Biga AI 量化助手项目说明书

1. 项目定位

Biga AI 量化助手服务于个人投资者的研究和复盘场景。系统以“辅助决策，不替代风控”为原则：AI 可归纳信息、生成分析和给出结构化建议，行情、交易成本、T+1、持仓约束和模拟成交等确定性事实仍由规则引擎计算。

项目采用本地有界重计算与云端增量日常任务的运行边界。本地可准备或恢复历史基线，云端仅执行已校验的轻量任务和不可变产物，避免将高成本、不可控的数据重建放到持续运行环境。

2. 功能范围

Web 端提供多会话 AI 对话、盘前与收盘报告、择股、因子评估、股票自选、持仓录入与汇总、个股深度分析、研究页与回测工坊。用户还可配置风险等级、持仓周期、市值风格、行业偏好和系统信赖程度，形成五维投资画像。

模拟盘包含纯规则账户与 AI 交易员账户。两者均按 A 股费用、印花税、滑点和 T+1 限制记录成交，并可与实盘快照对比；AI 仅能输出结构化 JSON 决策，模型不可用时系统显式降级为观望。

行为监管模块按周生成纪律复盘，检查仓位偏差、低评分持仓与执行偏差。策略库涵盖双均线、布林带、网格、RSI 和均线多头排列；单股回测输出结构化指标和多策略适配看板，用于验证策略证据而不是直接宣称收益。

3. 系统架构

系统由 Web 前端、FastAPI API、独立任务 Worker、数据与模型引擎组成。前端开发服务器代理 /api 与 /ws，通过 REST 获取业务数据、通过 WebSocket 接收运行状态。Worker 独占调度器，负责行情采集、因子评分、模型推理、推荐生成、报告生成与回测任务；任务状态持久化，Worker 重启后可恢复失效租约。

整体链路为：

行情与用户数据 → 增量采集 → 因子与 ML 评分 → 选股 / 报告 / 回测 → 模拟盘与专项 Agent → 风控与行为监管 → Web、Android 只读展示

后端可在本地使用 SQLite 便捷开发，在云端使用 PostgreSQL 与 Redis。Redis 用于对话热缓存、24 小时上下文缓存和活跃会话约束；ECharts 配置由后端保存并在报告详情页渲染。

4. AI 与专项分析能力

系统通过编排器协调技术面、基本面、情绪面、风险管理和辩论等专项 Agent。它们围绕同一份行情、因子和持仓上下文给出各自的分析，再由统一链路生成研究建议和报告。记忆、工具和模型调用均收敛在后端，前端只负责呈现与触发。

AI 的职责是解释与建议，规则引擎的职责是约束与结算。例如模拟交易的可买卖性、费用、税费、滑点和持仓状态不由模型决定；模型输出不符合 JSON 约定时，系统不会把不确定内容当作交易指令执行。

5. 可信运行与安全边界

系统采用单人本地数据模型，不假设多用户隔离。生产环境必须配置足够长度的 API Token 与密钥、严格的 HTTPS 前端来源；条件不满足时 API 与 Worker 拒绝启动。所有 API 请求采用 Bearer Token，WebSocket 在首帧完成认证，Token 不进入 URL 和代理日志。

行情基线默认复用，仅从每只股票最后交易日之后增量补齐。可部署产物通过 HTTPS 上传，须同时通过 Token、清单、哈希、体积与行数校验；导入失败或版本过旧时继续运行已发布版本。系统提供数据质量、运行态和产物状态接口，便于定位“数据未更新”“模型未运行”或“外部源不可用”等问题。

6. 多端展示与验证

Web 是当前主验收端，提供引擎控制台和完整研究工作流。Android 端以 Kotlin + Jetpack Compose 构建“今日、市场、组合、研究、助手、我的”六个页面骨架，后续复用统一 API 作为只读端。

项目在开发期补充了 API 与流程测试；后端可通过 pytest 验证，前端通过构建命令检查，Android 可生成 Debug 包。项目已归档，后续扩展方向包括稳定补齐基本面、资金面和情绪面数据源，并将移动端接入真实数据。