一个功能强大的金融市场实时监控工具，支持命令行和Web两种模式，兼容移动端，可追踪基金估值、市场指数、黄金价格、行业板块和市场快讯。
体验地址: http://lanfund.xyz34.fan:8311/
小服务器经不起折腾, 轻点
账号体系为了区分每个人自己的持仓, 用于导出配置文件功能使用
为了部署简单没做前后端分离
- 上证分时移动到市场行情页面
- 增加基金今日估值走势图
- 🏷️ 板块标注: 支持为基金添加多个板块标签，便于分类管理
- 📊 持仓统计: Web 端支持显示持仓金额、预估收益、实际收益等详细统计
- ✨ 一键炫耀: 持仓统计页面炫酷卡片生成功能，支持截图分享今日收益
- 💾 数据导入导出: 支持导出/导入基金配置，方便跨设备同步
- 基金实时估值：实时更新基金估值、日涨幅、近30天涨跌趋势
- 市场指数：上证指数、深证指数、创业板指、纳斯达克、道琼斯等
- 黄金价格：中国黄金基础金价、周大福金价及历史数据
- 行业板块：各行业板块涨跌幅、主力资金流入情况
- 7×24快讯：实时金融市场新闻
- 连涨/连跌分析：自动计算基金连续涨跌天数和幅度
- 30天趋势：展示近30天涨跌分布，一目了然
- 持仓标记：支持标记持有基金（⭐显示），快速关注重点
- 彩色显示：终端下红涨绿跌，直观易读
- 命令行模式：快速查看，适合终端用户
- Web界面模式：可视化展示，支持表格排序，适合浏览器访问
推荐工作流程：
-
Web 端首次配置：建议所有用户（包括 CLI 用户）首次使用时通过 Web 界面进行配置
- 访问
http://localhost:8311进行注册/登录 - 在 Web 界面添加基金、标记持有、标注板块、设置份额
- 配置完成后使用"导出基金列表"功能下载配置文件
- 访问
-
CLI 用户同步配置：
# 将导出的 fund_map.json 复制到 cache 目录 cp fund_map.json cache/fund_map.json # 之后即可在 CLI 模式下使用配置 python fund.py
特性：
- Web 界面操作更直观，避免手动输入错误
- 可视化选择板块，无需记忆板块编号
- 支持批量操作，一次性完成多只基金的配置
- 配置可跨设备共享，多端同步
pip install -r requirements.txtloguru- 日志输出requests- HTTP请求tabulate- 表格格式化flask- Web服务器（仅Web模式需要）curl-cffi- 浏览器模拟请求langchain- AI提示链框架（AI分析功能）langchain-openai- OpenAI兼容API支持langchain-core- LangChain核心组件
python fund.py或使用编译好的可执行文件：
./dist/fund.exe # Windows显示内容包括：
- 7×24快讯
- 行业板块排行
- 实时金价
- 黄金历史价格
- 近7日A股成交量
- 近30分钟上证指数
- 市场指数汇总
- 预估收益
- 自选基金估值
添加基金
python fund.py -a
# 根据提示输入基金代码，多个代码用英文逗号分隔
# 例如：001618,161725,110011删除基金
python fund.py -d
# 根据提示输入要删除的基金代码标记持有基金
python fund.py -c
# 标记后的基金会在名称前显示 ⭐取消持有标记
python fund.py -b
# 移除基金的持有标记标记基金板块（独立功能）
python fund.py -e
# 为基金添加板块标签，独立于持有标记
# 标记后会在基金名称中显示板块信息删除板块标记
python fund.py -u
# 删除基金的板块标签查询基金板块
python fund.py -s
# 输入板块名称关键词，程序会列出相关的板块
# 然后可以选择具体的板块查看该板块下的基金列表修改基金持仓份额
python fund.py -m
# 根据提示输入基金代码和持仓份额
# 用于设置每只基金的持有份额，用于计算收益统计# 启用AI分析（必须使用 -W 参数）
python fund.py -W # 标准分析模式（~1200-1600字）
python fund.py -f -W # 快速分析模式（~400-500字）
python fund.py -F -W # 快速分析模式（备用参数）
python fund.py -D -W # 深度研究模式（ReAct Agent，10000+字）
python fund.py --deep -W # 深度研究模式（备用参数）
# 注意：不使用 -W 参数时，默认不进行AI分析python fund.py -o # 保存到 reports/ 目录
python fund.py -o custom # 保存到 custom/ 目录python fund_server.py服务默认运行在：http://0.0.0.0:8311
浏览器访问：http://localhost:8311/fund
在"自选基金"页面，可以直接通过页面操作基金：
添加自选基金 删除自选基金 标记持有基金 标注板块 设置持仓份额 一键炫耀（分享收益卡片）
使用 PyInstaller 将程序打包为独立的可执行文件：
pyinstaller fund.spec打包完成后，可执行文件位于 dist/fund.exe（Windows）或 dist/fund（Linux/Mac）。
docker build -t lanfund .# 基础运行
docker run -d -p 8311:8311 --name lanfund lanfund
# 带数据持久化（推荐）
docker run -d -p 8311:8311 --name lanfund -v /cache:/app/cache lanfund
### 常用命令
```bash
# 查看日志
docker logs -f lanfund
# 停止容器
docker stop lanfund
# 启动已停止的容器
docker start lanfund
# 删除容器
docker rm lanfund
# 删除镜像
docker rmi lanfund访问地址：http://localhost:8311
程序集成了最新版本的LangChain (0.3.27+)，使用提示链（Prompt Chain）模式生成深度AI分析报告。
程序支持三种不同的AI分析模式，满足不同场景需求：
python fund.py -W # 启用AI分析- 输出长度：1,200-1,600字（4个维度 × 300-400字）
- 生成时间：2-3分钟
- token消耗：4,000-6,000
- 适用场景：日常快速查看，平衡速度和质量
python fund.py -f -W # 快速分析
# 或
python fund.py -F -W- 输出长度：400-500字（简明报告）
- 生成时间：30-60秒
- token消耗：~1,000
- 适用场景：快速浏览市场概况，节省成本
python fund.py -D -W # 深度研究模式
# 或
python fund.py --deep -W- 输出长度：10,000-12,000字（专业行研报告）
- 生成时间：5-10分钟
- token消耗：~20,000
- 成本：约为标准模式的6倍
- 特色功能：
- 🤖 ReAct Agent自主研究：Agent自主决定数据收集策略
- 🌍 多源信息交叉验证：使用DuckDuckGo搜索国际媒体报道
- 📰 网页深度抓取：获取完整新闻文章内容
- 🔍 官方vs市场视角对比：明确区分官方快讯与独立媒体观点
- 📊 详尽的量化分析：每个事件500-1000字深度解读
- 💼 具体操作计划：可执行的交易策略和触发条件
- 适用场景：周末复盘、重要决策前的全面研究、专业投资分析
模式对比表：
| 特性 | 快速模式 | 标准模式 | 深度研究模式 |
|---|---|---|---|
| 字数 | 400-500 | 1,200-1,600 | 10,000-12,000 |
| 时间 | 30-60秒 | 2-3分钟 | 5-10分钟 |
| Token | ~1,000 | ~4,000-6,000 | ~20,000 |
| 成本 | ¥0.002 | ¥0.01-0.02 | ¥0.06-0.12 |
| 信息源 | 本地数据 | 本地数据 | 本地+网络搜索 |
| 分析深度 | 概要 | 标准 | 专业级 |
创建 .env 文件：
LLM_API_KEY=your-api-key
LLM_API_BASE=https://api.moonshot.cn/v1
LLM_MODEL=moonshot-v1-8k或者使用DeepSeek：
LLM_API_KEY=your-api-key
LLM_API_BASE=https://api.deepseek.com/v1
LLM_MODEL=deepseek-chatexport LLM_API_KEY="your-api-key"
export LLM_API_BASE="https://api.deepseek.com/v1"
export LLM_MODEL="deepseek-chat"
python3 fund.py在 ~/.bashrc 或 ~/.zshrc 添加：
export LLM_API_KEY="your-api-key"
export LLM_API_BASE="https://api.deepseek.com/v1"
export LLM_MODEL="deepseek-chat"然后 source ~/.bashrc 生效。
OpenAI兼容格式，推荐标准模式用thinking模型，深度研究模式使用控制工具厉害的模型如claude-sonnet或kimi-k2
本工具仅提供数据展示功能，不构成任何投资建议。投资有风险，入市需谨慎。
