10分钟搭建AI盯盘系统：PanWatch实战

不知道你有没有这种经历：盯了好几只票，盘中稍微一走神就错过最佳买卖点；或者每天盯着 K 线看半天，最后还是凭感觉操作。我做了多年后端开发后，越来越倾向于让 AI 帮我做「信息预处理」——不是让 AI 决定买卖，而是让它把杂乱的行情、新闻、技术指标嚼碎了喂到你面前。

这篇教程带你用 PanWatch（1.1k+ Star）从零搭一套 AI 盯盘助手。部署完成后你能做到三件事：

1. 实时监控 A 股/港股/美股持仓，盘前、盘中、盘后自动出分析报告
2. 一键触发 TradingAgents 9-Agent 决策链，3-5 分钟得到看多/看空辩论 + 风控审查 + PM 决策书
3. 全渠道推送到企业微信/钉钉/飞书/Telegram，手机一响就是 AI 帮你盯好的结果

持仓数据全部存在你自己机器上，不经过任何第三方，隐私方面可以放心。

前置条件

动手之前确认满足以下条件：

• 一台装了 Docker 的机器（服务器、NAS、本地电脑都行），Docker 20+ 即可
• 一个 OpenAI 兼容 API 的 Key——OpenAI、智谱、DeepSeek、Ollama 都行。推荐用 DeepSeek，性价比高，单次分析也就 $0.05 左右
• 一个推送渠道的企业应用/Webhook URL（企业微信机器人群、钉钉自定义机器人、飞书群机器人等任选其一）

整个教程大约 10-15 分钟。

快速上手：用 Docker 一键部署

为什么直接用 Docker？因为项目已经把 FastAPI 后端 + React 前端 + Playwright 浏览器依赖全部打包好了，不需要配 Python 环境、也不需要装 Node.js，一条命令拉起即可。

步骤一：拉取镜像并启动容器

docker run -d \
  --name panwatch \
  -p 8000:8000 \
  -v panwatch_data:/app/data \
  -e TZ=Asia/Shanghai \
  sunxiao0721/panwatch:latest

每个参数的意义：

• -p 8000:8000 把容器 8000 端口映射到宿主机，方便浏览器访问
• -v panwatch_data:/app/data 挂载持久化卷。所有持仓、账号、Agent 分析记录都存这里，容器删了数据不丢
• -e TZ=Asia/Shanghai 设时区。这步很关键，盘前/盘后 Agent 的调度触发时间依赖系统时区

踩坑提醒：容器首次启动时，Playwright 需要的 Chromium 会自动下载到 panwatch_data/playwright 目录下，网络不太好可能需要等几分钟。不需要截图功能的话，加环境变量 -e PLAYWRIGHT_SKIP_BROWSER_INSTALL=1 跳过。

启动后 docker logs panwatch 看到没有报错，就可以访问 http://你的IP:8000 了。

习惯用 Docker Compose 管理的同学，可以用下面这份配置：

version: '3.8'
services:
  panwatch:
    image: sunxiao0721/panwatch:latest
    container_name: panwatch
    ports:
      - "8000:8000"
    volumes:
      - panwatch_data:/app/data
    environment:
      - TZ=Asia/Shanghai
    restart: unless-stopped

volumes:
  panwatch_data:

步骤二：首次访问 & 设置登录账号

浏览器打开 http://localhost:8000，首次进入会让你设一个用户名和密码。这一步是在写本地的鉴权配置，后续每次登录都需要。

步骤三：配置 AI 服务商

进入 设置 → AI 服务商，填入你的 OpenAI 兼容 API 信息：

为什么选 OpenAI 兼容协议？因为现在智谱、DeepSeek、Ollama 本地部署都支持这个协议，换模型不需要改代码。

步骤四：配置通知渠道

进入 设置 → 通知渠道，添加你的推送地址。以企业微信机器人群为例：

1. 在企业微信群聊中添加「群机器人」
2. 复制 Webhook 地址，形如 https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx
3. 在 PanWatch 中选择「企业微信」渠道，粘贴地址保存

你也可以同时配钉钉、飞书、Telegram 等多个渠道，后续发通知时可以单独选。

实战示例：从建仓到收到 AI 分析报告

1. 添加持仓

进入 持仓页面，点添加股票：

• 输入股票代码（如 600519 贵州茅台）
• 设定交易风格（短线/波段/长线），这会影响 AI 分析时的推荐策略
• 添加多个股票后可创建多个「账户」，适合分账户管理

2. 体验盘前分析 Agent

系统内置四个 Agent，按调度自动运行：

刚部署完可以进 持仓 页面，点 🧠 图标手动触发一次 TradingAgents 分析体验一下。它会走完整条推理链：

技术分析师 + 情绪分析师 + 新闻分析师 + 基本面分析师
→ 看多 vs 看空辩论
→ 风控审查
→ PM 整合决策
→ 分析结果推送到你配的企业微信/钉钉

单次大概 3-5 分钟出结果，手机端就能收到一份结构化的推理报告。

3. 设置价格提醒

除了 AI 自动分析，还可以手动设价格提醒：

• 进入价格提醒页面，选择监控的股票
• 设置触发条件：价格、涨跌幅、成交额、量比等，支持 AND/OR 组合
• 设定生效时段（仅交易时段 or 全天）、冷却时间、每日触发上限
• 选通知渠道：可以指定这条提醒只推钉钉，其他走默认渠道

常见问题与踩坑提醒

1. 访问页面后提示连接失败？

检查容器是否正常：docker ps | grep panwatch。如果容器退出，docker logs panwatch 看报错。最常见的原因是 8000 端口被占，换一个端口映射即可：-p 9000:8000。

2. AI 分析报 API 错误？

90% 是 API Key 配错或余额不足。建议先在终端 curl 测试一下 Key 是否有效。另外确认 Model 名写对了，不同供应商的默认模型名不一样。

3. Agent 没有按时触发？

检查时区。容器默认 UTC，必须配 -e TZ=Asia/Shanghai，否则盘前/盘后的调度时间会偏 8 小时。

4. 想用代理访问海外 API？

在环境变量加 -e HTTP_PROXY=http://host:port，或者在 UI「设置 → 全局 HTTP 代理」里配。三者优先级：环境变量 > UI > .env 文件。

5. 想调试底层调度逻辑？

启动时加 -e LOG_LEVEL=DEBUG，可以看到心跳、采集过程的详细日志，排查问题很有用。

总结

到这步你已经完成了：

1. 用 Docker 一行命令部署了 PanWatch
2. 配置了 LLM API 和通知渠道
3. 添加了持仓、体验了 TradingAgents 多 Agent 决策链
4. 设了价格提醒和 AI Agent 自动分析

进一步探索的方向：

• 在模拟盘里测试策略效果，看净值曲线和绩效指标
• 自定义 Agent 策略，参考项目的 CONTRIBUTING.md 开发自己的数据源或 Agent
• 把 PanWatch 加到手机 PWA（浏览器打开后「添加到主屏幕」），当原生 App 用

AI 不会替你交易，但它能帮你把信息差压缩到最小。搭好这套系统后，你就可以把盯盘时间省下来，去干更重要的事。

项目仓库：TNT-Likely/PanWatch