mrhustlex·前天·讨论嗨，HN，我花了很多周末的时间来挖掘市场图表、抓取新闻催化剂、检查内幕交易模式并测试 Backtrader 策略。几个月前，我意识到我花在连接五个不同的数据 API、编写自定义管道脚本和管理 Jupyter 笔记本上的时间比实际研究 alpha 的时间要多得多。更糟糕的是，大多数商业平台都会收取大量费用，将您锁定在他们的生态系统中，或者获取您的专有策略和数据。由于我找不到一个隐私第一、一体化的本地环境来满足我的需求，所以我决定自己构建它。我称之为 TradingSpy，并且我刚刚将其开源。GitHub：https://github.com/mrhustlex/TradingSpy它是什么：TradingSpy 是一个本地优先的人工智能交易研究工作站，完全在 Docker 中运行。它将传统的数据可视化（热图、指数跟踪、公司数据）与作为自主研究伙伴的循环工程人工智能代理相结合。它不是经纪人，也不进行实时交易。它严格来说是一个用于策略生成、市场分析和回测的沙箱。核心特性和架构：零数据隐私问题：一切都通过 Docker 在您的计算机上本地运行。您的策略想法和数据完全属于您。循环工程代理：您给它一个目标（例如，“改进 TQQQ 的 EMA_Trend，直到它击败基线买入并持有”）。该代理自动生成 Backtrader Python 代码、验证语法、针对历史数据运行回溯测试、评估性能并丢弃表现不佳的变体，而无需您照看它。确定性+概率混合：并非所有事情都需要法学硕士。它具有快速、传统的市场仪表板（行业热图、行业动向、通过 yfinance 的批量报价）以及用于股票筛选和技术趋势分析的工具支持代理。广泛的 LLM 支持：可使用免费云 API（Google AI Studio、OpenRouter）或通过 Ollama 完全离线的本地模型（如 qwen2.5-coder）开箱即用。OpenAI 兼容 API：后端公开 /v1/chat/completions 端点，因此您可以将其用作您自己的自定义 CLI 脚本或外部管道的后端。该代码库的后端依赖于 Python 3.11 (FastAPI/Backtrader)，前端依赖于 React，并与 Docker Compose 干净地捆绑在一起。现在，我是一名独立开发人员，以零预算构建此项目，因为这是我真正需要的工具。我向社区开放它是因为我想让定量研究在没有数据隐私偏执的情况下进行。它仍然是一个高度实验性的软件，用于教育研究（绝对不是财务建议）。我很想得到您对架构、代码生成循环或您可能有的任何功能请求的反馈！原
mrhustlex·16天前·讨论thanks for the tips, will check the threads.Since I think vibe coding is popular now, idea implementation becomes easy. Opensourcing hopes to get more idea about how people think efficiently