BayMax Agent - AI股票分析助手

智能AI驱动的金融研究助手，专为股票分析和投资研究而设计

功能特性 • 快速开始 • 使用指南 • MCP集成 • API文档 • 贡献指南

📖 目录

项目简介
功能特性
安装说明
快速开始
使用指南
配置说明
📊 数据源与限制说明
🔌 MCP集成
API文档
开发指南
贡献指南
许可证
常见问题

🌟 项目简介

BayMax Agent是一个基于大语言模型(LLM)的智能金融研究助手，专为股票分析和投资研究而设计。它能够自动获取股票市场数据，进行财务分析，并提供基于AI的投资洞察，帮助投资者在信息过载的市场环境中高效地获取有价值的投资参考。

主要优势：

自动化数据分析：自动获取、处理和分析海量财务数据
智能洞察生成：基于LLM技术提供深度分析和投资建议
多市场覆盖：同时支持A股和美股市场分析
灵活可扩展：模块化设计，易于集成新数据源和分析工具
DeepSeek模型集成：基于DeepSeek AI模型，提供高质量的金融分析能力无论您是个人投资者、金融分析师还是研究人员，BayMax Agent都能成为您投资决策过程中的得力助手。

✨ 功能特性

🔍 智能股票分析: 基于先进LLM技术的深度市场数据分析和投资研究，提供专业级分析报告
🤖 DeepSeek模型支持: 基于DeepSeek模型提供AI分析能力，支持OpenAI兼容接口
📊 全面财务数据: 获取收入表、资产负债表、现金流量表等核心财务报表，并支持多年度对比分析
🌍 多市场支持: 无缝支持A股和美股市场数据，提供统一的分析体验
📋 智能任务规划: 自动分解复杂查询，规划执行步骤，解决涉及多数据源的复杂分析任务
🛠️ 丰富工具集: 内置财务数据获取、公司文件分析、基本面评估等多种专业工具
💬 交互式界面: 简洁直观的命令行交互界面，支持自然语言查询和上下文理解
🔧 灵活配置: 支持自定义模型参数、API配置和分析偏好
📈 技术指标分析: 提供常用技术指标计算和趋势分析
📝 智能报告生成: 自动生成结构化的分析报告，包含关键发现和投资建议
🔒 数据安全: 本地处理敏感数据，支持环境变量管理API密钥

🚀 安装说明

环境要求

Python 3.10 或更高版本
pip 或 uv 包管理器
网络连接（用于API调用和数据获取）

使用pip安装

pip install baymax

使用uv安装（推荐）

uv是一个现代化的Python包管理器，提供更快的安装速度和更好的依赖解析：

uv add baymax

注意：如果您在项目目录中运行此命令，可能会遇到错误，因为项目名称与依赖名称相同。在这种情况下，请使用以下命令之一：

对于开发环境安装：
```
uv add --dev baymax
```
如果只是想安装项目依赖：
```
uv sync
```
如果要在新项目中使用baymax：
```
cd /path/to/your/project
uv add baymax
```

从源码安装

git clone https://github.com/baymax-stock-agent/baymax-agent.git
cd baymax-agent
pip install -e .

安装验证

安装完成后，可以运行以下命令验证安装是否成功：

baymax --version

🏃‍♂️ 快速开始

1. 配置环境变量

创建 .env 文件并添加必要的API密钥（至少需要一个LLM提供商的API密钥）：

# 复制示例配置文件
cp env.example .env

编辑 .env 文件并添加必要的API密钥：

# LLM API Keys（至少配置一个）
OPENAI_API_KEY=your-openai-api-key
ANTHROPIC_API_KEY=your-anthropic-api-key
GOOGLE_API_KEY=your-google-api-key

# 可选：自定义模型配置
OPENAI_BASE_URL=https://api.openai.com/v1

2. 启动BayMax Agent

baymax

3. 开始提问

>> 分析苹果公司(AAPL)最近的财务状况和未来增长潜力
>> 获取特斯拉(TSLA)过去5年的年度收入表并分析收入增长趋势
>> 比较微软(MSFT)和谷歌(GOOGL)的现金流量表，评估其现金流健康状况
>> 获取贵州茅台(600519)的最新资产负债表，特别关注其负债率和现金流
>> 分析科技行业龙头股的主要财务指标对比

示例分析报告

当您提问后，BayMax Agent将自动获取相关数据并生成分析报告，例如：

分析苹果公司(AAPL)最近的财务状况：

1. 收入表现：
   - 最近季度总收入：1,230亿美元，同比增长15%
   - 产品收入：980亿美元，服务收入：250亿美元
   - 服务业务增长迅速，同比增长23%

2. 盈利能力：
   - 毛利率：42.3%，同比提升1.2个百分点
   - 净利润率：28.5%，显示出强大的盈利能力
   - 每股收益(EPS)：2.15美元，同比增长18%

3. 资产负债状况：
   - 总资产：3,500亿美元
   - 现金及等价物：205亿美元
   - 总负债：1,900亿美元
   - 负债率：54.3%

4. 现金流情况：
   - 经营活动现金流：875亿美元/年
   - 自由现金流：760亿美元/年
   - 股息支付：145亿美元/年
   - 股票回购：850亿美元/年

5. 投资建议：
   - 苹果公司展现出稳健的财务状况和持续的增长能力
   - 服务业务的快速增长为公司提供了新的增长点
   - 强大的现金流支持持续的股东回报计划
   - 推荐关注即将发布的新产品周期对收入的影响

📚 使用指南

基本命令

# 启动交互式界面
baymax

# 查看帮助信息
baymax --help

# 查看版本信息
baymax --version

# 使用特定模型启动
baymax --model openai:gpt-4

# 执行单条查询并退出
baymax --query "分析AAPL的财务状况"

高级使用场景

1. 财务报表查询与分析

>> 获取AAPL过去5年的年度收入表
>> 显示MSFT的最新季度资产负债表
>> 查看TSLA的年度现金流量表并分析其投资活动
>> 获取贵州茅台(600519)近3年的财务比率

2. 深度财务分析

>> 分析AAPL的盈利能力，包括毛利率、净利率和ROE
>> 评估TSLA的现金流健康状况和可持续性
>> 分析阿里巴巴(BABA)的资产结构和负债风险
>> 计算腾讯(00700.HK)的估值指标，如PE、PB、PS比率

3. 多股票对比分析

>> 比较苹果和微软的主要财务指标和增长情况
>> 分析科技股的盈利能力排名
>> 对比AAPL、MSFT、GOOGL、META的研发投入占比
>> 比较新能源汽车厂商(TESLA、NIO、XPEV)的毛利率和市场份额

4. 行业研究

>> 分析半导体行业的整体财务表现
>> 研究银行业的资产质量和盈利能力
>> 比较不同行业的估值水平
>> 分析医疗健康行业的研发投入和收入增长

5. 自定义分析请求

>> 分析AAPL过去3年的收入构成变化
>> 评估MSFT的云计算业务增长对整体收入的贡献
>> 计算并解释TSLA的自由现金流转换率
>> 分析京东(JD)的存货周转率和供应链效率

⚙️ 配置说明

环境变量配置

变量名	描述	必需	示例
`DEEPSEEK_API_KEY`	DeepSeek API密钥	是	`sk-...`
`DEEPSEEK_BASE_URL`	DeepSeek API端点	否	`https://api.deepseek.com`
`DEEPSEEK_MODEL`	DeepSeek模型名称	否	`deepseek-chat`
`BAYMAX_DEFAULT_MODEL`	默认使用的模型	否	`deepseek`
`BAYMAX_TEMPERATURE`	生成内容的随机性程度(0-1)	否	`0.2`
`BAYMAX_MAX_TOKENS`	最大生成令牌数	否	`4096`
`BAYMAX_LOG_LEVEL`	日志级别(DEBUG/INFO/WARNING/ERROR)	否	`INFO`

注意：当前版本仅支持DeepSeek模型，需要配置DeepSeek API密钥

模型配置

当前版本BayMax Agent仅支持DeepSeek模型：

DeepSeek:
- deepseek-chat (默认)
- 支持OpenAI兼容接口

DeepSeek模型提供高质量的AI分析能力，适用于金融分析场景。

自定义配置文件

您可以创建 config.json 文件来自定义模型参数和行为：

{
    "default_model": {
        "provider": "openai",
        "model_name": "gpt-4",
        "temperature": 0.2,
        "max_tokens": 4096
    },
    "tool_config": {
        "financial_data_timeout": 30,
        "max_retries": 3
    },
    "ui": {
        "color_output": true,
        "table_format": "pretty"
    }
}

