TradeMind AI — 交易复盘分析工具

面向券商个人投资者的 AI 交易复盘分析 H5 应用，帮助用户分析交易行为、识别模式、诊断问题并生成周期性复盘报告与单笔交易情景还原。

功能亮点

• AI 交易时空机 — 历史 K 线回放、买卖点标记、单笔情景还原、大盘对比、逐日行情、持仓期间资讯
• AI 交易行为诊断 — 6 种交易模式识别（追高、止盈过早、止损过慢等），严重度评分、LLM 风格描述
• AI 胜率归因与策略教练 — 复盘总结、改进建议、6 种回测场景、LLM 千人千面个性化分析
• 周期性复盘报告 — 一键生成指定时间范围内的完整复盘报告，异步生成、轮询查看

核心架构

技术架构

技术栈

层级	技术
前端	React 18 · TypeScript · Ant Design Mobile 5 · ECharts 5 · Vite 6
后端	Python 3.11 · FastAPI · SQLAlchemy 2.0 (async) · Pydantic v2 · pandas · numpy
数据库	Supabase PostgreSQL 17 · asyncpg
AI	DeepSeek API (deepseek-chat) · OpenAI 兼容接口 · Tool Use / Function Calling
行情数据	QVeris API · FLP MktData Hub
资讯数据	Finloop News API
部署	Cloudflare Pages (前端) · Render (后端)

项目结构

TradeMind/
├── frontend/                        # React H5 前端
│   ├── src/
│   │   ├── pages/                   # 页面组件
│   │   ├── components/              # 通用组件（图表、轮播等）
│   │   ├── services/api.ts          # API 封装（Axios）
│   │   ├── contexts/AuthContext.tsx  # 认证状态管理
│   │   └── constants/               # 账户配置、状态映射
│   └── package.json
├── backend/                         # FastAPI 后端 + 分析引擎
│   ├── app/
│   │   ├── api/                     # API 路由
│   │   │   ├── reports.py           # 报告生成与查询
│   │   │   ├── trades.py            # 交易列表 + 单笔复盘
│   │   │   ├── users.py             # 用户画像
│   │   │   └── market.py            # 行情 K 线
│   │   ├── services/                # 服务层
│   │   │   ├── ai_agent.py          # AI 报告生成（Tool Use Agent）
│   │   │   ├── profiler.py          # 用户画像分析
│   │   │   ├── pattern.py           # 模式识别
│   │   │   ├── diagnosis.py         # 行为诊断
│   │   │   ├── backtest.py          # 回测引擎
│   │   │   └── qveris_client.py     # QVeris 行情客户端
│   │   ├── models/                  # ORM + Pydantic 模型
│   │   └── core/                    # 配置、数据库、常量
│   ├── scripts/
│   │   └── seed_supabase.py         # Supabase 数据补种
│   └── requirements.txt
└── assets/                          # 架构图

快速开始

环境要求

• Python 3.11+
• Node.js 18+
• npm 9+

1. 克隆项目

git clone https://github.com/buuzzy/fincoach.git
cd fincoach

2. 后端配置

cd backend
pip install -r requirements.txt
cp .env.example .env

编辑 backend/.env，填入以下密钥：

# ─── LLM 配置 ───────────────────────────────────────────
LLM_BASE_URL=https://api.deepseek.com    # DeepSeek API 地址
LLM_API_KEY=sk-xxx                       # DeepSeek API Key
LLM_MODEL=deepseek-chat                  # 模型名称

# ─── 数据库 ─────────────────────────────────────────────
# 开发环境（SQLite，无需额外配置）
DATABASE_URL=sqlite+aiosqlite:///./coach.db

# 生产环境（Supabase PostgreSQL）
# DATABASE_URL=postgresql+asyncpg://postgres.<project>:<password>@<host>:6543/postgres
# SUPABASE_DATABASE_URL=postgresql+asyncpg://postgres.<project>:<password>@<host>:6543/postgres

# ─── QVeris 行情 API（多 Key 轮换，至少填一个）─────────
QVERIS_API_KEY=sk-xxx
QVERIS_API_KEY_2=
QVERIS_API_KEY_3=
QVERIS_API_KEY_4=
QVERIS_API_KEY_5=

# ─── 其他 ───────────────────────────────────────────────
FORCE_RESEED=false                       # 是否每次启动强制重新补种数据

3. 启动后端

cd backend
uvicorn app.main:app --reload --port 8000

首次启动会自动补种 mock 数据。API 文档：http://localhost:8000/docs

4. 前端配置

cd frontend
npm install

开发环境下 Vite 会自动代理 /api 到 localhost:8000，无需额外配置。

生产环境需创建 frontend/.env：

VITE_API_BASE_URL=https://your-backend-url.com

5. 启动前端

cd frontend
npm run dev

访问 http://localhost:5173

6. 数据补种（可选）

如需手动向 Supabase 补种数据：

cd backend
python scripts/seed_supabase.py              # 全量补种
python scripts/seed_supabase.py --news-only   # 仅补种资讯
python scripts/seed_supabase.py --index-only  # 仅补种上证指数

API 端点

方法	路径	说明
POST	/api/auth/login	用户登录
POST	/api/reports/generate	触发报告生成（异步）
GET	/api/reports/{report_id}	获取报告详情（轮询）
GET	/api/reports/	报告列表
GET	/api/users/{user_id}/profile	用户画像
GET	/api/trades/{user_id}/closed	已平仓交易列表
GET	/api/trades/review/{buy_id}/{sell_id}	单笔交易情景还原
GET	/api/market-data/{stock_code}	K 线行情

线上地址

服务	地址
前端	https://fincoach-aee.pages.dev
前端	https://trademind.nakocai.com
后端 API	https://api.trademind.nakocai.com
API 文档	https://api.trademind.nakocai.com/docs

License

MIT