Skip to content

别买盯盘软件了!用 Workbuddy 把免费AI 盯盘助手装进你的 Windows 电脑

作 者:老余捞鱼

原创不易,转载请标明出处及原作者。

文中示例仅用于技术讨论,不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险,请合法合规投资。

本文约 2600 字 | 预计阅读 7 分钟,前半是介绍和安装,后半有踩坑实录和修复代码,建议先收藏。

· · ·

一、这是个什么东西

在 GitHub 上看到一个叫 PanWatch 的开源项目,中文名【盯盘侠】,目前1000 星,225 次复刻,今年的新项目,最近一次提交在发文前一天。MIT 协议,代码随便看随便改,最关键的一条,完全免费。

它干的活一句话能说完。把一个盯盘台装进你自己的电脑或者服务器,浏览器打开就是。A 股、港股、美股的行情在一个页面里,持仓、关注、价格提醒、AI 分析围着它转。数据源自带 26 个,第一次启动自动初始化。我装完打开,行情已经是真实的收盘数据。

盯盘这件事它盯到多细,举一个例子。价格提醒可以设冷却时间、每日上限、交易时段门禁。三条约束套上去,通知就不会在半夜轰炸你。推送走 apprise 这个通道,微信、飞书、钉钉、Telegram 都能接,不绑死任何一家。

真正的卖点在后端。它内置了大名鼎鼎的 TradingAgents 这个多 Agent 框架。你让它分析一只股票,后端会派出好几个角色分头干活。有人读基本面,有人翻新闻,有人看情绪,各写一份报告再汇总成一份结论。像一个研究小组替你值班,你只看会议纪要。

这类项目 GitHub 上不少,多数停在 demo 阶段。这个能攒到 1000 星,我装完之后理解了,它把散户要的每一块都拼齐了,不是只会画 K 线的壳子。

二、我实测的结果,先给答案

交代一下环境。Windows 11,没上 Docker,Python 虚拟环境加前端构建,全程一个端口。装完用浏览器打开本地 8000 端口就能用。

完成基础配置后,打开首页,第一眼是指数排成一行。上证 3911.87 涨 0.94%,深成指涨 1.72%,创业板指涨 2.25%,恒指和纳指各占一个位置。当时是周末,行情停在周五收盘,这恰好说明数据是真的,是可用的系统。

首页盯盘台,指数、热榜、关注一屏放下(实测截图)

下面是板块热榜。医疗服务涨 6.72% 排第一,半导体设备涨 4.83%,光伏加工设备涨 4.52% 排在后面。关注列表预置了 5 只示例股,茅台 1257.12、比亚迪 84.30、宁德时代 301.95、腾讯 419.00、苹果 336.13。每只后面还挂着一个 AI 建议徽章。

关注列表,A港美三市场的示例股,行情为真实收盘价(实测截图)

我把七个页面挨个点了一遍。持仓页分 A 股、港股、美股三个区块。点宁德时代那一行,会弹出配置监控 Agent 的对话框。分析频率、提醒条件都在里面调。机会页是 AI 评分选股,每只票一个分数。模拟盘预设 100 万本金,不动真钱就能把整套流程跑一遍。

点开单只票,配置监控 Agent(实测截图)
模块我看到的
行情A股港股美股同屏,指数加板块热榜,真实收盘数据
关注与持仓三个市场分区,AI 建议徽章挂在每只票后面
价格提醒冷却时间、每日上限、交易时段门禁三层约束
机会页AI 评分选股,每只票一个分数
模拟盘预设 100 万本金,不动真钱跑全流程

页面完整度和数据真实度都到位。行情、提醒、模拟盘这几条链路,我实测是通的。AI 分析链需要自己配一个大模型的 API Key,国产的 DeepSeek、通义、Kimi 都能接。

三、怎么装,一句话的事

这套东西我是在 WorkBuddy 里装起来的,把下面这段话原样发给它,剩下的它全包。

帮我把 GitHub 上的开源项目 PanWatch 部署到我这台电脑上。
项目地址 https://github.com/TNT-Likely/PanWatch
后端用 Python,前端构建好交给服务托管,一个端口就够。
装完启动,告诉我浏览器打开的地址。

它会自己拉代码、装依赖、构建前端、启动服务。装依赖这步最花时间,一个名字拖下来一百多个包,我这边跑了一个半小时,泡杯茶回来刚好。中途它在依赖路径上栽了一下,自己看了眼报错换个目录重跑,一次过,细节不用你管。

装完它会给你一个本地地址,浏览器打开,注册个账号就能用。想用 AI 分析,在设置里填一个大模型的 API Key,国产的 DeepSeek、通义、Kimi 都认。全套内存占用不大,家里旧笔记本、NAS、最低配的云服务器都跑得动。

四、装好之后怎么用

先说平时怎么打开。每次开机想用它,打开WorkBuddy说一句”帮我把 PanWatch 启动起来”,敲完命令,你点开浏览器的本地地址,盯盘台就回来了。想更省事,让它顺手写个双击启动的脚本放桌面,以后连这句话都省。

 再看我的用法,分三步,围绕一个原则,让它值班,我做决策。

先把要盯的票喂进关注列表。A 股、港股、美股混着加都行,行情源自动跟上,每只票后面挂 AI 建议徽章。

第二步设价格提醒。每只票可以挂多条规则,价格到了、涨跌幅度超了、成交量异常都能设。触发后按你选的通道推出去。冷却时间和每日上限默认就有,这个设计我给好评,盯盘工具最容易犯的错就是把人吵死。

价格提醒页,三层约束防轰炸(实测截图)

第三步交给 AI。对关注里的某只票发起分析,后端的多 Agent 开工,几分钟给一份带结论的报告。我建议放在收盘后跑。盘中变化快,报告出来时价格可能已经是另一个故事。

机会页,AI 评分选股(实测截图)

模拟盘值得一提。预设 100 万本金,想验证一个想法又不想动真钱,先在模拟盘过一遍流程,把提醒和推送链路都跑熟。

以上是普通读者的部分,装上就能用。往下是动手部分,写给想把这套东西部署稳、或者跟我一样在 Windows 上栽过跟头的人。

五、进阶,两个坑,一句话摆平

第一个坑我压根没看见。项目里有四个本地依赖包用相对路径声明,脱离项目目录执行就会报错。WorkBuddy 第一把没跑通,自己看了眼报错,切回项目目录重跑,一次过。这是我事后翻它的执行记录才知道的。把活交给 AI 有个隐性好处,小坑它自己兜,不吵你。

第二个坑我看见了,因为页面就摊在浏览器里。Windows 自托管的经典问题,样式全丢。

内容都在,样式一概没有,整个页面是裸 HTML。开发者工具看网络面板,CSS 请求状态码 200,文件内容也在。点进一条样式规则看,零条。浏览器收到了文件,一条都没解析。

我是这么跟 WorkBuddy 描述的。

我本地部署的 PanWatch 页面样式全丢了。HTML 内容都在,CSS 请求状态码 200 但一条规则都没生效,帮我排查。

它顺着响应头查下去,Content-Type 一栏写着 application/x-css。这不是一个真实存在的 MIME 类型。浏览器对样式表的要求很死,类型不是 text/css 就整份拒绝。所以才有了状态码正常、文件正常、样式全丢的怪象。

根子在 Windows 注册表。某个软件安装时把 .css 后缀的 MIME 映射改成了 x-css。Python 的 mimetypes 模块启动时会读注册表,把这份污染原样带给 FastAPI,响应头里就写上了它。Linux 和 Mac 上不会遇到,这是 Windows 独有的坑。

它的修复只要五行,在 server.py 头部显式注册正确类型。

六、动手区,修复代码

这段是 WorkBuddy 改完之后我留下来核对用的。你要是不用 AI 代跑,或者在自己的服务器上遇到同样的病,抄走直接用。

① server.py 头部加五行

import mimetypes
# Windows 注册表的 .css 映射可能被污染,浏览器会整份拒绝样式表mimetypes.add_type("text/css", ".css")
mimetypes.add_type("application/javascript", ".js")
mimetypes.add_type("image/svg+xml", ".svg")
mimetypes.add_type("image/webp", ".webp")

② 重启后验证

改完重启服务,开发者工具里 CSS 的响应头变成 text/css,样式立刻回来。这招不止救 PanWatch,所有 Windows 上自托管的 FastAPI、Flask 静态站,遇到样式全丢都是同一个病根。下次再遇到,把现象原样描述给 AI,多数时候比人翻文档快。

观点总结

PanWatch 把”盯”这件事自动化了。行情自动刷,价格到了自动推,AI 分析排队跑,你打开手机看一眼就够。它省下的是你反复刷新的那段时间,省不掉的是看到提醒之后怎么想。

这个定位值得记牢。盯盘助手的边界在”通知”两个字,通知之后的分析、判断、动手,全是你的事。工具把数据摆上桌,坐下来动筷子的还是你。所以回到标题那句话,别急着为盯盘软件付年费。先把这套免费方案装起来,不够用再考虑花钱,大概率够用。装它的提示词在第三节,复制就能用。

你一天解锁手机看几次行情?超过三次的,评论区报个数。

觉得有用的话,把这篇转给同样想省盯盘时间的朋友。


#AI盯盘 #开源项目 #PanWatch #WorkBuddy #Python量化 #FastAPI #A股 #港股 #美股 #盯盘助手 #GitHub开源 #自托管

本文为开源项目部署实测记录,不构成任何投资建议。AI 生成的分析内容仅供参考,不构成投资依据。市场有风险,投资需谨慎。

Published inAI&Invest专栏

Be First to Comment

    发表回复