免费 A 股 + 美港股数据源被打通了！Claude 直接当量化分析师
🩺 摘要
免费 A 股 + 美港股数据源被打通了！Claude 直接当量化分析师 GitHub 上有个仓库叫 simonlin1212/a-stock-data，5 月 11 日刚创建，1 个月 Star 4000+、Fork 800+，是 V3.0 之后才爆发起来的。 它的同门兄弟 simonlin12
📝 详情
免费 A 股 + 美港股数据源被打通了！Claude 直接当量化分析师
GitHub 上有个仓库叫 simonlin1212/a-stock-data，5 月 11 日刚创建，1 个月 Star 4000+、Fork 800+，是 V3.0 之后才爆发起来的。
它的同门兄弟 simonlin1212/global-stock-data（美股 + 港股）也同步上线 1 个月斩获 300+ Star。
两个仓库加在一起，把原本散落在几十个源头的原始数据（mootdx、东财 push2、巨潮、SEC EDGAR、Yahoo…）全部整合成两个 AI 编程助手（Claude Code / Codex / OpenClaw）一加载就能用的 Skill 文件。
说人话：你跟 Claude Code 说一句「帮我看看 688017 的估值」，它不再回你"我没有实时数据"——它会直接拉真实数据，套公式，吐出结果。
01. 解决了三个真正让人抓狂的问题
第一个：东财封 IP。A 股量化圈有句老话：「做东财接口的，最后都死在东财的封 IP 上」。V3.0 之前的版本作者也撞过墙——百度 PAE getrelatedblock 直接返回 ResultCode 10003、财联社快讯 4 个接口全 404、巨潮公告对 601xxx 股票硬编码 gssx0{code} 直接漏数据。V3.2 直接重构了"数据源优先级"逻辑：通达信 (mootdx) 和腾讯财经不封 IP，优先走它们；东财仅用于它独有的数据（资金面 / 研报 / 龙虎榜），且新增 em_get() 统一节流入口，所有东财接口内置串行限流（间隔≥1秒 + 随机抖动）+ 会话复用**。你抄作者的代码就是"防封版"，再也不用半夜被东财 403 报警叫醒。
第二个：鉴权地狱。美港股这边更狠——Yahoo Finance 的 crumb 鉴权流程、SEC EDGAR 的 CIK 映射、东财的 secid 前缀（美股是 105.、港股是 116.）、腾讯美股 / 港股分流（us / r_hk 后缀）……这些"必须知道"的前置知识，单拉一个 Python 教程就够写 30 页。global-stock-data 直接把这些全部封装好，17 个端点 5 个数据源全部零鉴权——只装一个 requests 包就能跑。
第三个：akshare 的"重"。A 股老牌开源库 akshare 大家应该都熟——好处是接口多，坏处是 1.2 万个接口、500+ 个数据源，装一次下来 800MB+ 依赖，跑起来 3 秒冷启动。CSDN 那篇 V3.0 介绍文章里点名："告别 akshare 依赖"——V3.0 把 akshare 全部剥离，改成直连 HTTP API，13 个数据源、27 个端点，只装 mootdx + requests + pandas + stockstats 四个包就能跑。这事的关键不是"少装几个包"，是"AI 抄代码时不需要处理 akshare 内部状态"——LLM 在调用 akshare 的时候经常因为接口签名不一致踩坑，作者直接把这层风险抹掉了。
02. 7 层架构到底覆盖了什么？
简单把它当一份"A股 + 美港股投研全要素清单"看：
A 股版（7 层 27 端点）： - 行情层：K 线（带 MA5/10/20）+ 五档盘口 + PE/PB/市值 + 指数 ETF - 研报层：研报列表 / PDF 下载 / 机构一致预期 EPS / 自然语言研报检索 - 信号层：强势股 + 题材归因 + 北向资金 + 龙虎榜 + 解禁 + 行业对比 - 资金面层（V3.0 新增）：融资融券 + 大宗交易 + 股东户数 + 分红送转 + 120 日资金流 - 新闻层：个股新闻 + 全球资讯 - 基础数据层：季报 37 字段 + F10 九大类 + 财报三表 - 公告层：沪深北全量公告
