lianghua/docs/DEPLOY_LINUX.md

Linux B/S 部署（linux-web 分支）

架构：Linux 服务器常驻执行「实时抓取 + 分析」（采集引擎每 60s 一轮）， 分析事件经 WebSocket 实时推送到所有已连接的 Web 仪表盘（浏览器打开即看，无需刷新）。

采集引擎 TimelineCollector（后台线程）
  ├─ 盘前：美股隔夜收盘 → 实证先验（skill）预估今日跳空/日内概率
  ├─ 盘中：东财7x24快讯入库 → 关键词告警 → 上证实时点位
  └─ 盘后：龙虎榜入库 → 收盘日报
        │ 事件回调（每条：新快讯/盘中点位/告警/日报…）
        ▼
aiohttp 服务（端口 8100）
  ├─ GET  /            Web 仪表盘（深色，事件流实时上屏）
  ├─ GET  /api/recent  最近事件 JSON
  ├─ GET  /api/stats   连接数/缓冲统计
  └─ WS   /ws          实时广播（断线自动重连）

部署步骤

sudo mkdir -p /opt && cd /opt
sudo git clone -b linux-web <仓库地址> a_stock_timeline
cd a_stock_timeline

python3 -m venv venv
venv/bin/pip install -r requirements.txt

sudo cp deploy/a-stock-timeline.service /etc/systemd/system/
sudo systemctl daemon-reload
sudo systemctl enable --now a-stock-timeline

# 查看实时日志
journalctl -u a-stock-timeline -f

浏览器访问 http://<服务器IP>:8100（生产建议前置 nginx 做 TLS/域名）。

数据说明

• 数据库：/opt/a_stock_timeline/data/a_stock.db（SQLite，与 C 端同 schema）
• 事件流水：data/realtime_feed.jsonl（重启后自动回放最近 200 条到新连接的客户端）
• 实证先验：docs/overnight_transmission.md（由 windows-desktop 分支的 src/analysis/mine_patterns.py 挖掘生成，拷贝到 docs/ 即可被服务端加载）

与 C 端（windows-desktop 分支）的关系

• 共享：fetcher/storage/分析引擎与全部实证口径
• 差异：C 端入口为 start_realtime.bat + 控制台输出 + Windows 数据路径； linux-web 端入口为 python -m src.web.server，事件走 WebSocket 广播，路径全部相对化

启用「事件影响分析 → 个股推荐」（需大模型）

服务端设置任意一家 OpenAI 兼容厂商的 Key（默认智谱 GLM）：

# 编辑服务单元，在 [Service] 段加环境变量
sudo systemctl edit a-stock-timeline
# 写入：
#   [Service]
#   Environment=JQUANT_LLM_API_KEY=你的Key
#   Environment=JQUANT_LLM_MODEL=glm-4-flash        # 可选
#   Environment=JQUANT_LLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4   # 可选
sudo systemctl restart a-stock-timeline

启用后：盘中出现新快讯 → 自动做「事件影响力分析」→ 页面推送事件影响卡 （事件摘要/方向/板块/置信度 + 推荐个股表：名称、代码、购入区间、预计收益(推测)、 推荐指数★、简易原因）。未配 Key 时该功能静默待机，其余功能不受影响。

推荐卡中的"预计收益"是模型基于历史先验与资金面的推测值，页面已标注 "模型推断仅供参考，不构成投资建议"。