Qwen3+Dify搭建AI股票分析系统实战教程

项目概述：AI驱动的实时股票分析系统

在量化投资和智能交易日益普及的今天，借助大语言模型构建个人化的股票分析工具已经成为可能。量化投资起源于1970年代的华尔街，以数学模型和计算机算法为核心驱动力进行投资决策。随着大语言模型的兴起，量化投资正在经历新一轮变革：传统量化依赖预定义的数学公式和统计模型，而LLM的引入使得系统能够理解非结构化信息（如财报文本、新闻情绪），并以自然语言形式输出可解释的投资建议。不过需要注意的是，LLM在金融领域的应用仍处于探索阶段，其输出的策略建议需要经过严格的回测验证才能用于实盘交易。

本文将详细介绍如何基于Dify工作流平台，结合通义千问^广告3（Qwen3）大语言模型，构建一个能够实时获取股票数据、计算技术指标、并给出专业交易策略的AI股票分析系统。

关于Dify平台：Dify是一个开源的大语言模型应用开发平台，它提供了可视化的工作流编排能力，允许开发者通过拖拽节点的方式构建复杂的AI应用，而无需编写大量胶水代码。Dify支持多种LLM接入（OpenAI、Anthropic、国产大模型等），并内置了变量管理、条件分支、HTTP请求、代码执行等丰富的节点类型，使得构建端到端的AI工作流变得高效且直观。

关于通义千问3：通义千问3是阿里云推出的新一代大语言模型，在推理能力、指令遵循和多语言理解方面有显著提升。Qwen3支持混合思考模式（thinking/non-thinking），能够在复杂分析任务中展现出更强的逻辑推理链条。通过阿里云百炼平台，开发者可以便捷地获取API Key并将其集成到各类应用中，模型支持超长上下文窗口，非常适合处理包含大量数值数据的金融分析场景。

这个系统的核心能力包括：

• 实时获取真实股票交易数据
• 自动计算RSI、MACD、移动平均线等技术指标
• 评估股票风险与内在价值
• 生成完整的科学投资策略建议

系统架构设计

整个项目的实现分为两个核心部分：

Dify工作流（前端编排）

Dify工作流负责接收用户输入的股票代码和市场类型参数，进行参数校验后将请求发送给后端Server，最终将返回的数据交给千问3大模型进行深度分析。

自定义Server（后端数据服务）

Server端是整个系统的数据引擎，它根据股票代码获取最新的交易数据，并基于这些数据计算各类技术指标（趋势分析、RSI、MACD、移动平均线、成交量等），然后将结构化的分析数据返回给Dify。

整体数据流向为：

用户输入股票代码 → Dify参数校验 → HTTP请求Server → Server获取数据并计算指标 → 返回Dify → 千问3模型深度分析 → 输出投资策略

核心技术指标详解

在深入了解系统实现之前，有必要理解系统所计算的几个核心技术指标，这些指标构成了AI分析的数据基础：

RSI（相对强弱指数）

RSI（Relative Strength Index）是由J. Welles Wilder于1978年提出的动量振荡指标，用于衡量股价涨跌速度和变化幅度。RSI的取值范围为0-100，通常以14个交易日为计算周期。当RSI超过70时，股票被认为处于超买状态，可能面临回调压力；当RSI低于30时，则处于超卖状态，可能存在反弹机会。RSI还可以通过背离信号（股价创新高但RSI未创新高）来预判趋势反转。

MACD（移动平均收敛散度）

MACD（Moving Average Convergence Divergence）是由Gerald Appel在1970年代末提出的趋势跟踪动量指标。它由三个核心组件构成：MACD线（12日EMA与26日EMA的差值）、信号线（MACD线的9日EMA）以及柱状图（MACD线与信号线的差值）。当MACD线上穿信号线时形成"金叉"，通常被视为买入信号；下穿时形成"死叉"，被视为卖出信号。MACD的优势在于同时捕捉趋势方向和动量变化，是技术分析中使用最广泛的指标之一。

移动平均线（MA）

移动平均线（Moving Average）是技术分析中最基础也最重要的工具之一，通过计算一定周期内收盘价的算术平均值来平滑价格波动、识别趋势方向。常用的周期包括5日（周线）、10日、20日（月线）、60日（季线）和250日（年线）。移动平均线分为简单移动平均线（SMA）和指数移动平均线（EMA），后者对近期价格赋予更高权重，对趋势变化更敏感。多条均线的排列形态（如多头排列、空头排列）和交叉信号（金叉、死叉）是判断市场趋势的重要依据。

