人工智能大模型AI 應(yīng)用AI AgentRAG金融科技桌面應(yīng)用MCP Clients【免費下載鏈接】go-stockAI賦能股票分析AI加持的股票分析/選股工具。股票行情獲取AI熱點資訊分析AI資金/財務(wù)分析漲跌報警推送。支持A股港股美股。支持市場整體/個股情緒分析AI輔助選股等。數(shù)據(jù)全部保留在本地。支持DeepSeekOpenAI OllamaLMStudioAnythingLLM硅基流動火山方舟阿里云百煉等平臺或模型。項目地址https://gitcode.com/gh_mirrors/go/go-stock點擊查看免費下載本文以 go-stock 八月發(fā)布的新功能為主線系統(tǒng)講解四個核心模塊全新「市場總覽」首頁、技能系統(tǒng)與技能廣場、知識庫RAG以及長期記憶與用戶畫像。這四個模塊共同構(gòu)成從「看行情」到「用 AI」再到「沉淀個人經(jīng)驗」的完整閉環(huán)。讀完本文你將掌握每個模塊的界面布局、配置方法、底層實現(xiàn)原理含源碼級證據(jù)并能在自己的 go-stock 實例中完成技能創(chuàng)建/導入、知識庫構(gòu)建、統(tǒng)一檢索問答與長期記憶調(diào)優(yōu)等實戰(zhàn)操作。一、全新首頁市場總覽 · 炒作題材 · 財聯(lián)社電報新首頁以「市場總覽 · 炒作題材 · 財聯(lián)社電報」為定位打開應(yīng)用即可在一屏之內(nèi)掌握市場全貌。首頁由上下兩個大區(qū)組成頂部為大盤分析區(qū)底部為三列等高信息流區(qū)。1.1 大盤分析區(qū)頂部頂部大盤分析區(qū)由AnalyzeMartket組件承載對應(yīng)前端源碼 frontend/src/components/AnalyzeMartket.vue聚合了以下模塊模塊說明全球主要股指美洲、歐洲、亞洲等全球指數(shù)實時跑馬燈展示A股四大指數(shù)上證指數(shù)、深證成指、創(chuàng)業(yè)板指、科創(chuàng)50財聯(lián)社數(shù)據(jù)源大盤成交額 市場情緒兩市成交額與市場情緒指標一覽漲跌停家數(shù)比漲停/跌停家數(shù)柱狀圖 漲跌停比折線雙軸展示指數(shù)分時 · 板塊異動標記指數(shù)分時走勢疊加盤中板塊異動事件標記異動點可直接查看詳情融資融券走勢融資余額與融資凈買入雙軸走勢圖標注數(shù)據(jù)更新時間韓國市場圖表KOSPI 指數(shù) SK海力士 三星電子支持分時/日K切換韓國市場圖表為本次首頁的新增亮點其數(shù)據(jù)鏈路有明確的工程化設(shè)計分時數(shù)據(jù)主源為東方財富后端內(nèi)置 3 次重試 域名自動切換提高拉取穩(wěn)定性韓股個股另有 Naver 分鐘線兜底日K數(shù)據(jù)來自 NaverKOSPI 指數(shù)與個股均支持共 250 根對應(yīng)后端實現(xiàn)可參考 backend/data/korea_stock_api.goKST 交易時段與 A 股不同因此圖表始終展示當日實時數(shù)據(jù)不受 A 股日期篩選影響避免出現(xiàn)「休市空白」的體驗問題。1.2 三列信息流區(qū)下部三列采用等高布局各自獨立滾動分別承載三類信息流每日炒作題材ConceptEventListfrontend/src/components/ConceptEventList.vue概念題材事件列表跟蹤市場熱點輪動財聯(lián)社電報NewsList通過newTelegraph事件實時推送新電報到達時自動插入列表頂部無需手動刷新融資融券排名RzrqRankfrontend/src/components/RzrqRank.vue兩融標的排名信息。其中財聯(lián)社電報采用事件推送機制后端定時抓取最新電報后主動推送到前端而非前端輪詢保證了時效性與低資源占用。1.3 實時性設(shè)計首頁時鐘每秒刷新交易時段內(nèi)漲跌停、指數(shù)分時、韓國市場圖表按周期自動刷新電報采用事件推送機制后端定時抓取后主動推送到前端。