by ydflow
研迹 Trail|本地优先的 AI 投资研究工作台。连接行情、K 线与深度研究,让判断可追溯、风险可复核。Local-first AI investment research desktop with an evidence-grounded copilot.
# Add to your Claude Code skills
git clone https://github.com/ydflow/TrailSee how Trail compares with popular alternatives.
Trail is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by ydflow. 研迹 Trail|本地优先的 AI 投资研究工作台。连接行情、K 线与深度研究,让判断可追溯、风险可复核。Local-first AI investment research desktop with an evidence-grounded copilot. It has 53 GitHub stars.
Trail's catalog security scan is still queued. You can run an instant dependency and prompt-injection check now with the "Scan for vulnerabilities" button above.
Clone the repository with "git clone https://github.com/ydflow/Trail" and add it to your Claude Code skills directory (see the Installation section above).
Trail is primarily written in TypeScript. It is open-source under ydflow on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh Trail against similar tools.
No comments yet. Be the first to share your thoughts!
Available after the catalog security scan passes.
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM is an informational directory and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
The deep catalog scan for this skill is still queued. Run an instant dependency check now instead.
价格、新闻、财报和聊天回答往往散落在不同窗口里。研究完成后,留下的通常只有一句结论:当时依据什么、哪些数据已经过时、下一次变化是否推翻原判断,都需要重新整理。
研迹把这条工作链放回同一个桌面:发现线索 → 查看证券 → 发起研究 → 核验证据 → 保存投资逻辑 → 持续复核。 面向需要反复研究公开市场标的的个人投资者,也为 Agent 应用开发者提供一套可检查的桌面工程实现。
研迹=研+迹。研究留下痕迹。 Trail 既是一条研究路径,也是一条能回头核验的证据轨迹。
当前为 Beta,提供 Windows x64 安装版与便携版。Trail 提供只读研究与决策支持,不提供下单或自动交易。模型分析与置信度不代表投资收益或正确率保证。
以证券为中心展开 K 线、研究依据和判断侧栏;报告完成后可以查看分项结论、风险、催化剂,并继续保存为投资逻辑。
自选、报价、财务、新闻与图表共享当前证券上下文。右侧助手可以读取结构化数据,以流式回答补充解释;来源入口保留在回答旁边。
从引用进入来源检查器,查看数值、提供商、获取时间、规范化链路与快照哈希。价格时间缺失、来源过期与数据不可用会保留在可见状态中。
| 今日概览 | 机会发现 |
|---|---|
![]() |
![]() |
| 自选异动、事件、简报与下一步研究入口。 | 按市场、基本面、技术与事件组织筛选任务。 |
| 投资组合 | 事件与催化剂 |
|---|---|
![]() |
![]() |
| 资产配置、持仓和进入研究的操作。 | 财报、宏观事件与研究上下文。 |
| 技能中心 | 评测中心 |
|---|---|
![]() |
![]() |
| 按能力依赖显示技能就绪情况。 | 实验、基线、失败模式与人工反馈入口。 |
| 设置中心 | 追踪与隐私设置 |
|---|---|
![]() |
![]() |
| 模型、语言、主题、连接与诊断。 | 可选 Langfuse / LangSmith 连接与隐私控制。 |
| 组合持仓表 | 组合风险对比 |
|---|---|
![]() |
![]() |
以上三种回答均在当前 Electron 客户端实际运行,由本地确定性 Agent 和示例数据生成,包含数据来源与证据入口。
截图说明: 以上均来自当前源码构建的真实 Windows Electron 界面。研究、证券工作台与来源检查器使用长桥公开证券数据和已配置的 DeepSeek 模型;今日、组合、发现与事件展示独立演示配置下的内置示例内容,组合金额与持仓不是实际账户资产。评测中心展示 15 个离线 fixture 案例的样例实验;设置图片仅展示配置入口,不代表真实模型质量或云端追踪验收。截图中的价格、新闻、报告立场及置信度均为采集当时的快照,详见截图记录。
—。SKILL.md 技能包声明能力依赖,按需加载指令与参考资料,支持启用/禁用。trail-agent-v1 基准集含 86 个案例,另有深度研究黄金案例集。flowchart TB
UI[React 桌面工作区与 Copilot] <-->|白名单 IPC / 事件流| HOST[Electron 主进程 · AgentKernelHost]
HOST --> KERNEL[AgentKernel · 会话 / 运行 / 事件]
KERNEL --> PI[Pi Runtime · LLM 提供商]
KERNEL --> LOCAL[本地确定性 Runtime]
HOST --> WORK[研究 / 筛选 / 对比 / 投资逻辑 / 提醒]
WORK --> CAP[类型化能力注册表]
PI -->|工具调用| CAP
CAP --> ROUTER[Provider Router]
ROUTER --> LB[Longbridge · 行情与只读账户]
ROUTER --> MASSIVE[Massive · 部分美股数据]
HOST --> STORE[本地 JSON 存储 / 研究 Checkpoint]
PI --> SESSIONS[Pi JSONL 会话]
HOST -. 可选追踪 .-> OBS[Langfuse / LangSmith]
主进程拥有业务状态,渲染进程负责展示与交互。 React/Jotai 是视图层,预加载桥只暴露白名单接口;市场数据与研究工作流通过统一能力契约衔接提供商,供应商细节留在适配器内。会话和研究采用本地文件持久化,凭证由主进程通过 Electron safeStorage 加密管理。详细架构
| 目录 | 职责 |
|---|---|
apps/electron |
桌面主进程、预加载桥、渲染入口与 E2E |
packages/core |
领域模型、能力与提供商契约 |
packages/shared |
内核、运行时、存储、研究及产品服务 |
packages/ui |
React/Jotai 工作台、图表与助手界面 |
packages/longbridge-tools |
长桥 CLI 执行、校验与数据接线 |
packages/pi-extension |
Pi 工具与研究综合边界 |
packages/skill-hub · skills |
技能发现、依赖与渐进加载 |
packages/i18n |
中英文资源与语言设置 |
下载 v0.4.0-beta.2:安装版 · 便携版 · 发布说明与 SHA-256。
安装包尚未进行 Windows 数字签名,系统可能显示发布者未知。AI 功能需安装 Bun 并配置模型;行情需另行安装和授权 Longbridge CLI。桌面程序、13 个技能及 Pi 扩展已打包,首次启动 Pi 可能需要联网下载运行时。详见 Windows 发布记录。
需要 Git、Bun 和 Node.js(Electron E2E 脚本使用 Node)。当前版本为 0.4.0-beta.2;源码运行与安装包均可使用。
git clone https://github.com/ydflow/Trail.git
cd Trail
bun install
bun run build:electron
Windows CMD:
start-trail.cmd
启动器补齐标准目录中的长桥 PATH,并优先使用可供 Pi 子进程启动的原生 bunx.exe。Windows 安装 workspace 依赖时需要符号链接权限,建议先开启系统开发人员模式。
macOS / Linux 源码运行入口:
FINAGENT_FORCE_PROD_LOAD=1 bunx electron apps/electron/src/main/index.js
这是源码启动命令,不代表各平台均已通过打包验收。bun run dev 只启动 Vite 渲染开发服务器;使用热更新时,另开终端运行 bunx electron apps/electron/src/main/index.js,并确保未设置 FINAGENT_FORCE_PROD_LOAD=1。普通浏览器打开 Vite 页面无法提供完整 Electron IPC 能力。
longbridge auth login。未接入服务时,部分产品页提供内置示例回退;不在示例覆盖范围内的数据保留空态或错误。真实市场覆盖、延迟、财务与账户权限取决于提供商和账户授权。
只运行本地确定性 Agent 的 Windows CMD 示例:
set "FINAGENT_AGENT_PROVIDER=local"
start-trail.cmd
如需能力层的示例数据回退,可另外设置 FINAGENT_DEMO_DATA=1;它在真实提供商不可用时生效。停止使用后清除相应环境变量即可切回已配置的真实 runtime。
| 命令 | 用途 |
|---|---|
bun run dev |
Vite 渲染开发服务器 |
bun run build |
工作区包与 Electron 构建 |
bun run typecheck |
工作区类型检查 |
bun run test:unit |
隔离执行单元与集成测试 |
bun run test:e2e |
Electron 黄金路径 E2E |
bun run --cwd apps/electron test:typed-blocks |
结构化回答块 Electron 验证 |
bun run i18n:check |
中英文资源一致性 |
bun run eval:smoke -- --mode fixture |
离线确定性评测 |
bun run eval:full |
完整评测入口;真实模型模式需要单独配置 |
bun run release:check |
发布门槛检查 |
bun run release:package |
当前 macOS arm64 打包流程 |
contextIsolation: true、nodeIntegration: false、沙盒与白名单预加载桥;凭证只在主进程处理。| 文档 | 内容 |
|---|---|
| 系统架构 · English | 进程、内核、IPC、运行时与本地存储 |
| 产品需求 · UI 系统 | 产品目标与界面规范 |
| 长桥授权 · 技能接入 | 数据源和能力配置 |
| 研究恢复 · 已有验收报告 | checkpoint 机制与不同验证层级 |
| Agent 评测 · 基准集 | 评测体系、数据集与实验 |
| Langfuse 追踪 | 可选追踪接线与隐私边界 |
| 发布门槛 · 提供商覆盖 | 发布检查与已知限制 |
| 贡献指南 | 提交规范、测试报告与截图要求 |
欢迎围绕提供商适配、研究质量、来源核验、桌面体验和可复现回归用例提交 Issue 或 PR。后续重点是更完整的提供商覆盖、研究报告阅读与比较、模型输出契约稳定性,以及跨平台分发。