# HunterCode
### Community Edition
**自部署的 AI 投研助手 · A股 / 港股 / 美股 · 数据和对话都在你自己的机器上**
HunterCode 是腾讯 WorkBuddy 金融版的开源本地替代方案 · 面向私募与专业个人投资者
腾讯、WorkBuddy 是腾讯公司的商标。HunterCode 与腾讯公司无隶属、合作或授权关系。
[](./LICENSE)
[](https://github.com/agentpit-io/hunter-community/actions/workflows/ci.yml)
[](https://github.com/agentpit-io/hunter-community/releases)
[](https://github.com/agentpit-io/hunter-community/stargazers)
[](https://github.com/agentpit-io/hunter-community/discussions)
[**🚀 在线演示**](https://hunter-community.agentpit.io) · [**⚡ 5 分钟部署**](#-5-分钟跑起来) · [**📖 产品说明书**](./doc/产品说明书.md) · [**帮助中心**](https://hunter-community.agentpit.io/help/index.html) · [**快速开始**](./docs/01-getting-started.md) · [**💬 讨论区**](https://github.com/agentpit-io/hunter-community/discussions)
🔥 **2026-10-14 全线升级：全面支持谷歌 10-13 发布最强模型 Gemini 4 Argon（`gemini-4-argon`）** —— 自 v2.2.0 起内置免费额度与默认谷歌模型已切换为旗舰推理模型 Gemini 4 Argon（百万级上下文 · 多步深度推理） · [阅读升级详解](https://www.agentpit.io/blog/gemini-4-argon-day-one-rollout)
🏆 [入围世界人工智能开源大赛(GOAI)总决赛 · 赛道二 TOP 15](https://mp.weixin.qq.com/s/n8olfrqdP0-rkj6mU_N6Hg) · [与 WorkBuddy 金融版逐项对比(附官方来源)](https://www.agentpit.io/compare/workbuddy) · [完整演示视频 3 分钟(2026-09-19 录制)](https://www.agentpit.io/media/huntercode-demo-0919.mp4)
> **⚠️ 免责声明**:本项目是投研分析工具,所有输出为 AI 生成内容,仅供研究参考,不构成任何投资建议。投资有风险,决策需谨慎。
---
## ⏱ 30 秒看懂
**它是什么** —— 一个跑在你自己电脑或服务器上的金融 AI 助手。你给它一个大模型 key,它就能查行情、拉新闻、做个股深度分析、预测走势、管理自选和持仓,并按你写的 SKILL(分析方法论)工作。对话、持仓、投资论点全部存在本地数据库。
**它不是什么** —— 不接券商交易,不替你做决策,不保证预测准确。它是把公开数据、分析方法论和大模型组织起来的研究助手。
**适合谁** —— 会用 Docker 的个人投资者、私募研究员、小型量化团队;想掌控自己的数据,或想把自己的数据源和方法论接进来的人。
---
## ☁️ 一键部署到云平台
不想自己管服务器的,可以直接部署到下面这些平台,部署完打开域名走一遍首启向导就能用。
| 平台 | 适合谁 | 说明 |
|---|---|---|
| [Zeabur](docs/deploy/zeabur.md) | 国内外都能用,能力最全 | 模板自动生成密钥、绑域名、挂卷 |
| [Sealos](docs/deploy/sealos.md) | 国内用户 | K8s 模板,postgres / redis 走 KubeBlocks |
| [Railway](docs/deploy/railway.md) | 海外用户 | 控制台里手工搭 6 个服务的逐条清单 + 生成模板的步骤 |
| [1Panel](docs/deploy/1panel.md) | 自有服务器 + 国产面板 | 应用包,表单里填端口和口令即可 |
| [Coolify / Dokploy](docs/deploy/coolify-dokploy.md) | 自有服务器 + 自托管 PaaS | **两份可以整段粘贴的 compose** |
