Bỏ qua tới nội dung
Ông T.vn

daily_stock_analysis: phân tích cổ phiếu tự động — hướng dẫn cài đặt và dùng

14 phút đọcCập nhật

Bài này là một góc nhìn khác về ZhuLinsen/daily_stock_analysis — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: daily_stock_analysis: AI phân tích cổ phiếu mỗi ngày — hướng dẫn cài đặt và dùng →

daily_stock_analysis: phân tích cổ phiếu tự động — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

daily_stock_analysis là ứng dụng Python dùng AI để tổng hợp dữ liệu thị trường, tin tức, chỉ báo kỹ thuật và rủi ro cho cổ phiếu ở nhiều thị trường. Repo có thể chạy miễn phí với nguồn dữ liệu mặc định, nhưng muốn báo cáo ổn định hơn bạn nên cấu hình API model, nguồn tin và kênh thông báo. Cách cài cơ bản khá ngắn: cài phụ thuộc, điền file môi trường rồi chạy lệnh phân tích.

Repo này là một hệ thống phân tích cổ phiếu đa thị trường được điều khiển bởi AI. Nó gom dữ liệu giá, nến, chỉ báo kỹ thuật, tin tức, thông báo doanh nghiệp và một phần dữ liệu cơ bản để tạo thành báo cáo có kết luận, điểm số, xu hướng, rủi ro và yếu tố xúc tác.

Bạn có thể dùng repo cho cổ phiếu Trung Quốc, Hong Kong, Mỹ, Nhật, Hàn Quốc, Đài Loan và ETF. Công cụ phù hợp với nhà đầu tư muốn có bản tóm tắt tự động mỗi ngày, người làm nghiên cứu muốn hỏi cổ phiếu theo nhiều chiến lược, hoặc lập trình viên muốn dựng một quy trình phân tích và gửi thông báo. Hiện repo có khoảng 71.137 sao và 57.170 fork, giấy phép MIT, ngôn ngữ chính là Python.

Điểm đáng giá nhất là bạn có nhiều cách chạy: GitHub Actions không cần máy chủ riêng, chạy cục bộ, Docker, WebUI hoặc API. Hệ thống cũng hỗ trợ nhiều nguồn dữ liệu, nhiều model AI và nhiều kênh gửi báo cáo. Bạn có thể xem video ngắn bên dưới để hình dung quy trình trước khi cài.

Ứng dụng

ZhuLinsen/daily_stock_analysis

Hệ thống AI phân tích cổ phiếu đa thị trường, tạo báo cáo quyết định và tự động gửi thông báo.

★ 71kPythonMIT
Xem repo trên GitHub
Video giới thiệu daily_stock_analysisXem trên YouTubeXem trên Facebook

I.daily_stock_analysis làm được gì

A.Tạo báo cáo quyết định cho từng cổ phiếu

Báo cáo không chỉ hiển thị giá. Nó có thể tổng hợp kết luận chính, điểm số, xu hướng, vùng mua bán, cảnh báo rủi ro, yếu tố xúc tác và danh sách kiểm tra trước khi hành động. Đây là cách hữu ích để bạn đọc nhanh nhiều mã mà không phải mở từng nguồn dữ liệu.

Kết quả nên được xem như bản hỗ trợ nghiên cứu. Repo ghi rõ đây không phải lời khuyên đầu tư và không chịu trách nhiệm cho tổn thất phát sinh khi sử dụng.

B.Gom dữ liệu từ nhiều thị trường

Hệ thống hỗ trợ A股, Hong Kong, Mỹ, Nhật, Hàn Quốc, Đài Loan và ETF. Dữ liệu có thể gồm行情, nến, chỉ báo kỹ thuật, tin tức, thông báo, dữ liệu cơ bản và dữ liệu phụ trợ cho báo cáo.

Nguồn mặc định có AkShare, Baostock và YFinance. Đây là các nguồn miễn phí giúp bạn chạy thử mà chưa cần cấu hình quá nhiều. Tuy vậy, nguồn miễn phí có thể bị giới hạn tốc độ, thay đổi giao diện hoặc không ổn định do mạng.

