Skip to content

weksbwrx62862/YMOS

 
 

Repository files navigation

YMOS V3 — 勇麦投资操作系统

Yongmai Operating System · 自然语言驱动的人机协作投资研究系统

Version License: CC BY-NC 4.0

以市场触发为起点、以提示词软路由为中枢、以状态机与个股知识库为记忆层、以 Human 最终决策为落点的人机协作投资操作系统。

🔄 V3 是首个完整公开版本。 V1 为早期单独的投研中台版本(已被 V3 的 Eyes 模块取代,归档至 v1-legacy 分支),V2 为内部迭代版本。


YMOS 解决什么问题

独立投资者面对的核心矛盾:信息太多、处理不过来、动作变形

每天几十条财经新闻、持仓的涨跌、Watchlist 的异动、宏观政策的变化……大部分时间花在了「收集 → 整理 → 焦虑 → 冲动操作」的循环里。真正该做的事——冷静地审视策略、验证逻辑、做纪律性的决策——反而被挤到了边角。

YMOS 帮你系统性地捕捉两类投资机会:

机会类型 特征 YMOS 怎么帮你
长线:宏观 + 公司基本面 宏观周期拐点、危机定价、持仓公司的财报/商业模式/护城河变化等重大事件 Eyes 持续监控宏观信号 + 事件异动,P13 识别战略级信号;投资雷达跟踪持仓标的动态,个股知识库积累上下文;Brain 通过 P2/P8/P9 评估阶段与定价
短线:势能 + 事件驱动 美股财报→A股映射、板块轮动、事件传导的短期价差 Eyes 实时追踪价格异动 + 关联传导,投资雷达自动匹配你的板块关联逻辑,策略分析给出具体路由建议

为什么做 YMOS

AI 的能力已经强到可以做一些不一样的事了。

我做 YMOS,首先是解决自己的问题——理清自己的投资思路,把重复性的信息收集、整理、监控交给 AI,让 AI 帮我补充视角、覆盖盲区,而我自己专注于最关键的深度调研和最终决策。这个过程本身就是一次思路梳理:你必须把"我到底怎么做投资"想清楚、写下来,AI 才能帮得上忙。

其次,是给同样在摸索的人提供一个参考。很多独立投资者都在想:AI 这么强,到底怎么用在投资上?怎么搭一个靠谱的人机协作框架?YMOS 不是标准答案,但它是一个经过实盘验证的、可以直接拿来用的起点。你可以在这个框架上按自己的风格改造,而不用从零开始摸索。

把重复劳动交给 AI,把你解放出来,专注于打磨策略和做关键判断。


核心设计理念

轻脚本 + 重 SOP + 软路由

这不是一个传统的量化系统,也不是一个仪表盘工具。YMOS 的核心不是代码,而是投资思路的结构化表达

  • 脚本层:只做原子能力——取数据、提取信息、落盘存储。轻量、零依赖、开箱即用
  • 编排层:通过自然语言暗号(如「跑一下投资雷达」)和 Markdown SOP 驱动整个工作流。不需要写代码,说人话就能触发
  • 判断层:由大模型 + P 系列提示词完成复杂决策。P1-P16 覆盖从建档到复盘的全流程,每一个 P 模块都是一个经过验证的投资思维框架

为什么不做成全自动?

因为投资的最终决策权必须在人手上。YMOS 坚持 Human in the Loop:AI 负责收集、分析、给出路由建议(「建议跑一下 我想买 TSLA」),但永远不替你按下买入键。系统的纪律审查模块(P12 Referee)是最后一道关卡,通过了也只是建议,决策权始终是你的。

Markdown-First:你的数据,你做主

所有产出物——报告、状态机、个股知识库、策略日志——全是 Markdown 文件。没有私有格式、没有数据库锁定、没有 SaaS 依赖。放在本地任意目录都能运行,搭配 Obsidian 等 Markdown 笔记工具使用体验更佳。


V3 三模块架构

┌─────────────────────────────────────┐
│             Eyes/ (眼睛)             │
│   盯市场:趋势 + 价格 + 信号        │
│   市场洞察 → 投资雷达(桥接报告)    │
└──────────────┬──────────────────────┘
               │ 下一步建议(暗号路由)
┌──────────────▼──────────────────────┐
│            Brain/ (大脑)             │
│   做分析:策略路由 + P链执行         │
│   策略分析 + 初始调研 + P1-P16       │
└──────────────┬──────────────────────┘
               │ 写回状态
┌──────────────▼──────────────────────┐
│         持仓与关注/ (状态层)         │
│   管状态:状态机 + 个股文件夹        │
│   标的管理 + 策略偏好                │
└─────────────────────────────────────┘

