🌏 中文(当前)· English

Hunter Community Edition

别人的策略 · 你自己的 SKILL

一个平台 · 一亿套系统

Your investment brain, on your terms

对话 · 持仓 · 投资记忆体都在你磁盘 · 数据供给三选一(免费源 / 自接工具 / 平台管道)· 5 分钟跑起来 Chat / positions / thesis on your disk · pick your data supply — free sources, bring-your-own tools, or Hunter data pipeline

🚀 Live Demo · 📖 Docs · 🐦 Twitter · ⭐ Star us

https://github.com/user-attachments/assets/37f4a065-663b-4eee-8d3f-c9c0573270e3

SaaS 完整演示 · 3 分 34 秒 · 深度分析 + 走势预测 + SKILL 使用 · 点视频左下角播放

⚠️ 免责声明:本项目是投研分析工具 · 所有输出为 AI 生成内容 · 仅供研究参考 · 不构成任何投资建议 · 投资有风险 · 决策需谨慎

📖 目录

• 这是什么
• 为什么选 Hunter
• 核心能力
• 5 分钟跑起来
• 数据供给三选一(唯一需要理解的概念)
• 杀手级功能:投资记忆体
• 大模型兼容性
• 23 个内置 SKILL
• 技术栈
• 架构
• Provider 矩阵
• 扩展 Hunter
• Community vs Cloud
• 常见问题
• Contributing
• 社区与支持
• Roadmap

🎯 这是什么

Hunter 是给个人投资者用的金融 AI Agent 平台。给它 1 把 key + 1 个大模型 · 你就有一个能查行情、拉新闻、跑深度分析、预测走势、盯自选、按 SKILL 方法论工作的 AI 团队 —— 全部在你自己的机器上运行。

• 🎯 数据供给三选一 · 免费源(akshare/yfinance)开箱即用 · 或平台管道(hunt_tools_xxx 免费申请)解锁 32/33 数据源 + 23 个精修 SKILL + Kronos 走势预测 + TrueSource 另类情报 · 或接你自己的 MCP
• 🧠 多模型可插拔 · DeepSeek v4 pro 实测 P0 默认(<$0.001/次 · 12-70 秒)· 通义/豆包/Claude/GPT env 模板齐全
• 💾 自部署 · docker compose 一键起 · 数据在你磁盘 · 不上云 · 不联系我们除非你想
• 🔌 易扩展 · Markdown 写 SKILL 方法论 · GitHub 一键装 SKILL · 接自己的 MCP · 三种扩展全支持
• 💰 免费开源 · Apache 2.0 · fork 随便用(仅须换名)

Live preview: https://hunter-community.agentpit.io (演示站开了多用户 · 首次访问会引导你注册 · 自己 clone 下来跑不需要账号)

🌟 为什么选 Hunter

✨ 核心能力

💹 数据(32/33 源)

• 实时行情 · A/港/美股
• 30 天 K 线 · 财报 · 新闻
• 龙虎榜 · 十大股东 · 治理
• 北向资金 · 南向资金 · AH 溢价
• 巨潮公告 · 行业分类

🧠 AI 能力

• 23 个精修 SKILL(下方展开)
• Kronos 走势预测(清华时序模型)
• TrueSource 主动情报采集
• DeepSeek/qwen/Claude/GPT 可插拔
• MCP 工具循环 · 自动分流

💬 交互

• SSE 流式对话 · 边想边输出
• 富卡片渲染(报价/新闻/预测)
• 侧栏三层(数据源/工具箱/SKILL · 见 截图)
• 自选 · 持仓 · 信号追踪
• 顶部深度工具菜单(在线分析/K 线预测/信号看板/事件分析 · 见 截图)

🚀 部署

• docker compose 一键起
• 5 分钟(镜像已 pull 后)
• 6 服务 healthy 自动 orchestrate
• bind mount 快速迭代
• 一 key 通用 · 无外部依赖

🚀 5 分钟跑起来

前置

• Docker Desktop(Windows/macOS)或 Docker Engine + Compose v2(Linux)
• 磁盘 20 GB(opencode 镜像 ~7.5 GB)· 内存 4 GB
• 能访问 ghcr.io(对话引擎从这里拉)
• 大模型 key(DeepSeek 免费送 500 万 tokens · 30 秒申请)

