InvestBrain — 投资第二大脑

有经验投资者的纪律自主工具，解决"知行合一"问题 不是投顾，不给建议，而是"镜子" + "纪律锚点"

<p align="center"> <a href="#快速开始"><img src="https://img.shields.io/badge/MCP_Server_+_RAG-d6a52e?style=for-the-badge" alt="MCP Server + RAG"/></a> <a href="README_EN.md"><img src="https://img.shields.io/badge/English-README-blue?style=for-the-badge" alt="English README"/></a> <a href="llms.txt"><img src="https://img.shields.io/badge/llms.txt-AI_Ready-green?style=for-the-badge" alt="llms.txt"/></a> <a href="LICENSE"><img src="https://img.shields.io/badge/License-AGPL--3.0-yellow?style=for-the-badge" alt="AGPL-3.0"/></a> <a href="#核心能力"><img src="https://img.shields.io/badge/行为模式_挖掘-purple?style=for-the-badge" alt="行为模式挖掘"/></a> </p>

<p align="center"> <strong>想法记录 × 投资 RAG × 记忆系统 × 提醒触发 × 行为模式挖掘</strong> </p>

---

5 分钟快速体验

一条命令 clone 仓库后，三步完成启动：

# 1. 安装 MCP Server 依赖
cd src/mcp_server && pip install -r requirements.txt

# 2. 配置 DeepSeek API Key（开箱即用的中文投资 RAG 方案）
cp .env.example .env
# 编辑 .env，填入 DEEPSEEK_API_KEY=sk-xxx

# 3. 启动 MCP Server
python server.py

首次启动提示：向量库（Chroma + ONNX Embedding）首次会下载约 80MB 模型文件。若希望跳过向量库、纯工具调用体验，可保持 server.py 中相关注释不变；如需完整 RAG 体验，下载后取消 server.py 内的注释行。

启动后 Server 会以 stdio 方式接受 MCP 客户端调用。配置 Claude Desktop 见下方 Claude Desktop 接入。

---

它解决什么问题

核心问题：投资者被叙事带着走，操作没纪律，事后后悔。

常见痛点	InvestBrain 的应对
看到某只股票大涨就追高	强制记录买入理由 + 关联历史相似决策
跌了恐慌割肉	触发 RAG 检索大师对"恐慌"的看法
同一类错误反复犯	行为模式挖掘自动识别"追涨杀跌"模式
重要时间/价格点位忘记	价格/时间/条件监控 + 飞书推送
想不起自己过去的判断	记忆系统 + 决策卡片回溯

---

核心能力

功能	说明
想法记录	用户说一句话，AI 解析 + 关联历史 + 生成卡片
投资 RAG	大师思想检索问答（16 位投资大师 × 5 个核心概念）
记忆系统	用户画像、历史决策、行为模式挖掘
提醒触发	价格/时间/条件监控，支持飞书/钉钉/Bark 多通道推送
行为模式挖掘	自动发现投资者的偏差模式

---

示例对话

下面是三个核心价值场景的真实对话流（任意 MCP 客户端均可使用）：

场景 1：RAG 问答 — 大师思想碰撞

用户：段永平怎么看"快钱"和"慢钱"？

调用：rag_ask_investment(question="段永平怎么看快钱和慢钱")

AI 返回： 段永平的核心观点是"快钱"看似机会多但风险敞口大，"慢钱"依靠复利与确定性。 在「段永平」语料中相关论述 12 条，节选：

"投资赚钱的速度不应该快过学习的速度。" "敢重仓的就是你能看懂的生意，剩下的不是机会。" 关联概念：能力圈、安全边际、复利。

场景 2：行为模式分析 — 找出反复犯的错

用户：我最近的交易有什么问题？

调用：memory_get_behavior_patterns()

AI 返回： 检测到你的两个行为模式（过去 30 天，11 笔交易）：

1. 追涨模式（置信度 0.83） 触发样本：买入 NVDA/TSLA 在单日涨幅 > 5% 后的 D+1/D+2，胜率 25%，平均收益 -3.2% 建议：买入前强制查看 rag_ask_investment(question="追高的代价")

