一周多狂揽1000+Star！金融Agent开始进入真实工作流

开源一周多DojoAgents 已经在 GitHub 获得超过 1000 个 Star。过去一年大模型已经逐渐进入金融研究的日常工作流它可以总结新闻、解释财报、回答股票问题甚至生成一份结构完整的分析报告。但当这些能力逐渐成为 “标配” 之后一个更现实的问题开始浮现 —— 金融 AI 的下一步究竟应该走向哪里DojoAgents 项目受到关注是因为其并不只是一个能回答投资问题的 Agent而是一种新的金融决策辅助方式让 AI 不再停留在生成答案而是形成对金融世界持续更新的理解并在数据、工具、权限和风险边界内长期且持续主动地推进研究与决策辅助任务。这套能力来自深涌智能开源的自主金融智能系统 AlphaDojo。其中DojoAgents 是面向个人投资场景的核心决策辅助 Agent 框架。在 DojoAgents 中市场扫描、新闻检索、公司分析、产业链映射、组合构建和风险分析被拆解为 Agent 可以自主调用的工具再通过 Agent Loop 串联成完整的决策辅助流程。用户看到的不再只有最终结论还能看到 Agent 调用了什么数据、如何扩展线索、如何通过模拟组合验证判断以及结论是怎样一步步形成的。痛点市场已经连成一张 “绵密的网”研究工具却仍是孤岛全球金融市场正在变得越来越紧密和高频。北京时间深夜美股仍在交易。隔夜 AI 芯片股的一次波动可能已经影响第二天 A 股光模块、PCB 和半导体设备的市场预期下午港股科技走强又可能带动相关产业链标的被重新定价。投资者面对的已经不再是一只股票、一个市场或几个独立指标而是行情、新闻、产业链、财务数据和资产组合共同构成的复杂系统。传统研究方式却依然高度依赖人工。投资者需要在不同终端之间切换寻找新闻、查询行情、梳理产业链再判断一件事可能影响哪些市场和公司。等到这些工作完成时市场往往已经结束第一轮定价。信息并不稀缺稀缺的是在价格变化之前理解信息之间的关系催生洞见与决策。DojoAgents从 “会回答问题” 到 “会系统研究与决策辅助”过去两年大模型已经证明自己可以生成一份结构完整的公司分析也可以解释一条新闻可能产生的市场影响。但进入真实金融研究场景后仅仅 “给出答案” 远远不够。例如当用户提出“英伟达隔夜大跌今天 A 股光模块、PCB 和半导体设备会不会受到影响”系统需要先获取隔夜行情和相关新闻判断波动来自需求变化、估值调整还是市场情绪随后找到产业链上下游将美股中的变化映射到 A 股和港股并进一步判断用户持仓中是否存在相关暴露。这不是一个 Prompt 可以稳定完成的任务而是一条由数据、工具和连续判断组成的研究链路。聊天机器人更关心 “应该怎么回答”金融 Agent 则需要知道 “下一步应该查什么以及应该如何去验证”。在 AlphaDojo 中DojoAgents 将市场扫描、新闻检索、公司分析、产业链映射、组合构建和风险分析等步骤拆解成可调用工具再通过 Agent Loop 推进研究过程主动帮使用者解决问题。金融 Agent 的价值不是把答案写得更像研究报告而是把研究报告背后的工作真正系统做一遍做好模拟和验证然后形成研究分析参考辅助决策。以下是几个典型的场景。01 市场主线扫描不用担心被异动刷屏DojoAgent 主动替你翻完了投资者每日最常问的问题之一是“今天全球市场什么值得关注”。这个问题看起来简单背后其实要同时看全市场涨跌、行业轮动、个股异动、资金情绪和潜在事件。DojoAgents 收到问题后会先进入数据收集阶段调用全球市场、行业和个股相关工具拉取 A 股、美股、港股里的异动板块、强势标的、涨跌幅、成交变化和行业分布。在整个过程中用户可以随时展开中间步骤查看 Agent 调用了哪些工具、引用了哪些数据、每一步分析是怎么推进的。