3 步启动

# 1. 拉代码
git clone https://github.com/agentpit-io/hunter-community
cd hunter-community
cp .env.example .env

# 2. 改 .env 三处(自动生成 JWT_SECRET · 手填 LLM_API_KEY · 可选填 HUNTER_API_KEY)
#    - Linux/macOS
echo "JWT_SECRET=$(openssl rand -base64 48)" >> .env
#    - Windows PowerShell 版见 docs/01-getting-started.md

# 手改 .env 三处:
# LLM_BASE_URL=https://api.deepseek.com/v1
# LLM_DEFAULT_MODEL=deepseek-v4-pro
# LLM_API_KEY=sk-xxxxx
# LLM_SCHEMA_SANITIZE=1                              # DeepSeek 必开
# HUNTER_API_KEY=hunt_tools_xxxxx                    # 免费 · 30 秒申请 hunter.agentpit.io/dev/api-keys

# 3. 起服务(首次 10 分钟拉镜像 · 之后 30 秒)
docker compose up -d
open http://localhost:3100

首次测试(打开浏览器后):

• 问"601899 现在多少钱" — 会看到富卡片(实时价 · 52 周分位 · AI 短评)
• 问"预测茅台走势" — Kronos GPU 推理 · 30-70 秒出未来 10 天 K 线预测
• 点侧栏「深度分析」输入代码 — 60-300 秒出 22 维度深度报告

详细指南:docs/01-getting-started.md

🔑 数据供给三选一(唯一需要理解的概念)

除了一把大模型 key(必需 · 你自己申请驱动对话本身)· 数据供给你有 三种玩法 —— 不再强制我们的平台 key:

推荐使用路径:第一天用 ① 免费源跑通全流程 → 用得深了发现覆盖不够、经常断流、缺另类信号 → 升级到 ③ 平台管道(最省心)或接 ② 自己的数据源。

大模型 key(必需):DeepSeek 免费送 500 万 tokens · 30 秒申请· 也支持 OpenAI / OpenRouter / OneAPI / AIHubMix 等任何 OpenAI-compatible 端点。

为什么值得 fork 自部署

• ✅ 对话 · 持仓 · 投资记忆体全部在你磁盘 —— 深度分析推理也在你的容器里跑 · 不再依赖我方服务器 · 本地优先从口号变成事实
• ✅ Apache 2.0 —— fork 随便用(仅须换品牌名)· 商业闭源可以 · 二次分发可以
• ✅ 左侧工具全部照常显示 —— 不打折不隐藏 · 点下去会明确告诉你怎么解锁 · 而不是静默失败
• ✅ 平台管道用量按 key 记账 —— 我们不看你的数据、不看你的对话 · 只看请求计数

🧠 杀手级功能:投资记忆体(Investment Thesis)

投资记忆体是 Hunter 区别于其他财经 AI 工具的核心能力 —— 它记录你「当初为什么买」:买入时的核心论点、5 大关键假设、持仓成本。之后系统用最新数据持续检验这些假设是否仍然成立:

• 📉 业绩证伪监控 —— 财报出来后自动比对当初的营收/利润假设 · 偏离基线立即量化标记
• 🔄 订单流转监控 —— 关键客户/供应商/渠道的实时舆情检验
• 🏛 逻辑支柱松动预警 —— 5 大支柱任意一支塌了立即提醒你 · 而不是等你半年后翻账户才发现
• 📊 假设漂移追踪 —— 定量记录关键指标偏离基线的幅度与速度

一次分析 · 持续陪伴 —— 把一次性的深度报告变成持续的持仓管理助手 · 这是"看一次报告然后忘掉"和"研究框架长期跟踪"的分水岭。

实现方式:通过 uzi_thesis SKILL(详见下方「投资策略」分类) · 记忆数据以本地 Postgres 存储 · 完全在你磁盘上 · 不出你的机器 · 我们看不到、也不需要看到。

未来路线:v1.0 将推出「记忆体云同步」(可选付费) · 跨设备同步与云端备份;本地单机版永久免费。

⚠️ 记忆体产出的所有假设检验、支柱评分、漂移提示都是 AI 生成的研究参考 · 不构成投资建议 · 是否调整持仓由你自己决策。

🤖 大模型兼容性

遵循"测法是假测试 · 测工具调用才是真测试"方法论 · 我们用 7 个 golden case 实测每家模型的 tool_call 可靠性。

直连(单 provider)

走 AIHubMix 网关(一把 key 打通 30+ 家 · 2026-08-16 实测)

AIHubMix 使用注意:Alpine 容器直连 aihubmix 会被 CDN 按 TLS 指纹拦截(SSL EOF)· 需要 host proxy 中转 · 详见 docs/env-samples/.env.aihubmix.example 和 docs/model-testing/scripts/aihubmix-host-proxy.py。