C.Chạy phân tích tự động và gửi thông báo

Bạn có thể chạy bằng GitHub Actions, Docker hoặc tác vụ định kỳ trên máy riêng. Hệ thống hỗ trợ gửi qua WeCom, Feishu, Telegram, Discord, Slack và email. Vì vậy, người quản lý danh mục có thể nhận bản tổng hợp mà không cần mở WebUI mỗi ngày.

Cách dùng GitHub Actions phù hợp khi bạn muốn chạy theo lịch mà không duy trì máy chủ. README mô tả quy trình mặc định chạy vào ngày làm việc và bỏ qua ngày không giao dịch, nhưng các quy tắc chi tiết cần xem trong hướng dẫn đầy đủ của repo.

D.Có WebUI để theo dõi và thao tác thủ công

WebUI cung cấp quản lý cấu hình, theo dõi tiến trình, phân tích thủ công, lịch sử báo cáo, báo cáo Markdown đầy đủ, backtest, quản lý danh mục, nhập dữ liệu thông minh và giao diện sáng/tối.

Bạn cũng có thể mở trang /chat để hỏi cổ phiếu theo kiểu Agent. Hệ thống hỗ trợ hỏi nhiều lượt, xuất phiên trò chuyện, gửi kết quả sang kênh thông báo và chạy tác vụ nền.

E.Hỏi cổ phiếu theo nhiều chiến lược

Agent có sẵn các hướng phân tích như giao cắt đường trung bình, Chan, sóng Elliott, xu hướng tăng, chủ đề nóng, sự kiện, chất lượng tăng trưởng và định giá lại kỳ vọng. Tổng cộng README mô tả 15 chiến lược tích hợp.

Agent có thể gọi dữ liệu giá, nến, chỉ báo kỹ thuật, tin tức và thông tin rủi ro trong lúc trả lời. Repo cũng hỗ trợ file chiến lược tùy chỉnh và điều phối nhiều Agent ở mức thử nghiệm.

F.Nhập danh sách cổ phiếu thuận tiện hơn

Bạn có thể nhập cổ phiếu bằng ảnh, CSV, Excel hoặc clipboard. Hệ thống hỗ trợ bổ sung theo mã, tên, pinyin và bí danh. Tính năng này hữu ích khi bạn có danh sách theo dõi từ một bảng tính hoặc ảnh chụp màn hình.

II.Cần chuẩn bị gì

Bạn cần một môi trường có thể chạy Python và cài các gói trong requirements.txt. README không nêu rõ phiên bản Python tối thiểu, vì vậy nên kiểm tra thêm pyproject.toml, setup.cfg và tài liệu triển khai trong repo nếu lệnh cài phụ thuộc gặp lỗi.

Bạn có thể chạy trên máy cá nhân, Docker hoặc GitHub Actions. README không giới hạn hệ điều hành cụ thể, nhưng lệnh mẫu dùng cú pháp Unix như cp và vim. Trên Windows, bạn có thể mở PowerShell để chạy các lệnh Python và Git tương ứng; phần sao chép/chỉnh sửa file cần dùng công cụ phù hợp trên máy bạn hoặc mở file thủ công.

Để chạy thử, bạn chưa bắt buộc phải có token dữ liệu vì repo mặc định tích hợp AkShare, Baostock và YFinance. Những nguồn miễn phí này có thể bị giới hạn tốc độ hoặc ảnh hưởng bởi thay đổi từ dịch vụ bên ngoài.

Bạn cần ít nhất một API key cho model AI nếu muốn dùng GitHub Actions hoặc Agent. README khuyến nghị MODELFLARE_KEY hoặc AIHUBMIX_KEY; ngoài ra có thể dùng Gemini, Anthropic Claude hoặc API tương thích OpenAI. Ollama phù hợp hơn với chạy cục bộ hoặc Docker.

Bạn cũng cần ít nhất một kênh thông báo nếu muốn nhận báo cáo tự động. Có thể chọn WeCom, Feishu, Telegram, Discord, Slack hoặc email. News API không bắt buộc, nhưng README khuyến nghị cấu hình ít nhất một nguồn tìm kiếm để cải thiện tin tức, sự kiện và yếu tố xúc tác.