二、技能系統(tǒng)與技能廣場技能Skill是 go-stock 的漸進式提示詞注入機制讓 AI 在 DeepAgents 模式下按需加載專業(yè)知識、工作流腳本或參考資料而不占用每次對話的上下文 token。本次更新在本地技能管理的基礎(chǔ)上新增了云端技能廣場形成完整的技能生態(tài)。2.1 技能的工作原理技能的加載遵循「啟動掃描 → 按需發(fā)現(xiàn) → 激活注入 → 資源加載」四個步驟啟動時掃描DeepAgents 模式啟動時掃描skills/目錄下所有包含SKILL.md的子目錄構(gòu)建技能索引按需發(fā)現(xiàn)AI 根據(jù)問題內(nèi)容判斷是否需要某技能先讀取SKILL.md元數(shù)據(jù)名稱、描述等激活注入決定使用時才將完整提示詞注入對話上下文資源加載技能可引用scripts/、references/等子目錄資源按需讀取。每個技能是一個獨立目錄最小形態(tài)只需一個SKILL.md含 frontmatter 元數(shù)據(jù) 提示詞正文。技能還支持綁定 MCP 服務(wù)器 ID激活技能時自動掛載對應(yīng)的外部工具。源碼級佐證后端在 backend/agent/skill_backend.go 中實現(xiàn)了容錯技能后端tolerantSkillBackend。其listTolerant通過GlobInfo(*/SKILL.md)掃描一級子目錄源碼 L72-L97并復用了 eino 的 frontmatter 提取與 YAML 解析邏輯parseSkillFrontmatter、yaml.Unmarshal源碼 L100-L125。該實現(xiàn)的關(guān)鍵價值在于容錯單個SKILL.md的 frontmatter 解析失敗僅記錄警告并跳過該技能logger.SugaredLogger.Warnf(skill 中間件: 跳過格式錯誤的技能文件...)而不是讓整個 DeepAgents Agent 構(gòu)建工具列表失敗——文檔注釋中明確記錄了這一設(shè)計背景見源碼 L18-L31。為什么比「始終注入」更優(yōu)方式token 占用適用場景始終注入高每次對話都消耗簡單固定的提示詞漸進式展示低僅激活時消耗復雜、可組合的領(lǐng)域知識??僅 DeepAgents 模式生效技能系統(tǒng)僅在 DeepAgents 模式下啟用。原因在于 DeepAgents 模式內(nèi)置write_todos任務(wù)規(guī)劃和task子 Agent 委派能力能夠主動判斷何時需要加載技能React / PlanExecute 模式架構(gòu)不同不支持 skill 中間件。若希望在簡單任務(wù)中也使用技能請在 AI 智能體頁面底部的 Agent 模式選擇器中切換到 DeepAgents模式。2.2 SKILL.md 格式與目錄結(jié)構(gòu)每個技能是skills/下的一個一級子目錄目錄名即技能名。最小可用技能只包含一個SKILL.md文件skills/ └── my-skill/ ├── SKILL.md # 必需技能描述與提示詞 ├── scripts/ # 可選腳本資源 │ ├── analyze.py # Python 腳本Agent 可調(diào)用 execute 工具運行 │ └── fetch.sh # Shell 腳本 ├── references/ # 可選參考文檔 │ ├── api-spec.yaml # API 規(guī)范 │ └── examples.json # 示例數(shù)據(jù) └── config.toml # 可選配置文件文件大小限制單文件 ≤ 10 MB單技能總大小 ≤ 100 MB。SKILL.md是技能的核心文件由兩部分組成YAML FrontMatter技能元數(shù)據(jù)中間件啟動時解析 Markdown 正文技能的完整提示詞AI 調(diào)用技能時才加載。