Thinking 类模型 <think> 泄漏兜底:MiniMax / Qwen thinking / Kimi thinking 系列会把内部推理夹在 assistant.content 里 · scripts/llm-shim/shim.py 已内置双保险(请求端注入 thinking:false + 响应端 SSE 状态机剥离 <think>...</think>)· 用 LLM_STRIP_THINK=0 可紧急关闭。11 个跨 chunk 边界的单元测试全过,复测 MiniMax M3 think 泄漏 7/7 → 0/7。

env 模板 6 份齐备(每份含 URL / model 名 / SANITIZE 设置 / 已知踩坑注释):docs/env-samples/

• .env.aihubmix.example — 网关(GPT/Claude/Gemini/Qwen/Doubao/MiniMax/DeepSeek/GLM 一把 key)
• .env.deepseek.example — 直连 DeepSeek(P0 直连基线)
• .env.claude.example / .env.openai.example / .env.qwen.example / .env.doubao.example — 直连各家

详细评测方法与数据:docs/model-testing/

• model-compat-matrix.md — 全适配矩阵
• results/2026-08-16_aihubmix_六家对比.md — 6 家最新旗舰完整对比
• results/2026-08-15_deepseek_v4pro_对比分析.md — DeepSeek v4 pro 直连基线
• scripts/run-golden-cases.py — 评测 runner(可复现)

📚 23 个内置 SKILL

SKILL 是分析逻辑 —— 一段讲清"这类问题该怎么分析"的方法论。23 个 SKILL 全部精修方法论完毕(v0.2.3 · 2026-08-15) · 不再有"薄壳假装有方法论" —— 每个 SKILL 都能给出机构级输出。

综合分析(3)

估值建模(5 · UZI 系列)

投研报告(3 · UZI 系列)

投资策略(4 · UZI 系列)

组合管理(3)

基础工具(5)

23 SKILL 侧栏视图 · 综合分析 / 投研报告 / 估值建模 / 组合管理 分类分组 · 点击即用

**想加自己的?**看 扩展 Hunter 章节。

🛠 技术栈

🏗 架构

             ┌─────────────────────┐
浏览器    →   │  web (Next.js 15)   │ :3100
             └────────┬────────────┘
                      │ /api/*  (web 自带 BFF 转发 · 无需反向代理)
             ┌────────▼────────────┐        ┌──────────────────┐
             │  api (FastAPI)      │        │ opencode 引擎     │
             │  · auth (JWT)       │◄───────┤ MCP tools 回调    │
             │  · providers layer  │        │ 5 plugins:        │
             │  · 23 SKILLs        │        │  auth/guard/     │
             │  · agents           │───► hunter 网关(4 通道 · 一 key 全开)
             └─┬─────────────┬─────┘        │  budget/audit/    │
                                            │  mcp-context      │
                                            └────────┬─────────┘
                                                     │ tool schema 清洗
                                          ┌──────────▼─────────┐
                                          │ llm-shim  :3999    │──► 你的大模型网关
                                          └────────────────────┘
        Postgres           Redis
         :5442             :6479

关键组件:

• web BFF — Next.js 反代 opencode · 转发 JWT 供 hunter-auth 读
• hunter-mcp-context plugin — tools=13 · 自动注入 _hermes_user_id
• hunter-guard — MCP schema sanitize(DeepSeek parameters:null 兜底)
• hunter-auth — JWT 门禁 · sessionUsers 关联 user_id
• hunter-budget — 用量记账 · 支持限额
• hunter-audit — AUDIT.jsonl 完整审计流

📊 Provider 矩阵

数据源默认走 Hunter 网关(hunter)。没配 key 时它会明确回一句"去申请 key" · 而不是假装数据源出问题。

想完全不用 key 也能取 A 股行情 · 把 DATA_SOURCE_PROVIDER 设成 akshare(美股港股用 yfinance)。两者都免费 · 但覆盖面和数据质量不如平台管道 · 且 akshare 在容器里经常连不上境内数据源。

细节与返回结构见 docs/02-providers.md。

🔌 扩展 Hunter

三种扩展方式 · 一种比一种深入:

1. 加自己的 SKILL(Markdown · 最简单)