2. 恐慌割肉模式（置信度 0.71） 触发样本：持仓亏损 > 15% 后的 5 日内卖出，后续 30 日反弹 67% 建议：触发时自动推送飞书提醒 + 大师原话引用

场景 3：智能提醒 — 纪律锚点

用户：NVDA 到 950 美元时提醒我重新评估。

调用：reminder_set_reminder(condition={ticker:"NVDA", operator:"<=", threshold:950, action:"review"})

AI 返回： 提醒已建立：NVDA <= 950 USD 时触发"复盘评估"。 触发后将自动拉取：当前价格、你对此票的历史决策卡片、相关大师语录。 提醒已同步通知通道（如已配置）。

---

Claude Desktop 接入

将 InvestBrain 接入 Claude Desktop（macOS / Windows 通用）：

配置文件位置：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

配置内容：

{
  "mcpServers": {
    "investbrain": {
      "command": "python",
      "args": [
        "D:/claudework/investbrain/src/mcp_server/server.py"
      ],
      "env": {
        "DEEPSEEK_API_KEY": "sk-your-key-here"
      }
    }
  }
}

路径请按你 clone 的实际位置修改。配置完成后重启 Claude Desktop，会在工具栏出现"投资助手"图标（40 个工具）。

---

开源协议与路线图

本项目采用 GNU Affero General Public License v3.0 (AGPLv3) 授权。简言之：你可以自由使用、修改和分发，但通过网络提供服务的衍生作品也必须以相同协议开源。详见 LICENSE。

层级	功能	状态
免费层	本地 MCP Server	✅ 已上线
	16 位大师 RAG 问答	✅ 已上线
	行为模式检测	✅ 已上线
	提醒系统	✅ 已上线
	无限记忆存储	✅ 已上线
个人版	云端周报/月报（AI 生成）	计划中（￥39/月）
	跨设备数据同步	计划中
团队版	团队协作与共享知识库	计划中（￥199/月）

---

架构

src/mcp_server/            # MCP Server（40 个工具）
├── server.py               # 主入口
├── tools/                  # 工具集
│   ├── thought_tools.py    # 想法记录
│   ├── rag_tools.py        # 投资 RAG
│   ├── memory_tools.py     # 记忆系统
│   ├── reminder_tools.py   # 提醒系统
│   ├── pattern_tools.py    # 行为模式
│   ├── report_tools.py     # 周报/月报
│   ├── roundtable_tools.py # 大师圆桌
│   └── notifier_tools.py   # 多通道通知
├── datasources/            # 数据源
│   ├── akshare_datasource.py
│   └── tushare_datasource.py
├── knowledge/              # 知识库
│   ├── vector_store.py     # Chroma 向量存储
│   └── graph_client.py     # 图存储
├── memory/                 # 记忆存储
├── patterns/               # 行为模式挖掘
├── llm/                    # LLM 客户端
│   ├── llm_router.py       # 通用 LLM 路由
│   ├── providers.py        # Provider 配置
│   └── deepseek_client.py
└── api_server.py           # REST API (LLM 配置)

data/
├── graph/                  # 知识图谱（16 位大师 + 概念）
├── knowledge/
│   └── vectors/            # 向量索引（Chroma）
├── memory/                 # 用户记忆
├── cards/                  # 想法卡片
├── reminders/              # 提醒条件
└── config/                 # 配置文件

---

MCP Tools（40 个）

// 想法记录（3）
"thought_record_thought(text)",
"thought_search_memories(query)",
"thought_get_thought_cards(ticker)",

// 投资 RAG（4）
"rag_ask_investment(question)",
"rag_get_master_view(master, topic)",
"rag_search_knowledge(query)",
"rag_search_reports(query, top_k)",

// 记忆系统（3）
"memory_get_user_profile()",
"memory_record_decision(data)",
"memory_get_behavior_patterns()",

// 提醒系统（3）
"reminder_set_reminder(condition)",
"reminder_get_reminders()",
"reminder_delete_reminder(id)",

// 行为模式（3）
"pattern_run_pattern_detection()",
"pattern_get_pattern_summary()",
"pattern_get_pattern_report(id)",