建議格式如下--- name: 技能名稱 description: 技能的簡短描述AI 通過它判斷是否激活本技能 context: fork # 可選執(zhí)行模式fork / fork_with_context / 不設(shè)inline agent: sub-agent-name # 可選fork 模式下使用的子 Agent 名需配置 AgentHub model: deepseek-chat # 可選覆蓋默認模型inline 下切換后續(xù)對話模型fork 下傳給子 Agent --- # 技能名稱 ## 技能說明 在此處編寫 AI 應(yīng)當遵循的工作流程、分析框架、輸出格式要求等。 這部分內(nèi)容只在 AI 調(diào)用 skill 工具時才會被加載到上下文漸進式展示。 ## 工作流程 1. 步驟一 2. 步驟二 3. 步驟三 ## 資源引用 - scripts/analyze.py數(shù)據(jù)預處理腳本 - references/api-spec.yamlAPI 接口規(guī)范FrontMatter 字段說明字段類型必需說明namestring是技能顯示名稱也是skill工具調(diào)用的參數(shù)值descriptionstring是技能描述AI 據(jù)此自主判斷是否調(diào)用本技能不是關(guān)鍵詞匹配contextstring否執(zhí)行模式fork新子 Agent 無歷史/fork_with_context新子 Agent 帶歷史/ 不設(shè)inline默認結(jié)果返回主對話agentstring否fork 模式下使用的子 Agent 名需配置 AgentHubgo-stock 當前未配置留空即可modelstring否覆蓋默認模型名。inline 下后續(xù) ChatModel 請求切換到該模型fork 下傳給子 Agent 關(guān)鍵提示沒有trigger_keywords字段。技能激活完全由 AI 根據(jù)description自主判斷不是關(guān)鍵詞匹配。description應(yīng)當清晰描述技能的適用場景例如「提供 K 線形態(tài)識別、技術(shù)指標解讀、買賣點判斷」比「技術(shù)分析」更有效。FrontMatter 之外的正文內(nèi)容啟動時不加載僅在 AI 調(diào)用skill工具時才注入上下文這正是 skill_backend.go 中l(wèi)oadSkillFromFile將Content與 FrontMatter 分離存儲的原因。2.3 技能廣場技能廣場是內(nèi)置的云端技能市場需配合 go-stock-server 服務(wù)端部署核心能力包括瀏覽與檢索分類篩選、關(guān)鍵詞搜索、多維度排序、VIP 技能過濾技能詳情查看完整的系統(tǒng)提示詞、示例、觸發(fā)關(guān)鍵詞、標簽等元數(shù)據(jù)互動點贊、收藏熱門技能一目了然技能排行榜按熱度排名發(fā)現(xiàn)優(yōu)質(zhì)技能下載導入一鍵將廣場技能下載并導入本地Base64 打包傳輸導入時自動校驗SKILL.md存在性、攔截路徑穿越、限制解壓寫入量防止惡意技能包分享上傳將本地技能打包分享到廣場可設(shè)置名稱、描述、分類、標簽VIP 用戶可發(fā)布 VIP 專屬技能我的技能分享管理自己分享的技能查看、刪除。配套的本地技能導入.zip格式還支持兩種目錄結(jié)構(gòu)扁平結(jié)構(gòu)SKILL.md在 zip 根目錄技能名取自 zip 文件名與嵌套結(jié)構(gòu)SKILL.md在子目錄中技能名取自第一級目錄名。安全限制包括禁止包含..路徑防 zip slip 攻擊、單文件 ≤ 10 MB、總計 ≤ 100 MB若同名技能已存在先刪除再覆蓋導入。2.4 賬號與 VIP 體系技能廣場配套輕量賬號系統(tǒng)用戶名密碼注冊/登錄設(shè)備綁定管理并提供 VIP 權(quán)限體系贊助碼激活VIP 通過贊助碼激活服務(wù)端 AES 解密校驗贊助碼全局一次性使用防止轉(zhuǎn)借濫用相關(guān)后端邏輯可參考 backend/data/sponsor_vip.go服務(wù)端權(quán)威VIP 等級與到期時間完全由服務(wù)端裁定客戶端提交值僅作參考到期自動失效訪問控制三層防護列表/排行/分類接口強制只返回公開技能隱藏技能僅作者本人可見其余一律 404杜絕通過接口探測隱藏技能存在性VIP 技能下載需作者本人或有效 VIP 身份否則返回 403。