TrendiKnow

主题

服务端开发 ​

trendiknow-server 是系统的预测核心：负责行情采集、三模型集成预测、定时调度、静态 JSON 分发以及鉴权与管理 API。

环境要求 ​

  • Python 3.10+（实测 3.14.3 可用）
  • 8 GB+ RAM；启用 GPU 推理建议 8 GB+ 显存（Toto-2.0 2.5B 需 9.8 GB，自动回退小档或 CPU mmap）
  • 已验证环境：Windows 11 / PyTorch 2.11.0+cu128 / CUDA 12.8 / RTX 4060 Laptop

安装 ​

bash
cd trendiknow-server

# 1. 虚拟环境
python -m venv venv
source venv/bin/activate        # Linux/Mac
# venv\Scripts\activate         # Windows

# 2. 基础依赖
pip install -r requirements.txt

# 3. 模型相关额外包（按需，来自 Git 源）
pip install "git+https://github.com/DataDog/toto"        # Toto-2.0
pip install "git+https://github.com/google-research/timesfm"  # TimesFM-2.5
pip install gluonts --no-deps
pip install lightning

配置 ​

bash
cp .env.example .env
# 编辑 .env：数据库路径、模型路径、股票列表、API 主机/端口等

.env 关键项（示例）：

ini
DATABASE_PATH=./data/trendiknow.db
MODEL_PATH=./data/models
STOCKS_US=QQQ,NVDA,AAPL,TSLA,GOOGL,MSFT,AMD
API_HOST=0.0.0.0
API_PORT=8000

预训练模型 ​

模型文件大小加载方式备注
Toto-2.0-2.5B9.8 GBsafetensors mmap → CPUGPU 显存不足时回退
Toto-2.0-1B3.9 GBsafetensors → CUDA显存自适应
Toto-2.0-313m1.2 GBsafetensors → CUDA显存自适应
Chronos-2456 MBChronos2Pipeline → CUDAAmazon 出品
TimesFM-2.5883 MBmmap + load_state_dict → CUDAGoogle 出品
  • 模型文件较大，切勿提交到 Git（已在 .gitignore 排除）。
  • Toto 按 2.5B → 1B → 313m 顺序检测可用显存，自动选最大可放下档位；全放不下则 CPU mmap。安全系数 1.3×。
  • yfinance 直连可能被墙，需配置代理（见 常见问题）。

初始化与运行 ​

bash
# 初始化数据库与 Schema
python -c "from app.database.duckdb_client import init_db; init_db()"

# 启动服务（开发热重载）
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

# 访问交互式 API 文档
# http://localhost:8000/docs

模块说明 ​

模块文件职责
入口app/main.py创建 FastAPI 应用，挂载 auth / admin / api 三个 router，配置 CORS
配置app/config.pyPydantic 配置类
模型封装app/models/predictor.py、chronos_loader.py、ensemble.py单模型预测、加载器、三模型加权集成
采集app/services/data_collector.pyyfinance / AkShare 5 分钟线 + 日线，增量更新、校验
预测业务app/services/prediction_service.py串联采集→预测→存储的完整流程
拐点 / 回测app/services/turning_point_service.py、backtest_service.py拐点识别、策略回测
存储app/services/storage_service.pyDuckDB 落库与统计更新
分发app/services/json_exporter.py生成 4 份静态 JSON
调度app/scheduler.py双时区窗口触发预测与导出
鉴权app/auth/security.py、dependencies.pyJWT 签发与依赖注入
接口app/api/routes.py、auth_routes.py、admin_routes.py数据 / 鉴权 / 管理路由

测试 ​

bash
# 跳过重型模型加载，仅跑单元测试（推荐 CI / 本地快速验证）
TRENDIKNOW_SKIP_HEAVY_MODELS=1 python -m pytest tests/ -v

当前 23/23 单元测试全部通过，覆盖 DuckDB 数据层、集成预测器、JSON 导出、预测模型四个模块。完整测试与集成验证见 trendiknow-server/TEST_REPORT.md。

手动触发一次预测 ​

bash
python -c "from app.scheduler import PredictionScheduler; PredictionScheduler().run_now()"

最后更新: