上线仅一周多，DojoAgents 在 GitHub 上便迅速收获了超过 1000 颗星标。

在过去一年里，大模型技术已悄然渗透到金融研究的日常工作中：从自动总结新闻摘要、解读财报数据，到精准回答股票相关问题，甚至能够生成结构完整的分析报告。然而，当这些能力逐渐成为标配，一个更核心的问题随之浮现——金融 AI 的下一步发展方向究竟在哪里？

DojoAgents 之所以能引发广泛关注，并非仅仅因为它能回答投资问题，而是它代表了一种全新的金融决策辅助范式：让 AI 不再止步于生成答案，而是能够构建对金融世界持续更新的认知，并在数据、工具、权限与风险边界内，长期且主动地推进研究与决策辅助任务。

这一能力源于深涌智能开源的自主金融智能系统 AlphaDojo。其中，DojoAgents 是面向个人投资场景的核心决策辅助 Agent 框架。

在 DojoAgents 中，市场扫描、新闻检索、公司分析、产业链映射、组合构建与风险分析等步骤，被拆解为 Agent 可自主调用的工具模块，并通过 Agent Loop 串联成一条完整的决策辅助链。用户所见的，不再只是冷冰冰的最终结论，而是 Agent 调用了哪些数据、如何扩展线索、如何通过模拟组合验证判断——整个推理过程清晰透明。

项目地址：
https://github.com/Alpha-Dojo/DojoAgents

痛点：市场已织成一张紧密的网，但研究工具仍各自为战

全球金融市场正变得越来越紧密，同时交易频率也在不断提高。

当北京时间进入深夜，美股仍在交易。隔夜AI芯片股的一次波动，次日就可能影响A股光模块、PCB以及半导体设备板块的市场预期；下午港股科技板块走强，又可能带动相关产业链标的重新估值。投资者面对的，早已不是单一股票、孤立市场或几个独立指标，而是由行情、新闻、产业链、财务数据与资产组合共同编织的复杂系统。然而，传统的研究方式依然高度依赖人工操作：投资者需要在不同终端之间来回切换，查找新闻、查询行情、梳理产业链，再判断某一事件可能影响哪些市场和公司。等这些工作完成，市场往往已经完成了第一轮定价。

信息本身并不稀缺，稀缺的是在价格变动之前，理解信息之间的关联，并从中提炼出洞见与决策依据。

DojoAgents：从“会回答问题”到“能系统化研究与辅助决策”

过去两年，大模型已经证明自己能够生成一份结构完整的公司分析报告，也能解释一条新闻可能产生的市场影响。但一旦进入真实的金融研究场景，仅仅“给出答案”远远不够。

例如，用户提问：“英伟达隔夜大跌，今天A股光模块、PCB和半导体设备会不会受影响？”

系统需要先获取隔夜行情及相关新闻，判断波动是源于需求变化、估值调整还是市场情绪；然后找到产业链上下游，将美股的变化映射到A股和港股，再进一步判断用户持仓中是否存在相关风险敞口。这不是一个简单的提示词就能稳定完成的任务，而是一条由数据、工具和连续判断构成的研究链路。聊天机器人更关心“应该如何回答”，而金融Agent则需要知道“下一步应该查什么，以及如何验证”。

在 AlphaDojo 中，DojoAgents 将市场扫描、新闻检索、公司分析、产业链映射、组合构建与风险分析等步骤，拆解为可调用的工具，并通过 Agent Loop 持续推进研究进程，主动帮助用户解决问题。金融Agent的价值，不在于把答案写得像研究报告，而在于真正系统性地完成研究报告背后的工作——做好模拟与验证，最终形成研究分析参考，辅助决策。

下面来看几个典型应用场景。

01 市场主线扫描：不必担心被异动刷屏，DojoAgent 主动替你梳理完毕

投资者每天最常问的问题之一就是：“今天全球市场有哪些值得关注的变化？” 这个问题看似简单，背后却需要同时关注全市场涨跌、行业轮动、个股异动、资金情绪及潜在事件。DojoAgents 收到问题后，会先进入数据收集阶段，调用全球市场、行业及个股相关工具，拉取A股、美股、港股中的异动板块、强势标的、涨跌幅、成交变化及行业分布。整个过程，用户可随时展开中间步骤，查看Agent调用了哪些工具、引用了哪些数据、每一步分析是如何推进的。

全球市场扫描——可点击进程，随时查看引用数据

获取数据后，Agent会继续进行分类与筛选，将零散的异动标的整理成更具可读性的主题，例如半导体、AI算力、存储、光模块、消费电子、金融科技等方向，并结合涨幅、估值、行业位置及市场热度，判断哪些仅是短线波动，哪些可能代表值得持续跟踪的板块线索。

投资者还可以进一步追问：“请将今日值得关注的股票整理成研究观察列表，方便我后续跟踪。” DojoAgents 会将今日市场异动摘要进一步沉淀为研究观察列表，让用户直接看到当天哪些方向最为活跃、对应哪些相关公司、每个方向背后的逻辑是什么，并在 Dashboard 中持续记录后续市场数据变化。

生成今日研究观察列表｜仅作研究演示，不构成投资建议

02 从“消息提醒”到“机会挖掘”：一条新闻，织出相关线索

分析突发新闻，判断其可能影响哪些标的，是投资者最关心的问题之一。例如，近期 Meta 出售算力搅动全球市场，A股投资者看到消息后自然会问：“Meta 卖算力，会影响美股和A股哪些行业及公司？”

DojoAgents 会先将这个问题拆解，再进入数据收集阶段，调用行情、新闻、公司及行业相关工具，拉取 Meta 的价格变化、相关新闻、市场表现，以及美股科技股、AI算力链、半导体、云计算、广告科技等方向的数据。

通过跨市场新闻时间线查看相关公司｜仅作研究演示，不构成投资建议

获取数据后，Agent会继续分析事件影响路径：这件事可能涉及哪些行业和公司，又会沿着AI算力、云计算、服务器、GPU、光模块、半导体设备等产业链环节传导至哪些环节。随后，它会把相关线索映射到美股和A股市场，梳理可能受影响的公司，并给出不同行业与公司背后的逻辑。

用户还可以继续追问：“请将这些研究样本按照消息发布当天的价格建立模拟观察组合，我观察后市表现。” 此时，DojoAgents 会把筛选出的股票整理成模拟观察组合，按照消息发布日价格进行模拟建仓，并在 Dashboard 中展示模拟建仓价格、模拟收益曲线、涨跌表现及组合明细。短短两个提示词，就能将一条新闻沉淀为一个可持续跟踪和复盘的模拟研究组合。

利用新闻消息进行模拟研究｜模拟结果不代表真实交易或未来表现

03 一张截图完成持仓评估：买入40只股票，却发现只押注了一个方向

DojoAgents 支持多模态模型能力，用户在遮盖姓名、账号、资产总额等识别信息后，可上传匿名化持仓截图进行组合诊断。这是许多体验者最喜爱、也认为最解放生产力的功能——此处演示使用匿名化或虚构的持仓截图，包含40余只标的，横跨A股、美股和ETF。DojoAgents 识别后，会按市场、行业及产业链位置重新归类，将持仓拆解为所在行业的具体方向。随后，Agent会生成组合风险诊断，指出组合是否存在赛道过度集中、内部持仓高度重叠、防御性资产不足等问题。

在此次分析中，Agent给出的结论非常直接：虽然组合中有40多只标的，但许多仓位本质上都押注在同一个方向上。一旦半导体、AI算力或成长股整体回调，组合很容易同步下跌。

持仓截图上传分析

接着，Agent会给出后续风险提示，例如重复仓位、核心标的集中度、美股配置、弱势暴露，以及公用事业、消费等防御资产占比。待结论输出后，用户还可让其根据风险提示生成新的观察列表，并在 Dashboard 中持续跟踪。

依据风险提示形成观察列表｜不构成买卖或仓位调整建议

04 市场发现：新闻刷不完？Agent 直接挖掘交易主线

在取得相应授权或依法使用的前提下，DojoAgents 会自动聚合多个新闻源、机构观点及市场异动，将一天内分散的信息串联起来，提炼出真正值得关注的市场主线。用户无需手动刷完几十条新闻，也能快速了解：今天市场究竟在交易什么，资金风格正在发生哪些变化。围绕每条主线，Agent还会继续分析影响到的具体行业和板块，并结合实际涨跌表现进行验证。每天打开一次，就能快速看清：发生了什么、资金正在流向哪里，以及哪些方向正受到影响。用户只需切换至市场动态页面，即可自动收到实时推送。

自动聚合新闻信息

如何快速启动 DojoAgents？

项目地址：
https://github.com/Alpha-Dojo/DojoAgents

准备 Python 3.11 或更高版本以及 uv 后，在 Terminal 中输入：

安装完成后启动 Dashboard：

随后在浏览器中访问：

进入 Settings 后，即可配置 OpenAI、Anthropic、Gemini、DeepSeek、GLM 等模型，也可接入 Ollama、vLLM 和 llama.cpp 等本地模型。详细环境要求及配置方式请参阅项目 README。

数据与隐私提示：使用云端模型处理持仓截图等个人信息时，应根据实际数据处理情况履行告知、同意等义务；涉及个人信息出境的，还应依法满足个人信息出境条件并取得单独同意。

为什么要开源自主金融智能 AlphaDojo？

自主金融智能仍处于早期发展阶段。目前，许多团队都在重复搭建模型适配、数据接口、工具调用、任务编排及前端交互等工作。大量精力被消耗在相似的基础建设上，而真正针对金融场景的数据、模型、研究流程及评测创新，反而难以向前推进。

AlphaDojo 希望改变这一现状。它开放的是一套面向自主金融智能的基础框架：从 Agent Loop、任务编排和金融工具接口，到 Dashboard、多模型适配、本地部署与组合研究能力。开发者可以替换模型、扩展工具、接入自有数据与知识库，并在此基础上构建不同的金融研究应用。未来，AlphaDojo 还将逐步开放更多金融数据集、评测工具及多 Agent 协作能力。过去长期集中在头部金融机构内部的数据、研究与工程能力，正首次具备被标准化、开放和广泛使用的可能。高质量行情、新闻和机构数据，仍需根据具体场景配置并取得合法授权。但底层框架、研究链路与扩展方式，不必由每个团队重新搭建。

从开源框架到机构级自主金融智能

开源框架解决了系统如何搭建的问题，但真正进入机构环境后，还需跨越数据、流程及工程交付的门槛。每家机构都拥有自己的数据资产、知识库、研究方法和权限体系，同时需要处理模型选择、结果评测、数据安全与私有化部署。一个面向公开社区的框架，无法直接覆盖所有专业需求。

围绕这些场景，深涌智能正在为专业金融机构、研究团队及金融科技企业等提供自主金融智能的数据与技术支持，包括跨市场数据加工、实体与产业链关系构建、内部知识接入、专业模型适配，以及研究工作流的智能体化改造。

合规提示：涉及依法需持牌的证券投资咨询等业务，应由具备相应资质的主体在许可范围内开展。

AlphaDojo 展示的是这套体系面向开发者的开放形态；在机构场景中，相同的底层能力会与更专业的数据、更复杂的权限及更具体的业务流程相结合。

这也意味着，自主金融智能并非只服务于最头部的金融机构。通过标准化框架、模块化工具及可部署的技术体系，过去只有少数机构才能承担的研发成本，有望被显著降低。更多中小型金融机构、研究团队及金融科技企业，也能获得接近头部机构级的智能研究能力。

金融市场从来不缺少信息。真正稀缺的，是在有限时间内理解信息之间的关联，并将零散线索转化为可持续验证的研究判断。大模型使自然语言成为人与金融数据之间新的交互方式，但这只是第一步。下一阶段的金融 AI，需要进一步调用工具、连接数据、管理研究过程，并围绕目标持续工作，逐步为结果负责。

AlphaDojo 的 1000+ 星标，说明越来越多开发者正在关注这种变化。对于深涌智能而言，开源也不仅是发布一个产品，而是将部分数据、工具及 Agent 工程能力置于公开环境中接受验证。未来，AlphaDojo 还将继续完善跨市场数据连接、组合分析、多 Agent 协作及金融评测体系。

让机构级金融智能走出头部机构，让更多组织和个人获得理解市场、研究市场的能力。这是 AlphaDojo 选择开源的原因，也是深涌智能构建自主金融智能体系的长期方向。

欢迎下载、体验并参与项目建设：

https://github.com/Alpha-Dojo/DojoAgents

免责声明：本文所述功能主要用于金融信息整理、研究分析及技术展示，不构成任何投资建议、收益承诺或交易指引，不提供针对具体证券的买入、卖出、持有、评级或仓位调整建议。文中涉及的组合构建及历史价格分析均为模拟研究场景，可能未计入手续费、税费、滑点等因素，不代表实际交易结果或未来表现。市场有风险，投资需谨慎。

（注：如本文文字或配图使用人工智能生成合成技术，应据实说明具体范围，并在发布时使用平台提供的人工智能生成合成内容标识功能。）