全球市场扫描 —— 可以点开进程可以随时查看引用的数据拿到数据后Agent 会继续做归类和筛选把零散的异动标的整理成更容易理解的主题例如半导体、AI 算力、存储、光模块、消费电子、金融科技等方向并结合涨幅、估值、行业位置和市场热度判断哪些只是短线波动哪些可能代表更值得继续跟踪的板块线索。投资者还可以继续追问“帮我将今日值得关注的股票整理成研究观察列表方便我后续追踪。”DojoAgents 会将今日市场异动摘要进一步沉淀成研究观察列表让用户直接看到今天哪些方向最活跃、对应有哪些相关公司、每个方向背后的逻辑是什么并在 Dashboard 中持续记录后续市场数据变化。生成今日研究观察列表仅作研究演示不构成对证券推荐或买卖建议02 从 “消息提醒” 到 “机会挖掘”一条新闻梳理相关线索分析突发新闻并判断它会影响哪些标的是投资者最关心的问题之一。比如最近 Meta 卖算力搅动了全球市场A 股投资者看到消息后会自然问出“Meta 卖算力会影响美股和 A 股哪些行业及公司”DojoAgents 会先把这个问题拆开再进入数据收集阶段调用行情、新闻、公司和行业相关工具拉取 Meta 的价格变化、相关新闻、市场表现以及美股科技股、AI 算力链、半导体、云计算、广告科技等方向的数据。用跨市场新闻时间查看相关公司仅作研究演示不构成证券推荐或买卖建议拿到数据后Agent 会继续分析事件影响路径这件事可能涉及哪些行业和公司又会沿着 AI 算力、云计算、服务器、GPU、光模块、半导体设备等产业链环节传导到哪些环节。随后它会把相关线索映射到美股和 A 股市场梳理可能受到影响的公司并给出不同行业和公司背后的逻辑。用户还可以继续追问“帮我将这些研究样本按照消息出来那天的价格建立模拟观察组合我观察后市表现。”这时DojoAgents 会把筛出的股票整理成模拟观察组合按照消息发布日价格进行模拟建仓并在 Dashboard 里展示模拟建仓价格、模拟收益曲线、涨跌表现和组合明细。短短两个 prompt就可以将一条新闻沉淀成一个可持续跟踪和复盘的模拟研究组合。用新闻消息进行模拟研究模拟结果不代表真实交易或未来表现03 一张截图完成持仓评估买了 40 只票发现只押了一个方向DojoAgents 支持多模态模型能力用户在遮盖姓名、账号、资产总额等识别信息后可以上传匿名化持仓截图进行组合诊断。这是很多体验者最喜欢也最觉得解放生产力的功能。 这里演示使用的是匿名化或虚构的持仓截图包含 40 多只标的横跨 A 股、美股和 ETF。DojoAgents 识别后会按市场、行业和产业链位置重新归类把持仓拆解成所在行业的具体方向。随后Agent 会生成组合风险诊断指出组合是否存在赛道过度集中、内部持仓高度重叠、防御性资产不足等问题。在这次分析里Agent 给出的结论非常直接虽然组合里有 40 多只标的但很多仓位本质上都押注在同一个方向上。一旦半导体、AI 算力或成长股整体回调组合很容易同步下跌。持仓截图上传分析接着Agent 会给出后续风险提示例如重复仓位、核心标的集中度、美股配置、弱势暴露以及公用事业、消费等防御资产占比。等结论出来后用户还可以让它根据风险提示生成新的观察列表并在 Dashboard 中持续跟踪。按照风险提示形成观察列表不构成证券买卖或仓位调整建议04 市场发现新闻刷不完Agent 直接挖出交易主线在取得相应授权或依法使用的前提下DojoAgents 会自动聚合多个新闻源、机构观点和市场异动把一天里分散的信息串联起来提炼出真正值得关注的市场主线。用户不用自己刷完几十条新闻也能快速知道今天市场到底在交易什么资金风格正在发生什么变化。围绕每条主线Agent 还会继续分析影响到的具体行业和板块并结合实际涨跌表现进行验证。每天打开一次就能快速看清发生了什么、钱正在往哪里走以及哪些方向正在受到影响。用户只需要切换到市场动态页面就会自动收到实时的推送。