PyCharm + CodeArts代码智能体，AI协作实现模拟炒股小助手

最新案例动态，请查阅PyCharm + CodeArts代码智能体，AI协作实现模拟炒股小助手。小伙伴们快来进行实操吧！

**案例简介：**本案例将通过PyCharm集成CodeArts Doer for Coding插件快速搭建CodeArts代码智能体，并基于该智能体的智能生成和智能问答能力协作开发者快速构建模拟炒股小助手。

一、概述

1.1 适用对象

个人开发者
高校学生

1.2 案例流程

CodeArts代码智能体（CodeArts Doer），是面向DevSecOps全流程的智能化解决方案。当前已开放CodeArts代码智能体（CodeArts Doer for Coding）。

CodeArts代码智能体是一种智能编码辅助工具，重塑了智能化软件研发的新范式，让开发者更加聚焦业务创新，事半功倍。CodeArts代码智能体基于智能生成和智能问答两大核心能力，广泛覆盖了代码生成、研发知识问答、单元测试用例生成、代码解释、代码注释、代码调试、代码翻译、代码检查、代码优化等开发场景，提高软件研发生产力。

本案例将通过PyCharm集成CodeArts Doer for Coding插件快速搭建CodeArts代码智能体，并基于该智能体的智能生成和智能问答能力，协作开发者快速构建模拟炒股小助手。

说明：

申请公测并购买CodeArts代码智能体；
PyCharm集成CodeArts Doer for Coding插件，登录CodeArts代码智能体；
与CodeArts代码智能体对话，快速构建模拟炒股小助手。

1.3 资源总览

本案例预计花费0元。

资源名称	规格	单价（元）	时长（分钟）
CodeArts Doer	系统标配	免费	60

二、环境和资源准备

2.1 通过PyCharm登录CodeArts代码智能体

参考案例《PyCharm集成并登录CodeArts Doer》登录CodeArts Doer代码智能体。

2.2 登录Tushare大数据开放社区

登录Tushare大数据开放社区，并进行登陆注册。
完善个人资料，注意此步骤不可省略。

即可获取接口Token，此Token可通过社区接口获取真实股市数据。

三、CodeArts代码智能体构建模拟炒股小助手

我们期望CodeArts代码智能体构建的炒股小助手能直接在本地运行。Agents选择CodeAgent模式：

在Agent对话框中输入：

帮我写一段Python代码，实现以下功能：
1. 调用Tushare接口获取2025年12月12日的A股日线数据，包含以下字段：
   - ts_code（str，股票代码）
   - trade_date（str，交易日期）
   - open（float，开盘价）
   - high（float，最高价）
   - low（float，最低价）
   - close（float，收盘价）
   - pre_close（float，昨收价【除权价】）
   - change（float，涨跌额）
   - pct_chg（float，涨跌幅【基于除权后的昨收计算的涨跌幅：（今收-除权昨收）/除权昨收】）
   - vol（float，成交量（手））
   - amount（float，成交额（千元））
2. 数据获取后，将字段名替换为对应的中文：
   - ts_code → 股票代码
   - trade_date → 交易日期
   - open → 开盘价
   - high → 最高价
   - low → 最低价
   - close → 收盘价
   - pre_close → 昨收价（除权价）
   - change → 涨跌额
   - pct_chg → 涨跌幅
   - vol → 成交量（手）
   - amount → 成交额（千元）
3. 把替换中文字段名后的数据同时打印到控制台、保存至CSV文件（文件名为“20251212_A股日线数据.csv”）；
4. 增加完善的异常处理：接口调用失败/数据为空时，输出趣味提示语（如“数据开小差啦，再试一次”“暂无2025年12月12日A股日线数据，今天适合躺平”）；
5. 代码注释通俗易懂，新手能看懂，且给出需要安装的依赖库和Tushare token的替换位置；
6. 输出示例数据，方便验证代码是否正常运行。

Agent自动生成开发方案。

点击Approved，Agent继续自动生成。

可以看到，运行结束后将自动创建tushare_stock_data.py和相应代码，此时将TUSHARE_TOKEN替换成步骤2.2获取的接口Token。

可以看到CodeArts Doer提示我们安装依赖。

按照它说的做，打开终端输入：

pip install tushare pandas

接着，我们运行程序：

可以看到，我们成功通过接口获取到了2025年12月12日的A股信息，并拿到相应的csv文件。

再次使用CodeArts代码智能体帮我们模拟炒股功能，输入以下提示词：

帮我写一段Python代码，基于已有的“20251212_A股日线数据.csv”文件，实现炒股模拟交易复盘小助手功能：
1. 读取CSV文件（正确识别中文表头），模拟初始资金10万元；
2. 实现2种模拟交易策略，基于20251212日数据复盘收益：
   - 策略1（追涨）：买入当日涨跌幅前10的股票，每只股票平均分配资金（不考虑手续费）；
   - 策略2（均衡）：买入收盘价在10~50元之间、成交量中等（50000~200000手）的股票，每只买入1000股；
3. 计算每种策略的复盘结果：持仓股票列表、每只股票收益额、总收益、总收益率；
4. 复盘结果同时打印到控制台（格式清晰，标注策略名称、总收益），并保存为“模拟交易复盘_20251212.csv”；
5. 增加异常处理：策略无符合条件股票时，输出提示语“该策略无可用股票，无法复盘”；
6. 代码注释清晰，解释每种策略的逻辑，给出依赖库列表（如pandas、numpy）。

点击Approved，Agent继续自动生成，运行结束后可以看到，CodeArts代码智能体帮我们又生成了一个stock_trading_simulator.py文件，同样的，也提示我们需要安装依赖。