布林带（Bollinger Bands）

布林带由John Bollinger在1980年代提出，由三条线组成：中轨为N日简单移动平均线（通常为20日），上轨和下轨分别为中轨加减K倍标准差（通常K=2）。布林带的核心思想是利用统计学中的标准差来度量价格波动率——当波动率增大时带宽扩张，波动率缩小时带宽收窄。股价触及或突破上轨通常意味着短期超买，触及下轨则意味着超卖。布林带收窄（squeeze）往往预示着即将到来的大幅波动。

环境准备与部署

搭建这个AI股票分析系统需要三个基础环境：

1. Dify平台：从GitHub下载代码，通过Docker方式部署，过程相对简单
2. 通义千问3模型API：登录阿里云百炼平台获取API Key，在Dify中配置模型接入
3. 自定义Server：运行在本地8080端口，提供股票数据获取和技术指标计算的接口

Dify工作流详细构建

开始节点：用户输入设计

开始节点需要支持三个输入字段：

• 下拉选择股票：预设常用股票代码供快速选择
• 手动输入股票代码：支持自由输入任意代码
• 市场类型（type）：区分A股、港股、美股

条件分支：参数校验逻辑

由于股票代码有两种输入方式（下拉和手动），两者都不是必填项，因此需要一个条件分支节点来确保至少有一个不为空。这里使用OR逻辑：只要code1或code2任一不为空即可通过，否则返回"股票代码不能为空"的错误提示。

变量聚合与HTTP请求配置

通过变量聚合器将有效的股票代码提取出来，传递给HTTP请求节点。HTTP请求节点的关键配置：

• 请求方式：POST
• 请求地址：http://172.26.112.1:8080/api/stock（本地Server地址）
• Header：Content-Type设为application/json，加上API Key验证
• Body：包含stock code和market type两个参数

数据处理与Qwen3模型分析

Server返回的数据是字符串格式，需要通过代码节点使用json.loads转换为字典。然后根据市场类型（A股/港股/美股）分流到对应的大模型分析节点。

以A股为例，千问3模型的System Prompt设定为"A股投资大师"角色，要求分析以下维度：

• 趋势分析（支撑位、压力位）
• 成交量分析与含义
• 风险评估
• 短期和中期目标价位
• 关键技术指标解读
• 具体交易建议（开仓策略、止损位、仓位管理）

实战效果展示

以002235（安妮股份）为例，系统给出了非常详细的分析结果：

趋势分析结果

系统识别出股价已突破布林带上轨，短期处于强势上涨状态。支撑位精确定位在5.5元（强支撑，6月3日低点）和5.65元（弱支撑，6月4日低点），压力位在6.10元（当日最高点）。结合前文对布林带指标的解释，股价突破上轨意味着当前处于统计意义上的极端高位，虽然短期动能强劲，但也暗示着回调风险的累积，这正是系统同时给出激进型和保守型两种策略的原因。

交易策略输出

系统给出了两种开仓策略：

• 激进型：5.88元直接建仓，止损5.5元
• 保守型：等待回踩5.44-5.50支撑位再建仓

仓位管理建议初始仓位不超过1/3，突破6.10后加仓。同时设定了明确的止损线（5.3元）和减仓条件（三个交易日未创新高）。这种分层建仓和严格止损的策略设计，体现了专业量化交易中风险管理优先的核心原则——在不确定的市场中，控制下行风险往往比追求上行收益更为重要。

技术要点总结

Server端核心逻辑

Server端虽然代码量较大，但核心就两个功能：通过GET方法获取实时股票数据，然后进行技术指标计算（RSI、MACD、布林带、移动平均线、成交量分析等）。计算完成后通过API接口暴露给Dify调用。值得注意的是，技术指标的计算需要足够长的历史数据窗口——例如计算250日均线至少需要250个交易日的数据，MACD的信号线需要在MACD线基础上再取9日EMA，因此Server端在数据获取时需要预留充足的历史数据量，以确保各项指标计算的准确性。

工作流设计思路

整个Dify工作流的设计体现了良好的工程实践：

• 输入校验防止空值
• 变量聚合处理多入口
• 条件分支支持多市场
• 大模型角色设定确保输出质量

这种模块化的设计使得系统易于扩展和维护。例如，未来可以轻松添加新的市场类型（如日股、欧股），只需在条件分支中增加新的路径并配置对应的System Prompt即可。同样，如果需要引入基本面分析数据（如市盈率、营收增长率），只需在Server端增加相应的数据获取和计算模块，工作流的整体结构无需大幅调整。

注意事项

1. 本系统仅作为辅助分析工具，投资决策需结合个人判断
2. Server端需要稳定的股票数据源，确保数据的实时性和准确性
3. API Key需要妥善保管，建议通过环境变量方式配置
4. 不同市场（A股/港股/美股）的技术指标计算逻辑可能有差异，需要分别处理

核心要点