自动聚合新闻信息如何快速启动 DojoAgents项目地址https://github.com/Alpha-Dojo/DojoAgents准备 Python 3.11 或以上版本和 uv 后在 Terminal 中输入Plain Text uv venv source .venv/bin/activate uv pip install dojoagents安装完成后启动 DashboardPlain Text dojoagents dashboard --host 127.0.0.1 --port 8765随后在浏览器中访问Plain Text http://127.0.0.1:8765/进入 Settings 后即可配置 OpenAI、Anthropic、Gemini、DeepSeek、GLM 等模型也可以接入 Ollama、vLLM 和 llama.cpp 等本地模型。详细环境要求和配置方式可查看项目 README。数据与隐私提示使用云端模型处理持仓截图等个人信息时应根据实际数据处理情况履行告知、同意等义务涉及个人信息出境的还应依法满足个人信息出境条件并取得单独同意。为什么要开源自主金融智能 AlphaDojo自主金融智能仍处在早期阶段。今天许多团队都在重复搭建模型适配、数据接口、工具调用、任务编排和前端交互。大量精力被消耗在相似的基础工作上真正针对金融场景的数据、模型、研究流程和评测创新反而难以向前推进。AlphaDojo 希望改变这种状况。它开放的是一套面向自主金融智能的基础框架从 Agent Loop、任务编排和金融工具接口到 Dashboard、多模型适配、本地部署与组合研究能力。开发者可以替换模型、扩展工具、接入自己的数据和知识库并在此基础上构建不同的金融研究应用。未来AlphaDojo 还将逐步开放更多金融数据集、评测工具和多 Agent 协作能力。让过去长期集中在头部金融机构内部的数据、研究和工程能力正在第一次具备被标准化、开放和广泛使用的可能。高质量行情、新闻和机构数据仍需要根据具体场景配置并取得合法授权。但底层框架、研究链路和扩展方式不必由每个团队重新搭建。从开源框架到机构级自主金融智能开源框架解决了系统如何搭建的问题但真正进入机构环境后还要跨过数据、流程和工程交付的门槛。每家机构都有自己的数据资产、知识库、研究方法和权限体系也需要处理模型选择、结果评测、数据安全与私有化部署。一个面向公开社区的框架无法直接覆盖所有专业需求。围绕这些场景深涌智能正在为专业金融机构、研究团队和金融科技企业等提供自主金融智能的数据和技术支持包括跨市场数据加工、实体与产业链关系构建、内部知识接入、专业模型适配以及研究工作流的智能体化改造。合规提示涉及依法需持牌的证券投资咨询等业务的应由具备相应资质的主体在许可范围内开展。AlphaDojo 展示的是这套体系面向开发者的开放形态在机构场景中相同的底层能力会与更专业的数据、更复杂的权限和更具体的业务流程结合。这也意味着自主金融智能并不只服务于最头部的金融机构。通过标准化框架、模块化工具和可部署的技术体系过去只有少数机构能够承担的研发成本有机会被显著降低。更多中小型金融机构、研究团队和金融科技企业也可以获得接近头部机构级的智能研究能力。写在最后金融市场从来不缺少信息。真正稀缺的是在有限时间内理解信息之间的关系并将零散线索转化为可以持续验证的研究判断。大模型让自然语言成为人与金融数据之间新的交互方式但这只是第一步。下一阶段的金融 AI需要进一步调用工具、连接数据、管理研究过程并围绕目标持续工作逐步为结果负责。AlphaDojo 的 1000 Star说明越来越多开发者正在关注这种变化。对于深涌智能而言开源也不仅是发布一个产品而是把部分数据、工具和 Agent 工程能力放到公开环境中接受验证。未来AlphaDojo 还将继续完善跨市场数据连接、组合分析、多 Agent 协作和金融评测体系。让机构级金融智能走出头部机构让更多组织和个人获得理解市场、研究市场的能力。这是 AlphaDojo 选择开源的原因也是深涌智能构建自主金融智能体系的长期方向。