命令行参数

BayMax Agent支持以下命令行参数：

--model MODEL           指定使用的模型，格式为 provider:model_name
--temperature TEMP      设置生成内容的随机性程度(0-1)
--max-tokens TOKENS     设置最大生成令牌数
--config PATH           指定配置文件路径
--query QUERY           执行单条查询并退出
--help                  显示帮助信息
--version               显示版本信息


## 📊 数据源与限制说明

### 数据来源
BayMax Agent 使用免费数据源进行股票分析，主要依赖以下服务：

- **AkShare**: 免费开源的金融数据接口库
  - 提供A股、美股、港股等市场数据
  - 数据源包括新浪财经、腾讯财经、东方财富等
  - 无需API密钥即可访问
  - 数据更新频率和稳定性取决于源网站

### 重要限制 ⚠️

1. **数据质量**:
   - 使用免费数据源，数据准确性依赖于第三方网站
   - 可能存在延迟、缺失或错误的情况
   - 建议与官方数据源交叉验证重要决策

2. **网络依赖性**:
   - 需要稳定的网络连接访问数据源
   - 部分数据源可能有访问频率限制
   - 网络问题可能导致数据获取失败

3. **实时性**:
   - 非专业实时行情数据
   - 股价数据可能有15-20分钟延迟
   - 财务数据按官方发布周期更新

4. **覆盖范围**:
   - 主要覆盖A股和美股市场
   - 港股市场支持有限
   - 其他国际市场暂不支持

5. **AI模型限制**:
   - 当前仅支持DeepSeek模型
   - 分析结果基于AI模型，仅供参考
   - 不构成投资建议

## 🔌 MCP (模型上下文协议) 集成

BayMax Agent 现已支持模型上下文协议 (MCP)，允许外部应用程序和 AI 助手通过标准化的 HTTP 接口访问其财务分析功能。

### 🚀 启动 MCP 服务器

#### 前置要求
确保已安装必要依赖：
```bash
pip install fastmcp

启动步骤

配置环境变量（如果尚未配置）：

export DEEPSEEK_API_KEY=your-api-key

启动 MCP 服务器：

python mcp_server.py

验证启动成功：服务器启动后，您应该看到：

🚀 Starting BayMax Agent MCP Server in HTTP mode...
🌐 HTTP endpoint: http://0.0.0.0:8000
📦 Transport: HTTP
🔗 Server URL: http://0.0.0.0:8000/mcp

服务器特性

传输方式: HTTP 与服务器发送事件 (SSE)
端点: http://localhost:8000/mcp
协议: 模型上下文协议 (MCP)
并发: 支持多客户端同时连接

测试连接

启动后可通过以下方式测试：

# 测试服务器状态
curl -N -H "Accept: text/event-stream" http://localhost:8000/mcp

# 如果返回 SSE 格式数据，说明服务器正常运行

🛠️ 可用的 MCP 工具

MCP 服务器公开了 6 个财务分析工具：

1. get_stock_price

获取当前股票价格和市值信息

{
  "tool": "get_stock_price",
  "arguments": {
    "ticker": "AAPL"
  }
}

2. get_price_history

检索历史价格数据和技术分析

{
  "tool": "get_price_history",
  "arguments": {
    "ticker": "AAPL",
    "period": "daily",
    "days_back": 30
  }
}

3. analyze_stock

AI 驱动的综合股票分析和买入/卖出建议

{
  "tool": "analyze_stock",
  "arguments": {
    "ticker": "AAPL",
    "analysis_type": "comprehensive",
    "include_recommendation": true
  }
}

4. get_technical_analysis

技术指标和分析（RSI、移动平均线、支撑/阻力）

{
  "tool": "get_technical_analysis",
  "arguments": {
    "ticker": "AAPL",
    "period": "daily",
    "days_back": 30
  }
}

5. get_weekly_summary

每周业绩总结和波动率指标

{
  "tool": "get_weekly_summary",
  "arguments": {
    "ticker": "AAPL"
  }
}

6. get_financial_statements

财务报表（损益表、资产负债表、现金流量表）

{
  "tool": "get_financial_statements",
  "arguments": {
    "ticker": "AAPL",
    "statement_type": "income",
    "period": "quarterly",
    "limit": 4
  }
}

🔗 集成示例

与 Claude Desktop 一起使用

添加到您的 claude_desktop_config.json：