美港股版（8 层 17 端点）： - 比 A 股多了期权层（Yahoo crumb 期权链 calls+puts）和SEC Filing 层（10-K/10-Q/8-K + 503 个 GAAP 指标）
说白了，个人投研 99% 场景用到的数据都打包在里面了。你拿来做单票估值（30 秒）、多股批量对比（1 分钟）、主题研报检索（2 分钟）、新标的全维度调研（1 分钟）都直接用。
03. 跟 Tushare / AKShare / BaoStock 比，赢在哪？
| 维度 | Tushare Pro | AKShare | BaoStock | a-stock-data + global-stock-data |
|---|---|---|---|---|
| 鉴权 | 需注册 + 积分门槛 | 无 | 无 | 无（部分东财节流防封） |
| 核心数据 | 行情 / 财务 | 行情 / 基本面 / 衍生 | 历史 K 线 | 行情 / 研报 / 资金 / 公告 / 新闻全栈 |
| AI 编程助手适配 | 无 | 间接 | 无 | 原生 Skill 文件（Claude Code / Codex / OpenClaw） |
| 装包大小 | 较轻 | 800MB+ 依赖 | 极轻 | 4 个核心包（mootdx / requests / pandas / stockstats） |
| 数据源稳定性 | 中（付费档稳） | 中（数据源常失效） | 高（仅历史） | 高（V3.2 内置东财防封 / mootdx 兜底） |
| 实测热更新 | 慢 | 看维护者心情 | 几乎不更新 | 2026-06-03 才发 V3.2.2 修复 |
| License | 商用受限 | 限制商业 | Apache-2.0 | Apache-2.0 |
关键差异在 AI 编程助手适配这一行。Tushare 和 AKShare 都是 Python 库，AI 调用的时候 LLM 经常记不住接口签名、踩 akshare 内部状态；这个项目直接把"AI 应该怎么问"封装成结构化 Markdown Skill，让 Claude / GPT 把项目当系统 prompt 加载，对话中自动激活对应端点。这是"AI 时代的数据源"该有的形态——不是给你一堆函数让你查文档，而是给 AI 一张"我有这个能力"的地图。
04. 3 步极速上手
A 股版：
mkdir -p ~/.claude/skills/a-stock-data
curl -o ~/.claude/skills/a-stock-data/SKILL.md \
https://raw.githubusercontent.com/simonlin1212/a-stock-data/main/SKILL.md
pip install mootdx requests pandas stockstats
美港股版：
mkdir -p ~/.claude/skills/global-stock-data
curl -o ~/.claude/skills/global-stock-data/SKILL.md \
https://raw.githubusercontent.com/simonlin1212/global-stock-data/main/SKILL.md
pip install requests
启动 Claude Code，说一句「帮我看看 688017 的估值」 / 「AAPL 财报怎么样」，Skill 自动激活，AI 拉真实数据跑分析。
Codex / OpenClaw 用户：把 SKILL.md 的内容贴进系统 prompt 或项目上下文文件，内嵌 Python 代码可以直接执行——不需要装额外 CLI。
05. 个人观点：这类"AI 数据中台"才是真正的杀手锏
我为什么专门推这个项目，而不是那些"X 个开源股票数据源汇总"？
因为开源数据源市面上从来不缺——Tushare、AKShare、BaoStock、efinance、mootdx、jqdatasdk……光 GitHub 一搜几百个。真正缺的是"让 AI 真的能稳定调用"的最后一公里。
作者做对了两件事：