2.5 本地技能管理實操技能管理界面位于「研究中心」→「技能管理」前端 frontend/src/components/skill-manager.vue包含工具欄導入技能包、刷新、技能列表表格名稱/目錄/描述/操作、文件編輯器彈窗三部分。編輯器能力矩陣擴展名編輯器高亮.mdMdEditorMarkdown 實時預覽.py/.pywCodeMirror 6Python.yaml/.ymlCodeMirror 6YAML.jsonCodeMirror 6JSON其他CodeMirror 6無高亮保留行號、Tab 縮進、括號匹配編輯器主題自動跟隨應(yīng)用主題亮色/暗色暗色下使用oneDark主題。SKILL.md是技能的必需文件不可刪除刪除按鈕對SKILL.md不顯示。與 Agent 的集成DeepAgents 模式下Agent 擁有文件系統(tǒng)和 Shell 工具ls、read_file、write_file、edit_file、glob、grep、execute可通過execute工具運行scripts/下的腳本如execute(commandpython skills/my-skill/scripts/analyze.py --code sh600519)通過read_file讀取references/下的文檔子進程控制臺窗口自動隱藏輸出流式返回給 Agent。技能示例技術(shù)分析助手SKILL.md--- name: 技術(shù)分析助手 description: 提供 K 線形態(tài)識別、技術(shù)指標解讀、買賣點判斷的專業(yè)分析框架 --- # 技術(shù)分析助手 ## 分析流程 1. 調(diào)用 GetEastMoneyKLine 獲取最近 60 日 K 線數(shù)據(jù) 2. 調(diào)用 GetEastMoneyKLineWithMA 計算 5/10/20/60 日均線 3. 識別 K 線形態(tài)錘頭線、十字星、吞沒形態(tài)等 4. 計算 MACD、RSI、KDJ 指標 5. 綜合判斷買賣信號 ## 輸出格式 | 指標 | 數(shù)值 | 信號 | |------|------|------| | ... | ... | ... |三、知識庫RAG知識庫讓 AI 回答建立在你的私有資料之上完整鏈路為上傳文檔 → 自動向量化 → 語義檢索 → 增強回答。3.1 核心能力能力說明多知識庫管理每個知識庫對應(yīng)一個獨立向量 collection可創(chuàng)建多個庫分類管理不同領(lǐng)域資料文檔入庫支持直接粘貼文本、上傳.txt/.md/.markdown文件批量上傳多文件批量導入后臺異步向量化前端實時顯示進度自動切片中文友好的按 rune 切片目標 500 字、重疊 60 字、單片上限 1200 字保持邊界語義連續(xù)單庫檢索指定知識庫內(nèi)語義檢索返回帶相似度評分與元數(shù)據(jù)的結(jié)果統(tǒng)一檢索一次檢索所有知識庫 長期記憶并發(fā)查詢、全局重排、截斷 Top-KRAG 問答「檢索并回答」模式統(tǒng)一檢索結(jié)果作為上下文交給 Agent 生成回答不支持格式.pdf/.docx/.doc暫不支持請先轉(zhuǎn)換為.txt或.md后續(xù)版本將支持。源碼中 backend/agent/knowledge_base.go 的AddFileToKB明確按擴展名分支處理源碼 L679-L704并限制單文件 ≤ 10 MB源碼 L675-L677。3.2 與 AI 的集成方式知識庫有兩種被 AI 使用的方式Agent 工具自動SearchKnowledgeBase單庫檢索、SearchAllKnowledge統(tǒng)一檢索、ListKnowledgeBases注冊為 Agent 工具實現(xiàn)在 backend/agent/knowledge_base_tool.goAI 在對話中按需自主調(diào)用。