TickFlow股票面板
经 AI Skill Hub 精选评估，TickFlow股票面板 获评「强烈推荐」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。
📚 深度解析
TickFlow股票面板 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
TickFlow股票面板 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
TickFlow股票面板 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：npm 全局安装 npm install -g tickflow-stock-panel # 方式二：npx 直接运行（无需安装） npx tickflow-stock-panel --help # 方式三：项目依赖安装 npm install tickflow-stock-panel # 方式四：从源码运行 git clone https://github.com/shy3130/tickflow-stock-panel cd tickflow-stock-panel npm install npm start
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
tickflow-stock-panel --help
# 基本用法
tickflow-stock-panel [options] <input>
# Node.js 代码中使用
const tickflow_stock_panel = require('tickflow-stock-panel');
const result = await tickflow_stock_panel.run(options);
console.log(result);
# tickflow-stock-panel 配置说明 # 查看配置选项 tickflow-stock-panel --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export TICKFLOW_STOCK_PANEL_CONFIG="/path/to/config.yml"
简介
✨ 核心功能
前置依赖
| 工具 | 版本 | 安装 |
|---|---|---|
| Python | ≥ 3.11 | [python.org](https://www.python.org/) |
| Node | ≥ 20 | [nodejs.org](https://nodejs.org/) |
[uv](https://docs.astral.sh/uv/) | latest | curl -LsSf https://astral.sh/uv/install.sh \| sh |
pnpm | 9 | npm i -g pnpm 或 corepack enable && corepack prepare pnpm@9 --activate |
🚀 快速开始
方式 A:Docker(最省心,生产推荐)
```bash cp .env.example .env # 按需填写 Key(留空即 Free 模式,可直接体验) docker compose up --build
🧭 第一次使用
1. 打开面板 → 设置 → 凭据与能力 → 点 重新检测,确认 Tier Label 2. 点 立即跑盘后管道 —— 拉日 K + 计算 enriched 表 - Free 用户:只同步内置 DEMO_SYMBOLS(浦发 / 招商 / 茅台等 10 只) - Starter+:同步全 A 或可获取的 instruments 列表 3. 自选页:添加跟踪标的;点代码进 K 线页看蜡烛图 + 买卖点 4. 选股页:点任一内置策略卡片即时扫描;或用自定义信号组合条件 5. 回测页:选策略 / 信号 + 时间区间 → 跑回测 → 看净值 / 夏普 / 交易明细(SSE 实时进度) 6. 监控中心页:配置监控规则(策略/个股信号/价格/市场异动),盘中 SSE 实时弹窗通知 + 持久化触发记录;或在个股详情页点「加监控」快速添加
---
⚙️ 配置
所有配置通过项目根目录的 .env 文件读取(复制 .env.example 开始)。配置也可在面板 设置 页面内修改。
🧰 数据与扩展
- 多源数据:TickFlow 日 K / 分钟 K / 指数 / 财务(利润 / 资产负债 / 现金流)/ 自选行情
- 🔌 第三方数据接入(重点) —— TickFlow 之外的数据也能用:
- 支持 Tushare 等第三方数据源,通过 HTTP 定时拉取自动入库
- 支持 CSV / Excel 上传 · JSON 写入,自动 schema 发现与符号归一
- 页面可视化配置扩展数据表,无需改代码
- 可接入你自己的量化项目数据,统一并入 DuckDB 查询面,与内置数据同台分析
- 盘后定时管道:APScheduler 15:30 CST 自动拉日 K + 重算 enriched 表 + 跑监控
- 令牌桶限流:适配各档位 rpm / batch 上限,批量合并 + 增量拉取,同一份数据多面板复用
---
tickflow-stock-panel 是一个功能强大的量化股票分析面板，旨在为开发者和投资者提供直观的行情监控、策略回测及数据分析能力。通过集成实时行情与深度财务数据，该工具能够帮助用户快速构建个人量化工作流，实现从数据获取到交易决策的全链路闭环。
本项目集成了多维度的量化功能：支持实时 K 线图表展示与买卖点自动标注；提供强大的选股功能，支持内置策略扫描及自定义信号组合；内置专业的回测引擎，可针对不同策略进行净值与夏普比率分析；此外，通过监控中心功能，用户可以实现对个股异动与市场信号的实时弹窗通知。
在运行本项目之前，请确保您的开发环境已安装以下工具：Python 版本需 ≥ 3.11，Node.js 版本需 ≥ 20。此外，强烈建议安装最新版本的 uv 包管理工具，以实现更高效的依赖管理与环境构建。
推荐使用 Docker 进行部署，这是最省心且适合生产环境的方式。首先，通过 `cp .env.example .env` 命令复制配置文件，并根据需要填写 API Key（若留空则进入 Free 模式直接体验）。随后，执行 `docker compose up --build` 即可完成整个环境的自动化构建与启动。
首次启动后，请进入面板的“设置 → 凭据与能力”点击“重新检测”以确认权限。随后点击“立即跑盘后管道”同步数据：Free 用户将同步内置 DEMO 数据，Starter+ 用户可同步全 A 股列表。您可以利用“自选”页跟踪标的，在“选股”页运行策略，或在“回测”页进行历史数据验证。若需实时预警，请在“监控中心”配置规则，系统将通过 SSE 实时推送通知。
项目的所有核心配置均通过根目录下的 `.env` 文件进行管理。您可以参考 `.env.example` 模板进行初始化。此外，为了提升操作便捷性，部分配置项也支持直接在 Web 面板的“设置”页面中进行实时修改，无需频繁重启服务。
本项目拥有灵活的数据处理工作流。除了内置的 TickFlow 日 K、分钟 K 及财务数据外，系统重点支持第三方数据接入：可通过 HTTP 定时拉取 Tushare 等数据源，或通过上传 CSV/Excel/JSON 文件实现自动 Schema 发现与符号归一化。所有数据将统一汇入 DuckDB 进行查询，配合 APSched 盘后定时管道，让您的自定义量化数据也能与内置数据同台分析。
高质量的开源AI工作流项目，适合量化交易和股票分析
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：tickflow-stock-panel 提供官方镜像，docker compose up 一键启动
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：TickFlow股票面板 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | tickflow-stock-panel |
| 原始描述 | 开源AI工作流：自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台 | 基于 TickFlow 数据 | 能力驱动适配全档位订阅 | 自由接入第三方扩展数据(Tus。⭐117 · TypeScript |
| Topics | workflowa-stockai-agentaigcbacktesting |
| GitHub | https://github.com/shy3130/tickflow-stock-panel |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-06-24 · 更新时间：2026-06-26 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · TickFlow股票面板
选择 Agent 类型，复制安装指令后粘贴到对应客户端