Trading-Analysis：基于“规则+LLM”的行情分析终端（兼谈 Vibe Coding 实战感）

最近一直在思考一个问题：作为开发者，我们如何利用 AI 提高自己的生活质量？

长期以来，我习惯于通过 MA 均线与量价关系分析美股及黄金走势。为了实现交易逻辑的客观化与自动化，趁着最近 Vibe Coding 的概念比较火，我尝试全程在 AI 辅助下，快速落地了这个纯粹、理性、基于规则 全栈小工具：Trading-Analysis。

如图所示：左侧是基于原生代码计算的确定性指标（MA/量价），右侧是 LLM 基于这些确定性事实生成的逻辑推演。

💡 为什么要做这个？（两个出发点）

1. 拒绝"幻觉"，回归规则： 直接把 K 线数据扔给 AI 往往会得到一堆胡言乱语。我的思路是"计算归代码，解读归 AI"------用程序硬编码算出 MA7/25/60、乖离率和量能分布，这些是确定性事实；再把这些结果喂给 LLM，让它输出一份语义化的分析简报。

2. 验证 Vibe Coding 的天花板： 我想看看在完全不手写琐碎代码的情况下，只靠定义"边界"和"逻辑"，一个人全栈开发的效率能高到什么程度。

🔍 核心功能实现

这个项目并没有追求大而全，而是死磕"可解释性"：

清爽的可视化： 基于 Lightweight Charts。选这个库是因为它在处理金融时序数据时性能极佳，交互感非常接近 TradingView。
结构化规则引擎： 后端代码会自动评估当前的均线排列（多头/空头）、价格与均线的偏离度，这些量化指标是分析的基础。
AI 深度复盘： 后端通过 Provider 抽象，无缝对接 DeepSeek 或 Gemini。它会结合 1 小时级别和日线级别的数据，像分析师一样给你一段通俗易懂的复盘总结。
技术栈： Vue 3 + Vite + Node.js + Express。

在架构设计上，我遵循了确定性计算与模糊性推理分离的原则。前端负责毫秒级的交互响应，后端 Node.js 负责确定性的量化指标计算，而 AI 仅作为逻辑分析层，这样既规避了 LLM 的计算短板，又发挥了其语义总结的长处。

💬 关于 Vibe Coding 的实战感悟

既然标题提到了实战感，这里聊聊全程 AI 辅助开发的几点真实体感：

1. 从"写代码"转向"判代码"： 在 Vibe Coding 模式下，我的角色从传统的"码农"变成了"审查员"。我不再关心 Lightweight Charts 的某个配置项是怎么写的，我只负责定义"均线颜色逻辑"和"响应式布局边界"。AI 负责出活，我负责代码审查 和逻辑纠偏。

2. 架构思维比编码能力更重要： 很多人担心 AI 会让程序员失业，但实际体验下来，如果你没有清晰的架构思路（比如如何做前后端解耦、如何设计 Provider 模式），AI 堆砌出来的代码会非常混乱。Vibe Coding 实际上放大了架构师的价值------你只需要负责"点火"，AI 负责"推进"。

3 生产力的"非线性"爆发： 这个全栈项目从初始化到实现核心功能闭环（Local MVP）， 耗时极短。以往需要查文档、调 CSS 样式、写 Boilerplate 代码的时间被压缩到了极致。这种"心流"不断的感觉，确实非常符合"Vibe"的定义。

🚀 如何在本地跑起来？

如果你也想体验一下这个分析流程，本地部署非常简单：

1. 准备 API Key

去 Twelve Data 申领一个免费的数据接口 Key。
准备好或 AI Studio 或 DeepSeek（比较方便） 的 API Key。

2. 启动后端 (Backend)

Bash 复制代码

git clone https://github.com/你的名字/trading-analysis.git
cd trading-analysis/backend
npm install

在 backend 目录下新建 .env 文件：

复制代码

TWELVEDATA_API_KEY=你的数据Key
AI_PROVIDER=deepseek  # 或 gemini
DEEPSEEK_API_KEY=你的AI_Key

执行 npm run dev 即可启动服务。

3. 启动前端 (Frontend)

Bash 复制代码

cd ../frontend
npm install
npm run dev

访问 http://localhost:5173 就能看到你的专属分析看板了。

🛠️ 下一步想做的

目前这套系统还是 PC 网页版，属于 "主动复盘" 工具。

就我个人最近的使用体验而言，每次都去系统中手动生成分析有点麻烦了，所以我计划在 2.0 版本增加自动推送的功能：

在开盘时，将 AI 生成的自选股简报直接推送到手机上（比如微信推送），每天开盘就能看到今天的结构风险点，盘中也分别定时来推送（比如每隔一小时、两小时）。

这里也想请教一下各位：
关于 2.0 版本的轻量化推送，大家觉得 Server 酱、PushDeer 还是 Telegram Bot 方案更稳？或者有其他更优雅的 Hooks 实现方案吗？欢迎评论区交流。

🔗 源码获取

我已经把项目完整开源在 GitHub 上，欢迎大家去踩踩坑，顺便交流一下交易逻辑。

👉 GitHub 项目地址： trading-analysis

(如果觉得这个思路对你有启发，欢迎点个 Star 🌟)

⚠️ 风险提示： 本项目仅供技术交流和行情结构研究，AI 的总结不构成任何投资建议。市场有风险，投资需谨慎。