Đừng đưa API key vào mã nguồn hoặc đăng công khai file .env. Hãy dùng Secrets của GitHub Actions khi triển khai trên GitHub. Báo cáo AI và dữ liệu thị trường có thể phát sinh giới hạn hoặc chi phí từ dịch vụ bên ngoài.

III.Cài đặt từng bước

  1. Lấy mã nguồnSao chép repo về máy và đi vào thư mục dự án
  2. Cài phụ thuộcCài các thư viện Python cần thiết
  3. Tạo cấu hìnhSao chép .env.example thành .env và điền thông tin
  4. Chạy phân tíchChạy main.py để tạo báo cáo
  5. Mở giao diệnKhởi động WebUI nếu muốn thao tác bằng trình duyệt

A.Lấy mã nguồn

Mở Terminal, PowerShell hoặc cửa sổ dòng lệnh tại thư mục bạn muốn lưu dự án. Sau đó chạy đúng lệnh sau:

Terminal
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git && cd daily_stock_analysis

Lệnh đầu tiên tải mã nguồn về máy. Phần cd daily_stock_analysis đưa terminal vào đúng thư mục dự án. Nếu terminal báo không nhận git, bạn cần cài Git trước hoặc dùng cách tải mã nguồn được repo hỗ trợ.

Nếu bạn dùng PowerShell, dấu && có thể phụ thuộc phiên bản PowerShell. Khi đó, chạy từng lệnh một và kiểm tra terminal đã ở trong thư mục daily_stock_analysis trước khi tiếp tục.

B.Cài các thư viện Python

Trong thư mục dự án, chạy:

Terminal
pip install -r requirements.txt

Lệnh này đọc danh sách phụ thuộc từ requirements.txt và cài vào môi trường Python hiện tại. Nếu máy có nhiều bản Python, hãy chắc rằng pip đang trỏ tới cùng môi trường mà bạn sẽ dùng để chạy python main.py.

Repo cũng có pyproject.toml và setup.cfg. Nếu gặp lỗi tương thích, hãy xem các file này cùng SKILL.md để biết quy ước môi trường và cách chạy mà tác giả ghi trong repo.

C.Tạo file cấu hình

README đưa ra lệnh mẫu sau:

Terminal
cp .env.example .env && vim .env

cp tạo bản sao cấu hình mẫu thành .env. vim .env mở file để bạn điền giá trị. Trên Windows, nếu không có cp hoặc vim, bạn có thể sao chép .env.example thành .env bằng File Explorer rồi mở .env bằng trình soạn thảo văn bản. Không đổi tên biến nếu chưa đọc hướng dẫn cấu hình tương ứng.

Tối thiểu, bạn cần điền danh sách theo dõi vào STOCK_LIST. Ví dụ README dùng các mã như 600519, hk00700, AAPL, 7203.T, 005930.KS và 2330.TW, ngăn cách bằng dấu phẩy.

Bạn cần chọn ít nhất một model AI. Các lựa chọn README nêu cho GitHub Actions gồm MODELFLARE_KEY, AIHUBMIX_KEY, GEMINI_API_KEY, ANTHROPIC_API_KEY, OPENAI_API_KEY cùng OPENAI_BASE_URL và OPENAI_MODEL nếu dùng dịch vụ tương thích OpenAI. Tên biến thực tế có thể khác theo cách triển khai; hãy đối chiếu .env.example và hướng dẫn cấu hình trong repo.

Nếu muốn nhận thông báo, thêm cấu hình cho ít nhất một kênh. README nêu các nhóm như WECHAT_WEBHOOK_URL, FEISHU_WEBHOOK_URL, TELEGRAM_BOT_TOKEN cùng TELEGRAM_CHAT_ID, DISCORD_WEBHOOK_URL, SLACK_BOT_TOKEN cùng SLACK_CHANNEL_ID, hoặc EMAIL_SENDER cùng EMAIL_PASSWORD.

