AI Workspace Hub

Vault template

First committed by Benboerba620

Published in Benboerba620/ai-workspace-hub. Publisher page

83 GitHub starsUpdated 2026-09-30

What it is

All-in-one AI 研究工作台：把 Codex / Claude Code / Cursor 变成有长期记忆的研究系统。wiki 摄入、研究闭环、快速筛选、假设追踪、播客、日报六大能力，零 API key 可跑基座。

— the description by Benboerba620

Summary from the brain’s metadata

All-in-one AI 研究工作台：把 Codex / Claude Code / Cursor 变成有长期记忆的研究系统。wiki 摄入、研究闭环、快速筛选、假设追踪、播客、日报六大能力，零 API key 可跑基座。 Turn Codex, Claude Code, Cursor, and Cline into a persistent research workspace.

How it works

Memory model: Markdown vault

AutoGineer overview, from the brain’s own files

Memory model: Markdown vault. Folders: .github (agent config, 1 file); docs (docs, 2 files); examples (examples, 22 files); inbox (raw sources, 3 files); tests (tests, 18 files); tools (scripts, 39 files); wiki (wiki, 15 files). The agent reads hypothesis/, wiki/explorations/.

Folders
Folder	Role	Files
.github	agent-config	1
docs	docs	2
examples	examples	22
inbox	raw-sources	3
tests	tests	18
tools	scripts	39
wiki	wiki	15
config	folder	2
evidence	folder	1
hypothesis	folder	1
output	folder	7
portfolio	folder	2
system	folder	52
workspace	folder	11

The agent reads

hypothesis/ evidence: AGENTS.md
wiki/explorations/ evidence: AGENTS.md

Requirements

Runtimes: Python

Works with: Claude Code, OpenAI Codex, GitHub Copilot, Cursor, Kiro, OpenCode, Amp, Cline, JetBrains Junie, Devin (ex-Windsurf)

Set it up

Clone the repository at the commit AutoGineer scanned:

git clone https://github.com/Benboerba620/ai-workspace-hub.git && cd ai-workspace-hub && git checkout e01a41a06886c6d59f714e6c133004d241ea91ac

Claude Code reads CLAUDE.md from this folder automatically.
cd ai-workspace-hub && claude
AutoGineer scanned these files at commit e01a41a.
First committed by Benboerba620. Published in Benboerba620/ai-workspace-hub. Licence: MIT License.

Usage

AutoGineer’s guidance for this type of brain

Copy the vault into a folder, open it in your notes app, and point your agent at its instruction file: the agent reads and writes the notes as its memory.

Documentation by Benboerba620

AI Workspace Hub

Turn Codex, Claude Code, Cursor, and Cline into a persistent research workspace.

把 AI 编程助手变成一套能长期记忆、持续研究、自动沉淀的工作台。

Image: CI Image: Python 3.10+ Image: GitHub stars Image: License

30 秒上手 · 六大能力 · 免费数据源 · 第一周怎么用 · 故障排查

Image: 完整流程演示：一句话安装 → Core Mode READY → 首次股票研究 → 研究偏好 → 主题假设 → 日报跟踪

演示动图按安装协议与 <a href="START-HERE.md">首次股票研究流程</a>脚本化生成（<a href="docs/gen_demo_gif.py">生成脚本</a>），非实录。

</div>

最近更新（2026-09-30）：当前 Agent 可直接完成材料摘要与标签；日报显示数据来源、日期和缺失状态；安装附带免费数据源指南，daily-watch 与 podcast 均已内置。

对话很聪明，但工作流没有记忆；今天做完，明天又从头解释。

AI Workspace Hub 解决这个问题。六大能力开箱即用——核心工作流不需要 API key。

📖 想先了解设计思路？看作者的公众号长文：《从0构建 AI 协作系统（一）：从最小可运行的 MVP 开始》

⚡ 30 秒上手

把下面这句话发给你的 AI agent（Codex / Claude Code / Cursor / Cline）：

帮我按这个协议安装 AI Workspace Hub：
https://raw.githubusercontent.com/Benboerba620/ai-workspace-hub/main/INSTALL-FOR-AI.md
抓不到协议全文就先 git clone 本仓库，再读其中的 INSTALL-FOR-AI.md 逐字执行。

Agent 会问你 4 个问题（路径、用途、现有 wiki、是否使用 Obsidian），然后自动创建完整工作区。装好后，先用样例确认安装：

把 inbox/first-note.md 整理进 personal wiki。

预期：agent 读 AGENTS.md → 按 wiki/_schema.md 整理 → 写入 wiki/sources/ → 在 active-context.md 记录进度。

