今天要介绍的是一个名为”韭菜盘”（JCP AI）的开源项目，这是一个基于多 Agent 协作的智能股票分析系统，通过 AI 技术帮助投资者做出更明智的决策。
项目概述
项目概述
韭菜盘是一款基于 Wails 框架开发的跨平台桌面应用，集成了多个主流 AI 大模型（包括 OpenAI、Google Gemini、DeepSeek、Kimi、GLM 等），通过多个 AI 专家角色协作讨论的方式，为用户提供专业的股票分析和投资建议。
项目的核心亮点在于它不仅仅是简单地将 AI 接口集成到股票分析工具中，而是创建了一个多 Agent 协作的”智库系统”，每个 Agent 都有自己的专业角色和分析视角。
核心特性
1. 多 Agent 智库系统
项目内置了四个专业的 AI Agent：
- 技术分析师：专注于 K 线形态识别、技术指标分析
- 基本面分析师：负责财报解读、估值分析
- 情绪分析师：追踪市场情绪、热点舆情
- 风控专家：提供风险评估、仓位建议
这些 Agent 可以通过”会议室”系统进行多轮讨论，从不同角度分析同一只股票，提供更全面的决策参考。
2. 智能记忆系统
系统实现了按股票隔离的长期记忆功能，AI 能够记住每只股票的历史讨论和关键结论。记忆系统包含：
- 关键事实提取（重要观点、决策）
- 历史讨论摘要
- 基于 TF-IDF 的相关性检索
- 自动压缩机制，控制上下文长度
3. 策略管理系统
用户可以创建多个投资策略，每个策略可以配置不同的 Agent 组合，甚至可以为每个 Agent 配置独立的 AI 模型。这种灵活性使得系统能够适应不同的投资风格和需求。
4. 实时行情与数据
- 股票实时数据展示
- 基于 Lightweight Charts 的高性能 K 线图表
- 盘口深度数据
- 智能交易时间管理，自动识别开盘/收盘/休市状态
5. 热点舆情聚合
整合了百度、抖音、B 站、头条等平台的热点趋势，帮助用户把握市场脉搏。
6. 研报服务
提供专业研究报告查询和智能分析功能。
技术架构
项目采用现代化的技术栈：
| 层级 | 技术选择 |
|---|---|
| 框架 | Wails v2 (Go + Web 混合架构) |
| 后端 | Go 1.24 |
| 前端 | React 18 + TypeScript + Vite |
| UI 库 | TailwindCSS + Lucide Icons |
| 图表 | Lightweight Charts (TradingView) |
| 分词 | GSE (纯 Go 实现) |
这种架构既保证了性能（Go 后端），又提供了灵活的前端交互体验（React）。
快速上手
环境要求
- Go 1.24+
- Node.js 18+
- Wails CLI v2
安装步骤
- 安装 Wails CLI：
go install github.com/wailsapp/wails/v2/cmd/wails@latest - 克隆项目：
git clone https://github.com/run-bigpig/jcp.git cd jcp - 安装依赖：
cd frontend && npm install && cd .. go mod download - 开发模式运行：
wails dev - 构建发布版本：
wails build
使用体验
项目的主界面设计简洁直观：
- 左侧是自选股列表与市场指数
- 中间是 K 线图表区域（支持分时/日K/周K/月K切换）
- 右侧是 AI 智库讨论室
首次使用时，需要配置 AI 模型的 API Key。项目支持多种 AI 服务商，用户可以根据自己的需求和偏好进行选择。
特色功能详解
MCP 扩展支持
项目支持 Model Context Protocol，可以通过插件方式扩展更多工具能力，包括：
- 股票实时行情查询
- K 线数据获取
- 新闻资讯搜索
- 研报查询等
AI 驱动的提示词优化
项目还包含提示词增强功能，能够自动优化 Agent 的提示词，提升分析质量。
智能重试机制
会议室系统支持 Agent 失败自动重试，提高了系统的稳定性和可靠性。
项目价值
韭菜盘项目代表了 AI 技术在金融领域应用的一个创新方向。通过多 Agent 协作，它打破了单一 AI 分析的局限性，提供了更加立体和全面的市场视角。开源的特性也使得整个项目更加透明和可信。
对于普通投资者来说，这样的工具可以帮助降低专业分析的门槛；对于开发者来说，这是一个学习 AI 多 Agent 系统设计的优秀案例。
总结
韭菜盘项目通过创新的 AI 多 Agent 架构，为股票分析提供了全新的解决方案。无论是其技术实现思路，还是实际应用价值，都值得我们深入关注和学习。项目的开源特性也为社区贡献和技术交流提供了良好基础。
如果你对 AI + 金融的结合感兴趣，或者正在寻找一个多 Agent 系统的实践案例，不妨去看看这个项目。
项目地址：https://github.com/run-bigpig/jcp