PanWatch 路线图前瞻：模拟盘联动、更多市场与 Agent 生态接下来怎么走-育师

PanWatch 路线图前瞻：模拟盘联动、更多市场与 Agent 生态接下来怎么走

【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK & US markets, powered by TradingAgents. Portfolio insights, real-time alerts & automated reports.｜盯盘侠：覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch

PanWatch 是一款自托管的 AI 盯盘工具，覆盖 A股、港股、美股三大市场，提供持仓分析、实时提醒与自动化报告。这篇文章带你前瞻它的下一步演进方向：模拟盘与 AI 信号深度联动、市场覆盖持续扩展、Agent 生态逐步开放，帮你在第一时间看懂这个盯盘工具的价值走向。

📍 先看懂现状：盯盘工作流已经走到哪一步

在看路线图之前，先花 1 分钟了解 PanWatch 现在的"底牌"，这样后面的趋势才有的放矢：

三大工作流 Agent：盘前展望、盘中监测、盘后日报，按交易日历自动调度，结果可推送到 Telegram、企业微信、钉钉、飞书等渠道，核心定义见 agent_catalog.py
专业技术分析：均线、MACD、RSI、KDJ、布林带、量比异动与蜡烛图形态识别，一屏看全
多市场多账户：A股/港股/美股实时行情独立管理，汇总总览总资产
组合条件提醒：价格、涨跌幅、成交额、量比可组合 AND/OR 逻辑，支持冷却与每日触发上限

也就是说，"看信号 → 收提醒 → 复盘"这条链路已经闭环，接下来的路线图主要回答一个问题：如何让这些信号自动变成可验证的交易结果？

🎯 趋势一：模拟盘联动，让 AI 信号"真刀真枪"跑起来

这是路线图里对普通用户最实在的一条。当前 PanWatch 的模拟盘引擎已经能按策略信号自动建仓/平仓：

按信号强度分配仓位：rank_score 越高，单笔投入占比越大（85 分以上最高 25% 预算），规则见 paper_trading_engine.py
与回测共用同一套成本模型：佣金、滑点口径真实，模拟结果才有参考意义，成本定义在 paper_trading_engine.py
内置移动止损与时间止损：浮盈超 5% 后启动 10% 回撤离场，默认最长持有 20 天
独立虚拟账户：不与真实持仓混淆，收益曲线单独追踪

接下来可以预期的联动方向：

TradingAgents 决策直接驱动模拟盘——九角色 Agent 团队输出的"买入/观望/卖出"建议，自动映射为模拟仓位的开平仓
验证中心形成闭环——系统已有 Agent 预测复盘能力（见 evaluations.py），未来每个 Agent 的胜率、盈亏比都可量化排序
从"信号"到"策略"沉淀——表现稳定的规则组合可固化为策略模板，供回测与实盘参考

对新手来说，这意味着你第一次有了一个零风险的验证场：让 AI 帮你"虚拟炒股"三个月，再决定信谁。

🌏 趋势二：更多市场，数据源架构已经铺好路

PanWatch 当前支持 A股（CN）、港股（HK）、美股（US）三个市场，市场定义集中在 models.py。而扩展市场的"地基"其实是一块独立的数据包 packages/marketdata/：

Vendor 可插拔架构：新浪、腾讯、东方财富、yfinance 等数据源按"行情/K线/新闻/资金流"等端口实现，新增市场只需接入对应 vendor，见 vendors/
A股数据深度已做足：北向资金、资金流向、盘面情绪、公告事件等专有数据均走 A 股专用路由
行情多源容错：单源故障自动切换，避免盯盘关键时刻"断网"

接下来值得关注的方向：更多交易所/市场代码接入、更多行情 vendor 的社区贡献（CONTRIBUTING.zh-CN.md 里已有数据源扩展的贡献指南），以及围绕交易日历 trading_calendar.py 的多时区调度打磨——毕竟港股美股盘前盘后的"隔夜信息"处理，是跨市场用户最关心的体验点之一。

🤖 趋势三：Agent 生态开放，从"内置几个"到"可以长出更多"

PanWatch 内置了 TradingAgents 多智能体框架：技术面、情绪、新闻、基本面四位分析师 + 多空辩论 + 风控审查 + 投资组合经理决策，3–5 分钟产出一份完整推理链，流程详解见 tradingagents-flow.md，集成实现位于 tradingagents/。

生态侧的路线图信号已经很明显：

自定义 Agent 已有规范入口：CONTRIBUTING.zh-CN.md 专门描述了如何编写自定义 Agent，社区可以贡献自己的"盘中策略手""事件驱动手"
MCP Server 已对外挂载：PanWatch 将自身能力以 MCP 协议暴露在顶层/mcp端点（见 mcp.py），这意味着外部 AI 助手理论上可以直接调用你的行情、组合与提醒数据
可观测性即接口：内置结构化日志、trace_id全链路关联、节点级进度与成本上报，还支持可选导出 OpenTelemetry（otel.py）——Agent 跑得好不好、花了多少 token，全部可审计
模型不锁定：任何 OpenAI 兼容接口（含本地 Ollama）皆可接入，Agent 团队"换脑"零成本

对普通用户的意义：Agent 不再是开发者才能碰的黑盒，而是可以按需组装的盯盘岗位——盘前有人写展望，盘中有人盯异动，盘后有人算账。