第一，把"AI 怎么问"封装成 Skill 本身。这不是把 Python 函数翻译成 Markdown——是重新设计"AI 跟数据对话的接口"。比如"研报检索"这个端点，传统 Python 库会让你 search_report(keyword, date_from, date_to, page=1)，但 AI 写出来经常是 search_report("半导体", 2026, 5)——参数顺序乱、类型错。Skill 写法是直接告诉 AI：「如果你想要 2026 年 5 月的半导体研报列表，调 search_reports(keyword="半导体", date_range="2026-05")」——把 AI 的认知错误从源头掐死。
第二，把"踩过的坑"全部沉淀到版本历史里。V3.0 → V3.1 → V3.2 → V3.2.2，4 个版本每次都明确说"修了哪个失效接口、加了哪个防封机制"。这才是开源数据源最稀缺的品质——稳定的维护节奏 + 透明的更新日志。AKShare 一个月更一次已经算勤快了，但作者1 个月内连发 4 版，每个失效接口从发现到修复不超过 7 天。
但也有几个必须说清楚的"风险点"：
- 住宅 IP 间歇风控——README §4.5 / §5.1 已经明确说"大陆住宅 IP 用东财接口会被间歇封"，生产环境最好上云函数 / VPS。
- 没有官方 SLA——免费开源项目，作者精力是有限资源，别指望 7×24 响应。
- 港股数据深度不如美股——5 个数据源里只有 2 个支持港股（新浪 + 腾讯），期权 / SEC Filing 都明确标了"仅美股"。
我的判断：如果你只是个人偶尔用用、做做功课，这个项目直接替代 Tushare 200 块 / 年的 Lite 版毫无问题。如果你是专业量化团队、生产环境、对接券商 PB 系统——用它当开发期的脚手架可以，但生产环境老老实实接 Wind / iFinD / 恒生 PTrade，别拿免费工具赌资金。
最后说一句：1 个月 4000+ Star 不是偶然——它正好踩中了一个真实需求：所有 AI 编程助手的"数据缺口"，在金融场景下被这个项目填上了。未来 6 个月，"AI Skill 形态的数据中台"很可能成为新标准——不是 Python 库、不是 SaaS，而是直接给 AI 加载的技能包。这一波才刚开始。
最后问一句：你试过用 AI 编程助手做投研 / 量化分析吗？最大的痛点是不是就是"数据接不上"？如果这个 Skill 帮你解决了问题， 评论区说说你的使用场景——是真金白银的交易决策、还是研究学习、还是写策略回测？我想看看这玩意在实战里到底能走多远。
免费 A 股 + 美港股数据源被打通了！Claude 直接当量化分析师
GitHub 上有个仓库叫 simonlin1212/a-stock-data，5 月 11 日刚创建，1 个月 Star 4000+、Fork 800+，是 V3.0 之后才爆发起来的。
它的同门兄弟 simonlin1212/global-stock-data（美股 + 港股）也同步上线 1 个月斩获 300+ Star。
两个仓库加在一起，把原本散落在几十个源头的原始数据（mootdx、东财 push2、巨潮、SEC EDGAR、Yahoo…）全部整合成两个 AI 编程助手（Claude Code / Codex / OpenClaw）一加载就能用的 Skill 文件。
说人话：你跟 Claude Code 说一句「帮我看看 688017 的估值」，它不再回你"我没有实时数据"——它会直接拉真实数据，套公式，吐出结果。
01. 解决了三个真正让人抓狂的问题
第一个：东财封 IP。A 股量化圈有句老话：「做东财接口的，最后都死在东财的封 IP 上」。V3.0 之前的版本作者也撞过墙——百度 PAE getrelatedblock 直接返回 ResultCode 10003、财联社快讯 4 个接口全 404、巨潮公告对 601xxx 股票硬编码 gssx0{code} 直接漏数据。V3.2 直接重构了"数据源优先级"逻辑：通达信 (mootdx) 和腾讯财经不封 IP，优先走它们；东财仅用于它独有的数据（资金面 / 研报 / 龙虎榜），且新增 em_get() 统一节流入口，所有东财接口内置串行限流（间隔≥1秒 + 随机抖动）+ 会话复用**。你抄作者的代码就是"防封版"，再也不用半夜被东财 403 报警叫醒。
第二个：鉴权地狱。美港股这边更狠——Yahoo Finance 的 crumb 鉴权流程、SEC EDGAR 的 CIK 映射、东财的 secid 前缀（美股是 105.、港股是 116.）、腾讯美股 / 港股分流（us / r_hk 后缀）……这些"必须知道"的前置知识，单拉一个 Python 教程就够写 30 页。global-stock-data 直接把这些全部封装好，17 个端点 5 个数据源全部零鉴权——只装一个 requests 包就能跑。
第三个：akshare 的"重"。A 股老牌开源库 akshare 大家应该都熟——好处是接口多，坏处是 1.2 万个接口、500+ 个数据源，装一次下来 800MB+ 依赖，跑起来 3 秒冷启动。CSDN 那篇 V3.0 介绍文章里点名："告别 akshare 依赖"——V3.0 把 akshare 全部剥离，改成直连 HTTP API，13 个数据源、27 个端点，只装 mootdx + requests + pandas + stockstats 四个包就能跑。这事的关键不是"少装几个包"，是"AI 抄代码时不需要处理 akshare 内部状态"——LLM 在调用 akshare 的时候经常因为接口签名不一致踩坑，作者直接把这层风险抹掉了。
02. 7 层架构到底覆盖了什么？
简单把它当一份"A股 + 美港股投研全要素清单"看：
A 股版（7 层 27 端点）： - 行情层：K 线（带 MA5/10/20）+ 五档盘口 + PE/PB/市值 + 指数 ETF - 研报层：研报列表 / PDF 下载 / 机构一致预期 EPS / 自然语言研报检索 - 信号层：强势股 + 题材归因 + 北向资金 + 龙虎榜 + 解禁 + 行业对比 - 资金面层（V3.0 新增）：融资融券 + 大宗交易 + 股东户数 + 分红送转 + 120 日资金流 - 新闻层：个股新闻 + 全球资讯 - 基础数据层：季报 37 字段 + F10 九大类 + 财报三表 - 公告层：沪深北全量公告
美港股版（8 层 17 端点）： - 比 A 股多了期权层（Yahoo crumb 期权链 calls+puts）和SEC Filing 层（10-K/10-Q/8-K + 503 个 GAAP 指标）
说白了，个人投研 99% 场景用到的数据都打包在里面了。你拿来做单票估值（30 秒）、多股批量对比（1 分钟）、主题研报检索（2 分钟）、新标的全维度调研（1 分钟）都直接用。
03. 跟 Tushare / AKShare / BaoStock 比，赢在哪？
| 维度 | Tushare Pro | AKShare | BaoStock | a-stock-data + global-stock-data |
|---|---|---|---|---|
| 鉴权 | 需注册 + 积分门槛 | 无 | 无 | 无（部分东财节流防封） |
| 核心数据 | 行情 / 财务 | 行情 / 基本面 / 衍生 | 历史 K 线 | 行情 / 研报 / 资金 / 公告 / 新闻全栈 |
| AI 编程助手适配 | 无 | 间接 | 无 | 原生 Skill 文件（Claude Code / Codex / OpenClaw） |
| 装包大小 | 较轻 | 800MB+ 依赖 | 极轻 | 4 个核心包（mootdx / requests / pandas / stockstats） |
| 数据源稳定性 | 中（付费档稳） | 中（数据源常失效） | 高（仅历史） | 高（V3.2 内置东财防封 / mootdx 兜底） |
| 实测热更新 | 慢 | 看维护者心情 | 几乎不更新 | 2026-06-03 才发 V3.2.2 修复 |
| License | 商用受限 | 限制商业 | Apache-2.0 | Apache-2.0 |
关键差异在 AI 编程助手适配这一行。Tushare 和 AKShare 都是 Python 库，AI 调用的时候 LLM 经常记不住接口签名、踩 akshare 内部状态；这个项目直接把"AI 应该怎么问"封装成结构化 Markdown Skill，让 Claude / GPT 把项目当系统 prompt 加载，对话中自动激活对应端点。这是"AI 时代的数据源"该有的形态——不是给你一堆函数让你查文档，而是给 AI 一张"我有这个能力"的地图。
04. 3 步极速上手
A 股版：
mkdir -p ~/.claude/skills/a-stock-data
