AI Agent 也能看懂行情？OpenChart 把图表、告警和自有模型放到桌面
很多 AI 工具要么只能聊天，要么只能生成代码；真正接近工作流时，用户还得在行情软件、脚本编辑器和 Agent 窗口之间来回切换。OpenChart 选择了一个更具体的方向：做一个开源的桌面行情工具，让图表、指标、告警和 AI Agent 在同一个本地优先的工作区里协作。
项目在 2026 年 10 月初出现在 Hacker News 的 Show HN 页面，仓库使用 TypeScript，README 将它描述为“带有自己 AI 的 TradingView 替代品”。截至本文核查时，GitHub API 返回 79 个 Star；项目采用名为 OpenChart License 的许可证，README 说明它基于 Apache 2.0 并附加了额外条件，因此不应简单写成“Apache-2.0 项目”。商用前应直接阅读仓库中的 LICENSE。
它不是把聊天框贴到图表旁边
OpenChart 的关键思路，是让 Agent 参与行情工作流，而不是只回答“这只股票怎么样”。README 明确列出的能力包括：
- 在图表中添加指标、Volume Profile，并扩展到 4×4 的多图布局；
- 使用 Claude、Codex 或 Gemini 等用户已有的模型账户进行研究、生成指标和设置告警；
- 用自然语言描述需要关注的条件，由 Agent 创建 Tea 监控逻辑；
- 选中一段价格区间，让 Agent 研究行情变化，并把带来源的解释标注到图表上；
- 在图表上画线或画区域，价格穿越后触发告警，再请求 Agent 调查变化原因。
这里的边界很重要：OpenChart 不是替你保证投资判断正确的自动交易系统。它把研究、监控和解释组合起来，但数据质量、模型结论和最终决策仍然需要人负责。
Tea：把市场条件写成可执行逻辑
项目团队同时维护 Tea，一种用于市场分析的编程语言。它支持函数、循环、状态和集合等构造，可以随着数据流入计算自定义指标和条件。相比只在提示词里描述“价格突破后提醒我”，把条件落成可重复执行的监控逻辑，更适合长期运行的告警。
一个实际工作流可以是：先在图表上观察波动区间，再让 Agent 生成一个监控条件；条件满足后，告警触发一次研究任务；研究结果以带来源的注释回到图表。这样，Agent 的作用从一次性问答变成了“监测—触发—解释”的闭环。
需要注意的是，README 只展示了 Tea 的定位和能力概览，并没有在 Quick Start 中给出一段完整的 Tea 指标代码。因此，下面先采用项目已经确认的桌面启动方式，而不凭产品描述猜测语言语法。
本地启动：先用桌面版，再考虑源码构建
OpenChart 提供 macOS Apple Silicon 桌面下载。若要从源码运行，README 要求准备 Node.js 24、npm 11.11.1、Bun 1.4.2 和 Just，然后执行：
git clone https://github.com/longsurf-ai/openchart.git cd openchart just install --frozen-lockfile just desktop
just install 还会初始化并构建同团队维护的 Tea。第一次使用建议先按照官方 getting started 页面完成图表和告警配置，不要一开始就把所有自动化能力打开。先选一个只读行情研究场景，确认数据来源、告警频率和模型费用，再逐步增加 Agent 权限。
项目的桌面软件免费，但 AI 使用量遵循所选模型提供商的计划，Cloud 市场数据也可能单独计费。这是一个容易被忽略的成本边界：本地运行界面不等于模型推理完全免费，告警触发的 Agent 研究同样可能消耗上下文和调用额度。
和传统行情软件相比，价值在哪里？
OpenChart 的差异不只是“支持 AI”。传统图表工具擅长显示数据和运行指标，代码 Agent 擅长编辑文件；OpenChart 试图把这两种能力放到同一张图上：模型可以研究行情、生成指标、设置监控，而用户仍能在图表中检查结果。
它的另一项取舍是本地优先。HN 评论中有用户特别提到，图表、研究和指标代码保持在本地；这对不希望把完整研究上下文交给第三方平台的人很有吸引力。不过，本地优先不自动等于绝对隐私：只要调用云端模型或云端行情数据，相应输入仍会离开本机。部署前应逐项确认模型供应商、市场数据服务和告警任务的网络边界。
适合从什么场景开始？
OpenChart 更适合以下类型的实验：
- 想把自定义指标、价格告警和 Agent 研究串成一条流程的开发者；
- 已经拥有 Claude、Codex 或 Gemini 使用计划，希望在行情工作区复用它们的人；
- 希望把研究过程留在本机，并愿意自己维护桌面工具的用户；
- 对 Tea 这类面向市场数据的语言和 Agent-native 工作流感兴趣的工程师。
不建议把它当成无人值守的交易决策器。更稳妥的做法是：从观察和解释开始，给告警设置清晰的频率限制；让 Agent 输出来源和假设；任何涉及下单、资金或外部写操作的动作，都保留人工确认。
OpenChart 有趣的地方，在于它没有把 Agent 当作一个漂浮在旁边的聊天窗口，而是把模型放进了图表、指标和告警的执行链中。它仍处于早期阶段，许可证和数据服务边界也需要认真核对，但对于想探索“本地桌面工具 + 自有模型 + 可执行市场逻辑”的开发者来说，这是一个值得试用的方向。
相关链接