FinGenius

全球首个A股AI金融博弈多智能体应用

GitHub项目

https://github.com/HuaYaoAI/FinGenius

前往官网

深度报告

FinGenius 是全球首个 A 股 AI 金融博弈多智能体应用，由 HuaYaoAI 团队研发。该产品基于多 Agent 博弈架构，模拟市场参与者行为，通过 16 个超级智能体（如舆情、游资、风控等）分工协作，快速生成精准的金融分析报告。与传统金融分析工具不同，FinGenius 采用 Research-Battle 双子星环境架构，在 Research 环境中进行多智能体深度分析，在 Battle 环境中进行结构化多轮辩论博弈，最终输出经过 AI 博弈论证的投资决策建议。产品采用开源方式发布，已获得 2.6k GitHub Stars，主要面向个人投资者和量化交易研究者。
FinGenius 由 HuaYaoAI 团队打造，该团队成员涵盖计算机、金融、AI 三栖领域的顶尖人才。根据项目介绍，FinGenius 并非技术工程师一拍脑袋的产物，而是团队扎根 A 股市场 1700 多天的市场真实观察，不断推翻 100 多个 App 版本后打造而成。从产品定位来看，FinGenius 旨在解决通用 AI 在 A 股市场的「水土不服」问题。传统通用大模型在金融领域面临两大核心挑战：一是缺乏对 A 股市场特有规则（如涨跌停制度、T+1 交易、游资行为模式等）的理解；二是缺乏多维度交叉验证的投资决策能力。FinGenius 通过构建多智能体协作系统，模拟专业投资者的决策流程，试图解决这些问题。该项目采用 GPL v3 开源协议，编程语言为 Python 100%。目前已在 GitHub 上获得 2.6k Stars 和 761 Forks，最新更新日期为 2025 年 8 月。
FinGenius 的核心功能基于其独特的多智能体博弈架构实现，整个系统分为 Research 和 Battle 两大环境。在 Research 环境中，系统并行运行多个专业 AI 分析师智能体，每个智能体负责特定维度的市场分析。目前开源的 6 个智能体包括：舆情智能体负责计算市场情绪因子，通过分析新闻、社交媒体和公告信息判断市场情绪走向；游资智能体负责读取龙虎榜数据，分析主力资金动向和游资偏好；风控智能体负责梳理政策变化，评估政策面对个股或板块的潜在影响；技术智能体盯持仓红线，监控技术面存在的风险点；筹码智能体识别主力行为模式，分析筹码分布和持仓变化；大单异动智能体实时监控市场动向，捕捉异常交易信号。这 6 个智能体可以并行或顺序分析市场，从不同维度获取信息后汇总成完整的分析报告。系统自主研发了「年轮记忆规则算法」，记录用户的投资习惯和「病史」，为每位用户提供个性化的分析服务。在 Battle 环境中，系统将 Research 环境获取的分析结果传递给 6 位专业 AI 分析师，这些分析师会进行结构化多轮辩论博弈。每位分析师基于自己的专业判断发表观点，通过多轮辩论和投票机制，最终形成经过博弈验证的投资决策建议。用户可以配置辩论轮数，默认进行 2 轮辩论。从使用体验来看，FinGenius 提供了简洁的命令行交互方式。用户只需运行「python main.py 股票代码」即可获取基础分析报告。系统支持多种可选参数：启用文本转语音播报（--tts）、设置辩论轮数（--debate-rounds）、自定义输出格式（--format json）和保存到文件（--output）。这种设计让用户可以快速上手，同时满足进阶用户的定制化需求。
从目前信息来看，FinGenius 采用开源免费模式，用户可以免费获取完整代码并在本地运行。项目依赖用户自行配置 LLM API 密钥（如 OpenAI GPT-4o），因此实际使用成本取决于用户选择的模型和用量。对于希望快速体验的用户，可能存在社区提供的托管服务或 API 调用接口，但这部分信息目前公开资料较少。
由于 FinGenius 主要是开源项目而非商业产品，其用户评价主要体现在 GitHub 社区反馈和技术讨论中。从搜索到的信息来看，用户对 FinGenius 的核心评价集中在以下几个方面：正面评价方面，用户普遍认可其「多智能体博弈架构」的创新性，认为这种设计比单一 AI 模型更接近专业投资者的决策逻辑。16 个专业智能体的分工协作模式被评价为「解决了通用 AI 在金融领域不专业的问题」。开源模式也获得了技术社区的认可，2.6k Stars 和 761 Forks 反映了项目的影响力。需要注意的是，产品本身也面临一些挑战。首先，AI 金融分析工具的准确性难以保证，市场预测本身具有高度不确定性。其次，产品需要用户具备一定的技术能力来配置 Python 环境和 API 密钥，对非技术用户存在一定门槛。最后，作为开源项目，长期维护和更新依赖团队投入。
在 AI 金融分析领域，FinGenius 面临来自多个方向的竞争。传统金融终端如同花顺、东财 Choice 提供成熟的金融数据和基础 AI 功能，但在多智能体博弈架构方面尚无类似产品。量化交易平台如聚宽、米筐提供完整的回测和交易框架，但在 AI 博弈决策方面更多依赖用户自行开发。从差异化角度分析，FinGenius 的核心创新在于其多智能体博弈架构和针对 A 股市场的专项优化。通过模拟专业投资者的决策流程（研究-辩论-决策），系统试图输出比单一 AI 模型更具说服力的投资建议。然而，这一架构的实际效果需要长时间的市场验证。
需要特别强调的是，FinGenius 只是一个研究和学习工具，项目在 GitHub 页面明确标注了免责声明：「本项目仅供学习和研究，输出结果为 AI 推演，不构成任何投资建议。投资有风险，入市需谨慎。」使用 AI 金融工具的主要风险包括：AI 预测的准确性无法保证，股市受多种不可预测因素影响；历史数据不代表未来表现；过度依赖 AI 决策可能导致投资者忽视自身判断能力的培养。
FinGenius 适合以下用户群体：量化交易研究者希望探索多智能体在金融分析中的应用；个人投资者寻求 AI 辅助的投资决策参考；金融科技开发者希望学习多智能体系统的实现方式；对 AI 在垂直领域应用感兴趣的技术人员。对于以下场景，建议谨慎使用：作为唯一的投资决策依据；期望获得确定性的收益预测；缺乏技术背景且无法配置运行环境的用户。
FinGenius 开创性地将多智能体博弈架构引入 A 股金融分析领域，通过 16 个专业 AI 智能体的协作研究和辩论机制，试图模拟专业投资者的决策流程。其开源模式和针对 A 股市场的专项优化，在技术上具有创新性。然而，AI 金融分析的准确性本身就是一个尚未解决的难题，产品的实际效果需要投资者自行验证。在使用此类工具时，保持独立判断能力和风险意识至关重要。

用户评论

ScottHartX

—

速度还挺快的，以前用其他软件输个股票代码要等半天，FinGenius 基本秒出，体验不错。

Christian.Thomas

—

个性化功能还行，用了一段时间后它开始记住我的操作习惯了，给的建议比较符合我的风格。

xJesusDelgado_dev

—

00后团队真的硬核，多智能体博弈这个思路很有创新性，期待后续更新。

ALl_ar

—

6大AI特工帮你盯盘，这个比喻太形象了，确实有点东西。

Betty_GreenIII8

—

开源免费，还要什么自行车。配置好 API key 就能用，适合我这种技术党。

Mary.Wilson_77

—

比那些收费的金融软件靠谱多了，至少逻辑清晰，分析有理有据。

Caroline605

—

辩论机制有点意思，6个AI分析师各抒己见，比单一AI给出的建议更有说服力。

BSandersZ

—

年轮记忆功能很贴心，用久了真的感觉它在学习你的投资习惯。

KeithDiaz

—

对散户很友好，把复杂的市场分析变得简单化了。

DwayneCook

—

已经推荐给身边炒股的兄弟了，大家反馈都挺不错。

EDnel

—

唯一的缺点是需要自己配置 Python 环境，对非技术用户不太友好。

realBegoñaRamos_x

—

舆情分析挺准的，结合游资和筹码分析，对短线很有帮助。

RyanWatson

—

作为一个开源项目，能做到这个水平已经很牛了。

Brian501

—

金融分析最重要的是逻辑，FinGenius 的多智能体博弈确实比单一大模型更有逻辑性。

Gabriel.Parker_Max

—

免费版完全够用，唯一需要自己花点成本的就是 API key。

GAgut

—

16个智能体只开源了6个，期待团队继续开放更多功能。

GPUMiner787

—

比那些所谓的AI炒股软件强一百倍，至少是开源可验证的。

Lawrence619

—

风控Agent帮我规避了几次大跌，真的香。

d7qb8fnx2

—

建议官方出一个更易用的Web界面，这样更多人就能用上这个神器了。

MMurray9

—

浏览人数都7千多了，确实火出圈了。

FinGenius

深度报告

用户评论

相关链接

同类产品