curl -o ~/.claude/skills/a-stock-data/SKILL.md \
https://raw.githubusercontent.com/simonlin1212/a-stock-data/main/SKILL.md
pip install mootdx requests pandas stockstats
美港股版：
mkdir -p ~/.claude/skills/global-stock-data
curl -o ~/.claude/skills/global-stock-data/SKILL.md \
https://raw.githubusercontent.com/simonlin1212/global-stock-data/main/SKILL.md
pip install requests
启动 Claude Code，说一句「帮我看看 688017 的估值」 / 「AAPL 财报怎么样」，Skill 自动激活，AI 拉真实数据跑分析。
Codex / OpenClaw 用户：把 SKILL.md 的内容贴进系统 prompt 或项目上下文文件，内嵌 Python 代码可以直接执行——不需要装额外 CLI。
05. 个人观点：这类"AI 数据中台"才是真正的杀手锏
我为什么专门推这个项目，而不是那些"X 个开源股票数据源汇总"？
因为开源数据源市面上从来不缺——Tushare、AKShare、BaoStock、efinance、mootdx、jqdatasdk……光 GitHub 一搜几百个。真正缺的是"让 AI 真的能稳定调用"的最后一公里。
作者做对了两件事：
第一，把"AI 怎么问"封装成 Skill 本身。这不是把 Python 函数翻译成 Markdown——是重新设计"AI 跟数据对话的接口"。比如"研报检索"这个端点，传统 Python 库会让你 search_report(keyword, date_from, date_to, page=1)，但 AI 写出来经常是 search_report("半导体", 2026, 5)——参数顺序乱、类型错。Skill 写法是直接告诉 AI：「如果你想要 2026 年 5 月的半导体研报列表，调 search_reports(keyword="半导体", date_range="2026-05")」——把 AI 的认知错误从源头掐死。
第二，把"踩过的坑"全部沉淀到版本历史里。V3.0 → V3.1 → V3.2 → V3.2.2，4 个版本每次都明确说"修了哪个失效接口、加了哪个防封机制"。这才是开源数据源最稀缺的品质——稳定的维护节奏 + 透明的更新日志。AKShare 一个月更一次已经算勤快了，但作者1 个月内连发 4 版，每个失效接口从发现到修复不超过 7 天。
但也有几个必须说清楚的"风险点"：
- 住宅 IP 间歇风控——README §4.5 / §5.1 已经明确说"大陆住宅 IP 用东财接口会被间歇封"，生产环境最好上云函数 / VPS。
- 没有官方 SLA——免费开源项目，作者精力是有限资源，别指望 7×24 响应。
- 港股数据深度不如美股——5 个数据源里只有 2 个支持港股（新浪 + 腾讯），期权 / SEC Filing 都明确标了"仅美股"。
我的判断：如果你只是个人偶尔用用、做做功课，这个项目直接替代 Tushare 200 块 / 年的 Lite 版毫无问题。如果你是专业量化团队、生产环境、对接券商 PB 系统——用它当开发期的脚手架可以，但生产环境老老实实接 Wind / iFinD / 恒生 PTrade，别拿免费工具赌资金。
最后说一句：1 个月 4000+ Star 不是偶然——它正好踩中了一个真实需求：所有 AI 编程助手的"数据缺口"，在金融场景下被这个项目填上了。未来 6 个月，"AI Skill 形态的数据中台"很可能成为新标准——不是 Python 库、不是 SaaS，而是直接给 AI 加载的技能包。这一波才刚开始。
最后问一句：你试过用 AI 编程助手做投研 / 量化分析吗？最大的痛点是不是就是"数据接不上"？如果这个 Skill 帮你解决了问题， 评论区说说你的使用场景——是真金白银的交易决策、还是研究学习、还是写策略回测？我想看看这玩意在实战里到底能走多远。
💬 评论 (0)