其中SearchKnowledgeBase參數(shù)為kb_name必填、query必填、top_k可選默認 5范圍 [1, 20]SearchAllKnowledge參數(shù)為querytop_k無需指定知識庫名稱。系統(tǒng)提示詞注入主動知識庫問答界面將統(tǒng)一檢索結(jié)果直接構(gòu)建進系統(tǒng)提示詞AI 無需重復調(diào)用檢索工具即可回答適合明確的問答場景。工具注冊于GetAllTools/getToolsByQuestion在主聊天、飛書機器人、定時任務(wù)等所有 Agent 入口均可使用。3.3 技術(shù)架構(gòu)向量存儲采用chromem-go純 Go 嵌入式向量庫零 CGO 依賴與現(xiàn)有 SQLite 構(gòu)建鏈兼容。每個知識庫對應(yīng)一個獨立 collectioncollection 名統(tǒng)一加kb_前綴以避免與系統(tǒng) collection 沖突knowledge_base.go 源碼 L44-L54Embedding復用 OpenAI 兼容接口/v1/embeddings直接使用 AI 配置中已有的供應(yīng)商。默認模型text-embedding-3-small可通過配置或環(huán)境變量GO_STOCK_EMBEDDING_MODEL覆蓋long_term_memory.go 源碼 L38-L58;模型解析優(yōu)先級embeddingModel 參數(shù) 環(huán)境變量 GO_STOCK_EMBEDDING_MODEL (typeembedding 服務(wù)的 ModelName) AIConfig.EmbeddingModel 默認 text-embedding-3-small源碼 L256-L269Embedding 緩存相同 query 1 小時內(nèi)不重復調(diào)用 embedding API緩存容量上限 1000 條超限清空embedding_cache.go容錯向量化失敗僅記錄日志不阻斷主流程批量導入單文件失敗不影響其他文件繼續(xù)導入。批量導入與并發(fā)控制源碼級批量導入以 3 個文件級 worker 并發(fā)處理fileConcurrency 3每個文件內(nèi)又以 8 個切片級 worker 并發(fā)入庫concurrency 8同時用全局信號量kbEmbedGlobalSem容量 5兜底限制 embedding API 的實際并發(fā)數(shù)避免高并發(fā)觸發(fā)供應(yīng)商限流knowledge_base.go 源碼 L135-L138、L586-L604。前端可通過GetKBVectorizingStatus輪詢向量化進度向量化中 / 已完成 / 失敗。自動切片基于 go-chunker 的 Markdown 遞歸策略切分順序為「標題 → 段落 → 句號 → 空格」用 rune 計數(shù)中文友好1 個漢字算 1目標 500 字、重疊 60 字、過濾 20 字的過短片段text_chunker.go 源碼 L26-L57。統(tǒng)一檢索時各源取topK*2條用于全局重排最終截斷到 topK單源失敗不影響其他源。3.4 知識庫問答統(tǒng)一檢索 Agent 綜合回答「知識庫管理 → 知識庫問答」Tab 提供一鍵式 RAG 問答體驗輸入問題 TopK AI 服務(wù) Agent 模式 │ ├─① 統(tǒng)一檢索SearchAllKnowledge │ 并發(fā)檢索所有 KB qa_history │ 全局相似度重排 → 展示命中片段按來源著色 │ └─② Agent 綜合回答ChatWithAgentKBQA 將命中片段注入系統(tǒng)提示詞 Agent 基于檢索內(nèi)容生成回答流式 支持 Markdown 渲染MdPreview界面采用左右布局檢索命中片段與 Agent 回答并排展示均可點擊標題折疊隱藏每條命中標注「知識庫 / 歷史經(jīng)驗」來源標簽、KB 名、來源文件與相似度回答用MdPreview組件渲染支持標題、列表、代碼塊、表格若 Agent 輸出推理過程則單獨弱化展示回答過程中可隨時中止。