🔍 X-Stock-Verify

X (Twitter) 上 A股预测博主的准确率到底怎么样？让 AI 来评判。

自动采集推文 → LLM 提取预测 → Tushare 验证行情 → AI 打分生成报告

English · 快速开始 · 示例报告 · 工作原理

---

✨ 功能亮点

• 🐦 自动采集 — 通过 302.ai API 获取任意 X 用户的历史推文
• 🧠 AI 筛选+提取 — LLM 自动识别 A 股预测推文，提取目标、方向、幅度、时间
• 📈 行情验证 — Tushare 获取真实行情（个股/板块/指数），300+ 板块 ETF 映射
• ⚖️ 智能评分 — LLM 对比预测 vs 实际，0-10 分精细评分
• 📊 专业报告 — 自动生成 HTML 报告，含评分走势图、分类统计、AI 总评
• ⚡ 高并发 — 多线程并行处理，100 条推文约 3 分钟出报告

📸 示例报告

运行后自动生成 HTML 报告，保存在 output/ 目录

总览 · 评分走势	分类统计 · 预测详情

报告包含以下内容

模块	内容
👤 账号信息	用户名、昵称、粉丝数、推文总数、认证状态
📊 总览面板	平均得分（/10）、方向准确率（%）、分析推文数、预测推文数、已验证/未验证数
📉 分数分布	优秀(8-10)、良好(5-8)、一般(3-5)、差(0-3) 各区间数量和占比，带可视化条形图
📈 评分走势图	基于 Chart.js 的交互式折线图，每个预测点按得分着色（绿/黄/红），带平均分参考线
🎯 按目标分类	按个股/板块/大盘分组，显示每个目标的预测次数、平均得分、方向正确率
📝 预测详情卡片	每条预测的完整信息：原始推文、预测方向、预测幅度、目标日期、实际涨跌幅、AI评分(0-10)及评分理由
⏳ 未验证预测	目标日期在未来或无法获取行情的预测列表
🏆 AI 总评	LLM 综合评价：总评分、方向准确率分析、擅长领域、常见问题、可参考程度

🚀 快速开始

1. 克隆项目

git clone https://github.com/ByronZhang1021/X-Stock-Verify.git
cd X-Stock-Verify

2. 安装依赖

pip install -r requirements.txt

3. 配置 API 密钥

cp .env.example .env

编辑 .env 文件，填入你的密钥：

密钥	获取方式
API_302AI_KEY	302.ai 注册获取
ANALYZER_API_KEY	任何兼容 OpenAI 格式的 LLM API
TUSHARE_TOKEN	Tushare Pro 注册获取

4. 运行

# 交互模式
python main.py

# 命令行模式
python main.py --account stockguru123

# 多账号分析
python main.py --account user1 user2 user3

# 更多选项
python main.py --account user1 --max-tweets 100 --no-cache --workers 50

⚙️ 工作原理

X 推文采集          LLM 筛选+提取          行情验证            LLM 评分           报告生成
┌─────────┐     ┌──────────────┐     ┌──────────┐     ┌──────────┐     ┌──────────┐
│ 302.ai  │ ──→ │  筛选预测推文  │ ──→ │ Tushare  │ ──→ │  0-10 分  │ ──→ │  HTML    │
│ Twitter │     │  提取目标/方向 │     │ 验证实际   │     │  精细评分  │     │  报告    │
│ API     │     │  /幅度/日期    │     │ 涨跌行情   │     │  + 理由   │     │  + 图表  │
└─────────┘     └──────────────┘     └──────────┘     └──────────┘     └──────────┘

项目结构

X-Stock-Verify/
├── main.py              # 入口（交互 + 命令行）
├── config.py            # 配置（从环境变量加载）
├── modules/
│   ├── tweet_fetcher.py # 推文采集（302.ai API + 本地缓存）
│   ├── pipeline.py      # 核心流水线（筛选 → 提取 → 行情 → 评分 → 总评）
│   ├── llm_client.py    # LLM 客户端（支持标准/SSE 响应 + JSON 容错解析）
│   ├── market_data.py   # 行情数据（Tushare + 线程安全 + 缓存 + 300+ 板块映射）
│   └── report.py        # HTML 报告生成（Chart.js 图表 + 响应式布局）
├── prompts/
│   ├── filter_and_extract.txt  # 筛选+提取 Prompt
│   ├── scoring.txt             # 评分 Prompt
│   └── summary.txt             # 总评 Prompt
├── .env.example         # 环境变量模板
└── requirements.txt

📋 命令行参数

参数	说明	默认值
--account, -a	X 用户名（支持多个）	必填
--max-tweets, -n	最多分析 N 条推文	50
--workers, -w	并行线程数	100
--max-pages	最大翻页数	50
--no-cache	忽略缓存重新采集	否
--no-open	完成后不自动打开报告	否

🔧 自定义 LLM

本项目使用兼容 OpenAI 格式的 API，你可以在 .env 中切换任何 LLM 后端：

# 使用 OpenAI 官方
ANALYZER_API_BASE=https://api.openai.com/v1
ANALYZER_MODEL=gpt-4o

# 使用 Anthropic (通过兼容层)
ANALYZER_API_BASE=https://your-proxy.com/v1
ANALYZER_MODEL=claude-opus-4.6

# 使用本地模型 (如 Ollama)
ANALYZER_API_BASE=http://localhost:11434/v1
ANALYZER_MODEL=qwen2.5:72b

⚠️ 免责声明

本工具仅供学术研究和个人学习使用。分析结果不构成任何投资建议。使用本工具时请遵守相关平台的使用条款和当地法律法规。

📄 License

MIT License — 自由使用、修改和分发。