为什么选择 DeepEar？
弥合非结构化信息与可执行交易信号之间的鸿沟
投资研究增强
自动化收集并分析社交媒体与新闻中的碎片化信息，发掘隐藏的投资机会与逻辑。
市场实时监控
实时追踪"热门话题"与事件（如政策转变、行业突破），识别其对特定板块或个股的影响。
量化因子转化
将定性新闻转化为量化的情绪得分与信号指标，适用于回测或直接作为模型输入。
核心特性
为 AI 与金融打造的下一代工具链
-
多智能体协作 (Multi-Agent)
包含专业的 Trend Spotting（趋势）、Financial Analysis（金融验证）、Report Writing（研报）等智能体组成的协同网络。
-
Agent Skill 随时接入
作为即插即用的 Skill 支持 Antigravity, OpenCode 等平台，化身任何 Chat 助手的专职金融研究员。
-
交互式金融看板
提供现代化的 React UI (Dashboard)，实现透明化的 Agent 工作流追踪与逻辑推演监控。
-
混合检索引擎与全景数据
结合 BM25（关键词）与向量搜索进行精确检索。原生支持 15+ 数据源接入（微博、财联社、华尔街见闻等）。
-
新闻感知时间序列模型
通过自定义 Kronos 集成与新闻投影层（News-Aware Projection），预测基于新闻事件冲击的价格变动。
架构蓝图
解耦设计：工具层、智能体层与控制流
工作流层 Workflow
main_flow.py: 统筹全局状态与执行路径，支持断点配置（Checkpoint) 与恢复。
智能体层 Agents
TrendAgent (热点与事件) / FinAgent (金融逻辑验证与传导)
ForecastAgent (时序预测) / ReportAgent (Map-Reduce专业研报)
基建与工具 Infra & Tools
Toolkits (新闻、持仓、向量检索) / SQLite & Vector DB 存储
快速开始
只需几行命令，即可在本地运行强大的 DeepEar 框架
bash