Augur

by BruceLanLan

Augur is a local research memory system designed to help you remember when you knew what, what changed, and who disagreed on what facts. It is not an AI stock recommendation tool but a multi-agent investment analysis system with 18 investor persona agents, consensus mechanism, and multi-platform deployment. Requires Python 3.9+ (3.10+ for MCP features). External data files are stored locally in ~/.augur by default, configurable via the AUGUR_DATA_DIR environment variable.

FinancestdioCommunity

Repository-wide counts · Cached 2026-09-17

Overview

The Augur MCP server is a publicly available project. Review the upstream repository for installation instructions, supported tools, compatibility, permissions, and current maintenance status.

Configuration

Configuration, transport, authentication, and runtime requirements vary by project. Open the repository before connecting and use the smallest set of credentials and permissions required.

Open the Augur repository to read the latest documentation.

KEEP EXPLORING

Compare source, connection, and authentication details before choosing an implementation.

View the complete category

Financial Datasets MCP Server

financial-datasets

Community

一个模型上下文协议(MCP)服务器,提供股票市场数据的访问,包括财务报表(收入表、资产负债表、现金流量表)、股票价格和市场新闻。需要通过环境变量 FINANCIAL_DATASETS_API_KEY 设置 API 密钥,配置在 .env 文件中。

stock-api

zhangxiangliang

Community

TypeScript stock market data tool supporting A-share, Hong Kong, and US stock quotes. Supports Node.js, browser, CLI, and MCP usage with zero runtime dependencies. No external data files required.

a-share-mcp

24mlight

Community

A MCP 服务器,专注于A股市场,提供股票基础信息、历史K线数据、财务指标、宏观经济数据等。采用Baostock作为数据源,无需付费账户。

Alpaca MCP Server

alpacahq

Community

用于 Alpaca 交易 API 的模型上下文协议(Model Context Protocol)服务器,支持大型语言模型(LLMs)与 Alpaca 的股票、期权、投资组合、观察列表和实时市场数据基础设施交互。需要通过环境变量(ALPACA_API_KEY、ALPACA_SECRET_KEY)配置的外部 API 密钥,通常在 .env 文件中设置。

FROM THE SOURCE

Repository README

Build-time snapshot · Retrieved 2026-10-05

View original

🇨🇳 中文 | 🇺🇸 English

Augur — Research Memory System

🦉 Augur

不是又一个 AI 荐股工具。是一个帮你记住"你何时知道什么、什么变了、谁在什么事实上分歧"的本地研究记忆系统。

v11.0.0-rc1 Tests 18 大师 MCP Local-First MIT

⚠️ 仅供学习研究,不构成投资建议。 大师观点是基于公开投资理念的规则化模拟,不代表本人立场;所有分数、Kelly 仓位与估值都依赖数据质量和模型假设。

目录:为什么不一样 · v11 新功能截图 · 5 分钟上手 · 从 v10 升级 · 18 位大师 · Dashboard · 接入 Claude / Agent · CLI 速查 · 功能成熟度 · 数据与隐私 · 开发 · 文档与路线图


🤔 为什么 Augur 不一样

大多数 AI 金融工具给你一个答案。Augur 给你的是可复查的研究产物。

普通 AI 工具 Augur
给你什么 一段"一方面…另一方面…" 18 位大师的独立判断 + 他们在哪里一致、在哪里打架
数据从哪来 不清楚 每条证据带来源、业务时点、可得时点、获取时点
缺失数据 静默填 0 显式标注 missing,依赖该字段的大师 abstain 并说明原因
三个月后回头看 不记得上次说了什么 每次运行存为不可变的 RunBundle,可以导出、比较、复查
数据在哪 云端 本地 ~/.augur(可用 AUGUR_DATA_DIR 改),无遥测

