收盘后懒得一只只翻 5000 多只股票？想有个东西按你关心的形态自动筛完直接发到手机群里——Sequoia-X 干的就是这事。
它是个 A 股量化选股系统，每天收盘后自动跑、出名单、推飞书。仓库 2018 年建仓，2026 年 3 月做了一次大重构（V2），现在 4.6k Star、1k Fork，昨天都还有提交。
它怎么干活
一条自动化流水线：baostock 拉全市场历史日 K 和当日增量（后复权），存进本地 SQLite，首次回填约 12 分钟灌完约 5200 只股票；日常模式 8 进程并行增量更新，2~3 分钟补完当天数据；跑内置策略筛出符合形态的票；通过飞书 Webhook 把结果以 Markdown 卡片推到群里——卡片还带股票名映射和雪球 K 线直达链接。
说白了：它不像你自己盯盘那样靠眼睛扫，而是像个不知疲倦的实习生，每天收盘把全市场按你的清单过一遍，把疑似命中的整理好发你手机上。
6 个内置策略
都是经典技术形态：TurtleTrade（海龟突破：20 日新高 + 成交额过亿 + 阳线防诱多）、MaVolume（均线 + 放量突破）、HighTightFlag（高窄旗形）、LimitUpShakeout（涨停洗盘回踩）、UptrendLimitDown（上升趋势跌停反包）、RpsBreakout（欧奈尔 RPS 相对强度）。每个策略独立模块，想加自己的形态，照着 strategy/base.py 写子类即可；多策略还能各自推到不同的飞书群（Pydantic-settings 区分）。
技术上的讲究
V2 重构后工程化明显提升：OOP + 依赖注入分层，数据层/策略层/通知层解耦；计算从逐行迭代换成 Pandas 向量化，筛选做到毫秒级；本地 SQLite 缓存 + 增量更新，网络请求量大幅下降；还带 pytest + hypothesis 属性测试，比很多个人脚本扎实。
上手门槛
Python ≥ 3.10，有 uv 最顺手：uv sync；cp .env.example .env 填飞书 Webhook；python main.py –backfill 首次回填（约 12 分钟）；python main.py 日常跑。想自动就挂个 crontab，15 19 * * 1-5 收盘后触发。数据全本地，不上云，介意隐私的可以放心。
几点要注意
这不是投资建议，是工具。它只按你设定的形态筛票，不判断该不该买、不管基本面。技术形态历史上有效，但也会连续失效——用它做决策盈亏自负。
授权状态有歧义。README 写 MIT，但 GitHub 仓库的 LICENSE 字段是空的，打算修改后分发或商用的，先去仓库根目录核对实际 LICENSE 文件，别只信 README 一行字。
数据源 baostock 免费无限流，但质量不如付费终端、复权固定后复权；停牌、退市、特殊处理的票结果可能不准。其石它不提供 ML 预测；要自己有飞书 Webhook 和一台常开的机器；V2 重构新踩坑概率不低，必竟免费的，反政别指望开箱即稳。
它对”会点 Python、想有个自动选股提醒”的人是个不错起点：数据本地、策略可改、推送现成。把它当筛选器不是答案机，价值才对得上。要的自己 clone。
项目地址：https://github.com/sngyai/Sequoia-X