不需要 API key，不需要联网，不需要写任何代码。

样例通过后，开始第一份真实股票研究：

研究一家公司，同时帮我建立第一版研究偏好。
公司是：____；我现在关注它是因为：____。

这次会同时产出研究报告、研究偏好 v0.1、可验证假设和后续跟踪指标。以后研究其他公司会复用并继续校准这套方法，而不是每次从空白开始。

<details> <summary>还没有 AI agent？先花 2 分钟装一个</summary>

任选其一，都有免费或试用档：

Claude Code（推荐）：先装 Node.js，然后终端运行 npm install -g @anthropic-ai/claude-code，在任意目录输入 claude 登录 Claude 账号。
Codex CLI：npm install -g @openai/codex，输入 codex 登录 ChatGPT 账号。
Cursor：去 cursor.com 下载安装，打开一个文件夹后用内置对话。

装好后回到上面，把那句话发给它就行。

</details>

<details> <summary>更习惯手动 clone？</summary>

git clone https://github.com/Benboerba620/ai-workspace-hub.git my-ai-workspace
cd my-ai-workspace

用 AI agent 打开这个目录，直接试跑 inbox/first-note.md → wiki。

验证安装状态：

python3 system/scripts/check_workspace.py    # Windows: python system/scripts/check_workspace.py

Core Mode 显示 READY 即可开始使用。

</details>

📈 股票研究主流程

首次研究引导 → 研究偏好 v0.1 → 研究结论 → 可验证假设
      → 跟踪指标 → daily-watch 日报 → 独立证据 → 假设复盘 → 长期知识

START-HERE.md 是安装后的用户首页。信息摄入只是输入环节；系统的主线是让研究结论进入假设，并通过日报持续验证。

每份研究、假设和证据都有稳定 ID；当前状态只保存在 Markdown frontmatter。需要用户确认的 wiki 沉淀、假设调整、股票池新增和研究偏好变化会进入持久待确认队列。直接说：

看看我的研究系统现在有什么需要处理。

Agent 会汇总进行中的研究、待复盘证据、到期假设和待确认动作，并给出下一步。

🧩 六大能力

	能力	你可以怎么说	写入哪里	API key
📚	wiki	"把这篇文章整理进知识库"	`wiki/`	推荐（自动标签）
🔬	research	"帮我研究一下某公司 / 某行业"	`output/research/`	不需要
🔍	screen	"帮我筛选 AI 产业链股票"	`output/screen/`	可选
📊	daily-watch	"生成今天的盯盘日报"	`output/daily-watch/` + `evidence/`	可选
🧪	hypothesis	"把这个投资假设建档并追踪"	`hypothesis/`	不需要
🎙️	podcast	"扫一下这几个播客并写进 wiki"	`wiki/sources/` + `output/pod2wiki/`	当前 Agent 无需独立 Key；后台摘要需 Key

daily-watch 和 podcast 已经内置在 Hub 中，不需要再单独安装。 后台自动标签、独立运行的播客摘要和部分行情源需要按需填写 API key；交互整理可由当前 Agent 完成。
零 key 可用：wiki 可由当前 Agent 摄入和补齐有依据的标签，不调用独立模型 API；research、hypothesis、screen（websearch 模式）、daily-watch（报告骨架 + 美股降级源）照常可用。
默认建议配置：先按免费数据源接入指南选择市场——美股可零 Key 使用 Nasdaq，A 股可从 Tushare 的基础日线档起步，yfinance 可作为个人研究备用；再按需配置 LLM、FMP 或 Longbridge Skill。

🔄 工作流程

flowchart LR
    IN["inbox / web"] --> TAG["统一自动标签"]
    TAG --> KB["wiki 知识库"]
    KB --> R["research R*"]
    R --> H["hypothesis H*"]
    H --> W["唯一执行股票池"]
    W --> D["daily-watch 日报"]
    D --> E["evidence E-*"]
    E -->|"用户确认后复盘"| H
    R --> Q["review-queue Q-*"]
    H --> Q
    Q -->|"确认后执行"| KB
    S["workspace status"] -.-> R
    S -.-> H
    S -.-> E
    S -.-> Q

核心不是"文件夹长什么样"，而是：agent 进入目录后知道先读什么、做研究时先查本地 wiki、输出时事实与推测分开、证据和判断不混写、待确认动作不会随对话消失、明天继续时能从断点接上。

wiki 变大后也不会每次全量加载。每次研究先运行 Research Preflight：按 rule -> pattern -> exploration 加载相关可复用知识，同时扫描 entities / concepts / sources，只返回少量命中页面、命中理由和过期/冲突提示，再决定哪些问题需要联网。扫描不调用大模型，并生成可检查的回执。知识按 source -> exploration -> pattern -> rule 逐级提炼；每次晋级、降级或退役都保留用户确认、复审日期和失效条件。

材料进入 wiki 时按同一标签契约补齐 domain / ticker / concepts / related / entity_salience / tags。交互模式由当前 Agent 处理，后台模式使用统一打标器；历史补标默认只预览，已有人工字段不会被覆盖。

用真实案例理解 Wiki 晋级

产能扩张周期见顶案例把一条真实研究判断拆成 4 个 Source、2 个已提炼 Exploration 和 1 张 draft Pattern：光伏与锂电是产生该 Pattern 的母案例，因此不能再次冒充独立确认，primary_confirmations 保持为 0。日常研究默认不会加载这张草稿卡；复盘模式可以找到它，未来经过两次新的独立事前验证并由用户确认后，才允许变成 active Pattern。累计三次独立确认后，再讨论是否形成可执行 Rule。

案例目录可以独立运行 summary 和 load，仓库测试同时守住“母案例不计确认、draft 不进入日常加载、满足门槛后才可晋级”三条边界。

系统不在某个模型里，而在这套文件协议里。谁读懂这套协议，谁就接上你的工作流。

⚙️ Core Mode / Enhanced Mode

模式	API key	能做什么	适合
Core	不需要	wiki 摄入（无脚本自动标签）、研究草稿、快速筛选、假设建档、断点续传	临时未配置 API 时
Enhanced	按市场选填	wiki 自动标签、播客摘要、行情日报、A 股 / 多市场数据、自动监控	默认日常使用

推荐路径：安装后运行 check_workspace.py → 按 DATA-SOURCES.md 选择免费或付费数据源 → 只填写实际需要的 key。暂时没有 key 时仍可先跑 Core Mode，美股基础行情还可走 Nasdaq 无 Key 源。

📅 第一周怎么用

天数	动作	目标
Day 1	用当前 Agent 跑通 `inbox/first-note.md → wiki`；后台自动化再配置 Key	确认摘要、自动标签和分类都能工作
Day 2	放入 3-5 条真实材料	建立第一批知识库
Day 3	让 agent 研究一个公司 / 行业	生成第一篇结构化报告
Day 4	`check_workspace.py`，按免费数据源指南选择 Nasdaq / Tushare / yfinance 等	增强行情能力
Day 5	做一次主题筛选	形成候选池
Day 6	扫一次播客 / 博客	建立外部信息流
Day 7	运行结构体检，删掉没用规则	防止系统变胖

适合谁？

适合：投资研究员、个人投资者、内容创作者、AI power user、Markdown / Obsidian 用户、想做长期项目而不是一次性对话的人。

不适合：想要 GUI 应用、自动交易系统，或不愿意用 Markdown 管理知识的人。

ai-workspace-hub/
├── AGENTS.md                 # Codex 入口路由
├── CLAUDE.md                 # Claude Code 入口路由
├── INSTALL-FOR-AI.md         # 交给 AI agent 的安装协议
├── SMOKE-TEST.md             # 冒烟测试
├── ARCHITECTURE.md           # 架构说明
├── TROUBLESHOOTING.md        # 故障排查
├── workspace/                # 配置、断点、看板与归档
│   ├── monitoring/           # 用户阅读的监控看板
│   └── archive/              # 退出主流程的历史材料
├── inbox/                    # 临时输入材料
├── wiki/                     # personal wiki（exploration / pattern / rule）
├── output/                   # 研究、筛选、播客和日报输出
│   └── daily-watch/          # 日报归档
├── hypothesis/               # 投资假设和复盘
├── evidence/                 # 独立证据账本
├── portfolio/                # 交易记录
├── config/                   # 用户配置，不入 git
├── tools/                    # podcast / daily-watch 工具
└── system/                   # skills / integrations / scripts / templates

</details>

<details> <summary>🗄️ 数据源与边界</summary>

名称	类型	用途	是否内置
Nasdaq	无 key 降级源	美股基础行情	是
Finnhub	免费账户 / 付费	美股行情备选；免费端点和额度以官方账户为准	是，需 key
EODHD	免费小额度 / 付费	港股、韩国、芬兰等最近 EOD 备用；免费账户当前 20 次/日，不是实时价	是，需 key
yfinance	无 Key	多市场个人研究备用；非官方 Yahoo SDK，需额外安装	是，需开启
tushare	积分 / 单独权限	A 股行情；当前 120 积分档可取非复权日线	是，需 token
FMP	免费 Basic / 付费	免费档适合 EOD/profile 测试；全球覆盖和高级数据取决于套餐	是，需 key
Longbridge Skill	外部 Agent 扩展	多市场查询、筛选、研究	否，独立安装授权
websearch	Agent 能力	补充新闻、资料、公司信息	取决于 agent

重要边界：本项目不做自动交易，不承诺数据源永远免费，不把 AI 输出包装成投资建议。缺少 API key 时优雅降级，不会让用户误以为工作区坏了。

</details>

python3 system/scripts/check_workspace.py          # 总检查
python3 system/scripts/workspace_status.py         # 当前研究、证据和待办
python3 system/scripts/research_preflight.py --root . --context "你的研究问题和关键词" --research-id R-... --research-file output/research/报告.md --record  # 扫描 Wiki 并更新研究报告
python3 system/scripts/knowledge_lifecycle.py --root . summary  # 知识状态、到期复审和晋级候选
python3 system/scripts/knowledge_lifecycle.py --root . rebuild-index --apply  # 重建三个短索引
python3 system/scripts/review_queue.py list        # 查看持久待确认队列
python3 system/scripts/wiki_tagger.py --root . backfill wiki  # 预览历史 wiki 补标
python3 -m unittest discover -s tests -v            # 运行测试
python3 tools/daily-watch/scripts/check_setup.py --init  # 初始化日报配置
python3 tools/podcast/scripts/fetch_podcasts.py --help   # 播客工具帮助

Python 工具需要 3.10+。Windows 用户用 python 代替 python3，或 py -3 指定版本。

</details>

<details> <summary>❓ 新手常见问题</summary>

Q：我不会写代码，能用这个项目吗？ 可以。Core Mode 只需要把文本放进 inbox/，然后用自然语言告诉 AI agent 做什么。

Q：一定要用 Codex / Claude Code 吗？ 不一定。任何能读写文件的 AI agent 都可以。Codex 和 Claude Code 效果最好，Cursor 和 Cline 也可以。

Q：安装 Hub 后，还要单独安装 daily-watchlist 或 pod2wiki 吗？ 不需要。两套工具及其配置模板已经包含在 tools/daily-watch/ 和 tools/podcast/；你只需要按用途安装可选依赖，并按免费数据源接入指南选择是否配置 key。

Q：wiki 越来越大怎么办？ 用 Obsidian 打开 wiki/ 目录做可视化管理，或让 AI agent 帮你整理归档。

Q：API key 会不会泄露？ config/ 已被 .gitignore 排除，不会被 git 提交。

Q：自动标签会把什么发给大模型？ 会把当前 wiki 页面的 frontmatter 和正文发送给你在 config/pod2wiki.env 选择的模型服务商，只用于返回结构化标签。敏感材料应先确认所选服务商的数据政策，或跳过自动标签。

Q：可以和 Obsidian 一起用吗？ 可以。安装时选择 Obsidian（或在已有 vault 中安装），Hub 会增加 reading-hub.md 和 reading-hub.base，用 9 个动态视图汇总待读内容；可直接在表格中填写 已读 / 精读 / 跳过，并优先按资料自身日期而不是本机文件时间排序。默认不安装，也不影响非 Obsidian 用户。需要 Obsidian 1.9+ 的 Bases 功能。

更多问题见 TROUBLESHOOTING.md。

</details>

Roadmap

更多真实研究工作流样例
更强的 screen 预设
更完善的 daily-watch 降级策略
证据来源质量分级和跨来源事件去重
知识索引的自动健康检查与过期提示

Contributing

欢迎提 issue / PR，尤其是新 agent 适配、研究报告模板、数据源接入、真实使用摩擦点、README / 教程 / 安装流程改进。

Star History

如果这个项目对你有帮助，欢迎点一下 ⭐ Star。它会帮助更多需要"长期 AI 工作流"的人发现这个项目，也会让我知道哪些方向值得继续做。

Image: Star History Chart

Disclaimer

AI Workspace Hub 是个人研究与知识管理工具，不构成投资建议。所有市场数据、公司信息、财务数字、新闻和监管信息都应以原始来源为准。

为什么已经在 Agent 中使用，还可能需要模型 Key？

交互整理可以由当前 Agent 完成：播客工具使用 --agent-handoff 准备原文与待处理队列，Agent 阅读原文后完成摘要和标签，不要求另配模型 Key。脚本在后台独立生成摘要才需要模型 API。两种方式的步骤与完成标准见 Podcast 流程。

tools/daily-watch/README.md

Daily Watch Tool

日报监控 + 假设追踪 + 交易记录工具。获取股票行情，生成每日报告，管理投资假设。

原始项目：daily-watchlist

快速使用

以下命令默认使用 python3，且需要 Python 3.10+。先运行 python3 --version；如果版本低于 3.10，请改用 python3.10 / python3.11 / python3.12，或安装新版 Python。如果你的环境只有 python 且版本 >=3.10，把命令里的 python3 替换成 python 即可。

# 1. 安装依赖
python3 -m pip install -r tools/daily-watch/requirements.txt

# 2. 初始化配置（复制示例文件到 config/）
python3 tools/daily-watch/scripts/check_setup.py --init

# 3. 编辑 config/daily-watchlist.env，填入你的 API key（可选）

# 4. 生成日报
python3 tools/daily-watch/scripts/generate_daily_report.py

# 5. 查询指定股票 profile
python3 tools/daily-watch/scripts/fetch_market_data.py --profile NVDA,AAPL

# 6. 查看假设状态
python3 tools/daily-watch/scripts/sync_hypothesis.py

check_setup.py --init 会把 config-examples/ 下的示例文件复制到 config/，已有的文件不会被覆盖。之后修改 config/ 下的文件即可。

依赖

核心依赖：

python3 -m pip install -r tools/daily-watch/requirements.txt

包含 requests、python-dotenv、pyyaml。

A 股数据需要额外装 tushare：

python3 -m pip install -r tools/daily-watch/requirements-tushare.txt

目录结构

tools/daily-watch/
├── config-examples/          # 示例配置，--init 时复制到 config/
│   ├── daily-watchlist.example.yaml
│   ├── daily-watchlist.env.example
│   ├── daily-watchlist.watchlist.example.md
│   ├── hypothesis-tracker.example.yaml
│   └── hypothesis-tracker.rules.example.md
├── scripts/                  # 所有可执行脚本
│   ├── check_setup.py        # 环境检查 + 初始化
│   ├── generate_daily_report.py  # 生成日报（主入口）
│   ├── fetch_market_data.py  # 行情拉取 + 股票 profile
│   ├── fetch_macro_data.py   # 宏观数据（VIX/SPY/QQQ/GLD/WTI/BTC）
│   ├── sync_hypothesis.py    # 假设状态同步
│   ├── trade_stats.py        # 交易统计
│   └── workspace_paths.py    # 路径解析（被其他脚本引用）
└── templates/                # 报告模板
    ├── daily-watchlist-report-template.md
    ├── hypothesis-tracker-hypothesis-template.md
    ├── hypothesis-tracker-journal-template.md
    └── hypothesis-tracker-report-template.md

运行后在 workspace 根目录下生成：

config/                       # 实际配置文件（从 config-examples/ 复制）
output/daily-watch/           # 生成的日报
  └── 2026-06/
      └── 2026-06-24.md
hypothesis/                   # 假设文件（H1.md, H2.md, ...）
evidence/                     # 独立证据账本（按月分目录）
portfolio/                    # 交易和持仓
  ├── trades.csv
  ├── holdings.csv
  └── journal/

配置

示例文件在 tools/daily-watch/config-examples/，运行 check_setup.py --init 复制到 config/ 后使用：

文件	用途
`daily-watchlist.yaml`	主配置（模块开关、阈值、关注主题）
`daily-watchlist.env`	API key
`daily-watchlist-watchlist.md`	股票池
`hypothesis-tracker.yaml`	假设追踪配置（确定性阈值、交易规则、风控）
`hypothesis-tracker.rules.md`	投资纪律（文本，供假设决策参考）

配置文件格式

主配置文件 config/daily-watchlist.yaml，所有字段均有默认值，可以只写需要改的部分。

最小配置

只需指定市场类型即可运行：

market: us

完整配置

# 市场类型：us / cn / hk / mixed
market: mixed

# 模块开关：关闭后对应章节不会拉取数据
modules:
  macro: true          # 宏观数据（VIX/SPY/QQQ/GLD/WTI/BTC）
  earnings: true       # 财报日历（需要 FMP key）
  focus_areas: true    # 重点主题
  wiki: auto           # wiki 联动

# 报告生成参数
reporting:
  model_profile: domestic    # default / domestic（选择 LLM profile）
  secondary_verify: true     # 国内模型时建议开启二次验证
  theme_min_score: 3         # 主题命中最低分
  theme_min_hits: 2          # 主题命中最低次数

# 异动阈值（涨跌幅超过此值的股票会进入"重点异动"）
thresholds:
  large_cap_move: 3    # 大盘股异动阈值 %
  small_cap_move: 7    # 中小盘股异动阈值 %

# 假设追踪
hypothesis_tracking:
  enabled: true
  directory: hypothesis        # 假设文件存放目录
  max_matches: 8               # 日报中最多展示的信号数
  auto_writeback: true         # 自动登记证据，并在假设时间线追加引用
  suggest_new_hypothesis_threshold: 2  # 重复主题超过此数建议建立新假设

# 重点关注领域（最多 3 个）
focus_areas:
  - name: "AI 与数据中心"
    keywords: ["AI", "data center", "GPU", "inference", "LLM", "算力", "大模型"]
    required_any: ["AI", "data center", "GPU", "inference"]  # 至少命中一个才算
    exclude: ["airline", "ceasefire"]  # 排除关键词

字段说明：

thresholds：用于自动识别异动股。大盘股（Market Cap = Large）用 large_cap_move，其余用 small_cap_move。
focus_areas.required_any：假设必须命中其中至少一个关键词才会被归入该主题。不设则只看 keywords。
hypothesis_tracking.auto_writeback：开启后，脚本把当日触发的异动/财报信号写入 evidence/，再把证据 ID 引用追加到对应假设。不会自动改变假设确定性或状态。

股票池格式

股票池文件 config/daily-watchlist-watchlist.md 是标准 Markdown 表格。按行业分组，每组一个二级标题 + 一张表。

格式要求

前五列（Ticker / Name / Market / Market Cap / Category）必填
后三列（Tier / Hypothesis / Notes）可选
每个行业分组用 ## 行业名 作为二级标题，下面跟一张表
表头行和分隔行（|---|---|）必须有

示例

## Technology
| Ticker | Name | Market | Market Cap | Category | Tier | Hypothesis | Notes |
|------|------|------|----------|------|------|------------|-------|
| NVDA | NVIDIA | US | Large | Technology | HOT | H1 | GPU supply chain bellwether |
| MSFT | Microsoft | US | Large | Technology | HOT | H1 | Cloud + AI infrastructure |
| AAPL | Apple | US | Large | Technology | WARM | H1 | AI device cycle / services |

## Energy
| Ticker | Name | Market | Market Cap | Category | Tier | Hypothesis | Notes |
|------|------|------|----------|------|------|------------|-------|
| XOM | Exxon Mobil | US | Large | Energy | WARM | H3 | Oil cycle monitor |

字段说明

字段	说明	取值
Ticker	股票代码	美股直接写 `NVDA`；A 股写 `601857.SH` / `000001.SZ`；港股写 `0700.HK`
Market	市场	`US` / `CN` / `HK` / `KR` / `FI` 等
Market Cap	市值分类	`Large` / `Mid` / `Small`（影响异动阈值）
Category	行业	任意文本，用于报告分组
Tier	监控热度	`HOT`（重点）/ `WARM`（跟踪）/ `COLD`（基准）
Hypothesis	关联假设	对应 `hypothesis/` 下的假设 ID，如 `H1`、`H2`

Ticker 后缀规则：脚本用后缀判断数据源。.SH/.SZ 走 tushare（A 股），.HK 走 tushare（港股），无后缀默认走 FMP/Nasdaq（美股）。后缀必须大写。

输出示例

运行 generate_daily_report.py 后在 output/daily-watch/YYYY-MM/YYYY-MM-DD.md 生成一份 Markdown 日报。旧工作区若已有 daily-watchlist-reports/，会继续写入旧位置，避免拆分历史记录。

报告结构

# 每日监控简报 - 2026-06-24（星期二）

## 市场概览
VIX / SPY / QQQ / GLD / WTI / BTC 的当前价和涨跌幅表格
市场情绪摘要

## 个股异动
### 重点异动         ← 超过阈值的股票，附分类和摘要占位
### 其他异动         ← 涨跌幅排序的其他股票（前 5）

## 财报跟踪
### 已披露           ← 本周已出财报的 watchlist 股票
### 本周待披露       ← 本周即将出财报的 watchlist 股票

## 重点主题           ← 按 focus_areas 配置生成的主题区块

## 假设联动
### 已追踪假设概览   ← hypothesis/ 下所有假设的状态表
### 今日触发信号     ← 异动/财报/主题与假设的交叉命中
### 操作建议

## 信息来源           ← 本次拉取的数据源清单

报告由脚本生成数据骨架。新闻检索和原因分析部分是占位符，设计上由 Claude Code 通过 WebSearch 补充。

证据登记与假设联动

开启 auto_writeback 后，如果当日有股票异动或财报事件命中了某条假设的关联标的，脚本会先创建 evidence/YYYY-MM/E-*.md，再在对应 hypothesis/H*.md 的“证据时间线”追加引用，格式如：

### 2026-06-24

- 🟡 **[DW-2026-06-24-mover-nvda-h1] E-2026-06-24-mover-nvda-h1** - NVDA 今日涨跌幅 +4.52%，分类 Technology
  - 证据：evidence/2026-06/E-2026-06-24-mover-nvda-h1.md
  - 来源：output/daily-watch/2026-06/2026-06-24.md
  - 影响：待复盘；本条引用不改变 frontmatter 中的确定性或状态。

同一天同一信号不会重复写入（用 dedup_key 和 marker 去重）。

零 Key 运行

没有配置任何 API key 时（daily-watchlist.env 保持默认的 your_* 占位符），工具仍然可以运行：

美股：自动 fallback 到 Nasdaq 无 Key 源，能拿到基础行情（最新价、涨跌幅）
宏观数据：需要 FMP key，没有则宏观表格全部显示 N/A
A 股 / 港股：需要 tushare token，没有则对应股票无数据
财报日历：需要 FMP key，没有则财报章节为空
报告骨架：无论有没有 key，报告文件都会生成，缺失的数据位显示 N/A 或 [待补充]

所以最低成本的试跑路径是：只放几只美股到 watchlist，不配任何 key，直接跑。

数据源

数据源	市场	费用	必要性	env key
FMP	免费 Basic 以美股 EOD/profile 测试为主；扩展市场看套餐	免费 250 次/日 / 付费	可选（财报、宏观等功能需要）	`FMP_API_KEY`
tushare	A 股（.SH/.SZ）、港股（.HK）	120 积分非复权日线当前 0 元；其他看权限	A 股/港股需要	`TUSHARE_TOKEN`
Nasdaq	美股基础行情	无 Key	自动 fallback（FMP 未返回时）	无
Finnhub	美股	免费账户 / 付费	可选 fallback	`FINNHUB_API_KEY`
EODHD	港股、韩国、芬兰等最近 EOD	免费 20 次/日 / 付费	可选 fallback；不是实时价	`EOD_API_KEY`
yfinance	多市场	无 Key；个人研究/教育用途	可选 fallback（需额外安装）	`ENABLE_YFINANCE=true`

完整接入步骤、官方入口和使用边界见工作区根目录的 DATA-SOURCES.md。

Fallback 顺序（单只股票 FMP 未返回时）：Nasdaq → Finnhub → EOD → yfinance。每个源按 env key 是否配置自动决定是否尝试。

yfinance 后缀映射：Yahoo 对上交所使用 .SS 后缀，脚本会自动把 watchlist 里的 601857.SH 映射为 601857.SS 再查询；.SZ / .HK 与 Yahoo 一致，无需转换。watchlist 中仍然统一写 tushare 风格的 .SH。

Longbridge Skill/CLI 是独立 Agent 扩展，不是本脚本的内置数据源。需要时按官方说明另行安装和授权。

环境变量

配置文件 config/daily-watchlist.env：

# 可选：Financial Modeling Prep（免费 Basic 功能有限；扩展市场、财报和宏观看套餐）
FMP_API_KEY=your_fmp_api_key

# 可选：Tushare Pro，用于 A 股（.SH/.SZ）和港股（.HK）
TUSHARE_TOKEN=your_tushare_token

# 备用行情源（全部可选）
FINNHUB_API_KEY=
EOD_API_KEY=
ENABLE_YFINANCE=

值为空或以 your_ 开头的 key 会被自动跳过，不会触发 API 调用。

脚本说明

脚本	用途	输出
`check_setup.py`	检查 Python 版本、依赖包、配置文件、API 连通性	终端打印检查结果
`check_setup.py --init`	同上 + 把示例配置复制到 `config/`	终端打印 + 创建文件
`generate_daily_report.py`	拉取行情 + 宏观 + 假设，生成日报	JSON（`{"report_path": "..."}`）到 stdout
`fetch_market_data.py`	拉取 watchlist 所有股票行情 + 异动 + 财报	JSON 到 stdout
`fetch_market_data.py --profile NVDA,AAPL`	查询指定股票的公司 profile	JSON 到 stdout
`fetch_macro_data.py`	拉取宏观指标（VIX/SPY/QQQ/GLD/WTI/BTC）	JSON 到 stdout
`sync_hypothesis.py`	扫描 hypothesis/ 下的假设文件，输出状态汇总	终端输出
`trade_stats.py`	读取 portfolio/trades.csv 计算交易统计	终端输出

所有数据脚本的结构化数据输出到 stdout（JSON），日志和警告输出到 stderr。

常见问题

`python3` 不是内部或外部命令

Windows 上通常只有 python。确认版本 >= 3.10 后把所有命令里的 python3 换成 python：

python --version          # 确认 >= 3.10
python tools/daily-watch/scripts/check_setup.py --init

tushare 返回 500 错误

通常是 token 权限不够。tushare 的部分接口需要积分。到 tushare 个人中心检查积分和接口权限。daily_basic（用于 A 股市值）需要 120 积分以上。

某只股票没有数据返回

按以下顺序排查：

Ticker 格式：A 股必须带后缀（601857.SH 不是 601857），港股必须带 .HK（0700.HK 不是 700），后缀必须大写
数据源：A 股 / 港股需要 tushare token；纯美股无 key 时 Nasdaq 源能覆盖大部分
非交易时间：脚本取最近 5-14 个自然日内的数据，周末和长假也能拿到最近一个交易日的数据
FMP 限流与覆盖：免费 Basic 当前有 250 次/天限制，且不是免费全球全功能；股票池太大或请求高级端点时会缺数据

找不到配置文件

Error: Could not locate workspace root

脚本从脚本文件自身所在位置（tools/daily-watch/scripts/）逐级向上查找包含 workspace/workspace-config.md 或 config/daily-watchlist.yaml 的目录作为 workspace 根——与你在哪个目录下运行命令（cwd）无关。出现此错误说明脚本所在目录的所有上级目录里都没有这两个标记，请确保：

已运行 check_setup.py --init 在 workspace 根生成 config/ 目录
脚本文件仍位于 workspace 内（tools/daily-watch/scripts/），没有被单独拷贝到 workspace 之外

报告中数据全是 N/A

说明所有数据源都没有返回有效数据。运行 check_setup.py 看哪些源是通的：

python3 tools/daily-watch/scripts/check_setup.py

输出会逐项标注 [OK] / [FAIL] / [WARN]，包括 FMP key 连通性测试和 tushare token 验证。

193 files · 8 not served here

Advantages

Local-first: the memory stays in files or a database on your own machine (a rule-derived fact from the brain’s files, evidence: README.md)
Plain markdown memory that you can read and edit yourself (a rule-derived fact from the brain’s files, evidence: wiki)
No API key is named in its files (a rule-derived fact from the brain’s files, evidence: README.md)
Open licence (MIT) (a rule-derived fact from the brain’s files)

Limitations

No ZIP download: install it from its source (a rule-derived fact from the brain’s files)

Security

Risk level: Low risk

This brain runs

Agent instructions that run or fetch something (24)

AGENTS.md: 工具代码在 `tools/` 目录下。首次使用时 agent 检查依赖，缺什么用 `python3 -m pip install ...` 安装；如果环境只有 `python`，再替换成 `python -m pip ...`。
AGENTS.md: 用户说“看看现在该做什么”时，运行 `python system/scripts/workspace_status.py`（macOS/Linux 可用 `python3`）。
AGENTS.md: python3 system/scripts/prune_active_context.py # dry-run，先看会剪什么
AGENTS.md: python3 system/scripts/prune_active_context.py --apply # 确认后执行
AGENTS.md: 装好上手后一次性瘦身：`system/skills/post-install-cleanup.md`（清安装脚手架 + 精简必读文件）。
AGENTS.md: active-context 三道闸门：`python3 system/scripts/prune_active_context.py --apply`。
CLAUDE.md: 工具代码在 `tools/` 目录下。首次使用时 agent 检查依赖，缺什么用 `python3 -m pip install ...` 安装；如果环境只有 `python`，再替换成 `python -m pip ...`。
CLAUDE.md: 用户说“看看现在该做什么”时，运行 `python system/scripts/workspace_status.py`（macOS/Linux 可用 `python3`）。
CLAUDE.md: python3 system/scripts/prune_active_context.py # dry-run，先看会剪什么
CLAUDE.md: python3 system/scripts/prune_active_context.py --apply # 确认后执行
CLAUDE.md: 装好上手后一次性瘦身：`system/skills/post-install-cleanup.md`（清安装脚手架 + 精简必读文件）。
CLAUDE.md: active-context 三道闸门：`python3 system/scripts/prune_active_context.py --apply`。
system/templates/AGENTS.md: 工具代码在 `tools/` 目录下。首次使用时 agent 检查依赖，缺什么用 `python3 -m pip install ...` 安装；如果环境只有 `python`，再替换成 `python -m pip ...`。
system/templates/AGENTS.md: 用户说“看看现在该做什么”时，运行 `python system/scripts/workspace_status.py`（macOS/Linux 可用 `python3`）。
system/templates/AGENTS.md: python3 system/scripts/prune_active_context.py # dry-run，先看会剪什么
system/templates/AGENTS.md: python3 system/scripts/prune_active_context.py --apply # 确认后执行
system/templates/AGENTS.md: 装好上手后一次性瘦身：`system/skills/post-install-cleanup.md`（清安装脚手架 + 精简必读文件）。
system/templates/AGENTS.md: active-context 三道闸门：`python3 system/scripts/prune_active_context.py --apply`。
system/templates/CLAUDE.md: 工具代码在 `tools/` 目录下。首次使用时 agent 检查依赖，缺什么用 `python3 -m pip install ...` 安装；如果环境只有 `python`，再替换成 `python -m pip ...`。
system/templates/CLAUDE.md: 用户说“看看现在该做什么”时，运行 `python system/scripts/workspace_status.py`（macOS/Linux 可用 `python3`）。
system/templates/CLAUDE.md: python3 system/scripts/prune_active_context.py # dry-run，先看会剪什么
system/templates/CLAUDE.md: python3 system/scripts/prune_active_context.py --apply # 确认后执行
system/templates/CLAUDE.md: 装好上手后一次性瘦身：`system/skills/post-install-cleanup.md`（清安装脚手架 + 精简必读文件）。
system/templates/CLAUDE.md: active-context 三道闸门：`python3 system/scripts/prune_active_context.py --apply`。

Low risk: network-instructions (AGENTS.md:52)
Low risk: network-instructions (CLAUDE.md:52)
Low risk: scripts-present (system/scripts/prune_active_context.py)
Low risk: network-instructions (system/templates/AGENTS.md:52)
Low risk: network-instructions (system/templates/CLAUDE.md:52)

Attribution and licence

First committed by

Benboerba620

Publisher

Benbor (Community)

Source

Benboerba620/ai-workspace-hub · commit e01a41a

Licence

MIT License (files served here)

ATTRIBUTION.md (written by AutoGineer)

Synced

2026-11-12

Contributors

Benboerba620

AutoGineer is not affiliated with or endorsed by Benboerba620.

Install from source

8 of its files are not served here, so there is no ZIP. Benboerba620/ai-workspace-hub at e01a41a

What it is

How it works

Requirements

Set it up

Usage

Documentation by Benboerba620

AI Workspace Hub

⚡ 30 秒上手

📈 股票研究主流程

🧩 六大能力

🔄 工作流程

用真实案例理解 Wiki 晋级

⚙️ Core Mode / Enhanced Mode

📅 第一周怎么用

适合谁？

Roadmap

Contributing

Star History

Disclaimer

为什么已经在 Agent 中使用，还可能需要模型 Key？

Daily Watch Tool

快速使用

依赖

目录结构

配置

配置文件格式

最小配置

完整配置

股票池格式

格式要求

示例

字段说明

输出示例

报告结构

证据登记与假设联动

零 Key 运行

数据源

环境变量

脚本说明

常见问题

python3 不是内部或外部命令

tushare 返回 500 错误

某只股票没有数据返回

找不到配置文件

报告中数据全是 N/A

Advantages

Limitations

Security

This brain runs

Attribution and licence

Install from source

`python3` 不是内部或外部命令