// 周报/月报（1）
"report_run_scheduled_report(range)",

// 大师圆桌（1）
"invest_roundtable(question)",

// 通知配置（2）
"notify_configure_notifier(channel, webhook_url)",
"notify_get_notifier_config()",

// 行情数据 — AKShare（5）
"market_get_stock_quote(ticker)",
"market_get_stock_history(ticker, period)",
"market_get_index_components(index_code)",
"market_get_valuation(ticker)",
"market_get_market_sentiment()",

// 行情数据 — Tushare（15）
"tushare_get_daily_price(ts_code)",
"tushare_get_weekly_price(ts_code)",
"tushare_get_realtime_quote(ts_code)",
"tushare_get_index_daily(index_code)",
"tushare_get_financial_indicator(ts_code)",
"tushare_get_income_statement(ts_code)",
"tushare_get_balance_sheet(ts_code)",
"tushare_get_cash_flow(ts_code)",
"tushare_get_index_components(index_code)",
"tushare_get_industry_classification(ts_code)",
"tushare_get_valuation_multi(ts_code)",
"tushare_get_market_top_movers()",
"tushare_get_stock_pledge_status(ts_code)",
"tushare_convert_ticker(ticker)",
"tushare_check_token_status()"

完整工具列表见 src/mcp_server/tools/。

---

知识库

16 位投资大师： 巴菲特、芒格、段永平、霍华德·马克斯、李录、格雷厄姆、达莫达兰、阿克曼、凯西·伍德、迈克尔·伯里、帕伯莱、塔勒布、林奇、费雪、德鲁肯米勒

5 个核心概念： 护城河、安全边际、能力圈、第二层思维、非对称风险

行业知识： 28 个申万行业深度研究框架（向量库内检索，不公开原文，保护核心方法论 IP）

---

数据源

数据源	用途	状态
AKShare	实时行情	✅
Tushare	财务/历史数据	✅
Chroma	向量索引	✅
SQLite	本地记忆	✅

---

开发

# 启动 REST API Server（用于 LLM 配置）
python src/mcp_server/api_server.py
# 访问 http://localhost:8000/api/llm/config

# 启动前端（Next.js 落地页 + 设置面板）
npm install
npm run dev
# 访问 http://localhost:3000

测试：

pytest tests/

---

相关项目

项目	用途
invest-buddy-pet	入门陪伴产品（人格测试）
mangoview	超级系统站（专业分析）

---

🛠️ 推荐工具链

以下工具推荐基于 awesome-finai-tools-zn 的 SKILL.md 场景→工具映射表生成，每类场景精选 1 个最佳工具。完整工具清单请访问仓库主页。

推荐工具	功能	安装方式
ashare-mcp	生产级 A 股 MCP Server，30 个 tool（实时行情/K线/涨停池/龙虎榜/财报/板块资金）	git clone https://github.com/CharmYue/ashare-mcp && cd ashare-mcp && uv sync
opencli-eastmoney-quote	零配置 CLI，A 股/港股/美股实时行情秒出结果	npm install -g @jackwener/opencli
opencli-xueqiu-search	雪球股票搜索 + 热门帖子舆情分析，中文/代码均可	npm install -g @jackwener/opencli
Qlib	微软 AI 量化框架，自动因子挖掘 + 模型训练 + 回测评估	pip install pyqlib
盈米基金 MCP	69 个标准化 MCP 工具 + 16 项技能组件，含组合回测/蒙特卡洛模拟	联系盈米 AI 开放平台获取 API Key

工具推荐逻辑基于 awesome-finai-tools-zn/data/institution-skills.json，每周自动更新。

---

🔗 工具链联动

本仓库是 FinAI 工具生态的一部分，与其他仓库协作：

仓库	定位	与本仓库的关系
awesome-finai-tools-zn	数据底座	提供工具清单+机构Skill数据
invest-brain	工具推荐引擎	基于场景自动推荐工具
investment-buddy-pet	人格化投顾	按投资人格匹配工具箱
SoloAdvisor-Toolkit	投顾流程工具包	KYC→配置→组合→报告
knowledge-workflow	知识管理	收集→打标→存储→产出

---

版本: v0.1.0 创建时间: 2026-06-24 许可: AGPL v3