Eyes 看到什么 → Brain 分析怎么办 → 持仓与关注记住结论。 三个模块各司其职,信息单向流动,不互相污染。

投资雷达是整个系统的桥接报告——它回答的核心问题是「市场发生的事跟我有什么关系?下一步该做什么?」,然后把结论以暗号的形式传递给 Brain。


用户日常只看四份报告

报告 回答的问题 路径
市场洞察 今天市场发生了什么? Eyes/市场洞察/
投资雷达 和我有什么关系?下一步做什么? Eyes/投资雷达/
策略分析日志 分析了什么?待我确认什么? Brain/策略分析/
持仓备忘录视图 1 分钟扫盘执行看板 持仓与关注/持仓备忘录_视图.md

你不需要每天打开十个网站、刷三个 App。收盘后说四句话,系统帮你把信息压缩成四份报告,你审阅、确认、决策。


上手指南

💡 不确定自己的投资策略? 可以先用内置的 投资策略诊断模块 做一次体检,梳理清楚你的投资思路,再开始使用 YMOS。让 AI 读取 Brain/ymos-diagnosis/SKILL.md,说「帮我做一次投资诊断」即可。

Step 0:说「开始使用」,AI 带你走一遍

第一次使用?把 YMOS 根目录和总入口暗号的路径给 AI,然后说「开始使用」:

读一下这个文件:/你的本地路径/YMOS/总入口暗号.md

开始使用

为什么要先给路径? AI 需要知道你的 YMOS 装在哪里,才能正确读写文件。给了总入口暗号的路径后,AI 会自动推导出整个项目的目录结构。后续对话中直接说暗号即可,不需要每次都给路径。

AI 会启动入职引导,一步步跟你对话完成:

  1. 填写投资偏好(最重要)—— AI 会分 9 个维度访谈你,然后帮你写入 当前关注方向与投资偏好.md
  2. 添加你的持仓 —— 告诉 AI 你目前持有什么,它帮你初始化持仓状态机
  3. 添加你的关注 —— 告诉 AI 你在观察什么,它帮你建立 Watchlist
  4. 引导你跑第一轮 —— 体验一次 跑一下市场洞察跑一下投资雷达 的完整闭环

整个过程大约 10-15 分钟。完成后你的系统就是个性化的了。

为什么投资偏好这么重要?

持仓与关注/当前关注方向与投资偏好.md 是整个系统的灵魂文件:

维度 为什么重要
投资者画像 告诉系统你的风险承受度和心理弱点,P5/P12 会据此拦截不合理的操作
仓位配置框架 定义 PVE/PVP/现金的目标占比,系统据此判断你是不是"超配"了
板块关联逻辑 告诉系统哪些市场信号跟你有关,投资雷达据此过滤噪音
核心心法与历史教训 你用真金白银换来的经验,系统会在关键时刻提醒你

填得越详细,系统越懂你。每次投资策略有重大调整时,回来更新这个文件——它不是写一次就完事的,而是跟你的策略一起进化。

Step 1:零配置跑通最小闭环

YMOS 开箱即用,不需要任何 API Key:

跑一下市场洞察          → RSS 抓取 + P13 分析 → 市场日报
跑一下投资雷达          → Yahoo Finance 价格 + 趋势回顾 → 桥接报告

看到 Eyes/ 下生成了报告文件?恭喜,最小闭环已跑通。

Step 2:管理你的标的

关注 TSLA               → 加入 Watchlist,可选触发初始调研
建仓 NIO                → 从 Watchlist 转入持仓
调研一下 NVDA           → AI 自主完成 P1 建档 + P4 雷达 + P2 阶段判断

每个标的在 持仓与关注/ 下有独立文件夹,里面的所有文件(知识库、备忘录、历史策略报告、你手动拖入的研报)都会成为 AI 分析时的上下文。

Step 3:策略分析

我想买 TSLA             → P2 阶段判断 → P9 估值 → P5 FOMO 审计 → P12 纪律审查 → 你决策
持有怎么看 NIO          → P2 → P6 利润守门员 → P12 → 你决策
跑一下策略分析          → 自动读取雷达建议,批量处理

每条策略路由都经过 P12 纪律审查才能到你面前。系统会告诉你「P12 通过/不通过」和理由,但最终按不按按钮是你的事。

Step 4:按需升级数据源

级别 配置 解锁能力
Level 0(零配置) 无需 API Key RSS + Yahoo Finance
Level 1 FINNHUB_API_KEY(免费注册) +美股/Crypto 实时报价和新闻
Level 1+ TUSHARE_TOKEN(免费注册) +A股实时行情
Level 2 YMOS_MARKET_API_* +结构化市场事件 API

将.env.example文件重命名为.env,.env就是配置环境变量的文件,然后在.env文件中填入你的API Key即可。

详细配置方法见 进阶指南.md


暗号速查

每日运行

跑一下市场洞察          → 市场日报
跑一下投资雷达          → 桥接报告(趋势+价格+建议)
跑一下策略分析          → 处理雷达建议

手动触发

关注 [ticker]           → 新增 Watchlist
建仓 [ticker]           → Watchlist → 持仓
清仓 [ticker]           → 持仓 → Watchlist
调研一下 [ticker]       → P1+P4+P2+P9 深度调研
我想买 [ticker]         → 买入策略路由
我想卖 [ticker]         → 卖出策略路由
持有怎么看 [ticker]     → 持有评估
做个仓位再平衡          → 组合再平衡
查一下价格              → 价格扫描

投资诊断

诊断一下我的策略        → 投资策略诊断(问诊 / 体检)
帮我看看我的投资        → 同上

定时任务(可选)

YMOS 的四步闭环可以设置为定时任务,让 AI 每天自动跑完:

市场洞察 → 投资雷达 → 策略分析 → 持仓收口

⚠️ 四步有先后依赖:投资雷达依赖市场洞察的输出,策略分析依赖投资雷达的建议,持仓收口校验策略分析的写回并生成执行看板 + 可视化 Dashboard(HTML)。请按顺序设置,每步间隔 5-15 分钟。

推荐时间窗口

场景 市场洞察 投资雷达 策略分析 持仓收口
A股盘中 10:30 10:45 11:00 11:15
美股盘前 20:30 20:45 21:00 21:15
收盘后复盘 收盘后 30min +15min +15min +15min

怎么设置? 把 SOP 路径和指令告诉 AI,让它帮你配置定时任务:

请读取 /你的路径/YMOS/总入口暗号.md

帮我设置四个定时任务:
1. 每天 10:30 执行「跑一下市场洞察」
2. 每天 10:45 执行「跑一下投资雷达」
3. 每天 11:00 执行「跑一下策略分析」
4. 每天 11:15 执行「收口一下」

💡 关键提示:设置定时任务时务必带上 总入口暗号.md 的完整路径。Agent 需要通过这个文件定位你的 YMOS 目录和所有 SOP。没有记忆功能的 Agent 每次执行都需要这个路径作为入口。

详细的定时任务配置和执行时间估算见 进阶指南.md


人机边界

环节 AI 做 Human 做
数据收集 脚本自动取数
市场识别 P13 分析 审阅洞察
持仓追踪 价格扫描 + 雷达 关注异常
个股研究 P1+P4+P2 建档 深度调研:读研报、挖行业、理解公司,把材料拖入个股文件夹
策略建议 P 链路执行 最终决策
交易执行 直接操作

目录结构

YMOS/
├── Eyes/                          # 眼睛模块
│   ├── SOP_市场洞察.md            # P13 市场日报
│   ├── SOP_投资雷达.md            # 桥接报告(核心)
│   ├── scripts/                   # 取数脚本(零第三方依赖)
│   ├── 市场洞察/                  # 按月归档:YYYY-MM/ + Raw_Data/
│   └── 投资雷达/                  # 按月归档:YYYY-MM/ + Raw_Data/
│
├── Brain/                         # 大脑模块
│   ├── SOP_策略分析.md            # 策略路由(5条路线)
│   ├── SOP_初始调研.md            # P1+P4+P2 建档
│   ├── references/                # P1-P16 提示词资产(核心知识产权)
│   ├── ymos-diagnosis/            # 投资策略诊断模块(独立可用)
│   │   ├── SKILL.md               # 诊断入口(问诊 + 体检)
│   │   ├── README.md              # 模块说明(Agent 导航)
│   │   └── knowledge/             # 投资公理框架 + 诊断案例库
│   └── 策略分析/                  # 按月归档:报告 + 日志 + Raw_Data/
│
├── 持仓与关注/                    # 状态层
│   ├── SOP_入职引导.md            # 首次使用引导(开始使用)
│   ├── SOP_持仓收口.md            # 每日收尾(视图 + 校验 + Dashboard)
│   ├── SOP_标的管理.md            # 关注/建仓/清仓
│   ├── 持仓_状态机.md             # 持仓真相源
│   ├── Watchlist_状态机.md        # 关注真相源
│   ├── 当前关注方向与投资偏好.md  # 用户投资策略
│   ├── 持仓备忘录_视图.md         # ← 运行时生成(持仓收口产出)
│   ├── dashboard/                 # ← 运行时生成(可视化看板 HTML)
│   ├── 持仓/                      # 个股文件夹(= 分析上下文)
│   └── 动态Watchlist/             # 关注标的文件夹
│
├── 总入口暗号.md                  # 所有暗号路由表
├── AGENT_GUIDE.md                 # Agent 操作手册
├── 进阶指南.md                    # 数据源升级 + 策略定制 + 扩展
└── README.md                      # 本文件

可扩展性与改装潜力

YMOS 不是一个封闭产品,而是一个开放框架。它的扩展性体现在四个层面:

数据层:接更多数据源

Eyes/scripts/ 下的每个脚本都是独立的原子能力。接入新数据源就是写一个新的 fetch_xxx.py,输出标准 JSON,SOP 自动识别。价格路由器已经实现了 Finnhub → Tushare → Yahoo 的三源自动分流,增加第四源只需加一个分支。

处理层:改造 P 系列提示词

Brain/references/ 下的 P1-P16 是框架样板。它们代表一种经过验证的投资决策路由——但你完全可以根据自己的投资风格改造它们:调整 P5 FOMO Killer 的评分权重、在 P1 里加入行业特定指标、改变 P12 纪律审查的红线规则。这才是最核心的进阶——不是接更多数据,而是让系统的大脑越来越像你自己的投资直觉。

路由层:增加新的暗号和工作流

5 个 SOP、5 条策略路由不是上限。你可以在 SOP 中增加条件分支、新增路由类型、甚至设计全新的工作流。所有编排逻辑都在 Markdown 里,不需要改代码。

能力层:Agent Skills 与跨模块联动

YMOS 的 SOP 天然兼容 Agent 的外挂能力。当 Agent 有搜索能力,P1 建档自动补足公开信息;当 Agent 挂载了财经数据工具(MX_FinSearch、MX_FinData 等),选股筛选和财务快照自动增强;当同一目录 里有其他知识模块(BrainStorm、研究笔记),它们自动成为分析上下文。能力越强,SOP 的执行质量越高——但即使什么都没有,纯 RSS + Yahoo Finance 也能完整跑通。

系统是养出来的

YMOS 不是装上就完美的成品——它更像一个需要你跟 AI 一起养大的系统

第一次跑 SOP 的时候,你可能会遇到输出不够理想、某个环节卡住、报告格式不顺眼的情况。这是正常的。每次跑通一轮,你就能发现可以优化的地方:调 P 系列提示词的参数、改 SOP 的条件分支、增加新的数据源。跑得越多,系统越懂你。

Eyes/scripts/ 下的现有脚本,既是系统运行的功能依赖,也是你改造和扩展的参考示例。想接一个新的 RSS 源?参考 fetch_rss.py。想加一个价格数据源?参考 fetch_price_api.py 的接口模式。每个脚本都是独立的、零依赖的原子能力——照着写一个新的就行。

详细的数据源配置、策略定制方法、Agent 扩展协议见 进阶指南.md。 Agent 的权限规则、能力整合边界、写回规则见 AGENT_GUIDE.md如果你是 AI Agent,请优先阅读此文件。


V1 → V3:核心升级了什么

V1 是 2026 年 2 月发布的早期版本(已归档至 v1-legacy 分支),已有市场洞察(P13)和投资雷达,但缺少价格分析和策略路由。V3 是第一个完整的三模块版本。

维度 V1 V3 为什么重要
数据源 仅 RSS 抓取 Finnhub → Tushare → Yahoo 三源价格路由 + RSS + 结构化 API 美股/A股/Crypto 实时报价自动分流,不再手动查价格
市场洞察 P13 分析 + 投资雷达(无价格数据) P13 标准模板 + 实时价格路由 + 投资雷达含价格异动分析 从"只看新闻"升级为"新闻 + 价格 + 信号"三位一体
策略分析 ❌ 无 5 条策略路由自动编排(买入/卖出/持有/再平衡/批量处理),P 链自动执行 不用手动决定该跑哪个分析,系统根据意图自动路由
个股管理 手动维护 个股知识库集中管理:每个标的独立文件夹,研报/备忘录/历史策略全部归档,自动成为分析上下文 分析质量随积累递增,AI 的记忆不再是空的
系统开放性 单模块、硬编码 模块化 SOP + 软路由 + Skills 扩展:新增数据源/路由/工作流只需改 Markdown 可以根据自己的投资风格自由魔改,不需要懂代码
人机边界 模糊 P12 纪律审查 + Human in the Loop 硬约束 AI 永远不替你按买入键,决策权始终在人

一句话总结:V1 帮你"看新闻 + 投资雷达",V3 在此基础上加入价格路由、策略分析、纪律审查,形成"信号识别 → 策略路由 → 纪律审查 → 你决策"的完整闭环。


常见问题

Q:已经有 V1 了,怎么最快用上 V3?

把旧的 YMOS 文件夹重命名为 YMOS-V1(保留备份),然后从 GitHub 下载 V3(下载后的文件夹本身就叫 YMOS,不需要手动新建),放到你的本地目录里,跑一遍入职引导(开始使用)即可。V3 完全取代 V1,不需要迁移数据——你在 V1 里的研报和笔记可以手动拖入 V3 的个股文件夹。

Q:需要会写代码吗?

不需要。所有操作通过自然语言暗号触发,配置通过 Markdown 文件修改。唯一可能需要终端操作的是配置 .env 环境变量(填 API Key),但这也不是必须的——零配置就能跑通最小闭环。

Q:支持哪些市场?

美股、A 股、Crypto 都支持。价格路由器会根据 ticker 格式自动判断走 Finnhub(美股/Crypto)、Tushare(A股)还是 Yahoo Finance(兜底)。板块关联逻辑支持跨市场映射(如"英伟达财报 → A股光模块")。

Q:AI 会不会替我做交易决策?

不会。YMOS 严格遵循 Human in the Loop 原则。所有策略建议都要经过 P12 纪律审查,审查结果只是"建议"——最终按不按按钮、下不下单,永远是你自己的事。

Q:P 系列提示词能改吗?

能,而且鼓励你改。Brain/references/ 下的 P1-P16 是框架样板,你可以根据自己的投资风格调整权重、修改红线规则、增加行业特定指标。让系统的大脑越来越像你自己的投资直觉,才是最核心的进阶。

Q:推荐用什么 Agent 工具来运行 YMOS?

YMOS 可以在任何支持文件读写和代码执行的 AI Agent 环境中运行。推荐方案:

  • 首选(本地方案):OpenClaw(龙虾)—— 本地运行、数据不出本机、支持定时任务和 subagent 编排。也支持云方案的 Claw 系列产品,原理相同。
  • 订阅会员方案:Claude Code / Claude Cowork、ChatGPT Codex —— 都支持文件系统操作和定时任务
  • 其他支持的环境:任何能读写 Markdown 文件 + 运行 Python 脚本的 AI Agent 平台

核心要求只有两个:能读写本地文件 + 能运行 Python 脚本。满足这两点,YMOS 就能跑。

Q:怎么最快开始使用?

三步:① 下载项目放到本地目录 → ② 告诉你的 AI Agent 请读取 [YMOS路径]/总入口暗号.md → ③ 说「开始使用」,Agent 会引导你走完入职流程(设置投资偏好、初始化持仓)。入职完成后,说「跑一下市场洞察」就能看到第一份报告。

Q:报告在哪里看?

所有报告都是 Markdown 文件,按日期归档在本地目录里:

  • 市场洞察:Eyes/市场洞察/YYYY-MM/
  • 投资雷达:Eyes/投资雷达/YYYY-MM/
  • 策略分析:Brain/策略分析/YYYY-MM/
  • 持仓备忘录视图:持仓与关注/持仓备忘录_视图.md
  • 可视化 Dashboard:持仓与关注/dashboard/YYYY-MM/(HTML 文件,浏览器打开)

推荐用 Obsidian 日常浏览——它是本地存储的 Markdown 笔记工具,阅读报告和管理知识库很方便。

Q:模型选择有什么建议?

永远尽可能选当下最强的模型。 YMOS 的核心价值在 SOP + P 系列提示词的分析质量,这完全取决于底层模型的能力。对投资来说,模型表现好 1% 对胜率的提高都不一样——视角的补充更全面,策略的制定更严谨。如果资源有限,优先把最好的模型用在策略分析环节(Brain 模块),这里的判断质量对最终决策影响最大。作者建议(2026 年 3 月):优先使用 Claude Opus 4.6 或 ChatGPT-5.4。

Q:数据安全呢?所有数据都在本地吗?

是的。所有产出物都是 Markdown 文件,存在你自己的本地目录里。没有云端数据库、没有 SaaS 依赖、没有数据上传。你的投资数据完全由你掌控。

Q:必须用 Obsidian 吗?

不是必须的。YMOS 运行时不依赖 Obsidian 软件——它只需要一个本地文件目录。你可以把 YMOS 文件夹放在任何你觉得方便的位置。但我们推荐搭配 Obsidian 使用:它是一个本地存储的 Markdown 笔记工具,用来日常阅读报告、浏览个股知识库、管理整个文档体系非常方便,而且同样是本地存储,跟 YMOS 的数据安全理念一致。

Q:用 Obsidian 打开项目后,看不到 Python 脚本文件?

这是正常的。Obsidian 是 Markdown 笔记工具,默认只显示它能渲染的文件类型(.md、图片等),不会显示 .py.json.env 等代码文件。但这些文件确实存在于项目目录中——你的 AI Agent 可以正常读取和执行它们,不影响 YMOS 的任何功能。

如果你需要查看或编辑代码文件(比如配置 .env、查看脚本逻辑),可以用以下任一 IDE 工具打开 YMOS 文件夹:

  • VS Code — 微软出品,免费,最主流的代码编辑器
  • Trae — 字节跳动出品,免费,内置 AI 编程助手
  • Google Antigravity — Google 出品,免费,内置 Gemini AI

用 IDE 打开同一个 YMOS 文件夹,你就能看到完整的项目结构,包括 Eyes/scripts/ 下的所有 Python 脚本。日常使用推荐 Obsidian 看报告 + IDE 看代码,各司其职。


系统的本质

YMOS 不帮你赚钱——它帮你不犯低级错误

把信息焦虑交给 Eyes,把分析苦力交给 Brain,把状态记忆交给持仓与关注。你腾出来的时间和精力,用来做投资里真正值钱的事:

  1. 打磨策略 — 优化你的判断框架,在关键时刻保持纪律
  2. 做关键判断 — AI 给建议,你盖章;系统提供决策支持,不替你决策
  3. 深度调研 — 自己读研报、跟踪行业、理解公司基本面,把挖到的材料手动拖入个股文件夹

第 3 点尤其重要:AI 能帮你建档和跑分析链路,但真正的认知差来自你对公司的深度理解。个股文件夹里你手动放入的研报、笔记、行业资料,都会自动成为 AI 后续分析的上下文——你研究得越深,AI 的输出质量越高。

框架搭好了,能力升级是渐进的——技术配置让手脚更灵活,策略进化让大脑更聪明。

你的系统,你做主。


文档导航

文档 面向 定位
README.md(本文件) 所有人 架构总览、上手指南、暗号速查
AGENT_GUIDE.md AI Agent 权限规则、依赖关系、能力整合、写回规则
进阶指南.md 进阶用户 数据源升级、策略定制、系统扩展
总入口暗号.md Agent + 用户 完整暗号路由表 + SOP 链接

许可证

本项目采用 CC BY-NC 4.0 许可证。

  • 个人使用、学习、研究:自由使用
  • 公开发布衍生作品:请注明来源
  • 商业用途:需要单独授权

关于作者

勇麦(Yongmai) — AI + 投资实践者 / 个人投资者

用 AI 增强投资决策,用内容沉淀信任。YMOS 是我自用的投资操作系统,现在开源给所有愿意用系统思维做投资的人。


参与贡献

如果你觉得 YMOS 对你有帮助:

  • Star — 让更多人看到这个项目
  • 🍴 Fork — 基于你的投资风格自由魔改(改 P 系列提示词、加数据源、调路由逻辑)
  • 🐛 Issue — 发现 bug 或有改进建议,欢迎提 Issue
  • 🤝 PR — 有好的想法直接提 Pull Request,一起完善

YMOS 的核心价值不在代码量,而在投资思路的结构化。欢迎把你的投资智慧沉淀进系统里。


YMOS V3.0 · 2026-03-19 · 轻脚本 + 重 SOP + 软路由

About

YMOS 是一个面向独立投资者的人机协作投研系统:帮你从投研的重复劳动中解放出来——数据收集、信号追踪、报告生成交给 AI, 你专注于三件最重要的事:优化投资策略 、 做深度调研和关键判断。

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages

  • Python 100.0%