Build Your Own Bloomberg Terminal with Java & AI.
一个基于 Spring AI 与 Next.js 构建的企业级美股智能分析 Agent。 专为开发者设计的“白盒”金融分析工具，支持 BYOK (Bring Your Own Key) 模式。
🌟 Live Demo 立即体验 🌟
(基于 LLaMA 3.3 70B 模型驱动)
散户投资者面临的核心痛点是：SEC 财报 (10-K/10-Q) 晦涩难懂且篇幅冗长，而市面上的金融终端（如 Bloomberg）昂贵且封闭。
不同于传统的“聊天机器人”，Spring Alpha 是一套完整的全栈 AI 金融应用。它不仅是你的个人金融分析师，更是一个展示 Java 在 AI 时代依然能打的绝佳开源范例。
核心价值：让每位开发者都能零成本部署一个私有、免费、且强大的 AI 财富研究助手。
- 双通道模型支持：默认提供免费模型（Groq / ChatAnywhere），同时支持用户自带 OpenAI API Key 切换到官方 OpenAI 模型。
- WebFlux 异步流：全链路非阻塞 IO 处理高并发请求，结合 SSE (Server-Sent Events) 实现打字机级别的流式渲染体验。
- AI 不止会说话，还会画图：抛弃枯燥的纯文本 Markdown 报告，自动将大模型的数据输出渲染为 交互式分析图表。
- 核心分析首屏：首屏以结构化 Core Thesis 呈现 verdict、headline、论据支撑与后续跟踪点，而不是单段式摘要。
- 深度商业洞察：内置杜邦分析法 (DuPont Analysis)、利润与营收驱动瀑布图 (Waterfall Chart) 以及财报高频词云 (Topic Word Cloud)。
- PDF 一键导出：集成
@react-pdf/renderer，支持秒级生成「高盛研报级」精美 PDF 报告。
- 混合数据引擎：以 SEC company facts 作为财报口径事实源，以 Yahoo enrichment 补充行业标签、估值与季度快照，再用 SEC filing 原文 提供 narrative evidence。
- 向量检索：集成 PGVector 与 Embedding 流水线，优先检索 MD&A（管理层讨论）和 Risk Factors（风险因素）；首次未命中时自动降级到 raw filing，再后台补向量。
- 引用校验与降级模式：前端明确标识 citation 状态与 source context，避免把未经验证的 LLM 输出伪装成“确定事实”。
- 提供开箱即用的
docker-compose.yml，一键拉起后端 Spring Boot、前端 Next.js 及 PGVector 向量数据库。
graph TD
User([👨💻 User]) -->|Visit / or /app| NextJS[⚛️ Next.js Frontend]
NextJS -->|SSE Proxy / REST Proxy| ApiRoutes[🔀 Next Route Handlers]
ApiRoutes -->|Analyze / History| SpringBoot[🍃 Spring Boot Backend]
subgraph Financial Facts Layer
SpringBoot --> Hybrid[🧩 HybridFinancialDataService]
Hybrid --> SecFacts[🏛️ SEC Company Facts]
Hybrid --> Yahoo[🐍 Yahoo Python Enrichment]
end
subgraph Filing & RAG Layer
SpringBoot --> SecFiling[📄 SEC Filing HTML]
SecFiling --> Cleaner[🧹 Jsoup Cleaner]
Cleaner --> Vector[🧠 PGVector / Embedding]
end
subgraph AI Orchestration Layer
SpringBoot --> Orchestrator[🎯 FinancialAnalysisService]
Orchestrator --> Strategy[⚙️ AI Strategy + Validation]
Strategy --> Providers[🤖 OpenAI / ChatAnywhere / Groq]
end
Providers --> SpringBoot
SpringBoot -->|SSE AnalysisReport| NextJS
当用户在前端输入一个 ticker 并点击 Analyze 时，核心代码流程如下：
-
前端工作台入口
/app页面渲染frontend/src/components/app/earnings-analyst-app.tsxhandleSearch()同时发起分析 SSE 和历史图表请求
-
Next.js 代理层
frontend/src/app/api/sec/analyze/[ticker]/route.ts负责把浏览器请求桥接到后端 SSE- 这样前端不需要直连后端地址，也能保留
text/event-stream流式能力
-
Spring Boot 控制层
backend/src/main/java/com/springalpha/backend/controller/SecController.java/api/sec/analyze/{ticker}返回Flux<AnalysisReport>，把分析结果持续流给前端
-
编排与数据融合
backend/src/main/java/com/springalpha/backend/service/FinancialAnalysisService.java- 先拉季度财务事实，再抓最新 SEC filing，再命中 RAG 或降级原文，最后组装
AnalysisContract
-
混合财务数据服务
backend/src/main/java/com/springalpha/backend/financial/service/HybridFinancialDataService.java- 以 SEC facts 作为主事实源，再用 Yahoo enrichment 补
profile / quote / valuation / quarterly snapshots
-
RAG 与引用
backend/src/main/java/com/springalpha/backend/service/rag/VectorRagService.java- 有向量就做语义检索，没有向量就先降级分析并后台补 embedding
-
策略模式驱动 LLM
backend/src/main/java/com/springalpha/backend/service/strategy/BaseAiStrategy.java- 顺序执行
SummaryAgent / InsightsAgent / FactorsAgent / DriversAgent - 输出不是 markdown dump，而是面向 dashboard 的结构化
