前几天逛 X 的时候，偶然间刷到一个声称“彭博终端”的替代品，不仅免费而且开源。
我顺着帖子找到了这个 GitHub 项目：OpenBB，目前已经收获了 45k 个星标了。
项目指路：
https://github.com/OpenBB-finance/OpenBB
OpenBB 是全球首个开源的金融平台，也是第一个将数据与 AI 代理相结合以改变投资研究的 AI 金融工作站。
目标很简单，就是为每一个地方的每一个人提供投资研究。
它在确保用户数据私密安全的同时，提供了数百个免费的数据源。
用户还能快速便捷地自定义数据后端，再加上 AI copilot，随时都能回答用户咨询，功能十分强大。
随着 AI 渗透到生活的方方面面，AI 金融的工具我也已经刷到过不少，但很多都“华而不实”，无法真正应用。
接下来，我们一起来看看这个对标企业级的产品到底可以用来做些什么。
核心能力
统一数据集成
OpenBB 平台集成了数十个不同数据供应平台以及公开的数据，包含 370 个自由市场数据源。
提供了对股票、期权、加密货币、外汇、宏观经济、固定收益等海量数据的全面访问。
OpenBB 支持的数据类型灵活，包括结构化和非结构化数据。
例如，我们想了解 AAPL 股票，直接在仪表盘中搜索，就可以得到所有我们可能需要的信息。
整体介绍：
财务信息：
提供了多种工具帮你全方位分析数据：
从多个维度和其他股票进行对比：
查看公司的历史记录，包括财报历史、分红记录、SEC 文件等数据：
还有更多工具可以使用，这里就不逐一介绍了。
总而言之，OpenBB 提供了丰富、多领域、海量且免费的金融数据。
AI 工具集成
OpenBB 平台帮助用户在安全、受控的环境中部署和管理 AI 模型。
平台内置的 AI copilot 可以访问仪表盘上的所有数据来回答用户的提问。
Copilot 默认的 LLM 为 LLaMA ，用户也可以添加自己喜欢的 LLM 。
还可以创建 AI 代理来自动执行任务并以此增强仪表板的使用。
比如，OpenBB 平台提供了 news 板块，里面实时更新了当下的头条新闻、市场概览、全球热点等。
如果你觉得自己翻起来很麻烦，就可以让 Copilot 可以在一个段落中总结头条新闻。
Copilot 就会自动去找到新闻模块，然后用一个自然段进行总结输出，非常智能。
又比如，我们现在来看苹果公司的财收报告，满屏的数字很难立刻得出结论。
我们就可以框选住感兴趣的数据，利用右上角的画图工具，瞬间就能得到直观的可视化图像。
除了可视化分析之外，我们还能让 copilot 帮我们分析当前页面的数据，例如让它挖掘苹果的财报增势，使用起来非常方便。
开箱即用的 UI 框架
仪表盘的各个界面都支持自定义，全面满足用户的工作流程要求。OpenBB 官方也是提供了适配各种岗位的界面模板。
用户还可以通过共享仪表板和应用程序实现无缝团队合作。
除了上面这些主要功能，还有更多惊喜。
你甚至可以在上面找到英伟达 2025 财年 Q2 的财报会议的发言记录。
是不是有点心动？那就上手试试。
使用指南
将 OpenBB 平台集成到 OpenBB 工作区
对 Python 版本要求为3.9.21 - 3.12 。
运行 OpenBB 平台后端
- 安装包。
pip install "openbb[all]"
- 通过本地主机启动 API 服务器。
openbb-api
这将通过 Uvicorn 在 127.0.0.1：6900 启动一个 FastAPI 服务器。
你可以通过转到 http://127.0.0.1:6900 来检查它是否有效。
将 OpenBB 平台后端集成到 OpenBB Workspace
登录 OpenBB 工作区 ，然后按照以下步骤操作：
- 转到“应用程序”选项卡
- 点击“连接后端”
- 填写表格
- 点击“测试”。会获得“测试成功”，其中包含找到的应用程序数量。
- 点击“添加”。
安装
OpenBB 平台可以通过运行 pip install openbb 作为 PyPI 包安装该库。
或者直接使用 git clone https://github.com/OpenBB-finance/OpenBB.git 。
OpenBB 平台 CLI 安装
OpenBB 平台 CLI 是一个命令行界面，允你可以直接从命令行访问 OpenBB 平台。
运行 pip install openbb-cli 进行安装。
或者直接使用 git clone https://github.com/OpenBB-finance/OpenBB.git 。
使用示例
安装好后，你就可以上手做一些尝试。比如通过以下代码获取 AAPL 的历史股价。
from openbb import obb
data = obb.equity.price.historical("AAPL").to_dataframe()
更多详细的信息请参考 GitHub 仓库的 README 文件。
好了，本期的内容就是这么多，我们下期再见~
文章来自于微信公众号“JackCui”，作者是“JackCui”。