Nếu muốn tin tức cập nhật hơn, có thể cấu hình SERPAPI_API_KEYS, ANSPIRE_API_KEYS, TAVILY_API_KEYS, BRAVE_API_KEYS hoặc SEARXNG_BASE_URLS. Nếu muốn nguồn dữ liệu giá ổn định hơn, README nêu TICKPLUS_API_KEY, TUSHARE_TOKEN và nhóm biến Longbridge. Đây là các lựa chọn bổ sung, không phải tất cả đều bắt buộc cho lần chạy thử.

D.Chạy phân tích đầu tiên

Sau khi lưu .env, chạy:

Terminal
python main.py

Đây là lệnh chạy phân tích theo cấu hình hiện tại. Hệ thống sẽ đọc danh sách trong STOCK_LIST, lấy dữ liệu từ các nguồn khả dụng, gọi model AI đã cấu hình và tạo kết quả theo luồng của ứng dụng.

Một số lệnh thường dùng khác:

Terminal
python main.py --debug
python main.py --dry-run
python main.py --stocks 600519,hk00700,AAPL,2330.TW
python main.py --market-review
python main.py --schedule
python main.py --serve-only

--debug dùng khi cần xem log chi tiết. --dry-run phù hợp để kiểm tra luồng mà chưa muốn thực hiện đầy đủ tác vụ. --stocks cho phép chỉ định danh sách mã trong lần chạy. --market-review tạo phần tổng quan thị trường. --schedule dùng cho chế độ định kỳ, còn --serve-only khởi chạy chế độ dịch vụ theo cách repo hỗ trợ.

E.Khởi động WebUI

Nếu muốn dùng trình duyệt, chạy:

Terminal
python main.py --webui

Hoặc chỉ khởi động giao diện bằng:

Terminal
python main.py --webui-only

Sau đó mở địa chỉ sau trong trình duyệt:

text
http://127.0.0.1:8000

WebUI cho phép xem lịch sử, theo dõi tác vụ, chạy phân tích thủ công, quản lý danh mục và mở khu vực Agent. README không cung cấp ở đây toàn bộ cấu hình xác thực và truy cập máy chủ từ xa, nên hãy xem tài liệu WebUI trong repo nếu bạn triển khai trên máy chủ.

F.Chạy bằng GitHub Actions

Nếu không muốn duy trì máy riêng, README khuyến nghị GitHub Actions. Quy trình gồm fork repo, vào Settings → Secrets and variables → Actions → New repository secret, sau đó thêm key model, kênh thông báo và STOCK_LIST.

Tiếp theo vào tab Actions, chọn I understand my workflows, go ahead and enable them. Để kiểm tra thủ công, chọn workflow 每日股票分析, bấm Run workflow rồi bấm Run workflow lần nữa.

Cách này phù hợp cho lịch chạy tự động. Ollama phù hợp hơn với chạy cục bộ hoặc Docker, còn GitHub Actions nên dùng model cloud theo khuyến nghị của README.

IV.Kiểm tra đã chạy được chưa

Cách kiểm tra đơn giản nhất là chạy python main.py và xem log có hoàn thành quy trình phân tích hay không. Kết quả mong đợi là hệ thống tạo báo cáo có phần tóm tắt phân tích, điểm số, xu hướng, rủi ro và yếu tố xúc tác cho các mã trong STOCK_LIST.

Nếu chạy WebUI thành công, trình duyệt mở được http://127.0.0.1:8000. Bạn sẽ thấy các khu vực quản lý cấu hình, phân tích thủ công, lịch sử báo cáo và Agent theo những tính năng README mô tả.

Nếu chạy GitHub Actions, hãy mở workflow đã kích hoạt và chọn chạy thủ công. Một lần chạy thành công phải hoàn tất mà không dừng ở bước cấu hình model, dữ liệu hoặc thông báo. Nếu chỉ thấy cảnh báo nguồn miễn phí chưa cấu hình, điều đó có thể không làm chương trình dừng vì README nói các cảnh báo này không ảnh hưởng tới việc chạy.

Nếu đã cấu hình kênh thông báo, hãy kiểm tra hộp thoại hoặc nhóm nhận tin. Nội dung có thể gồm tổng số mã phân tích, phân loại mua/quan sát/bán, điểm số, cảm xúc tin tức, cảnh báo rủi ro và tin mới nhất.