{
  "mcpServers": {
    "baymax-agent": {
      "url": "http://localhost:8000/mcp",
      "transport": "http"
    }
  }
}

与 Cursor 一起使用

添加到您的 Cursor MCP 设置：

{
  "name": "BayMax Agent",
  "url": "http://localhost:8000/mcp",
  "type": "http"
}

直接使用 HTTP API

您还可以使用 HTTP 请求直接与 MCP 服务器交互：

# 获取服务器信息
curl -N -H "Accept: text/event-stream" http://localhost:8000/mcp

# 调用工具（需要 MCP 协议格式）
curl -X POST http://localhost:8000/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": "1",
    "method": "tools/call",
    "params": {
      "name": "get_stock_price",
      "arguments": {
        "ticker": "AAPL"
      }
    }
  }'

📋 支持的市场

A股: 中国股票（例如：600519、000001）
美股: 美国股票（例如：AAPL、MSFT、GOOGL）
港股: 香港股票（例如：1211.HK）

⚠️ 重要说明

网络要求: MCP 服务器需要互联网访问权限以获取实时财务数据
速率限制: 频繁请求时注意 API 速率限制
数据准确性: 财务数据来自多个提供商，具有回退机制
错误处理: 服务器包含针对网络问题的综合错误处理

🔧 配置与故障排除

环境配置

MCP 服务器支持环境变量进行配置：

# 可选：设置日志级别
export BAYMAX_LOG_LEVEL=INFO

# 可选：设置 AI 分析的默认模型
export BAYMAX_DEFAULT_MODEL=deepseek

# 可选：设置 API 超时时间
export BAYMAX_REQUEST_TIMEOUT=30

常见问题与解决方案

问题1: 服务器启动失败

# 错误信息：ModuleNotFoundError: No module named 'fastmcp'
# 解决方案：
pip install fastmcp

问题2: API调用失败

# 错误信息：DeepSeek API error
# 解决方案：
# 1. 检查API密钥是否正确
# 2. 检查网络连接
# 3. 查看API配额是否用完

问题3: 数据获取失败

# 错误信息：Network error: US price fetch failed
# 解决方案：
# 1. 检查网络连接
# 2. 等待网络恢复后重试
# 3. 使用其他数据源

问题4: MCP客户端连接失败

# 错误信息：Connection refused
# 解决方案：
# 1. 确认服务器已启动
# 2. 检查端口号是否正确 (8000)
# 3. 检查防火墙设置

性能优化建议

缓存使用: 相同查询会缓存结果，减少API调用
批量查询: 尽量批量获取数据，减少网络请求
错误重试: 网络失败会自动重试，最多2次
超时设置: 合理设置超时时间，避免长时间等待

📖 API文档

核心模块

Agent类

主要的代理类，负责处理用户查询和协调工具执行。

from baymax.agent import Agent

# 基本用法
agent = Agent()
result = agent.run("分析AAPL的财务状况")

# 配置代理
agent = Agent(
    model_config={
        "provider": "openai",
        "model_name": "gpt-4",
        "temperature": 0.2
    },
    max_retries=3
)

# 流式响应
for chunk in agent.stream("分析AAPL的财务状况"):
    print(chunk, end="", flush=True)

Model类

统一的模型接口，支持多种LLM提供商。

from baymax.model import Model

# 初始化模型
model = Model(
    provider="openai", 
    api_key="your-key", 
    model_name="gpt-4",
    temperature=0.2,
    max_tokens=4096
)

# 基础生成
response = model.generate("分析AAPL的财务状况")

# 带系统提示的生成
response = model.generate(
    "分析AAPL的财务状况",
    system_prompt="你是一位专业的金融分析师，擅长财务报表分析。"
)

# 结构化输出
from pydantic import BaseModel

class FinancialAnalysis(BaseModel):
    revenue_growth: float
    profit_margin: float
    recommendation: str

analysis = model.generate_structured(
    "分析AAPL的财务状况", 
    output_schema=FinancialAnalysis
)

### 工具函数

#### 财务数据获取

