AI 每天帮你出信号、读新闻情感、算止盈止损、做复盘 —— 数据不上传。 更重要的是，每一次研究、信号、持仓、复盘都会沉淀进一套会成长的分层研究记忆(L0–L4)，让下一次判断更有依据。
明仓是一个本地优先的个人 A 股研究操作系统：你负责 alpha 与决策，AI 负责广度扫描与证伪，系统负责把判断和结果沉淀成一套会成长的记忆。
📖 在线文档：https://zeeechenn.github.io/MingCang/
明仓把研究做成一条闭环：判断 → 信号 → 持仓 → 复盘归因 → 记忆更新。下面是一个完整的纸上交易记录。
宁德时代（300750）· 2026-05 · 纸上交易
| 步骤 | 记录 |
|---|---|
| 入场 | 05-14 @ 449.38，止损 395.57 |
| 持仓 | 信号持续转弱；当时无"信号反转退出"规则，继续持有 |
| 平仓 | 05-25 @ 411.28，亏损 −8.48% |
| 复盘归因 | 根因：缺少信号反转退出规则 |
| 沉淀改进 | 据此在测试2新增"信号反转退出"规则 |
完整链路见 宁德活样本。
600584 长电科技 2026-06-02
────────────────────────────────────────────────────────────
综合分 25.8 建议 🟡 可小仓试错
技术 28.6 · 量化 25.8 · 新闻情感 +18.0
止损 64.66 止盈 98.17 (ATR 2.5 移动止损)
────────────────────────────────────────────────────────────
rule: aggregate_v1 · 数据不出本机
当日批量信号：
| 代码 | 名称 | 综合分 | 建议 | 技术 | 量化 | 新闻情感 | 止损 | 止盈 |
|---|---|---|---|---|---|---|---|---|
| 600584 | 长电科技 | 25.8 | 🟡 可小仓试错 | 28.6 | 25.8 | +18.0 | 64.66 | 98.17 |
| 603986 | 兆易创新 | 4.3 | 🔵 可关注 | 26.4 | 4.5 | −55.2 | 414.86 | 603.09 |
| 300750 | 宁德时代 | −1.7 | ⚪ 观望 | −12.5 | 1.3 | +18.0 | 397.42 | 488.68 |
信号给出分档建议与 ATR 止盈止损位，不预测涨跌、不喊"买入/必涨"。新闻情感由 LLM 读取当日新闻打分。
📒 测试1 · 纸上交易最终复盘 2026-05-12 ~ 06-01
────────────────────────────────────────────────────────────
7 笔全平 · 每笔 20% 仓
仓位加权合计 +3.79% 7 只合计 +18.94%
────────────────────────────────────────────────────────────
盈利 2 笔 兆易创新 +34.26% · 长电科技 +11.33%
止损 5 笔 平均 −5.33%（最大 −9.20%）
盈亏比 ≈ 4.3 : 1（均盈 +22.8% / 均亏 −5.3%）
────────────────────────────────────────────────────────────
纸上交易回放 · 非真金白银 · 历史结果不回改
7 笔全部平仓：2 笔盈利、5 笔止损；止损平均 −5.33%、最大 −9.20%，仓位加权合计 +3.79%。纸上交易回放，非真实下单，历史结果不回改。
实现机制见下方 研究决策闭环架构。
🔬 比信号更深一层：研究框架分析师团 + 数据底座（点开看）
明仓把一批成熟的研究方法论编码成可复用的分析师模块，各自从不同维度给一只票打长期判断，再加权融合：
| 分析师 | 方法论来源 | 看什么 |
|---|---|---|
| 📊 Piotroski F-Score | 经典学术 9 因子 | 财务质量：盈利 / 杠杆 / 经营效率 |
| 📈 景气分析师 | 开源证券《景气投资方法论》7×34 框架 | Δ 边际变化：利润 / 收入 / ROE 的加速度 |
| 🔗 赛道供应链分析师 | 产业链景气 · 五层框架 | 科技 / 硬件赛道：供应链核查 → 海外领先指标 → 周期 vs 结构 → 炒作过滤 → 高位过滤 |
三路分析师 → 加权综合 → 一票否决融合 → 长期标签（值得持有 / 估值偏高 / 观望 / 规避），默认开启、可逐个开关。供应链瓶颈分析师（Serenity，observe-only 灰度中）、QFII 资金流等更多框架持续接入。
注意：这是和每日信号（朴素公式）分开的长期研究层——它给的是赛道与个股的长期判断，不直接改每日信号。这些框架同时暴露为 skills / CLI / MCP，可被
mingcang终端或 Claude Code / Codex / Cursor 直接调用。
上面这些信号和判断，站在一层带审计的数据底座上，而不是裸读 API key：
| 能力 | 做什么 |
|---|---|
| 🔀 多源 + 自动回退 | provider 注册表，主源失败按冷却自动切备源 |
| ⏳ 防未来函数（PIT） | 回测按 as-of 时点取数，杜绝用未来数据"作弊" |
| 🧪 质量门 + 覆盖度报告 | 价格质量校验、数据覆盖与源可靠性报告，脏数据自动预警 |
| 🗃️ 缓存与新鲜度策略 | 声明式缓存契约，控制何时允许走远端 |
信号和研究再好，数据不干净就是空中楼阁。这层底座让上面每一个判断都站在可复现、无未来污染的数据上。
| 你想做的事 | 明仓怎么接 |
|---|---|
| 研究一只票 | mingcang stock 000001 拉出信号、新闻、标签、研究 copilot 影子结论，并把你的判断记成一条 ResearchCase |
| 跟踪一个长期主题/赛道 | 把成熟外部研究者、券商/机构、景气与财务质量框架的论题进口为 ForwardThesis，带失效条件和复盘节奏，长期持续跟踪 |
| 盯住每天的信号和风险 | 技术因子 + LLM 新闻情感生成官方信号，ATR 移动止损保护浮盈，组合暴露和数据质量自动预警 |
| 复盘并积累经验 | 结果出来后做归因，证伪命中/错过都记分，经人工确认才促进成可信记忆，下次判断更有依据 |
| 让 AI 帮你干上面这些 | 自带 mingcang Pi 终端，也可接 Claude Code / Codex / Cursor，通过 CLI / MCP 调用全部能力 |
明仓不替你做主：LLM 不预测价格、不下单、不自动改信号，止盈止损是 ATR 公式算出来的规则，记忆要等结果和人工确认才升级。→ 详见 为什么明仓不是 AI 选股器
底层：本地 SQLite（行情 / 新闻 / 财务 / QFII + A/HK/US 只读全球数据，不上云）· React 前端 + REST API · 分层记忆 + 可回溯审计日志 · mingcang Pi 终端 / MCP / CLI。
第一次只做这个：想先体验，不配 Key，跑下面的
make demo；想长期使用，走 快速开始 安装mingcang；想开发，先make install再make dev/cd frontend && npm run dev。
git clone https://github.com/Zeeechenn/MingCang.git
cd MingCang
make demo # 种子 mock 数据，并启动后端 + 前端打开 http://127.0.0.1:5173。首页是新的明仓终端：可以用自然语言发起个股研究、复盘候选、自选动作和治理台草稿；导航可进入今日裁决、个股案卷、复盘案卷、研究副驾驶、持仓纪律、来源健康和治理台。demo 数据库还包含示例股票、长期论题、复盘和待确认记忆候选，供 User Guide 串成完整闭环。后端健康检查在 http://127.0.0.1:8000/health，交互式 API 文档（Swagger UI）在 http://127.0.0.1:8000/docs。按 Ctrl+C 停止 demo。
0.3.0 把整套研究模型重做成一套案卷式闭环架构：用四类"案卷"（Case）把研究、信号、持仓、复盘串成一条闭环，分五层（L0–L4）承载，每一类只回答一个问题，彼此可链接、可审计。
进口（数据 + 新闻 + 你的判断 + 外部论题）
│
▼
ResearchCase ──▶ SignalCase ──▶ PositionCase ──▶ ReviewCase
为什么值得研究 现在能交易吗 为何持有/何时退 结果教会了什么
▲ │
└────────── 记忆更新（outcome-gated，人工确认）◀────┘
五层（L0 记忆 → L1 证据 → L2 论题 → L3 信号/持仓 → L4 复盘/校准）分别回答"学到了什么 / 有哪些证据 / 值得研究吗 / 能交易吗 / 结果教会了什么"，彼此可链接、可审计。→ 完整架构说明
现状说明：这套闭环架构已经落地，但默认休眠——骨架先就位、生产信号零改动，等前向证据门控逐层通过后再激活。当前生产信号仍是技术 0.6 + 情感 0.4 + ATR 2.5 移动止损，量化层关闭（
WEIGHT_QUANT=0.0）、等待证据。
明仓自带一个 mingcang Pi 终端壳——把整套 CLI、记忆、研究流程和安全边界打包成一个开箱即用的 agent 终端，不用记一堆命令就能用。只想离线看 demo 时不需要安装它，直接用上面的 make demo。
curl -fsSL https://raw.githubusercontent.com/Zeeechenn/MingCang/main/scripts/install.sh | sh
mingcang装好后直接对它说人话即可（"看一下 300308"、"扫一遍自选"、"帮我复盘上周的票"），它会自己读项目上下文、跑 CLI、给出研究和风险结论。
手动安装 / 开发模式：
git clone https://github.com/Zeeechenn/MingCang.git
cd MingCang
make agent-setup # 准备环境
make agent # 启动 Pi 终端默认 AI_PROVIDER=local_cli，走本机已登录的本地 CLI，不需要云端 key；demo 模式不需要任何 LLM / 数据源 key。也可以直接用底层 CLI：
python3 -m backend.agent.cli health --pretty
python3 -m backend.agent.cli premarket --pretty
python3 -m backend.agent.cli stock-context 000001 --pretty装好后，既能对 mingcang Pi 终端直接说人话，也能跑底层 CLI。下面是几个最常见的用法。
对 Pi 终端说："研究一下中际旭创"、"看看 300308 现在怎么样"。它会先拉股票上下文，再给结论：
mingcang stock 300308
# 或直接用底层 CLI：
python3 -m backend.agent.cli stock-context 300308 --pretty你会拿到：官方信号（买入 / 关注 / 规避）、最近新闻与情感、长期标签、研究 copilot 的影子结论，以及它列出的风险和待验证问题。需要更深的调研时，让它跑一轮 deep research：
python3 -m backend.agent.cli action research.deep.run \
--payload-json '{"topic":"光模块 1.6T 需求","symbols":["300308"]}' --pretty明仓按交易节奏分了四个一句话工作流：
python3 -m backend.agent.cli premarket --pretty # 盘前：同步前检查与当日入口
python3 -m backend.agent.cli intraday --pretty # 盘中：只读本地缓存的快速个股入口
python3 -m backend.agent.cli postmarket --pretty # 盘后：全市场信号与复盘报告
python3 -m backend.agent.cli weekend --pretty # 周末：长期标签刷新与周度反思Pi 终端里直接说"盘前扫一遍"、"收盘后复盘一下"即可。信号里包含当日建议、ATR 移动止损位、组合暴露和数据质量预警——明仓不替你下单，只给纪律。
加自选（默认 dry-run，确认后加 --confirm 落库）：
python3 -m backend.agent.cli action watchlist.add \
--payload-json '{"symbol":"300308","name":"中际旭创","market":"CN"}' --pretty移除用 watchlist.remove。之后用 project-context 或盘后工作流扫一遍整张自选表。对 Pi 终端说"把中际旭创加进自选"、"扫一遍我的关注列表"也可以。
把一个赛道或主题的判断（来自你自己、成熟研究者或景气/财务框架）记成一条带失效条件的论题，系统会长期跟踪、到点提醒复盘：
python3 -m backend.agent.cli action long_term.run --payload-json '{"symbol":"300308"}' --pretty它不会因为论题"听起来有道理"就抬高买入分——只有结果兑现、复盘通过，这条判断才会升级成可信记忆，喂给下一次研究。
python3 -m backend.agent.cli memory-snapshot --pretty这里能看到分层记忆、审计日志和记忆促进状态：哪些规则 / 教训已可信，哪些还在待定。可信记忆会在你下次研究同一只票或同一赛道时，自动作为上下文注入。
外层 agent（Pi / Claude Code / Codex / Cursor）接入时，默认只需要：
- 读 AGENTS.md——了解本地 / 远程边界
- 按需加载
STATUS.md/PROJECT.md/docs/ROADMAP.md - 写操作先 dry-run，等用户确认
核心 MCP 工具：
| 工具 | 用途 |
|---|---|
mingcang_project_context |
持仓、自选、记忆摘要、配置概况 |
mingcang_stock_context |
单只股票：信号、新闻、标签、copilot shadow |
mingcang_memory_snapshot |
分层记忆、审计日志、记忆促进状态 |
mingcang_health |
数据库、依赖、权限健康检查 |
本地与远程配置
真实 key 只放本机 .env 或部署平台的 secret manager，不要提交到 Git。可以从 .env.example 复制一份开始：
AI_PROVIDER=local_cli
DATABASE_URL=sqlite:////absolute/path/to/mingcang.db
MINGCANG_AGENT_MODE=local默认本地模式使用 AI_PROVIDER=local_cli，优先走本机已登录的 Codex CLI，不需要云端 LLM key。只有启用对应 provider / 功能时，才需要填写下面的 key：
| 变量 | 默认 | 何时填写 | 说明 |
|---|---|---|---|
ANTHROPIC_API_KEY |
empty | AI_PROVIDER=anthropic |
Anthropic Claude 运行时 key；可配 ANTHROPIC_MODEL_FAST / ANTHROPIC_MODEL_CAPABLE。 |
OPENAI_API_KEY |
empty | AI_PROVIDER=openai |
OpenAI 或兼容接口 key；DeepSeek、Moonshot、通义千问、Azure OpenAI 等兼容服务也走这里。 |
OPENAI_BASE_URL |
empty | 使用 OpenAI 兼容网关时 | 留空表示 OpenAI 官方地址；兼容服务填对应 base URL。 |
TUSHARE_TOKEN |
empty | 需要 Tushare Pro A 股数据补充时 | 可选行情 provider；TUSHARE_QFQ_ENABLED=true 才启用 qfq daily fallback。 |
TICKFLOW_API_KEY |
empty | TICKFLOW_ENABLED=true |
TickFlow 行情 provider key；启用后作为 CN daily 优先来源。 |
IFIND_MCP_TOKEN |
empty | IFIND_MCP_ENABLED=true |
iFinD MCP observe-only 适配器 token；用于显式 probe，不默认写入行情链路。 |
TAVILY_API_KEY |
empty | 需要实时新闻/搜索补充时 | DB 新闻不足时可补充 Tavily；阈值由 TAVILY_SUPPLEMENT_THRESHOLD 控制。 |
ANSPIRE_API_KEY |
empty | deep research 或严格事件新闻抓取 | Anspire 搜索 key；窗口和数量由 ANSPIRE_NEWS_* 控制。 |
BARK_KEY |
empty | 需要 iOS Bark 推送时 | 可选通知 key；自建服务可改 BARK_SERVER。 |
MINGCANG_AGENT_API_KEY |
empty | MINGCANG_AGENT_MODE=remote |
远程 agent 暴露必须设置；本地 local 模式不需要。 |
相关开关和限制：
# 本地 LLM：默认不需要云 key
AI_PROVIDER=local_cli
LOCAL_CLI_PREFER_CODEX=true
# 云 LLM 二选一
# AI_PROVIDER=anthropic
# ANTHROPIC_API_KEY=...
# AI_PROVIDER=openai
# OPENAI_API_KEY=...
# OPENAI_BASE_URL=
# 可选数据/搜索/通知 provider
TUSHARE_TOKEN=
TICKFLOW_ENABLED=false
TICKFLOW_API_KEY=
IFIND_MCP_ENABLED=false
IFIND_MCP_TOKEN=
# TAVILY_API_KEY=
# ANSPIRE_API_KEY=
# BARK_KEY=远程暴露是 opt-in，默认只读：
MINGCANG_AGENT_MODE=remote
MINGCANG_AGENT_API_KEY=your_secret_key
MINGCANG_AGENT_REMOTE_WRITE_ENABLED=false
MINGCANG_AGENT_REMOTE_WRITE_ACTIONS=.env、数据库、个人交易记录、真实 key 不进 Git。
| 文件 | 内容 |
|---|---|
| docs_public/index.md | 明仓公开文档首页：推荐导航、最短路径、核心能力 |
| docs_public/USER_GUIDE.md | 使用指南：demo、单股研究、每日扫描、长期论题、复盘记忆 |
| docs_public/FEATURE_MAP.md | 功能目录：每个功能的说明、入口、状态、写入/信号/Key 边界 |
| docs_public/DEVELOPER_GUIDE.md | 后续开发指南：加页面、API、action、研究模块、量化模块 |
| docs_public/REFERENCE.md | 参考手册：CLI、API、配置和关键文件 |
| AGENTS.md | Agent 使用规则和安全边界 |
| PROJECT.md | 代码库导航和关键文件索引 |
| STATUS.md | 当前生产状态、信号权重、测试入口 |
| CHANGELOG.md | 版本历史和已完成更新 |
| CONTRIBUTING.md | 开发环境和贡献流程 |
| docs/ARCHITECTURE.md | L0–L4 层架构、Case 类型、融合逻辑完整说明 |
| docs/WHY_NOT_AI_STOCK_PICKER.md | 为什么明仓不是 AI 选股器：LLM 边界、ATR 纪律、记忆门控 |
0.5.0 起，公开文档、Pi 终端、安装器、launcher、MCP 工具示例和远程 agent 配置统一使用 明仓 / MingCang 命名。早期过渡期兼容入口已移除；新安装和本机启动入口只使用 mingcang。
- 把整套研究模型重做成案卷式研究决策闭环（研究 → 信号 → 持仓 → 复盘 → 记忆）；
- 定位转向"放大人的判断、用前向证据守门"，新增论题进口通道和证伪记分牌；
- 新增开箱即用的
mingcangPi 终端壳，降低使用门槛； - 扩展 A/HK/US 只读全球数据，强化数据质量与复权口径护栏。
明仓是个人研究工具，不构成投资建议。系统不自动下单，LLM 不做价格预测，止盈止损由 ATR 公式和风险约束生成。所有交易决策和资金风险由使用者自行承担。
明仓的愿景，一句话：让 AI 放大你的判断，而不是替你拍脑袋。 你和你信得过的研究者、成熟框架负责判断；明仓负责盯住、查漏、复盘，并把验证过的经验沉淀成记忆。
研究上坚持的原则：
- 判断主要来自人和成熟框架，不靠模型猜价格。 主力是你自己，以及景气、财务质量、供应链等框架给出的判断；靠价格走势"算命"这条路回测过，没有效果。
- AI 只做两件事：扩广度、挑毛病。 帮你扫到一个人看不过来的线索（永远是待验证的猜想），并替你反驳假设、盯失效条件、在亏损前预警。
- 新能力要先用真实结果证明，才能影响决策。 这也是当前的实际状态：完整的研究闭环（L0–L4）已经落地，但默认休眠、量化层关闭；任何更强的信号或模型，都要先通过前向证据门控（IC / ICIR、独立样本、数据质量），并经你确认，才逐层激活。在那之前，生产信号只用一套朴素公式（技术 0.6 + 情感 0.4 + ATR 移动止损）。
- 只记住被结果验证过的经验。 一条判断对不对，要等结果出来、复盘通过才算数——不会因为"讲得有道理"就被记成真理。
工具上，接下来要做的：
- 用前向证据逐层激活闭环。 持续积累纸上交易和前向样本，验证一层、打开一层，而不是一次性上线。
- 接入港股和美股。 现在 A 股是主战场，港 / 美股还是只读研究态；下一步做成和 A 股一样可研究、可跟踪、可复盘的完整链路。
- 打磨前端后端、做成好用的软件。 让不写代码的人也能一键装好、开箱即用，而不只是一套给开发者的脚本。