> ℹ️ **这一版还没有「一键部署」按钮。** 我们没有这些平台的账号,一次真实部署都没做过,
> 更没有上架到任何一家的模板市场 —— 所以不放按钮,只给文档。
> 每份模板都做过**等价验证**:把模板机械翻译成 compose(同镜像、同环境变量、
> 用平台自己的方式生成的随机密钥、同卷、同依赖),在本机从空卷跑完
> 「六服务健康 → 走完向导 → 真实对话 → 深度分析 → 重启数据不丢」。
> 各篇文档里都写明了「哪些验过、哪些没验过、平台上要自己核对什么」。
> 有账号的朋友帮忙实测一次,欢迎来
> [Issues](https://github.com/agentpit-io/hunter-community/issues) 说结果 —— 验过就加按钮。
**公网部署必看**:这些平台上的实例一创建就在公网上。模板都默认
关掉了单用户免登录(`HUNTER_SINGLE_USER=0`)并生成了一道初始化口令
`HUNTER_SETUP_TOKEN`,向导第 0 步要填它 —— 不然谁先打开谁就能把大模型配成他自己的。
口令在平台的环境变量面板里看。
---
## 🖥 桌面启动器(推荐给不熟悉命令行的用户)
**下载 → 填一把 key → 等几分钟,整套 HunterCode 自动装好,全程不用敲一条命令。**
装完打开按向导走:欢迎 → 填 key → 一次授权 → 选模型 → 自动安装。检测 Docker、挑下载源、
算端口、写配置、拉镜像、起容器由它连着跑完,装好自动打开浏览器。
启动器仓库:[agentpit-io/HunterLauncher](https://github.com/agentpit-io/HunterLauncher) ·
图文说明与截图:[www.agentpit.io/hunter-community](https://www.agentpit.io/hunter-community)
 —— 徽章上就是当前最新版,下面的链接永远指向它,不用找版本号。
| 平台 | 直接下载(国内可达) | 其他来源 |
|---|---|---|
| **macOS** 12+ · Intel / Apple 芯片通用 | [hunter-launcher-latest-universal.dmg](https://www.agentpit.io/media/hunter-launcher/latest/hunter-launcher-latest-universal.dmg) | [GitHub Releases](https://github.com/agentpit-io/HunterLauncher/releases) |
| **Windows** 10 / 11 · x64 · **推荐** | [hunter-launcher-latest-x64-setup.exe](https://www.agentpit.io/media/hunter-launcher/latest/hunter-launcher-latest-x64-setup.exe) | [GitHub Releases](https://github.com/agentpit-io/HunterLauncher/releases) |
| **Windows** · 组策略分发 | [hunter-launcher-latest-x64.msi](https://www.agentpit.io/media/hunter-launcher/latest/hunter-launcher-latest-x64.msi) | [GitHub Releases](https://github.com/agentpit-io/HunterLauncher/releases) |
| **Linux** x64 | [hunter-launcher-latest-amd64.deb](https://www.agentpit.io/media/hunter-launcher/latest/hunter-launcher-latest-amd64.deb) / [.AppImage](https://www.agentpit.io/media/hunter-launcher/latest/hunter-launcher-latest-amd64.AppImage) | [GitHub Releases](https://github.com/agentpit-io/HunterLauncher/releases) |
> 这几个链接是**固定的**:每次发版都会把最新安装包覆盖到同一个地址,
> 所以收藏它、贴进文章、做成二维码都不会失效。
>
> 想要带版本号的包、逐个文件的 sha256、或是历史版本,看