✨ v11 新功能一览

下面的截图都是 2026-09-17 对 AAPL 的真实运行(实时行情 + SEC EDGAR),没有摆拍数据。终端截图只截取了输出的主要部分。

1. 可执行的研究 Skill:augur skill run

一条命令跑完整个研究流程。执行前先检查每一步要用的能力、网络域名和本地资源是否都在清单里声明过,任何一项不通过都不会开始执行;每次执行存为 RunBundle,可以导出和复查。

augur skill run earnings-prep AAPL

earnings-prep:18 位大师共识,分歧点逐条引用证据 ID,没有证据支撑的分歧单独标成"evidence gap",并和上一次运行做对比。财报日历里没有日期时直接写"无记录",不猜。

augur skill run filing-delta AAPL

filing-delta:自动取最近两份 10-K 的 XBRL 数据,列出变化 ≥5% 的实质性项目,不需要手填 accession 号。另外还有 debt-covenant-review(杠杆与利息覆盖率)和 insider-cluster-review(Form 4 内部人集群)。详见 Skill 使用指南。

2. 研究报告:共识 + 证据化分歧图 + 来源

augur research-report AAPL

augur research-report AAPL 基于最近一次运行生成报告:多空投票、在哪个维度分歧(每条引用证据 ID 并写出什么事实能消除分歧)、大师一致的地方、缺证据的分歧,以及运行 ID、代码版本、步骤状态和证据覆盖率。

3. 10-K 风险因素对比:augur risk-review

augur risk-review AAPL

对比最近两份 10-K 的风险因素章节,列出新增、删除和关键风险。基于规则匹配,措辞小改可能同时显示为"新增"和"删除"。

4. 大师评估:augur eval personas

augur eval personas AAPL

用 augur backtest 生成的历史记录,逐个去掉某位大师,看共识 IC 变好还是变差;分数恒定、没有信息量的大师单独列出。远期收益逐日重叠,置信区间偏乐观,只能当筛查,不能直接当权重。augur eval factors 给出各因子的 IC 与 t 检验。

5. Dashboard:Thesis Journal 与估值实验室

Thesis Journal 页面

/thesis:记录投资论文的催化剂、风险和证伪条件,旁边是待回答的问题和决策日志。

估值实验室页面

/valuation:两阶段 DCF,输入改动即时重算,给出牛 / 基准 / 熊三情景和概率加权公允价值,页面下方还有 WACC × 永续增长率敏感度网格。截图中的参数为手工输入的示例(AAPL 自由现金流、8% 增长假设),不是估值结论。


🚀 5 分钟上手

需要 Python 3.9+(MCP 功能需要 3.10+)。

git clone https://github.com/BruceLanLan/augur.git && cd augur
python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[data]"            # 核心 + yfinance 实时数据
# 可选:pip install -e ".[data,mcp]"  MCP server
#       pip install -e ".[export]"    PDF 导出

# SEC EDGAR 要求请求里带真实联系邮箱(用于美股财报数据)
export AUGUR_EDGAR_CONTACT_EMAIL="[email protected]"

Dashboard:

augur serve --open                 # http://localhost:8000 · ⌘K 命令面板

命令行研究闭环(以下命令均在全新安装上实测通过):

augur analyze AAPL                 # 18 位大师同时分析 + 加权共识 + Kelly 仓位
augur workflow AAPL                # 带追踪的流水线,保存 RunBundle,末尾打印 Run ID
augur research-report AAPL         # 基于最近一次运行:共识、分歧图、来源信息
augur export AAPL --format md      # 导出最近一次运行(md / json / evidence-pack / pdf)
augur committee AAPL --preset value -q "护城河是在变宽还是变窄?"
augur valuation AAPL               # 两阶段 DCF,自动取 FCF/股本/净负债并注明来源
augur skill run earnings-prep AAPL # 内置研究 Skill:财报前 dossier(另有 filing-delta 等 3 个)

没有网络?augur analyze NVDA --pe 60 --roe 0.45 可以手动传指标;augur backtest AAPL --demo 使用离线合成数据。


🔄 从 v10 升级

公开仓上一个版本是 v10.15.0。v11 是一次可信度与研究底座升级,不是新增大师或新页面。升级前请注意这些行为变化:

变化 影响 如何处理
insider_ownership / institutional_ownership 从 0 变为 Optional[float] 缺失时是 None,依赖它们的 11 位大师会 abstain 自定义代码里处理 None
rolling-IC 权重默认不混入共识 只有校准状态为 validated-calibrated 才生效 实验时设 AUGUR_FORCE_RIC=1
学习权重(R6)默认不混入共识 数据太少时会把噪声当能力 实验时设 AUGUR_FORCE_LEARNED=1
SEC EDGAR 市值单位修正为十亿美元 此前覆盖层返回美元原值,市值/FCF 收益率相关判断失真;v11 之前基于回放生成的因子/IC 结果含该误差 需要时重新生成回放产物
augur serve / augur api 默认只监听 127.0.0.1 局域网默认不可访问 对外暴露前先设 AUGUR_API_TOKEN,再加 --host 0.0.0.0
旧格式回放记录(无 field_availability)会被拒绝 给出明确报错,而不是静默加载 重新生成
Python 最低版本 3.9;MCP 支持 mcp 1.x 与 2.x — —

完整说明见 docs/RELEASE_NOTES_v11.md 与 CHANGELOG.md。


🎭 18 位投资大师

规则化实现的投资理念画像,覆盖价值 / 成长 / 宏观 / 中国市场。中国大师输出中文。

流派 大师
🏦 经典价值 Warren Buffett · Benjamin Graham · Charlie Munger · Philip Fisher
🚀 成长创新 Peter Lynch · Cathie Wood · Peter Thiel · Leopold Aschenbrenner
🌍 宏观周期 Ray Dalio · George Soros · Howard Marks · ARPS(加密/黄金)
🇨🇳 中国价值 段永平 · 张磊 · 李录 · 但斌 · 大宇
⚙️ 特殊策略 Serenity(AI 算力供应链)

共识引擎按置信度、数据覆盖度和行业相关性加权,给出信号、分数、置信度和 Kelly 仓位建议。augur list-personas 查看全部 ID。

18 位投资大师

📊 Dashboard

augur serve 启动后访问 http://localhost:8000。

页面 路径 功能
首页 / 行情 + 大师概览
股票分析 /stocks 输入 ticker,18 位大师同时分析
投资委员会 / 辩论 / 对比 /committee · /debate · /compare 预设委员会、多轮辩论、五维雷达图
历史 /history 运行历史与热力图
Thesis Journal /thesis 投资论文、证伪条件、决策日志
财报 /earnings · /scorecard 财报事件队列、事后记分卡
研究收件箱 /inbox 聚合待处理事件
估值实验室 /valuation DCF 参数表单 + 敏感度网格
组合 / 自选 / 设置 /portfolio · /watchlist · /settings Kelly 配置、定时分析、布局与大师子集

🔌 接入 Claude / Agent

MCP server 提供 14 个工具(含 augur_run_skill 执行内置 Skill)、7 个研究 prompt、5 类只读资源(augur://evidence/{id}、augur://runs/{id}、augur://thesis/{id}、augur://decisions/{id}、augur://ledger/{ticker}/{quarter}),在 mcp 1.x 与 2.x 下都经过真实 stdio 会话验证。

pip install -e ".[data,mcp]"

Claude Desktop 配置示例:

{
  "mcpServers": {
    "augur": { "command": "augur-mcp", "env": { "AUGUR_EDGAR_CONTACT_EMAIL": "[email protected]" } }
  }
}

另有 Hermes / OpenClaw 技能包(src/skills/,见 docs/hermes-setup-guide.md)以及 Telegram / Slack / 飞书 / 微信机器人入口。