與主聊天的區(qū)別維度知識庫問答 Tab主聊天檢索先統(tǒng)一檢索展示再注入回答Agent 自主決定是否調(diào)檢索工具上下文每次獨立無歷史記憶污染可攜帶對話歷史透明度命中片段可見、可控檢索過程不可見歸檔回答仍會歸檔到長期記憶同樣歸檔四、長期記憶與用戶畫像長期記憶解決的是「AI 每次都從零開始」的問題歷史問答經(jīng)驗自動沉淀為可語義檢索的知識用戶畫像讓 AI 跨會話「懂你」。4.1 長期記憶長期記憶基于 chromem-go 實現(xiàn)qa_history向量 collection持久化于程序所在目錄的memory/.vectorstore/目錄程序目錄/memory/ ├── .vectorstore/ # 向量庫chromem-go 持久化 │ ├── .kb_meta.json # 知識庫元信息各 KB 綁定的 AI 服務(wù) embedding 模型 │ └── chromem 內(nèi)部存儲 # 各 KB collection qa_history collection └── 2026-01-10/ # 按日期歸檔的分析報告 └── 2026-01-10_143022_xxxx.md核心機制包括歸檔時入庫每次分析報告歸檔時觸發(fā)點為archiveAnalysisReport在 react / plan_execute / deepagents 模式下 Agent 回答完成后調(diào)用問題與回答自動切片、異步向量化寫入qa_historycollectionAddMemory在獨立 goroutine 中執(zhí)行不阻塞歸檔主流程。文檔 ID 采用「日期時間戳chunk序號」同一問題多次歸檔不會互相覆蓋自進化時檢索Agent 自進化構(gòu)建提示詞時buildSelfEvolutionPrompt→SearchRelevant按當前問題語義召回 Top-K 條歷史問答經(jīng)驗默認 5 條支持用戶隔離userKey非空時只檢索該用戶記憶、按問題去重保留最高相似度替代舊版文件名掃描。每條召回記錄包含問題、回復片段、模式、日期、報告路徑FormatMemoryRecall將其格式化為可注入系統(tǒng)提示詞的「歷史相關(guān)經(jīng)驗」段落見 long_term_memory.go 源碼 L514-L551切片策略每個切片前綴加Q: {question}\nA:讓 embedding 同時捕獲問題與回復的語義源碼 L382-L404記憶管理所有向量操作失敗僅記錄日志并自動降級回退到文件名掃描不影響任何主流程。?? 提示若曾切換過向量服務(wù)導致向量維度不一致檢索會報「vectors must have the same length」此時需清空memory/.vectorstore/目錄下的向量庫后重啟重建源碼 L468-L471 有明確的錯誤日志指引。4.2 用戶畫像用戶畫像將你的行為數(shù)據(jù)壓縮為一份memory/user_profile.md并在對話時注入 Agent 系統(tǒng)提示詞自動學習Agent 匯總行為數(shù)據(jù)對話反饋等調(diào)用 LLM 自動生成/更新畫像原子寫入避免損壞注入對話畫像以「【用戶偏好】」段落注入系統(tǒng)提示詞AI 從此記住你的風格與偏好可開關(guān)手動管理前端提供畫像編輯/預覽、保存、清空、重新學習等操作并展示畫像完整度與更新時間前端 frontend/src/components/user-profile.vue。4.3 與知識庫的聯(lián)動長期記憶與知識庫共享統(tǒng)一檢索入口SearchAllKnowledge在檢索所有自定義知識庫的同時一并檢索歷史問答經(jīng)驗。你的「經(jīng)驗」和你的「資料」在 AI 眼中是同一個知識體系。