拓冰网站定制 
如何免费用 Ollama 本地大模型为 tick-stock-panel 生成 A 股量化选股策略完整指南【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-paneltick-stock-panel是一款自托管、零运维的 A 股「选股 监控 回测」量化工作台支持用 LLM 驱动策略定制、个股分析与 AI 复盘。它的 AI 能力默认对接云端接口而本项目原生支持Ollama 本地模型作为 AI Provider——这意味着你可以在自己电脑上免费、离线地生成选股策略代码数据与思路全程不出本机。本文带你走通这条从零开始的路径。为什么选择 Ollama 本地模型很多新手被「AI 量化」门槛吓住要付费 API Key、要担心数据安全、要写复杂代码。tick-stock-panel 把这条路打通了完全免费Ollama 在本地运行大模型不产生任何 API 调用费用隐私安全你的策略思路、行情数据全部留在本地不会上传给第三方零代码定制用一句自然语言描述选股逻辑AI 自动生成完整的 Polars 策略文件安全兜底生成代码会经过后端 AST 白名单校验禁止危险 import 与调用只允许保存为单个.py策略文件。AI 配置相关说明见 docs/configuration.md策略体系说明见 docs/strategy.md。选股页内置 25 个策略开箱即用也可打开「AI 策略生成器」用自然语言定制第一步安装 Ollama 并拉取模型Ollama 是一站式本地大模型运行工具支持 Windows / macOS / Linux。安装 Ollama按其官网指引即可本文不展开拉取一个代码能力较强的模型例如ollama pull qwen2.5:14b验证服务运行默认监听http://localhost:11434ollama list硬件建议内存 16GB 以上可流畅运行 14B 级别模型8GB 内存可改用qwen2.5:7b等更小规格。模型越大生成策略代码的完整度与一次通过率越高。 Ollama 对外提供OpenAI 兼容接口/v1路径这正是 tick-stock-panel 能够「零代码」适配它的原因——后端 AI 适配层见 backend/app/services/ai_provider.py。第二步在 tick-stock-panel 中配置本地模型配置有两种方式任选其一方式 A面板可视化配置推荐进入设置 → AI选择「自定义」接口填入配置项值Provideropenai_compatOpenAI 兼容接口地址http://localhost:11434/v1模型名与ollama list中一致的模型名前端配置页对应源码frontend/src/pages/settings/AI.tsx方式 B.env文件配置在项目根目录.env中添加AI_PROVIDERopenai_compat AI_BASE_URLhttp://localhost:11434/v1 AI_API_KEYollama # 占位即可 AI_MODELqwen2.5:14b各配置项含义见 docs/configuration.md。⚠️Docker 部署注意面板跑在容器里时localhost指向的是容器自身请改为宿主机地址如http://host.docker.internal:11434/v1Windows/macOS 可用Linux 需用宿主机内网 IP并确保 Ollama 监听了0.0.0.0。配置优先级面板设置页 .env文件 环境变量见 docs/configuration.md。所有 AI 配置留空则自动关闭 AI 功能不影响选股、回测等核心能力。第三步一句话生成策略回测验证上线配置完成后整个「想法 → 策略」的闭环只需要 4 步打开选股页 → AI 策略生成器用自然语言描述思路例如筛选 RSI 跌破 30 后首次放量量比大于 2且收盘价站上 5 日均线的超跌反弹票持有不超过 5 个交易日。前端流式接收 AI 生成的策略代码——后端会先做ast安全校验import 白名单、拦截危险调用通过后返回保存。策略自动落入data/strategies/ai/目录ID 带ai_前缀引擎自动发现并加载即可在选股、回测、监控中直接使用。生成流程的完整提示词位于backend/app/strategy/prompts/其中 strategy-guide-compact.md 是喂给模型的精简运行时指南。生成策略后先回测验证夏普、回撤、分年表现一目了然本地模型的现实预期小模型7B 级简单条件组合均线、RSI、量比等一次成功率较高复杂逻辑可能需要在生成器里描述得更具体明确字段、阈值、方向中大型模型14B 及以上更接近云端大模型效果能较好处理评分权重、进出场信号等完整结构生成失败或质量不达标时换个说法重试、补充约束或临时切到云端接口生成、再用本地模型做后续迭代。持续改进假设—验证—判定闭环AI 负责「生成—诊断—修改」的重复劳动回测验证与上线决策永远由人完成。项目的 docs/strategy-iteration.md 给出了完整的迭代台账方法每轮记录假设、改动、证据与判定封存最后 20% 区间作为留出集防止「多轮挑最优」过拟合。常见问题 FAQQ1Ollama 不收费但模型下载占空间大吗7B 模型约 5GB14B 约 9GB按需选择即可。Q2本地模型能支撑「AI 对话助手」吗对话助手依赖工具调用function calling能力对模型要求较高建议仍使用支持该能力的 OpenAI 兼容接口策略生成、个股分析、AI 复盘等文本生成类功能本地模型完全可以胜任。Q3以后想切回云端接口怎么办改AI_BASE_URL与模型名即可如 DeepSeekhttps://api.deepseek.com/v1deepseek-chat策略、数据、回测结果完全不受影响。Q4会不会有 token 费用本地运行零费用。云端模式可设AI_DAILY_TOKEN_BUDGET控制每日 token 预算上限。小结用 Ollama tick-stock-panel你得到的是一条真正「免费玩转策略定制」的完整路径装 Ollama、拉模型—— 10 分钟设置页填http://localhost:11434/v1—— 1 分钟选股页一句话生成策略 → 回测 → 上线监控—— 全程自然语言零代码。策略是你的数据是你的费用是零。从第一个 AI 策略开始慢慢把它迭代成属于你的量化工作台吧。【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-panel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何免费用 Ollama 本地大模型为 tick-stock-panel 生成 A 股量化选股策略：完整指南