> [checksums.txt](https://www.agentpit.io/media/hunter-launcher/latest/checksums.txt)、[manifest.json](https://www.agentpit.io/media/hunter-launcher/latest/manifest.json)
> 与 [Releases](https://github.com/agentpit-io/HunterLauncher/releases)。`manifest.json` 里有当前版本号、发布日期与三个包的
> 体积和完整 sha256 —— [下载页](https://www.agentpit.io/hunter-launcher) 显示的就是它。
**系统要求**
* **macOS 12+**(Intel / Apple 芯片通用)—— **不需要你先装 Docker**。本机没有 Docker 时,
启动器会自己准备一套运行环境(内置 Colima + Lima,全装在 `~/.hunter/runtime`),
不碰你已有的 `~/.colima`、`~/.lima`、别人的容器与数据卷。本机已有 OrbStack /
Docker Desktop / Colima 的话它一个字节都不下。
* **Windows 10 / 11 · x64** —— **需要你先装好
[Docker Desktop](https://www.docker.com/products/docker-desktop/) 与 WSL2**。
Windows 上装 Docker Desktop 要 WSL 与管理员权限,启动器这一版还没有做这条链路;
装好 Docker Desktop 之后回来点一次「重新检测」就能继续。
**安装包没有做代码签名,第一次打开要放行一下**
* **Windows**:SmartScreen 会拦一下 —— 点「**更多信息**」→「**仍要运行**」。
* **macOS**:**不要双击**,在图标上**右键 → 打开**,在弹出的对话框里再点一次「**打开**」。
**现状(如实说明)**
* 目前**每一版都标预发布(prerelease)**,原因就是上面那条:包没有代码签名。
* **macOS 已在真机验证过全流程**:2026-09-23 在 Intel · macOS 14.8.5 上跑通了自动准备运行环境
(虚拟机层第一次在真虚拟机上跑通)、开机自检、每日定时备份(LaunchAgent 强制触发后真跑出备份)、
删除应用,以及「**备份 → 删除 → 重装 → 恢复**」闭环(重装 57 秒、6/6 服务健康、数据原样沿用)。
· 已知问题:**0.1.13 及更早版本在 macOS 上的「自动更新」不可用**(会下错成 Linux 的包),
这几版升级请手动下载新安装包覆盖安装。
* **Windows 尚未真机验证**:只在 CI 里编译与打包通过,**没有在任何一台真 Windows 上跑过**。
你是第一个跑的话,欢迎来 [Issues](https://github.com/agentpit-io/HunterLauncher/issues) 说结果。
* Linux 在测试机上真机跑通过从零安装、升级、回滚与离线导入。
> 想自己敲命令,或者要装到远程服务器上,往下看「5 分钟跑起来」—— 两条路装出来的是同一套东西。
---
## 🚀 5 分钟跑起来
**准备**:Docker Desktop(Windows / macOS)或 Docker Engine + Compose v2(Linux) · 磁盘 10 GB · 内存 4 GB(实测峰值约 1.3 GB) · 能访问 `ghcr.io`
六个服务的镜像都同时提供 **amd64 与 arm64**,Apple Silicon 与 arm 云主机原生运行,不用模拟。
> [!IMPORTANT]
> **开始前只需要理解两件事**
> 1. **模型从哪来**。推荐走 **HunterCode 内置额度**:[免费申请一把 `hunt_tools_` 平台 key](https://hunter.agentpit.io/dev/api-keys)(约 30 秒),在向导第 2 步选第一张卡,**不用自己去各家申请大模型 key**,地址和模型名向导自动填好。当前内置额度与默认谷歌模型已于 2026-10-14 凌晨全线升级为谷歌 10-13 发布的旗舰推理模型 **`gemini-4-argon`**（依托统一大模型网关，换模型仅改配置、全线自动受益）。详见 [内置额度使用说明](./docs/builtin-llm/使用说明.md)。
> · **额度**:每把 key **每天 1000 万 token**(输入 + 含 thinking 的输出),北京时间 0 点重置;另有每分钟请求数与并发上限。额度用完不是断服 —— 对话里会用中文说清几点重置、怎么改用自带 key,工具与数据供给照常。额度与服务可能调整或下线。
> · **隐私**:网关只记 token 数与模型名,**不记任何 prompt 与回复内容**。
> · 使用前请读一遍 [**服务条款与可接受使用政策**](./docs/builtin-llm/服务条款.md)([English](./docs/builtin-llm/terms-of-service.md)) —— 仅限自部署用户的研究用途,禁止转售、禁止当通用 API 用。
> **高级路径:自带大模型 key** —— [DeepSeek](https://platform.deepseek.com/api_keys) 或任何 OpenAI 兼容网关(通义、Claude、GPT、OpenRouter、OneAPI、AIHubMix 等)都行,向导里粘进去当场检测。两条路随时互相切换。
> 2. **数据从哪来(三选一,可以先不管)**:① 免费开源源(A 股行情要在 `.env` 设 `DATA_SOURCE_PROVIDER=akshare`);② 接你自己的 MCP / 数据源;③ 平台数据管道,[免费申请 key](https://hunter.agentpit.io/dev/api-keys)。详见 [数据供给三选一](#-数据供给三选一)。
> 走内置额度的话这一步**已经顺带解决了** —— 同一把 `hunt_tools_` key 也是数据供给的 key,向导会直接告诉你已解锁。
**耗时**:自 v1.1.0 起六个服务**全部走预构建镜像,不再本地构建** —— 首次约 3–5 分钟(全在下镜像),之后 `up -d` 几十秒。向导本身约 1 分钟。
```bash
git clone https://github.com/agentpit-io/hunter-community
cd hunter-community
docker compose up -d
open http://localhost:3100 # 浏览器里完成首启向导,不用改任何文件
```
**没有第二步。** 自 v1.1.0 起 `.env` 一个字都不用改 —— 密钥自动生成、数据库自动迁移、
六个服务全走预构建镜像;大模型在浏览器里配。
### 浏览器里的首启向导
第一次打开会自动进入向导(没配大模型时),五步:
| 步骤 | 做什么 |
|---|---|
| 1 · 环境自检 | 六个服务连通、迁移账本、密钥来源与强度、卷可写、访问方式 —— 逐项真探测 |
| 2 · 选大模型 | **第一张卡是「使用 HunterCode 内置额度」(推荐)**:选中即自动填好地址与模型名(当前内置额度与默认谷歌模型已于 2026-10-14 凌晨全线升级为谷歌 10-13 发布的旗舰推理模型 **`gemini-4-argon`**,依托统一大模型网关,换模型仅改配置、全线自动受益),你只要一把 `hunt_tools_` key。下面几张是自带 key 的高级路径,带**实测**的工具调用命中率与耗时(来自 [`docs/model-testing/`](./docs/model-testing/model-compat-matrix.md)) |
| 3 · 填 key 当场测 | 连通 → 对话 → 工具调用三项,失败分类报错,**测不通不让保存**;内置额度路径下还会顺带把深度分析指向 `hunter-deep`、用同一把 key 解锁数据供给 |
| 4 · 数据供给 | 免费开源源 / 平台数据管道 / 自接 MCP,三选一,可以跳过。走内置额度的话这里会直接显示「同一把 key 已解锁」 |
| 5 · 完成 | **不重启任何容器**热生效,给三个示例问题带你进对话 |
**⭐ 觉得有用请点 Star,这是我们继续维护的动力**
Made with ❤️ by [AgentPit](https://agentpit.io) team
想写自己的 SKILL?看 [扩展 HunterCode](#-扩展-huntercode)。
---
## ☁️ 选 Community 还是 Cloud
**会用 Docker、想掌控数据、想接自己的数据源或方法论 → Community(本仓库)。只想打开网页或手机就用、需要微信 / 飞书推送 → [Cloud](https://hunter.agentpit.io)。**
**3. 接自己的 MCP**:工具箱一栏点「＋」,填名称、类型(HTTP / SSE / stdio)、地址和 key,工具描述直接提供给模型。
