手把手实战：如何用DeepSeek进行股票分析？

admin

2025-11-09 13:08:12

在企业投融资管理中，传统的研究方式往往依赖人工查询与判断，费时费力且响应慢。随着 AI 技术的发展，越来越多的企业希望借助智能体（Agent）实现对股票信息、财报、产业新闻等多源数据的自动理解、归纳和分析，从而支持更快更准的战略决策。

本次实战选择大家熟悉的股票分析场景，带你通过本地部署的 Dify 系统与云端 DeepSeek API 服务，构建高效、智能的股票分析Agent，轻松迈出智能投资分析的第一步！

搭建大模型+股票分析Agent全攻略

实现步骤分为4个部分，预计需 60 分钟一步步完成整个构建流程：

01. 获取DeepSeek API Key

02. Dify本地部署与配置

03. 创建股票分析Agent

04. 股票分析Agent演示

1. 获取DeepSeek API Key

可使用DeepSeek 官方或其它云平台大模型提供的DeepSeek API服务

AlayaNeW平台的DeepSeek API Key获取指南：

https://docs.alayanew.com/docs/modelService/case/Dify/

2. Dify本地部署与配置

安装 Dify 之前, 请确保你的机器已满足最低安装要求

CPU >= 2 Core

RAM >= 4 GiB

1、克隆 Dify 源代码至本地环境。

# 假设当前最新版本为 1.1.0git clone https://github.com/langgenius/dify.git --branch 1.1.0

2、启动 Dify，进入 Dify 源代码的 Docker 目录

cd dify/docker

3、复制环境配置文件

cp .env.example .env

4、启动 Docker 容器

如果版本是 Docker Compose V2，使用以下命令：

docker compose up -d

如果版本是 Docker Compose V1，使用以下命令：

docker-compose up -d

运行命令后，你应该会看到类似以下的输出，显示所有容器的状态和端口映射：

[+] Running 11/11

✔ Network docker_ssrf_proxy_network Created 0.1s

✔ Network docker_default Created 0.0s

✔ Container docker-redis-1 Started 2.4s

✔ Container docker-ssrf_proxy-1 Started 2.8s

✔ Container docker-sandbox-1 Started 2.7s

✔ Container docker-web-1 Started 2.7s

✔ Container docker-weaviate-1 Started 2.4s

✔ Container docker-db-1 Started 2.7s

✔ Container docker-api-1 Started 6.5s

✔ Container docker-worker-1 Started 6.4s

✔ Container docker-nginx-1 Started

5、登录并注册Dify

6、登录 Dify 配置 “模型供应商”

配置“模型供应商”，选择 “OpenAI-API-compatible”，输入申请到的 “API Key” 和 “URL” 后点击“保存”，如下图示例完成 “AlayaNew/DeepSeek-R1” LLM的配置。

3. 创建股票分析Agent

Dify的编排流程图

我们先看一下整体的编排流程图，只需简单4个步骤即可完成创建。

开始创建Agent

接下来我们开始创建Agent。首先进入 Dify “工作室”，点击“创建空白应用”。

具体配置如下图。

工作流节点介绍

1. 开始

开始节点设置输入字段

2.调用HTTP接口，获取实时数据

该节点“BODY”中，配置从“开始”节点中获取用户变量，配置如下图。

关于后台的服务，文章末尾会有地址和相关截图

3.LLM节点

LLM节点中，“模型”选择配置的

“AlayaNeW/DeepSeek-R1”，“SYSTEM” 中增加提示词。

系统提示词：

请基于当前市场的技术指标数据结合市场的交易逻辑和投资者行为特征，提供以下内容的详细分析，并附上具体数据支撑（可包含图表）：趋势分析当前股价所处的趋势（上升/震荡/下降）明确的支撑位和压力位（基于均线、前期高低点或布林带）成交量分析成交量近期变化（放量/缩量）成交量对趋势延续或反转的影响解读风险评估波动率分析（可参考ATR或历史波动区间）当前市场风险偏好与个股（或指数）所处的风险区短期与中期目标位基于技术形态（如W底、箱体突破、头肩顶）给出具体的**短期（5-10个交易日）和中期（1-2个月）**目标价位关键技术位分析重点关注的均线（金叉/死叉）、布林带边缘、缺口位置、筹码密集区等技术位是否有技术背离信号（如MACD顶背离/底背离）交易建议当前阶段的操作策略（观望/建仓/减仓）明确的买入/加仓/减仓信号止损位建议（以技术破位为依据）

提示词的原理

提示词是与大模型交互时，用于引导模型生成特定类型输出的文本或指令。通过精心设计的提示词，可以激活模型中与特定任务相关的知识，使其在无需大规模微调的情况下，直接应用于下游任务

设计提示词的注意事项

a.明确角色和任务：在提示词中需明确 AI 的角色和任务要求。例如，定义 AI 为“乐于助人的助手”，并规定回复逻辑：

你是一位乐于助人的AI助手。在回答用户问题时，你需要：1、始终使用自然语言解释你将要采取的行动；2、清晰描述正在进行的操作3、避免返回空回复

这种角色设定有助于模型理解其行为准则，生成符合预期的回复。

b.清晰且具体：提示词应明确描述任务需求，避免歧义。例如，与其使用“总结这篇文章”，不如使用“请用三句话总结这篇关于人工智能应用的文章”。

c.简洁性：提示词应尽量简洁，避免冗余信息干扰模型的推理。

d.提供示例（Few-shot 提示）：通过提供示例，引导模型生成符合预期格式的输出。例如

示例：输入：天气如何？输出：今天阳光明媚，气温适中，合适外出活动

这种方式能有效引导模型生成与示例相似的输出。

e.控制输出格式：如果需要特定的输出格式，可以在提示词中明确说明。例如，要求模型以列表形式回答问题。

f.迭代优化：提示词的设计是一个反复试验的过程。根据模型的输出，不断调整和优化提示词，以达到最佳效果。

4.结束节点

结束节点中，输出的变量来源上一个节点的输出，具体配置如下图。

发布Agent

完成创建后，点击发布后点击运行。

4. 股票分析Agent演示

在电脑端进行股票分析Agent效果演示

至此，我们完成了股票分析Agent 的搭建。

附：股票分析Agent源码

部分指标计算方式：

部分指标计算API：