```python
from baymax.tools.financials import (
    get_income_statements,
    get_balance_sheets,
    get_cash_flows,
    get_financial_ratios
)

# 获取收入表
data = get_income_statements(
    ticker="AAPL",  # 股票代码
    period="annual",  # annual或quarterly
    limit=5  # 获取最近5条
)

# 获取资产负债表
data = get_balance_sheets(ticker="MSFT", period="quarterly", limit=4)

# 获取现金流量表
data = get_cash_flows(ticker="TSLA", period="annual", limit=3)

# 获取财务比率
data = get_financial_ratios(ticker="AAPL", limit=5)

公司信息获取

from baymax.tools.company import (
    get_company_info,
    get_company_news,
    get_company_profile
)

# 获取公司基本信息
info = get_company_info(ticker="AAPL")

# 获取公司新闻
news = get_company_news(ticker="MSFT", limit=10)

# 获取公司详细资料
profile = get_company_profile(ticker="GOOGL")

股票数据获取

from baymax.tools.stock import (
    get_stock_price,
    get_historical_prices,
    get_market_cap
)

# 获取当前股价
price = get_stock_price(ticker="AAPL")

# 获取历史价格数据
historical = get_historical_prices(
    ticker="TSLA",
    start_date="2023-01-01",
    end_date="2023-12-31"
)

# 获取市值数据
market_cap = get_market_cap(ticker="MSFT")

行业分析工具

from baymax.tools.industry import (
    get_industry_peers,
    get_industry_stats
)

# 获取行业同行
peers = get_industry_peers(ticker="AAPL")

# 获取行业统计数据
industry_stats = get_industry_stats(industry="Technology")

🛠️ 开发指南

项目结构

baymax-agent/
├── src/
│   └── baymax/
│       ├── __init__.py          # 包初始化
│       ├── agent.py             # 主代理类
│       ├── cli.py               # 命令行接口
│       ├── model.py             # 模型接口
│       ├── model_manager.py     # 模型管理器
│       ├── prompts.py           # 提示词模板
│       ├── schemas.py           # 数据模型
│       ├── tools/               # 工具模块
│       │   ├── __init__.py      # 工具注册
│       │   ├── api.py           # API工具
│       │   ├── constants.py     # 常量定义
│       │   ├── filings.py       # 文件工具
│       │   ├── financials.py    # 财务工具
│       │   ├── company.py       # 公司信息工具
│       │   └── stock.py         # 股票数据工具
│       └── utils/               # 工具函数
│           ├── __init__.py      # 包初始化
│           ├── intro.py         # 介绍信息
│           ├── logger.py        # 日志工具
│           ├── ui.py            # UI工具
│           └── helpers.py       # 辅助函数
├── tests/                       # 测试文件
│   ├── test_agent.py
│   ├── test_model.py
│   └── test_tools.py
├── docs/                        # 文档
├── pyproject.toml               # 项目配置
├── env.example                  # 环境变量示例
├── baymax.sh                    # 启动脚本
└── README.md                    # 项目说明

开发环境设置

克隆仓库

git clone https://github.com/baymax-stock-agent/baymax-agent.git
cd baymax-agent

创建虚拟环境

# 使用venv
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

# 或使用uv（推荐）
uv venv
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate    # Windows

安装开发依赖

# 使用pip
pip install -e "[dev]"

# 或使用uv
uv pip install -e "[dev]"

运行测试

pytest

# 运行特定测试
pytest tests/test_agent.py -v

# 生成测试覆盖率报告
pytest --cov=baymax

代码风格检查

# 运行flake8
flake8 src/

# 运行black格式化
black src/

# 运行isort整理导入
isort src/

添加新功能

添加新工具

在 src/baymax/tools/ 目录下创建新工具文件
实现工具函数，使用 @tool 装饰器定义工具元数据
在 src/baymax/tools/__init__.py 中导入并添加到 TOOLS 列表
编写相应的测试用例

