一个面向 A 股的半自动选股项目：

• 使用 Tushare 拉取股票日线数据
• 用量化规则做初选（目前只实现了B1选股）
• 导出候选股票 K 线图
• 调用 Gemini 对图表进行 AI 复评打分

• 推翻了旧版选股模式（各式各样的B1太麻烦了）
• 新加入了AI看图打分精选功能（是的，不用再自己看图了）
• 目前只支持B1选股，后续Z哥讲了砖型图10张图后，会更新砖型图精选

完整流程对应 run_all.py：

1. 下载 K 线数据（pipeline.fetch_kline）
2. 量化初选（pipeline.cli preselect）
3. 导出候选图表（dashboard/export_kline_charts.py）
4. Gemini 复评（agent/gemini_review.py）
5. 打印推荐结果（读取 suggestion.json）

输出主链路：

• data/raw：原始日线 CSV
• data/candidates：初选候选列表
• data/kline/日期：候选图表
• data/review/日期：AI 单股评分与汇总建议

• pipeline：数据抓取与量化初选
• dashboard：看盘界面与图表导出
• agent：LLM 评审逻辑（Gemini）
• config：抓取、初选、Gemini 复评配置
• data：运行数据与结果
• run_all.py：全流程一键入口

git clone https://github.com/SebastienZh/StockTradebyZ cd StockTradebyZ

pip install -r requirements.txt

Windows PowerShell（永久写入）：

[Environment]::SetEnvironmentVariable("TUSHARE_TOKEN", "你的TushareToken", "User") [Environment]::SetEnvironmentVariable("GEMINI_API_KEY", "你的GeminiApiKey", "User")

写入后请重开终端，环境变量才会在新会话中生效。

在项目根目录执行：

python run_all.py

常用参数：

python run_all.py --skip-fetch python run_all.py --start-from 3

参数说明：

• --skip-fetch：跳过数据下载，直接进入初选
• --start-from N：从第 N 步开始执行（1 到 4）

python -m pipeline.fetch_kline

配置见 config/fetch_kline.yaml：

• start、end：抓取区间
• stocklist：股票池文件
• exclude_boards：排除板块（gem、star、bj）
• out：输出目录（默认 data/raw）
• workers：并发线程数

python -m pipeline.cli preselect

可选参数示例：

python -m pipeline.cli preselect --date 2026-03-13 python -m pipeline.cli preselect --config config/rules_preselect.yaml --data data/raw

规则配置见 config/rules_preselect.yaml。

python dashboard/export_kline_charts.py

输出到 data/kline/选股日期，图像命名为 代码_day.jpg。

python agent/gemini_review.py

可选参数示例：

python agent/gemini_review.py --config config/gemini_review.yaml

配置见 config/gemini_review.yaml。

读取候选与图表后，输出：

• data/review/日期/代码.json
• data/review/日期/suggestion.json

• 首次全量抓取建议 workers 设小一些（如 4 到 8）
• 若遇到频率限制，降低并发并重试

• top_m 决定流动性股票池大小
• b1.enabled、brick.enabled 控制策略开关
• 可先只开一个策略做回放验证

在 config/gemini_review.yaml 中可调整：

• model：模型名称
• request_delay：调用间隔（防限流）
• skip_existing：是否断点续跑
• suggest_min_score：推荐分数门槛

data/candidates/candidates_latest.json

• pick_date：选股日期
• candidates：候选列表（含 code、strategy、close 等）

data/review/日期/suggestion.json

• recommendations：最终推荐（按分数排序）
• excluded：未达门槛代码
• min_score_threshold：推荐门槛

• 检查 TUSHARE_TOKEN 是否已设置
• 确认 token 有效且账号权限正常

• 确认已安装 kaleido
• 重新安装：pip install -U kaleido

• 检查 GEMINI_API_KEY 是否设置
• 观察是否命中限流，可提高 request_delay

• 检查 data/raw 是否有最新数据
• 放宽初选阈值（如 B1 或 Brick 参数）
• 检查 pick_date 是否在有效交易日

本项目采用 CC BY-NC 4.0 协议发布。

• 允许：学习、研究、非商业用途的使用与分发
• 禁止：任何形式的商业使用、出售或以盈利为目的的部署
• 要求：转载或引用须注明原作者与来源

Copyright © 2026 SebastienZh. All rights reserved.