SKILL 就是方法论 —— 一段讲清"这类问题该怎么分析"的 Markdown。用的是 Anthropic Agent Skills 标准格式 · 网上下载的 skill 不用改一个字。

user-skills/
  你的skill名/
    SKILL.md

---
name: 你的skill名
description: 一句话说明什么时候该用它 —— 模型据此判断要不要调用
---

# 正文写方法论
分几步、先看什么后看什么、注意什么。

放好后 docker compose restart opencode 即可。同名时你的覆盖我们的。

2. 从 GitHub 一键装 SKILL(v0.2.3 新)

侧栏 SKILL 那一行点「＋」→ 粘 GitHub URL(如 github.com/anthropics/skills/xxx) → 装之前先看内容 → 一键装。先探测后下载 · 装完自动生效。

3. 接自己的 MCP(工具箱那行的「＋」)

用户自接的 MCP server 会自动并进工具箱视图 · description 直接给模型用 —— 名字 / MCP 类型(HTTP/SSE/stdio) / URL / API key 一次填完。

☁️ Community vs Cloud

❓ 常见问题

大概率是 LLM_* 三件套少填。docker compose logs opencode --tail 20 看日志 · 会明说少哪个。

• LLM_BASE_URL — 大模型 API 基地址
• LLM_DEFAULT_MODEL — 模型名
• LLM_API_KEY — key
• DeepSeek 额外必开 LLM_SCHEMA_SANITIZE=1

DeepSeek 严格模式拒 parameters: null。.env 加:

LLM_SCHEMA_SANITIZE=1

docker compose up -d(必须 up · restart 不重读 env)。

HUNTER_API_KEY 没填或无效 · Sentinel 拿不到 finance-data 数据。去 hunter.agentpit.io/dev/api-keys 免费申请 30 秒。

opencode 只在启动时扫一次 skill 目录。改完必须:

docker compose restart opencode          # 约 50 秒
python scripts/check_skill_sync.py       # 比对磁盘 ↔ opencode · 不一致会列出

实测过 · POST /instance/dispose 无效 · 文件挂载可见也无效 · 只能重启。

编辑 .env 里的 *_HOST_PORT:

WEB_HOST_PORT=3101
API_HOST_PORT=8101
POSTGRES_HOST_PORT=5443

同时改 NEXT_PUBLIC_API_URL=http://localhost:8101。

已在 v0.1.1+ 修复 · 现在 Windows 装机也顺畅:

• .gitattributes 加了 · 防 CRLF 破坏 entrypoint.sh
• README 里的 PowerShell 命令已换成 UTF-8 安全版
• docker-compose.yml 默认值不再盖过代码默认值

若碰到还请开 issue。

详细排错见 docs/01-getting-started.md 或来 社区群 问。

🤝 Contributing

Pull requests welcome!codebase 还在从私仓迁移中 · v1.0 前会有 churn。

最简单的第一次贡献:加一个 SKILL(5 分钟)

比如你有自己的"看 K 线突破"方法 · 就写:

user-skills/kline_breakout/SKILL.md

提 PR 到 skills/ 目录 · 全球用户下次 pull 就能用。

Good first issues

看 GitHub Issues 挂 good first issue 标签的 · 都是 30 分钟内能搞定的入门任务。

完整流程

见 CONTRIBUTING.md。

💬 社区与支持

💬 微信(拉群交流) agentpit

📱 微信公众号 agentpit.io

🐦 Twitter / X @agentpit_io

💡 GitHub Discussions 提问 · 分享

遇到 bug: 开 issue 安全漏洞: [email protected](见 SECURITY.md)

🗺 Roadmap

• v0.1 · Monorepo skeleton + docker-compose + fin-r1 deploy(P1)
• v0.1 · SaaS strip(WeChat / Lark / SSO removed)(P2)
• v0.1 · 本地 email + password auth(argon2 + JWT)(P3)
• v0.1 · 可插拔 provider 层(data · LLM · forecast)+ per-user settings(P4)
• v0.2 · opencode chat 引擎上线 · 5 plugins + 5 MCP · 一 key 通用(P5)
• v0.2.3 · 23 SKILL 精修完毕 · GitHub 一键装 SKILL · 侧栏三层重构
• v0.2.3 · MCP tool description 分流指引(kpred/deep_analysis/quickview)
• v0.3 · runner v4 支持 SSE 订阅 · 多 provider 全评测出 matrix
• v1.0 · SKILL catalog UI + community skill marketplace

📄 License

Apache 2.0 · see LICENSE and NOTICE.

Hunter · AgentPit · 猎鹿人 are trademarks of the AgentPit team. Forks must rename.

⭐ 觉得有用请点 Star · 是我们继续维护的动力

Made with ❤️ by AgentPit team