如何免费用 Ollama 本地大模型为 tick-stock-panel 生成 A 股量化选股策略完整指南【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-paneltick-stock-panel是一款自托管、零运维的 A 股「选股 监控 回测」量化工作台支持用 LLM 驱动策略定制、个股分析与 AI 复盘。它的 AI 能力默认对接云端接口而本项目原生支持Ollama 本地模型作为 AI Provider——这意味着你可以在自己电脑上免费、离线地生成选股策略代码数据与思路全程不出本机。本文带你走通这条从零开始的路径。为什么选择 Ollama 本地模型很多新手被「AI 量化」门槛吓住要付费 API Key、要担心数据安全、要写复杂代码。tick-stock-panel 把这条路打通了完全免费Ollama 在本地运行大模型不产生任何 API 调用费用隐私安全你的策略思路、行情数据全部留在本地不会上传给第三方零代码定制用一句自然语言描述选股逻辑AI 自动生成完整的 Polars 策略文件安全兜底生成代码会经过后端 AST 白名单校验禁止危险 import 与调用只允许保存为单个.py策略文件。AI 配置相关说明见 docs/configuration.md策略体系说明见 docs/strategy.md。选股页内置 25 个策略开箱即用也可打开「AI 策略生成器」用自然语言定制第一步安装 Ollama 并拉取模型Ollama 是一站式本地大模型运行工具支持 Windows / macOS / Linux。安装 Ollama按其官网指引即可本文不展开拉取一个代码能力较强的模型例如ollama pull qwen2.5:14b验证服务运行默认监听http://localhost:11434ollama list硬件建议内存 16GB 以上可流畅运行 14B 级别模型8GB 内存可改用qwen2.5:7b等更小规格。模型越大生成策略代码的完整度与一次通过率越高。 Ollama 对外提供OpenAI 兼容接口/v1路径这正是 tick-stock-panel 能够「零代码」适配它的原因——后端 AI 适配层见 backend/app/services/ai_provider.py。第二步在 tick-stock-panel 中配置本地模型配置有两种方式任选其一方式 A面板可视化配置推荐进入设置 → AI选择「自定义」接口填入配置项值Provideropenai_compatOpenAI 兼容接口地址http://localhost:11434/v1模型名与ollama list中一致的模型名前端配置页对应源码frontend/src/pages/settings/AI.tsx方式 B.env文件配置在项目根目录.env中添加AI_PROVIDERopenai_compat AI_BASE_URLhttp://localhost:11434/v1 AI_API_KEYollama # 占位即可 AI_MODELqwen2.5:14b各配置项含义见 docs/configuration.md。⚠️Docker 部署注意面板跑在容器里时localhost指向的是容器自身请改为宿主机地址如http://host.docker.internal:11434/v1Windows/macOS 可用Linux 需用宿主机内网 IP并确保 Ollama 监听了0.0.0.0。配置优先级面板设置页 .env文件 环境变量见 docs/configuration.md。所有 AI 配置留空则自动关闭 AI 功能不影响选股、回测等核心能力。第三步一句话生成策略回测验证上线配置完成后整个「想法 → 策略」的闭环只需要 4 步打开选股页 → AI 策略生成器用自然语言描述思路例如筛选 RSI 跌破 30 后首次放量量比大于 2且收盘价站上 5 日均线的超跌反弹票持有不超过 5 个交易日。前端流式接收 AI 生成的策略代码——后端会先做ast安全校验import 白名单、拦截危险调用通过后返回保存。策略自动落入data/strategies/ai/目录ID 带ai_前缀引擎自动发现并加载即可在选股、回测、监控中直接使用。生成流程的完整提示词位于backend/app/strategy/prompts/其中 strategy-guide-compact.md 是喂给模型的精简运行时指南。生成策略后先回测验证夏普、回撤、分年表现一目了然本地模型的现实预期小模型7B 级简单条件组合均线、RSI、量比等一次成功率较高复杂逻辑可能需要在生成器里描述得更具体明确字段、阈值、方向中大型模型14B 及以上更接近云端大模型效果能较好处理评分权重、进出场信号等完整结构生成失败或质量不达标时换个说法重试、补充约束或临时切到云端接口生成、再用本地模型做后续迭代。持续改进假设—验证—判定闭环AI 负责「生成—诊断—修改」的重复劳动回测验证与上线决策永远由人完成。项目的 docs/strategy-iteration.md 给出了完整的迭代台账方法每轮记录假设、改动、证据与判定封存最后 20% 区间作为留出集防止「多轮挑最优」过拟合。常见问题 FAQQ1Ollama 不收费但模型下载占空间大吗7B 模型约 5GB14B 约 9GB按需选择即可。Q2本地模型能支撑「AI 对话助手」吗对话助手依赖工具调用function calling能力对模型要求较高建议仍使用支持该能力的 OpenAI 兼容接口策略生成、个股分析、AI 复盘等文本生成类功能本地模型完全可以胜任。Q3以后想切回云端接口怎么办改AI_BASE_URL与模型名即可如 DeepSeekhttps://api.deepseek.com/v1deepseek-chat策略、数据、回测结果完全不受影响。Q4会不会有 token 费用本地运行零费用。云端模式可设AI_DAILY_TOKEN_BUDGET控制每日 token 预算上限。小结用 Ollama tick-stock-panel你得到的是一条真正「免费玩转策略定制」的完整路径装 Ollama、拉模型—— 10 分钟设置页填http://localhost:11434/v1—— 1 分钟选股页一句话生成策略 → 回测 → 上线监控—— 全程自然语言零代码。策略是你的数据是你的费用是零。从第一个 AI 策略开始慢慢把它迭代成属于你的量化工作台吧。【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-panel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考