兩者底層共享同一套向量庫chromem-go但用途分明體系性質(zhì)內(nèi)容來源檢索方式知識庫Knowledge Base主動維護的私有文檔庫你上傳的研報、財報、筆記、規(guī)則文檔等按知識庫名檢索 / 跨所有庫統(tǒng)一檢索長期記憶Long-Term Memory自動沉淀的歷史問答經(jīng)驗AI 歷次分析問答的自動歸檔語義召回相關(guān)歷史問答五、功能全景圖┌─────────────────────────────────────────────────┐ │ 首頁 │ │ 全球指數(shù) · A股四大指數(shù) · 漲跌停 · 指數(shù)分時 │ │ 融資融券 · 韓國市場(KOSPI/三星/海力士) │ │ 炒作題材 · 財聯(lián)社電報(實時推送) · 兩融排名 │ └─────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────┐ │ 技能系統(tǒng) · 技能廣場 │ │ 本地技能(SKILL.md 漸進式注入) │ │ 廣場(搜索/分類/排行/點贊/收藏) │ │ 下載導入 / 分享上傳 / VIP 權(quán)限控制 │ └─────────────────────────────────────────────────┘ │ ▼ ┌──────────────────────┬──────────────────────────┐ │ 知識庫(RAG) │ 長期記憶·用戶畫像 │ │ 文檔上傳/自動切片 │ 歷史問答自動向量化沉淀 │ │ 語義檢索/統(tǒng)一檢索 │ 自進化語義召回 Top-K │ │ Agent 工具/提示詞 │ 畫像自動學習注入 │ └──────────────────────┴──────────────────────────┘六、配置與實戰(zhàn)指引6.1 知識庫與長期記憶的配置步驟知識庫與長期記憶都需要 embedding 服務(wù)配置鏈路如下配置 AI 服務(wù)在「AI 服務(wù)管理」中配置至少一個支持 embedding 的 AI 服務(wù)如 OpenAI text-embedding-3-small、硅基流動 bge-m3 等。也可通過環(huán)境變量GO_STOCK_EMBEDDING_MODEL覆蓋默認向量模型創(chuàng)建知識庫進入「研究中心 → 知識庫管理」點擊「新建知識庫」輸入名稱如「白酒財報」在新建/配置時綁定 AI 服務(wù)與 embedding 模型導入文檔選中該知識庫點擊「上傳文件」選擇.txt/.md文件等待向量化完成狀態(tài)欄顯示進度批量導入可后臺異步執(zhí)行導入后即可關(guān)閉抽屜檢索測試單庫檢索在知識庫列表抽屜的「檢索測試」卡片長期記憶測試切到「長期記憶檢索」Tab統(tǒng)一檢索在「知識庫問答」Tab 輸入問題點「統(tǒng)一檢索」知識庫問答切到「知識庫問答」Tab輸入問題、選擇 AI 服務(wù)對話型與 Agent 模式復雜分析建議「規(guī)劃」或「DeepAgents」、設(shè)置 TopK建議 5~10、點擊「檢索并回答」配置長期記憶在「長期記憶檢索」Tab 確認綁定的 AI 服務(wù)SetLongTermMemoryAiConfigId日常使用中歷史問答會自動積累可在此 Tab 檢索驗證。6.2 典型應(yīng)用場景個股深度研究建立「個股資料」「行業(yè)研報」知識庫上傳年報、研報轉(zhuǎn)成 .md在主聊天直接提問Agent 自動檢索兩個庫綜合分析交易規(guī)則與策略沉淀把你的選股條件、倉位管理、止損策略寫成 .md 上傳到「我的交易規(guī)則」庫再問「按我的規(guī)則當前 XXX 是否符合買入條件」跨知識庫綜合問答在「知識庫問答」Tab 用SearchAllKnowledge一次檢索所有 KB 歷史經(jīng)驗Agent 基于跨庫內(nèi)容綜合回答并標注來源經(jīng)驗積累與自進化日常問答自動歸檔到長期記憶相似問題下次提問時buildSelfEvolutionPrompt自動召回相關(guān)歷史問答注入AI 可參考之前的結(jié)論與邏輯飛書/定時任務(wù)智能問答知識庫工具注冊于GetAllTools飛書機器人、定時任務(wù)等所有 Agent 入口均可自主調(diào)用例如定時任務(wù)「每日盤后總結(jié)」可先檢索「交易規(guī)則」庫的復盤模板再結(jié)合當日行情生成總結(jié)。6.3 常見問題速查檢索結(jié)果相似度不高檢查 embedding 模型是否與文檔語言匹配中文文檔建議用 bge-m3 等中文優(yōu)化模型確認文檔已完成向量化用更具體的關(guān)鍵詞適當增大 TopK。