💻 CLI 速查

# 分析
augur analyze AAPL [--persona buffett] [--json]
augur workflow TSLA --steps fetch,analyze,consensus,committee,debate,sentiment
augur committee NVDA --agents buffett,munger,dalio
augur batch AAPL MSFT NVDA

# 研究产物
augur research-report AAPL [--format json]      # 共识 + 证据化分歧图 + 来源与耗时
augur export AAPL --format md|json|evidence-pack|pdf [-o 路径] [--run-id ...]
augur verify-pack pack.zip                      # 校验证据包每个文件的 SHA-256
augur dossier AAPL                              # 财报前 dossier
augur valuation AAPL [--fcf 100e9 --shares 15e9 --growth 0.08 --wacc 0.10]
augur risk-review AAPL                          # 最近两份 10-K 的风险因素新增/删除/措辞升级
augur ledger AAPL                               # 最近两次分析运行之间变了什么
augur filing-delta AAPL --new q3.json --prev q2.json

# 内置研究 Skill(执行前检查权限,结果存为 RunBundle)
augur skill list · augur skill show filing-delta
augur skill run earnings-prep|filing-delta|debt-covenant-review|insider-cluster-review AAPL

# 评估(基于 augur backtest 生成的回测记录)
augur backtest AAPL --days 120 [--demo] · augur ic-report
augur eval personas AAPL [--horizon 20]         # 共识 IC、命中率、逐个剔除大师的边际贡献
augur eval factors AAPL                         # 每位大师分数作为因子的 IC、t 值、p 值

# 研究记录
augur decisions list|resolve|report             # 决策结果与胜率
augur comments add|list|resolve                 # 对运行 / 论点 / 决策 / 证据的评论
augur citations report|list|accept|reject|fixed # 引用纠错队列
augur audit [--action ...]                      # 审计日志

# 数据
augur fetch AAPL · augur sentiment AAPL · augur insider AAPL · augur earnings --days 30 · augur doctor

# 监控与服务
augur watch AAPL NVDA --interval 60 · augur watchlist-add AAPL · augur cron-run
augur serve [--port 8000] · augur mcp-server · augur skills

augur --help 列出全部 47 个子命令。


🧭 功能成熟度

如实标注,避免把"有代码"当成"能用"。

状态 范围
稳定 18 位大师分析与共识、CLI 研究闭环(上面实测过的命令)、Dashboard 主要页面、MCP server、RunBundle 与导出、数据源链(yfinance → SEC EDGAR 覆盖)
可用,有明确边界 4 个内置 Skill(只运行内置清单;债务约束默认用参考阈值而非信贷协议条款;财报日期来自本地日历文件);分歧图(按大师的分维度评分推导并引用证据,维度到指标的映射是固定表);augur risk-review(规则匹配,措辞小改可能同时显示为"新增"和"删除");augur eval(单只股票的时间序列 IC,远期收益重叠,显著性偏乐观,只作筛查);augur guidance(需 AUGUR_EDGAR_GUIDANCE_EXTRACTION=1,会调用付费 LLM);PDF 导出(需 [export])
实验(默认关闭) rolling-IC 动态权重(AUGUR_FORCE_RIC=1)、学习权重(AUGUR_FORCE_LEARNED=1)——都还没有通过预注册的样本外验证
尚未计量 运行记录中的 token 用量(目前只记录耗时)

🔒 数据与隐私

  • 所有状态保存在本地数据目录(默认 ~/.augur,AUGUR_DATA_DIR 可改)。没有遥测;默认单用户、无需注册(可选开启多用户模式 AUGUR_MULTI_USER=1)。
  • 会发出的网络请求:行情与基本面(yfinance、SEC EDGAR);可选的 LLM 调用(仅在你配置 API key 并启用相关功能时);Dashboard 页面从 jsDelivr CDN 加载 Chart.js。
  • Dashboard 默认只监听本机。需要对外暴露时先设 AUGUR_API_TOKEN,详见 docs/self-hosted-guide.md。

