首页 文章 精选 留言 我的

精选列表

搜索[AI代码],共10000篇文章
优秀的个人博客,低调大师

(1m/5m/15m + Python 代码)

**一句话回答:** 历史分钟线用 AlphaFeed 的 `klines.get(symbol, period="5m")`,`period` 支持 `1m/5m/15m/30m/60m`;**当日分时**(今天到现在的分钟走势)用 `klines.intraday(symbol)`,一次返回全天约 240+ 根 1 分钟 K;多只用 `intraday_batch`。注意分钟线一般是**不复权原始价**,跨除权日拼接要自行处理;历史回溯深度取决于套餐,用 `count` 控制根数。 ## 分钟数据的三个易错点 分钟数据比日线"重"得多,个人取数常踩: - **免费源分钟线又慢又缺**:网页接口拿分钟线易超时、被限流,历史深度不透明; - **复权**:日线常给前复权,分钟线一般是**原始价**,跨除权日直接画会跳空; - **当日 vs 历史用错接口**:"今天到现在的分时"和"过去 N 天的分钟 K"是两个接口,别混用。 ## 分钟数据来源对照 |需求|AlphaFeed|AkShare(免费)|Baostock(免费)| | --- | --- | --- | --- | |历史分钟线(1m~60m)|✅ klines.get(period=...)|⚠️ 有但易限流|✅ 5/15/30/60m 稳| |当日分时(实时到现在)|✅ klines.intraday|⚠️ 延迟/不稳|❌| |多只批量分钟|✅ intraday_batch|⚠️ 易封|⚠️| |跨市场(美/港)分钟|✅ 同一 SDK|⚠️ 分散|❌| ## 取历史分钟 + 当日分时(可运行) ``` from alphafeed import AlphaFeed af = AlphaFeed() # export ALPHAFEED_API_KEY # 1) 历史分钟线:最近 48 根 5 分钟 K(≈近一天) k5 = af.klines.get("600519.SH", period="5m", count=48, to_dataframe=True) print(k5.tail(3)[["trade_time", "open", "high", "low", "close", "volume"]]) # 2) 当日分时:今天开盘到现在(约 240+ 根 1 分钟 K) today = af.klines.intraday("600519.SH", to_dataframe=True) print("当日分钟根数:", len(today), "最新:", today["trade_time"].iloc[-1]) # 3) 多只批量取分钟线:注意返回 dict{symbol: DataFrame} batch = af.klines.intraday_batch(["600519.SH", "000001.SZ"], to_dataframe=True) for sym, df in batch.items(): print(sym, df.shape) ``` `period` 取值: |period|含义|典型用途| | --- | --- | --- | |1m|1 分钟|日内精细、分时重建| |5m/15m/30m|中频分钟|日内趋势、VWAP、量价| |60m|小时线|波段/多周期| |1d/1w/1M/1Q/1Y|日/周/月/季/年|中长周期| 返回列:`symbol, name, timestamp, trade_date, trade_time, open, high, low, close, volume, amount`。 ## 关键坑与注意事项 - **分钟线多为原始价**:跨除权日拼接会跳空;当日分时无碍,跨日多天分钟序列需自行按除权调整。 - **`intraday**`** 只给当天**:要"过去几天分钟 K"用 `klines.get(period="5m", count=...)`,别用 `intraday`。 - **批量返回 dict**:`intraday_batch`/`klines.batch` 的 `to_dataframe=True` 给的是 `{symbol: DataFrame}`,遍历取。 - **控制体量**:分钟线数据量大,用 `count` 或 `start_time/end_time` 限制,别一次拉超长历史。 - **成交额 amount**:A股分钟线带 `amount`;美股/港股日线 `amount` 当前不返回(为 0)。 ## 常见问题(FAQ) **Q:能取多久以前的分钟线?** A:分钟历史深度按套餐而定,用 `count` 或时间范围控制;长历史建议 Starter 及以上。 **Q:分钟线是复权的吗?** A:一般是**原始价**。当日分时无需复权;跨除权日的多日分钟序列请自行按除权调整。 **Q:需要付费吗?** A:少量分钟取数可用免费额度体验,批量/长历史/高频需 Starter 及以上()。 ## 小结 拿 A股分钟数据记住两个接口:历史分钟 K 用 `klines.get(period="5m/15m/...")`,当天分时用 `klines.intraday`(多只 `intraday_batch`,返回 dict)。用 `count` 控体量、注意分钟线是原始价、跨除权日自行处理,就能稳定拿到干净的分钟/分时序列做日内研究。 ## 参考 - AlphaFeed Python SDK 文档:[https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart](https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart)

优秀的个人博客,低调大师

用 WorkBuddy 生成测试用例:接口文档到测试代码一步到位 #WorkBuddy开发者分享季#

工位旁边的老王看我又在加班,凑过来问:"还在搞测试用例生成啊?" 我说是。他说他用 WorkBuddy 半小时就搞定了。我不信。 结果他当场给我演示了一遍。我:???这也可以??? ## 具体怎么操作 ### Step 1:打开 WorkBuddy,描述你的需求 在输入框里用自然语言写清楚你要做什么。以测试用例生成为例,我的指令大概是: ``` 帮我处理测试用例生成相关的任务: 1. 读取输入数据 2. 按照规则进行整理和清洗 3. 生成结构化输出 4. 输出结果文件 ``` 绝了。 ### Step 2:WorkBuddy 自动规划执行 提交指令后,WorkBuddy 会自动拆解任务,逐步执行。你能看到它每一步在做什么: | 步骤 | 操作 | 耗时 | |------|------|------| | 1 | 读取并解析输入 | ~3秒 | | 2 | 执行核心处理逻辑 | ~5秒 | | 3 | 生成结果文件 | ~2秒 | | 4 | 验证并输出 | ~2秒 | 整个过程大概10秒左右。真不是吹。 ### Step 3:检查结果 执行完成后,结果会直接展示在对话区。你可以预览、下载或继续追问修改。如果结果不理想,直接用自然语言追问就行,比如"把第三步的输出格式改成表格"或者"再加一个汇总统计"。 ### Step 4:进阶用法 熟练之后,可以试试这些进阶技巧: | 技巧 | 说明 | 效果 | |------|------|------| | 多文件批处理 | 在指令中指定文件夹路径 | 一次处理几十个文件 | | 定时自动化 | 设置定时任务 | 每周自动执行,不用手动触发 | | 指令模板化 | 把常用指令存为模板 | 下次一键复用,省去重复描述 | | 多步骤拆分 | 复杂任务分成多条指令 | 每步可验证,出错好定位 | 我常用的一个技巧是:先让 WorkBuddy 生成一个简单的版本,然后逐步追问优化。比一次性写一个超长指令效果好多了。 ### ⚠️ 踩坑记录 第一次用的时候踩了个坑:指令写得太模糊了,就说了句"帮我处理一下",结果 WorkBuddy 不知道具体要做什么,输出的东西完全不对。 后来发现,**指令要包含三个要素:输入数据 + 处理规则 + 输出格式**。比如"读取xxx文件,去除重复行并按日期排序,输出为新的Excel"——这样一次就能到位。 ## 行动清单 如果你也想用 WorkBuddy 搞定测试用例生成相关工作,建议从这几步开始: 1. 下载安装 WorkBuddy 客户端 2. 先用一个小文件测试,熟悉指令写法 3. 把常用的指令模板存下来,下次直接复用 4. 遇到复杂任务,拆成多步骤描述 有什么问题欢迎在评论区交流,我也还在摸索中。 > 本文参与 #WorkBuddy开发者分享季# 话题征文

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册