V.Dùng vào việc thật

A.Chủ shop muốn theo dõi cổ phiếu liên quan đến ngành hàng

Một chủ shop có thể đưa các mã đang quan tâm vào STOCK_LIST, chẳng hạn nhóm cổ phiếu liên quan đến công nghệ, bán lẻ hoặc nguyên vật liệu. Sau đó chạy python main.py để nhận bản tổng hợp thay vì tự đọc nhiều trang dữ liệu.

Nếu cần kiểm tra nhanh một danh sách khác, dùng:

Terminal
python main.py --stocks 600519,hk00700,AAPL,2330.TW

Kết quả là báo cáo theo từng mã, gồm xu hướng, điểm số, rủi ro và yếu tố có thể tác động. Người dùng vẫn cần tự kiểm tra thông tin và quyết định cuối cùng.

B.Nhân viên văn phòng muốn nhận bản tin tự động

Nhân viên văn phòng có thể triển khai bằng GitHub Actions, thêm STOCK_LIST, một API key model và một kênh thông báo. Sau khi bật workflow, có thể chạy thử thủ công rồi để hệ thống xử lý theo lịch.

Nếu muốn nội dung tin tức tốt hơn, thêm ít nhất một search API như SERPAPI_API_KEYS, TAVILY_API_KEYS hoặc BRAVE_API_KEYS. Báo cáo gửi về kênh đã chọn sẽ giúp bạn xem nhanh rủi ro, tin mới và các yếu tố xúc tác.

C.Nhà đầu tư muốn xem tổng quan thị trường

Thay vì phân tích từng mã, bạn có thể chạy:

Terminal
python main.py --market-review

README cho biết phần này có thể hiển thị các chỉ số chính, số mã tăng giảm, số mã tăng trần/giảm sàn và nhóm ngành dẫn đầu hoặc yếu. Đây là góc nhìn phù hợp để bắt đầu buổi nghiên cứu trước khi đi sâu vào từng cổ phiếu.

D.Lập trình viên muốn hỏi theo chiến lược

Lập trình viên có thể bật WebUI, mở /chat và hỏi Agent về một mã hoặc một nhóm mã. Ví dụ prompt thực tế:

text
Phân tích mã cổ phiếu trong danh sách theo xu hướng, đường trung bình, tin tức mới và các rủi ro chính. Nêu rõ dữ liệu nào còn thiếu.

Bạn cũng có thể hỏi theo chủ đề như xu hướng tăng, sự kiện, tăng trưởng hoặc định giá lại kỳ vọng. Agent hỗ trợ hỏi nhiều lượt, gọi dữ liệu kỹ thuật và tin tức, nhưng câu trả lời vẫn phụ thuộc vào nguồn dữ liệu và model đã cấu hình.

Hãy dùng báo cáo để rút ngắn thời gian nghiên cứu, không dùng nó như một lệnh mua bán tự động.

Ông T

VI.Lỗi hay gặp và cách xử lý

A.pip install lỗi hoặc cài sai môi trường

Nguyên nhân thường là pip và python trỏ tới hai môi trường khác nhau, hoặc phiên bản Python hiện tại không tương thích với một phụ thuộc. Hãy kiểm tra lại môi trường Python, đọc pyproject.toml và setup.cfg, rồi cài lại trong đúng môi trường. README không nêu phiên bản Python tối thiểu nên không nên tự đoán một phiên bản cụ thể.

B.Không tìm thấy file .env

README yêu cầu tạo .env từ .env.example. Nếu bạn dùng Windows và lệnh cp hoặc vim không chạy, hãy sao chép file bằng File Explorer rồi mở file mới để chỉnh sửa. Đảm bảo file tên chính xác là .env, không phải .env.txt.

C.Chạy được nhưng không có tin tức hoặc dữ liệu ổn định

Nguồn mặc định như AkShare, Baostock và YFinance có thể bị giới hạn, thay đổi hoặc gặp lỗi mạng. Bạn có thể tiếp tục chạy thử, sau đó cấu hình nguồn token như Tushare, TickPlus hoặc Longbridge theo thị trường cần dùng. Với tin tức, thêm một search API được README hỗ trợ.