主要环境变量:

变量 作用
AUGUR_DATA_DIR 数据目录
AUGUR_EDGAR_CONTACT_EMAIL SEC EDGAR 要求的联系邮箱(未设置会使用占位值并告警)
AUGUR_API_TOKEN / AUGUR_MULTI_USER Dashboard /api/* 鉴权
AUGUR_CORS_ORIGINS 允许的跨域来源
AUGUR_FORCE_RIC / AUGUR_FORCE_LEARNED 打开实验性动态权重
AUGUR_SKIP_MACRO_FETCH 跳过 VIX/SPY 宏观数据拉取(离线或 CI)
AUGUR_EDGAR_GUIDANCE_EXTRACTION 启用基于 LLM 的 guidance 抽取(付费)

🔧 开发

python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[dev,data,mcp]" "ruff>=0.16,<0.17" build

make verify     # 一条命令:全量测试 + ruff + 构建 wheel/sdist 并输出 sha256
make lint       # ruff(规则集固定为 E4/E7/E9/F)
make test-wheel # 在全新虚拟环境里安装构建产物并做冒烟检查
  • 测试使用独立的临时 AUGUR_DATA_DIR,不会写入你的 ~/.augur;在完全断网的环境下也能全部通过。
  • CI(.github/workflows/):Tests 在 Python 3.9 / 3.11 / 3.12 上跑全量测试并断言收集数;Hermetic Smoke 从 wheel 和 sdist 分别全新安装并跑 ruff 与 pip-audit。
  • 贡献方式见 CONTRIBUTING.md。

📚 文档与路线图

文档 内容
docs/ROADMAP.md 唯一权威路线图:v11 RC → GA 的步骤、完成定义与待决事项
docs/RELEASE_NOTES_v11.md v11 发布说明与迁移指南
docs/reviews/ 项目评审记录(含每条问题的证据等级与修复)
docs/schema-reference.md EvidenceItem / Claim / StepResult / RunBundle / SkillSpec
docs/api-reference-v11.md Python API / REST / MCP
docs/examples.md 实战示例
docs/self-hosted-guide.md Docker / systemd / 反向代理 / 鉴权
docs/INDEX.md 全部文档索引

📝 更新日志

v11.0.0-rc1 — Research Memory System (current)
  • 研究底座:EvidenceItem 三类时间语义、Claim、StepResult、不可变 RunBundle、声明式 SkillSpec v1
  • 研究闭环:Thesis Journal、Filing Delta、分歧图、Guidance Tracker、研究收件箱、DCF 估值实验室
  • 可信度:缺失数据显式传播、校准状态标注、未验证的动态权重默认关闭
  • 研究能力补全(2026-09-17):内置 Skill 执行器(augur skill run,执行前检查权限)、分歧图改为按大师分维度评分推导并引用证据、augur eval 基于回测记录评估大师、augur risk-review 对比两份 10-K 的风险因素、augur ledger 对比两次运行、研究记录命令(决策结果 / 评论 / 引用纠错 / 审计日志)、证据包摘要校验
  • 公开发布前的实测修复:workflow 断点保存崩溃、证据时间戳时区错误、export / research-report / dossier 接上真实运行记录、committee 命令崩溃、SEC EDGAR 市值单位错 10⁹ 倍、估值命令编造输入、服务默认暴露到局域网、wheel 安装下头像 404、MCP 支持 mcp 2.x、CI 假绿修复

详见 CHANGELOG.md。

v10.15.0 — 公开同步发布

SEC EDGAR 真实基本面、三处可信度修复、augur doctor 环境诊断。

v10.0.0 及更早

v10:Bloomberg 风格终端 + 工作流 + MCP 工具 · v9:Hermes Agent + 委员会体系 · v8:HD-2D 设计系统


MIT License · 作者 BruceLanLan(X:@BruceBlue)

仅供学习研究,不构成投资建议