示例：

# src/baymax/tools/my_tool.py
from langchain_core.tools import tool

@tool
def my_new_tool(param1: str, param2: int = 10) -> dict:
    """
    这是一个新工具的描述。
    
    参数:
        param1: 第一个参数的描述
        param2: 第二个参数的描述，默认值为10
    
    返回:
        包含结果的字典
    """
    # 工具实现
    return {"result": f"处理结果: {param1}, {param2}"}

添加新模型支持

在 src/baymax/model.py 中扩展 Model 类，添加新的模型提供商支持
更新 ModelManager 类以识别新的模型提供商
在 src/baymax/schemas.py 中添加相应的数据模型
编写测试用例验证新模型支持

添加新数据源

在 src/baymax/tools/ 中创建新的数据获取模块
实现与数据源API交互的函数
添加错误处理和重试逻辑
在工具模块中集成新数据源
编写测试用例验证数据获取功能

开发工作流

创建功能分支

git checkout -b feature/new-feature

开发和测试
提交更改

git add .
git commit -m "feat: 添加新功能描述"

推送到远程仓库

git push origin feature/new-feature

创建Pull Request

🤝 贡献指南

我们非常欢迎社区贡献！无论是修复bug、添加新功能，还是改进文档，您的参与都将帮助BayMax Agent变得更好。

贡献类型

代码贡献：修复bug、添加新功能或数据源
文档改进：完善文档、添加示例或教程
测试覆盖：增加测试用例，提高代码覆盖率
功能请求：提出新功能或改进建议
问题报告：报告发现的bug或问题

贡献流程

Fork 本仓库 在GitHub上点击Fork按钮，创建您自己的仓库副本

克隆您的Fork

git clone https://github.com/YOUR-USERNAME/baymax-agent.git
cd baymax-agent

创建特性分支

git checkout -b feature/your-feature-name
# 或修复bug分支
git checkout -b fix/your-bugfix-name

安装开发依赖 请参考开发环境设置部分
实现您的更改
- 遵循代码规范
- 为新功能编写测试用例
- 确保现有测试通过

提交更改 使用清晰、描述性的提交信息

git add .
git commit -m "feat: 添加新功能的简明描述"

推送到分支

git push origin feature/your-feature-name

创建Pull Request
- 在GitHub上导航到您的Fork
- 点击"New Pull Request"按钮
- 填写PR描述，说明您的更改内容和目的
- 提交PR
代码审查
- 项目维护者将审查您的代码
- 根据反馈进行必要的修改
- 当所有审查意见得到解决后，您的PR将被合并

代码规范

为了保持代码质量和一致性，请遵循以下规范：

Python代码风格
- 遵循PEP 8规范
- 使用4个空格进行缩进
- 每行不超过88个字符
- 类名使用驼峰命名法（如MyClass）
- 函数和变量使用下划线分隔的小写字母（如my_function）
文档规范
- 所有公共函数和类都必须有文档字符串
- 使用Google风格的文档字符串
- 文档字符串应包括：功能描述、参数说明、返回值说明和示例（如有必要）
测试规范
- 为新功能和修复编写测试用例
- 确保测试覆盖关键路径和边界条件
- 使用pytest框架
- 测试应该是独立的、可重复的
提交信息规范
- 使用语义化提交信息
- 格式：类型: 描述
- 类型包括：feat（新功能）、fix（修复bug）、docs（文档更新）、style（代码风格调整）、refactor（代码重构）、test（测试相关）、chore（构建/工具/依赖更新）

报告问题

如果您发现bug或有功能请求，请在GitHub上创建Issue。在创建Issue时，请提供尽可能多的信息：

问题的详细描述
重现步骤
预期行为和实际行为
环境信息（Python版本、操作系统等）
相关截图或错误日志（如有）

社区行为准则

我们致力于为所有贡献者创造一个友好、包容的环境。请尊重其他贡献者，保持专业和建设性的沟通。

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

❓ 常见问题

Q: 如何切换不同的LLM模型？

A: 当前版本仅支持DeepSeek模型。您可以通过以下方式配置：

设置环境变量：export DEEPSEEK_API_KEY=your-api-key
使用命令行参数：baymax --model deepseek:deepseek-chat
在配置文件中指定：在config.json中设置default_model为deepseek

Q: 支持哪些股票市场？

A: 目前支持A股（中国股市）和美股（美国股市）的股票数据。

A股使用6位数字代码（如000001、600519）
美股使用标准股票代码（如AAPL、MSFT）

我们计划在未来版本中增加对港股、欧洲市场和其他国际市场的支持。

Q: 如何获取API密钥？

A: 当前版本需要DeepSeek API密钥：

DeepSeek API密钥: 访问 DeepSeek Platform

注意：DeepSeek服务可能需要付费使用，请参考平台的定价政策。当前版本仅支持DeepSeek模型。

Q: 数据更新频率如何？

A:

财务报表数据：通常每季度更新一次，遵循公司财报发布周期
股价数据：每日更新，反映最新交易日的收盘价
公司新闻：实时更新
估值指标：基于最新财务数据和股价计算

Q: BayMax Agent的分析结果可以作为投资建议吗？

A: 不，BayMax Agent提供的分析仅供参考，不构成投资建议。投资决策应该基于多种因素，并考虑您个人的风险承受能力和投资目标。请在做出任何投资决策前咨询专业的金融顾问。

Q: 如何提高分析的准确性？

A:

DeepSeek模型已针对中文和金融场景优化，提供高质量分析
提供更具体的查询，明确指定您关心的分析维度
对于复杂分析，将其分解为多个步骤进行查询
定期更新您的API密钥和依赖库以获取最新功能

Q: 如何解决API调用超时问题？

A:

检查您的网络连接是否稳定
在配置中增加超时参数：BAYMAX_REQUEST_TIMEOUT=60
对于复杂查询，尝试将其拆分为更简单的子查询
确保您的API密钥有效且有足够的配额

Q: 如何贡献代码或报告问题？

A:

报告问题：在GitHub Issues页面提交
贡献代码：请参考贡献指南部分
功能请求：也可以在Issues页面提交，使用"Feature Request"模板

Q: 是否支持批量股票分析？

A: 是的，您可以要求BayMax Agent同时分析多只股票，例如："比较AAPL、MSFT、GOOGL和META的市盈率和收入增长"。对于大量股票的批量分析，建议将任务拆分为多个较小的查询。

🙏 致谢

我们感谢所有为BayMax Agent项目做出贡献的开发者和用户！特别感谢以下开源项目和服务提供商：

AkShare - 提供丰富的金融数据接口
LangChain - 提供强大的LLM应用开发框架
OpenAI - 提供GPT系列语言模型
Anthropic - 提供Claude系列语言模型
Google - 提供Gemini系列语言模型
Pydantic - 提供数据验证和设置管理
Pandas - 提供数据分析和处理能力
NumPy - 提供科学计算支持

📄 开源许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

📞 联系我们

项目主页: https://github.com/jwangkun/baymax-agent
问题反馈: GitHub Issues
英文文档: README_EN.md

⚠️ 免责声明

重要提示：BayMax Agent 仅作为教育和信息研究工具使用，不构成金融建议、投资建议或专业咨询。在做出投资决策之前，请务必咨询合格的金融顾问。过往表现并不能保证未来结果。

风险警告：股票投资存在风险，包括可能损失本金的风险。本工具提供的AI分析和建议基于历史数据和统计模型，可能无法准确预测未来的市场行为。

如果这个项目对您有帮助，请给我们一个 ⭐️

Made with ❤️ by BayMax Agent Team

⬆ 回到顶部

Name		Name	Last commit message	Last commit date
Latest commit History 18 Commits
src/baymax		src/baymax
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
LICENSE		LICENSE
README.md		README.md
README_EN.md		README_EN.md
claude_desktop_config.json		claude_desktop_config.json
env.example		env.example
img.png		img.png
img_1.png		img_1.png
img_2.png		img_2.png
img_3.png		img_3.png
mcp_server.py		mcp_server.py
pyproject.toml		pyproject.toml
test_mcp_server.py		test_mcp_server.py
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation