a-stock-data 是什么?

提供A股全栈数据工具包,整合13个数据源,为AI编程助手提供直接可用的A股数据工具集。

⭐ 4,826 Stars 🍴 926 Forks Apache-2.0 作者: simonlin1212
来源:据 README 描述 查看 GitHub 仓库 →

为什么值得关注

该项目通过整合多个数据源,为开发者提供一站式A股数据服务,解决了数据获取分散、处理复杂的问题;同时,其零第三方依赖的设计降低了使用门槛,使其在AI编程助手领域受到关注。

来源:综合 README 描述和项目特征

核心功能

数据整合

整合13个数据源,包括行情、研报、信号、资金面、新闻、基础数据和公告,为用户提供全面的数据支持。

来源:据 README 描述
端点能力

提供27个端点能力,包括行情、研报、信号、资金面、新闻、基础数据和公告等,满足不同用户的需求。

来源:据 README 描述
架构设计

采用7层架构,包括行情层、研报层、信号层、资金面、新闻层、基础数据和公告层,模块化设计便于扩展和维护。

来源:据 README 描述

技术架构

项目采用模块化设计,每个数据源对应一个模块,通过Skill文件进行封装,实现数据的整合和调用。数据流转通过HTTP API进行,采用串行限流和会话复用技术,保证数据获取的稳定性和安全性。

来源:代码目录结构 + 依赖文件

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) mootdx requests pandas stockstats 数据整合 端点能力 架构设计 a-stock-data 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言Python框架无特定框架,采用标准库和第三方库
mootdxrequestspandasstockstats
无特定基础设施要求,可在本地或服务器上运行
来源:依赖文件 + 代码目录结构

快速上手

mkdir -p ~/.claude/skills/a-stock-data curl -o ~/.claude/skills/a-stock-data/SKILL.md https://raw.githubusercontent.com/simonlin1212/a-stock-data/main/SKILL.md pip install mootdx requests pandas stockstats
来源:README Installation/Quick Start

使用场景

1. AI编程助手开发:为AI编程助手提供A股数据支持,实现股票估值、题材归因、研报检索等功能。 2. 投资研究:为投资研究人员提供数据支持,进行股票分析、行业研究等。 3. 量化交易:为量化交易者提供数据支持,进行策略开发和回测。

来源:README

优势与局限

优势

  • 优势1:数据全面,覆盖A股市场主要数据源。 优势2:功能丰富,提供多种数据端点。 优势3:架构清晰,易于扩展和维护。 优势4:零第三方依赖,降低使用门槛。

局限

  • 局限1:部分数据源需要API Key。 局限2:部分数据源存在封IP风险。 局限3:部分数据源访问速度较慢。
来源:综合 README、代码结构和依赖分析

最新版本

v3.2.2 (2026-06-03):修复失效接口、动态化orgId、修复隐藏崩溃、添加风控说明、数据源优先级原则、统一限流防封、文档化风控阈值、下线财联社快讯。

来源:GitHub Releases

总结评价

该项目是一个功能全面、架构清晰的A股数据工具包,适合需要A股数据支持的AI编程助手开发者、投资研究人员和量化交易者使用。

来源:综合分析

常见问题

a-stock-data 是什么?

提供A股全栈数据工具包,整合13个数据源,为AI编程助手提供直接可用的A股数据工具集。

a-stock-data 有哪些核心功能?

a-stock-data 的核心功能包括:数据整合、端点能力、架构设计。

a-stock-data 为什么最近很受关注?

该项目通过整合多个数据源,为开发者提供一站式A股数据服务,解决了数据获取分散、处理复杂的问题;同时,其零第三方依赖的设计降低了使用门槛,使其在AI编程助手领域受到关注。

a-stock-data 适合哪些使用场景?

1. AI编程助手开发:为AI编程助手提供A股数据支持,实现股票估值、题材归因、研报检索等功能。 2. 投资研究:为投资研究人员提供数据支持,进行股票分析、行业研究等。 3. 量化交易:为量化交易者提供数据支持,进行策略开发和回测。

透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-06-15 18:32. 质量评分: 85/100.

数据来源:README、GitHub API、依赖文件