D.Agent không trả lời hoặc báo thiếu model

Agent cần ít nhất một API key model khả dụng. Kiểm tra biến cấu hình tương ứng, tên model và base URL nếu dùng API tương thích OpenAI. README cũng cho phép tắt Agent bằng AGENT_MODE=false, nhưng nếu muốn dùng /chat thì không nên tắt chế độ này.

E.Không nhận được thông báo

Kiểm tra bạn đã cấu hình ít nhất một kênh và điền đủ nhóm biến bắt buộc. Telegram cần cả token và chat ID; Slack cần bot token và channel ID; email cần địa chỉ gửi và mật khẩu theo cấu hình README. Không nên đưa secret vào nội dung công khai hoặc commit vào repo.

VII.Có nên dùng không

Nên dùng nếu bạn muốn một hệ thống Python có sẵn nhiều mảnh ghép: dữ liệu đa thị trường, AI, tin tức, báo cáo Markdown, Agent, WebUI, lịch chạy và gửi thông báo. Repo có thể bắt đầu với nguồn miễn phí, chạy cục bộ hoặc dùng GitHub Actions. Đây cũng là lựa chọn đáng xem cho lập trình viên muốn đọc một dự án phân tích định lượng có nhiều điểm mở rộng.

Điểm mạnh là phạm vi tính năng rộng, hỗ trợ nhiều model và nhiều nguồn dữ liệu, có cả phân tích thủ công lẫn tự động. Bạn không bị khóa vào một nhà cung cấp duy nhất. Giấy phép MIT cũng thuận tiện cho việc nghiên cứu và phát triển tiếp theo.

Giới hạn lớn nhất là độ tin cậy của báo cáo phụ thuộc vào dữ liệu, API tìm kiếm, model AI và giới hạn mạng. Nguồn miễn phí không được đảm bảo ổn định. Việc cấu hình nhiều kênh, nhiều thị trường và nhiều backend cũng có thể khiến người mới mất thời gian đọc tài liệu.

Bạn nên chọn cách khác nếu chỉ cần xem giá đơn giản, chỉ giao dịch một thị trường và không cần AI, tin tức hay tự động gửi báo cáo. Bạn cũng không nên xem repo là hệ thống tự động ra quyết định tài chính không cần giám sát. Hãy kiểm tra dữ liệu, hiểu giới hạn nguồn và thử với phạm vi nhỏ trước khi đưa vào quy trình định kỳ.

4.4/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

Repo này có miễn phí không?

Repo có giấy phép MIT và README cho biết có thể chạy với các nguồn dữ liệu miễn phí như AkShare, Baostock và YFinance. Tuy nhiên, model AI, search API hoặc nguồn dữ liệu token có thể có giới hạn hay chi phí riêng; tư liệu không khẳng định mọi dịch vụ đều miễn phí.

Có cần GPU không?

README không yêu cầu GPU cho cách chạy thông thường. GitHub Actions được khuyến nghị dùng model cloud, còn Ollama phù hợp hơn với chạy cục bộ hoặc Docker. Tư liệu không nêu yêu cầu phần cứng cụ thể cho Ollama.

Có chạy được trên Windows không?

Repo cung cấp lệnh Python và không nêu giới hạn hệ điều hành. Tuy nhiên, lệnh mẫu tạo `.env` dùng `cp` và `vim`, nên trên Windows bạn có thể cần sao chép và chỉnh sửa file bằng công cụ sẵn có của hệ điều hành.

Có bắt buộc phải có API key dữ liệu chứng khoán không?

Không bắt buộc cho lần chạy thử vì repo mặc định có AkShare, Baostock và YFinance. README cảnh báo các nguồn miễn phí chịu ảnh hưởng bởi giới hạn tốc độ, thay đổi giao diện và mạng. Tushare, TickPlus hoặc Longbridge là lựa chọn bổ sung khi cần ổn định hơn.

Có bắt buộc phải cấu hình API key AI không?

Bạn cần ít nhất một model khả dụng để tạo báo cáo AI và dùng Agent. README nêu các lựa chọn như Modelflare, AIHubMix, Gemini, Claude, OpenAI tương thích và Ollama tùy cách triển khai.