不同知識庫可以用不同 embedding 模型嗎可以。每個 KB 獨立綁定 AI 服務(wù) embedding 模型但跨庫統(tǒng)一檢索時不同模型的相似度并非嚴格可比作為粗排依據(jù)足夠。長期記憶會無限增長嗎chromem-go 是嵌入式向量庫檢索性能在萬級文檔量級內(nèi)無明顯衰減如需清理可刪除memory/.vectorstore/下對應(yīng) collection 數(shù)據(jù)后重啟。上傳的文檔會被修改嗎不會。系統(tǒng)只讀取文件內(nèi)容進行分塊與向量化原始文件不受影響。技能在 React / PlanExecute 模式下為什么不生效技能系統(tǒng)僅在 DeepAgents 模式啟用切換到 DeepAgents模式即可。七、相關(guān)文檔與深入閱讀《技能管理功能說明》——docs/技能管理功能說明.md技能目錄結(jié)構(gòu)、SKILL.md 格式與本地技能管理詳解《知識庫與長期記憶功能說明》——docs/知識庫與長期記憶功能說明.md知識庫與長期記憶的深度使用指南《go-stock使用手冊》——docs/go-stock使用手冊.md整體功能使用說明。后端源碼入口建議重點閱讀backend/agent/knowledge_base.go多知識庫管理與向量化、backend/agent/long_term_memory.go長期記憶、backend/agent/skill_backend.go技能容錯后端、backend/agent/knowledge_base_tool.goAgent 工具注冊前端界面組件可參考 frontend/src/components/AnalyzeMartket.vue、frontend/src/components/skill-manager.vue、frontend/src/components/knowledge-base-manager.vue 與 frontend/src/components/user-profile.vue。贊分享人工智能大模型AI 應(yīng)用AI AgentRAG金融科技桌面應(yīng)用MCP Clients【免費下載鏈接】go-stockAI賦能股票分析AI加持的股票分析/選股工具。股票行情獲取AI熱點資訊分析AI資金/財務(wù)分析漲跌報警推送。支持A股港股美股。支持市場整體/個股情緒分析AI輔助選股等。數(shù)據(jù)全部保留在本地。支持DeepSeekOpenAI OllamaLMStudioAnythingLLM硅基流動火山方舟阿里云百煉等平臺或模型。項目地址https://gitcode.com/gh_mirrors/go/go-stock點擊查看免費下載相關(guān)推薦GPUI Base Select 原語構(gòu)建錨定、鍵盤可導航的選擇控件GPUI Base Select 原語構(gòu)建錨定、鍵盤可導航的選擇控件 導讀 Select 是 GPUI Base 提供的一個“行為原語primitive”人工智能大模型AI 應(yīng)用AI AgentRAG金融科技桌面應(yīng)用MCP ClientsTypeScript Go市場營銷推廣投放和用戶增長TypeScript Go市場營銷推廣投放和用戶增長 引言TypeScript生態(tài)的革命性突破 還在為TypeScript編譯速度慢而煩惱還在等待大型項目編譯器編程語言開發(fā)工具khoj用戶增長市場推廣與用戶獲取khoj用戶增長市場推廣與用戶獲取 引言AI第二大腦的市場機遇 在人工智能技術(shù)飛速發(fā)展的今天個人知識管理工具正面臨前所未有的機遇。khoj作為一個開源的A人工智能AI 應(yīng)用大模型RAG后端AI Agent上一篇思源宋體完全指南3分鐘掌握開源中文字體的終極配置方案下一篇Sure iOS 構(gòu)建指南從 CocoaPods 排障到 CI/CD 簽名分發(fā)創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考