 |
| stock_news_source | 新闻来源配置 |
| stock_report | 研报记录 |
| stock_report_chunk | 研报分块(RAG) |
| stock_analysis | AI 分析记录 |
| stock_analysis_model | 模型评分记录 |
| stock_watch | 自选股监控列表 |
| stock_watch_alert | 盯盘预警记录 |
| stock_brief | 投资早报 |
| stock_preference | 用户风格偏好 |
| 模块 | 后端工期 | 前端工期 | 小计 | 备注 |
|---|---|---|---|---|
| 行情数据接入 | 5天 | 3天 | 8天 | 需处理数据源适配 |
| 新闻舆情抓取 | 4天 | 2天 | 6天 | 爬虫稳定性风险 |
| 研报解析(PDF+RAG) | 5天 | 2天 | 7天 | 依赖 aiplus-know 复用 |
| AI 分析引擎 | 8天 | 4天 | 12天 | 多模型聚合最复杂 |
| 用户偏好风格化 | 3天 | 2天 | 5天 | — |
| 自选股监控 | 4天 | 3天 | 7天 | 依赖行情模块 |
| 信息收纳夹/早报 | 4天 | 2天 | 6天 | 依赖 AI 引擎+舆情 |
| 基础架构搭建 | 2天 | 1天 | 3天 | — |
| 合计 | 35天 | 19天 | 约 54天 | — |
| 风险点 | 等级 | 说明 | 应对方案 |
|---|---|---|---|
| AkShare 是 Python 库 | 🔴 高 | Node.js 无法直接调用 | 改用 Tushare HTTP API 或搭建 Python 微服务 |
| 行情数据版权 | 🟡 中 | 商用需注意数据使用协议 | 使用 Tushare Pro 或购买正规数据服务 |
| 爬虫稳定性 | 🟡 中 | 财联社/东财反爬措施随时变化 | 优先接入有官方 API 的数据源;备选 RSS |
| 多模型质量评分 | 🟡 中 | 需积累历史数据才能有效评分 | 第一版用用户主观反馈(点赞/点踩)替代 |
| TA-Lib 技术分析 | 🟡 中 | 标准 TA-Lib 是 C 库,部署复杂 | 改用 technicalindicators npm 包(纯 JS) |
| 大量定时任务并发 | 🟡 中 | 7x24 盯盘高频调用 AI API | 配置 Bull 队列限流,设置合理触发频率 |
| LLM 调用费用 | 🟡 中 | 多股同时盯盘费用可观 | 设置最低触发间隔,区分重要/次要事件级别 |
| PDF 解析准确率 | 🟢 低 | 研报 PDF 格式不统一 | 对解析失败案例做人工标注补偿 |
| 功能模块 | SKILL 路径 | 来源项目 | 改造要点 | 建议 |
|---|---|---|---|---|
| AI 流程编排(多模型调度) | aiplus-flow-流程编排 | Ai流程编排+知识库 | 新增行情分析节点,接入 DeepSeek/GPT-4o | 推荐复用 |
| 研报知识库(PDF RAG) | aiplus-know-知识库图谱 | Ai流程编排+知识库 | 表前缀 know_→stock_,添加 PDF 加载器,绑定股票代码维度 | 推荐复用 |
| 定时任务(行情/舆情/早报) | framework-task-任务调度 | 框架内置 | 注册行情拉取、舆情抓取、早报生成三个 Job | 直接使用 |
| PDF 文件上传 | framework-space-文件空间 | 框架内置 | 无需改造,直接复用上传接口 | 直接使用 |
| 消息通知/预警推送 | secondhand-msg-消息通知 | 二手交易系统 | 替换表前缀,通知类型改为盯盘预警 | 参考改造 |
| 流式对话 Socket 架构 | wxbot-ai-AI客服 | 微信智能客服 | 仅参考 Socket 流式推送和知识库问答架构 | 参考实现 |