本地 AI 应用开发者

你好，我是YLNN
专注于本地大模型与金融信息处理

我搭建本地化 AI 系统，把大模型推理放进自己的硬件，让数据不出本机。当前正在开发一套从全球新闻到 A 股关注清单的全自动分析管线。

查看项目联系我

正在开发的项目

一个软件相关的个人项目，全部由自己独立搭建。

从全球新闻到 A 股关注清单的自动化管线

系统自动采集全球财经新闻，使用本地部署的大语言模型评估每条事件的影响力，并将其归入对应行业板块，再映射到 A 股相关上市公司，最终生成每日关注清单，全程在个人电脑上完成推理。

推理硬件

RTX 5060

显存 / 内存

8GB / 16GB

本地模型

Qwen3.5-9B

量化方案

GGUF Q4_K_M

四个环节构成完整的信息处理闭环。

STEP 01

全球新闻采集 定时抓取多源财经资讯，清洗去重后进入分析队列。

STEP 02

影响力与板块标定 本地模型评估事件性质与影响强度，归属到对应行业板块。

STEP 03

A 股公司映射 按板块与业务相关性，将影响映射到具体上市公司。

STEP 04

生成关注清单 聚合当日高影响事件，输出带理由的重点关注列表。

围绕本地推理与轻量服务搭建。

本地推理 · llama.cpp / GGUF 模型 · Qwen3.5-9B 量化 · Q4_K_M 硬件 · RTX 5060 8GB API 网关 · Cloudflare Workers 部署 · 自建 + 边缘

从想法到落地的主要阶段。

阶段一

需求与选型 明确"全球新闻 → A 股关注清单"的自动化目标，对比云 API 与本地部署路线。

阶段二

硬件与模型部署 基于 RTX 5060 8GB + 16GB 内存，确定 Qwen3.5-9B GGUF Q4_K_M 本地推理方案。

阶段三

系统集成 串联新闻采集、影响力标定、公司映射各环节，形成可运行的完整管线。

阶段四

网关与持续迭代 自建 API 网关统一接入多模型，持续优化标定准确率与清单质量。