Dữ liệu và API key có an toàn không?

README yêu cầu cấu hình qua biến môi trường hoặc GitHub Actions Secrets, nhưng không đưa ra cam kết bảo mật chung cho mọi dịch vụ bên ngoài. Bạn nên giữ file `.env` và các secret riêng tư, đồng thời kiểm tra quyền truy cập của kênh thông báo.

Công cụ này có đưa ra khuyến nghị mua bán không?

Báo cáo có thể chứa kết luận, điểm số, xu hướng, vùng mua bán và cảnh báo rủi ro. Tuy nhiên, README ghi rõ dự án chỉ phục vụ học tập và nghiên cứu, không phải lời khuyên đầu tư; bạn phải tự kiểm tra và chịu trách nhiệm cho quyết định của mình.

Chuyển nhanh tới mục

  1. I.daily_stock_analysis làm được gì
    1. A.Tạo báo cáo quyết định cho từng cổ phiếu
    2. B.Gom dữ liệu từ nhiều thị trường
    3. C.Chạy phân tích tự động và gửi thông báo
    4. D.Có WebUI để theo dõi và thao tác thủ công
    5. E.Hỏi cổ phiếu theo nhiều chiến lược
    6. F.Nhập danh sách cổ phiếu thuận tiện hơn
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Lấy mã nguồn
    2. B.Cài các thư viện Python
    3. C.Tạo file cấu hình
    4. D.Chạy phân tích đầu tiên
    5. E.Khởi động WebUI
    6. F.Chạy bằng GitHub Actions
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Chủ shop muốn theo dõi cổ phiếu liên quan đến ngành hàng
    2. B.Nhân viên văn phòng muốn nhận bản tin tự động
    3. C.Nhà đầu tư muốn xem tổng quan thị trường
    4. D.Lập trình viên muốn hỏi theo chiến lược
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.pip install lỗi hoặc cài sai môi trường
    2. B.Không tìm thấy file .env
    3. C.Chạy được nhưng không có tin tức hoặc dữ liệu ổn định
    4. D.Agent không trả lời hoặc báo thiếu model
    5. E.Không nhận được thông báo
  7. VII.Có nên dùng không

Repo & Skill · 13/11/2026 · 11 phút đọc

Garden Skills: bộ skill thiết kế web, tạo ảnh, làm video cho AI — hướng dẫn cài đặt và dùng

Garden Skills là bộ sưu tập Agent Skills (kỹ năng cho AI) của tác giả ConardLi, dùng được với Claude Code, Cursor, Codex và các AI coding agent khác. Mỗi skill dạy agent làm tốt một việc như thiết kế trang web, tạo ảnh, làm video bằng code, biến tài liệu thành bài viết đẹp. Cài không khó, nhưng README có nhiều cách cài nên bạn cần chọn một cách hợp với công cụ đang dùng.

Repo & Skill · 13/11/2026 · 15 phút đọc

thesysdev/openui: xây giao diện AI dạng streaming — hướng dẫn cài đặt và dùng

OpenUI là framework full-stack, độc lập framework, giúp mô hình AI sinh giao diện có cấu trúc và hiển thị dần khi dữ liệu streaming về. Bạn có thể dựng nhanh một ứng dụng chat bằng CLI hoặc cài từng gói cho React, Vue, Svelte, Angular và LangChain. Việc bắt đầu khá đơn giản nếu máy có đúng phiên bản Node; README chưa ghi đầy đủ lệnh chạy ứng dụng sau khi scaffold.

Repo & Skill · 13/11/2026 · 11 phút đọc

Ruflo: điều phối nhóm agent AI cho Claude Code và Codex — hướng dẫn cài đặt và dùng

Ruflo (trước đây là Claude Flow) là một agent harness: lớp công cụ bao quanh Claude Code và Codex, bổ sung nhiều agent chuyên biệt, bộ nhớ qua các phiên và khả năng chia việc cho nhóm agent. Cài bằng một lệnh `npx ruflo@latest init` trong thư mục dự án, cần Node 20 trở lên. Cài khá dễ, nhưng hệ thống rất rộng nên bạn nên bắt đầu từ một tác vụ nhỏ.