AI智能量化选股系统实战开发

这门课解决什么问题，值不值得学

做量化投资，传统痛点在于写死规则：你得手动翻财报、设一堆均线或财务指标条件去筛选股票，市场情绪一变，硬规则就失灵。这门课解决的是“怎么让大模型帮你读懂非结构化信息并辅助选股”。它不是教你炒股，而是教你用 Python 加 FastAPI 把大模型和 Agent 工作流封装成一套信息处理工具：让程序自动抓取多只股票的公告和新闻，用大模型分析财联社的红电报情绪，再把结果接进 Dify 工作流里做综合判断。如果你平时的工作或个人项目里，需要处理大量文本、做信息提取和情绪分析，这套把大模型变成可调用工具的打法完全能复用到金融以外的场景。

需要什么基础，建议先看哪几块

这套资料不适合零基础。你得有 Python 基本语法功底，最好写过简单的接口或者爬虫，知道怎么跑通本地脚本。课程默认你已经有前置铺垫，所以不会从零教语法。建议拿到资料后，先看开张课明确前置依赖，然后直接跳到 FastAPI 构建 AI 工具和 Dify 接入那一讲。这块是整个系统的骨架，搞懂大模型怎么跟外部接口通信，你才能往下走。接着重点看多股票信息查询的上下两讲，这里是 Agent 和工作流结合的核心，教你怎么让大模型按固定流程去查数据而不是瞎编。最后看豆包 AI 和财联社电报分析，学怎么用大模型做金融短文本的情绪提取。

学完能独立做什么，资料怎么配合练习

跟着走完，你能独立搭一个本地的量化信息助手：用 FastAPI 写好数据查询接口，把接口挂到 Dify 里，配好 Agent 工作流，让它自动去查多只股票的信息，并对实时财经电报做情绪打分。资料配合练习的正确姿势是：先看视频理解每一讲的架构思路，再自己照着敲一遍代码。不要只看不动，Dify 的工作流节点配置和 FastAPI 的接口调试必须自己跑通一遍才算学会。遇到接口报错或者大模型不按套路出牌，先回头查提示词和接口参数，别急着往下看视频。这套东西跑通后，你换一家公司的财报数据源，照样能搭出新的信息分析系统。