AnalysisReport
-
前端渐进式展示
- SSE 到达后，摘要、指标、驱动因素、风险、图表逐步点亮
- 历史数据走独立接口，不阻塞 AI 首屏
frontend/src/app/page.tsx：品牌 landing pagefrontend/src/app/app/page.tsx：真实分析工作台入口frontend/src/components/app/earnings-analyst-app.tsx：搜索、模型切换、SSE 消费、整体 dashboard 编排frontend/src/components/analysis/*：摘要、关键指标、驱动因素、风险等研究模块frontend/src/components/financial/*：杜邦、雷达图、洞察卡片等金融可视化模块
controller：HTTP / SSE 入口financial/service：SEC facts、Yahoo enrichment、混合事实服务service：编排层service/rag：embedding、向量检索、citation contextservice/strategy：多 provider LLM 策略与模板方法service/signals、service/profile：商业信号和公司画像快照service/validation：结构化输出与 citation 校验
| 模块 | 技术选型 | 备注 |
|---|---|---|
| Backend | Java 21, Spring Boot 3.3, WebFlux | 使用虚拟线程与响应式编程 |
| AI Framework | Spring AI | Java 生态最主流 AI 抽象框架 |
| Vector DB | PostgreSQL + PGVector | 高性能向量近似搜索 |
| Frontend | Next.js 14, React 19, TypeScript | Server Actions 与 App Router |
| UI Components | Tailwind CSS, Shadcn UI, Recharts | 极简专业的金融终端视觉设计 |
这是最快体验 Spring Alpha 的方式。
-
克隆代码
git clone https://github.com/your-username/spring-alpha.git cd spring-alpha -
配置环境变量 复制配置文件并填入您的 API Keys：
cp .env.example .env
请在
.env文件中填写：GROQ_API_KEY: 去 Groq Cloud 免费申请。
-
一键启动
docker-compose up -d --build
浏览器访问
http://localhost:3000即可开始分析！
- Java 21+
- Node.js 18+
- Maven
cd backend
cp .env.example .env # 填入环境变量
./mvnw spring-boot:runcd frontend
npm install
npm run dev启动后：
http://localhost:3000/是产品 landing pagehttp://localhost:3000/app是真实财报分析工作台
我们已经完成了所有的核心商业分析功能闭环。
- MVP 阶段：跑通 Spring WebFlux + SSE + Next.js 全栈渲染链路。
- Generative UI：基于结构化 JSON 控制前端图表（杜邦分析、瀑布桥、词云）。
- Vector RAG 注入：PGVector 语义检索防幻觉。
- 生产级部署：Docker Compose 一键编排 & 研报 PDF 导出。
- 多策略切换：支持免费模型（Groq / ChatAnywhere）与用户自带 OpenAI Key 两种使用方式。
- Core Thesis 升级：首屏分析升级为结构化 thesis 层，突出研究结论、证据与跟踪点。
- [wt] Earnings Call 接入（计划中）：分析高管 Q&A 会议音频情感分析。
- [wt] 竞争对手分析（计划中）：横向对比多只同赛道股票指标。
本次升级主要增强 首屏输出契约与展示层，让摘要更像研究笔记，而不是泛化 recap。 如果后续仍希望显著提升洞见质量，下一阶段应补充更丰富的上游研究输入，例如 guidance、segment KPI、资本配置信号以及管理层 commentary 结构化抽取。
当前仓库已经接入分层测试，覆盖：
- 后端 deterministic tests
- 前端 unit / component tests
- 前端 E2E smoke
- PDF 渲染与下载路径
./run_checks.shcd backend
mvn -Dtest=SecControllerTest,SecServiceTest,FinancialAnalysisServiceTest,BaseAiStrategyTest,AnalysisReportValidatorTest,FmpFinancialDataServiceTest test
cd ../frontend
npm run lint
npx tsc --noEmit
npm test
npm run test:e2e- 详细测试计划与当前通过数见 testing.md
- 发布前真实环境 smoke 手册见 docs/release-smoke.md
- 发布签收模板见 docs/release-signoff-template.md
- GitHub Actions CI 已配置在
.github/workflows/ci.yml - 发布前仍建议按
testing.md中的真实 provider checklist 做一次手工签收
如果你切换过 embedding 提供商、模型，或者调整过 embedding 维度，已有的 vector_store 可能与当前向量维度不兼容。
一旦日志出现类似 different vector dimensions 3072 and 768，需要清理并重建受影响 ticker 的向量数据，否则 RAG 会自动降级且不会提供可验证引用。
欢迎提交 Pull Requests 做任何改进！这是一个展现 Java Web 结合现代 AI 的绝佳练兵场。
- Fork 本仓库
- 创建您的 Feature Branch (
git checkout -b feature/AmazingFeature) - 提交您的修改 (
git commit -m 'Add some AmazingFeature') - 推送分支 (
git push origin feature/AmazingFeature) - 开启一个 Pull Request
本项目基于 MIT License 协议开源，完全免费。 Bring Your Own Key, Own Your Data.
如果这个项目对您有帮助，请给个 ⭐️ Star 鼓励一下作者！