在Windows上自己写一套股市盯盘软件这个念头最早是被弹窗广告逼出来的。我用过的行情软件不少可它们总喜欢在盯盘界面里塞“热门股票”“大师战法”提醒稍微自定义一点就要开会员。我想要的只是“某只股票跌破20日均线”“某只股票涨跌幅超过3%”这种朴素提示到头来发现还是自己动手最靠谱。前后折腾了两周整套工具终于稳定跑起来了行情采集、条件判断、弹窗提醒、开机自启、异常恢复都摸了一遍。这篇文章就把完整的思路和踩坑记录写出来不是什么高深的大工程就是一台普通Windows机器加上一点Python代码的实用组合。如果你也用Windows办公也想按自己的规则盯盘不想被现成软件绑架这篇应该对你有用。1. 现成软件不是不好只是和我的“盯盘方式”不匹配1.1 我为什么决定自建先说清楚我并不是否定同花顺、东方财富这类专业软件日常翻翻公告、看看F10资料我还是会打开它们。真正让我不舒服的是它们作为“盯盘工具”时的几个硬伤。弹窗和内容干扰是最明显的一个。你打开自选股页面眼神正要扫价格角落里一个“猜涨停”弹窗就冒出来了首页还挂着一堆资讯流和广告位。对于只想专注盯几只票的人来说这些全是视觉噪音。更难受的是提醒规则被产品设计锁死了你可以设置涨跌幅提醒但很难设置“价格跌破5日均线且当日成交量大于昨日1.5倍”这种组合条件。就算有高级条件单也往往需要更高的权限或者收费。延迟和稳定性也是个问题。免费用户拿到的基本是轮询推送遇到极端行情软件自身卡顿、数据延迟是常有的事。最让我崩溃的一次是某只股票已经跌到我的止损位软件弹窗在我手动刷新之后才慢悠悠出现。那一刻我就想通了与其依赖别人封装好的黑盒不如自己写一个“规则引擎”。自建盯盘软件本质上解决的是三件事把行情数据按自己的规则过滤一遍把“该看盘了”这件事用你认为最有效的方式推给你把行情数据留在本地方便事后复盘。尤其是第三点现成软件很少让你把分时数据、分钟K线完整导出来但自己做数据就是自己的想怎么折腾都行。1.2 什么情况不建议自己写聊完自建的好处也要泼盆冷水。如果你的需求只是“打开软件看看自选股涨跌”那完全没必要自建现成软件装一个就行。如果依赖Level-2逐笔成交、十档行情这类专业数据个人开发者很难拿到稳定且低价的授权自建没有意义。还有一点如果你平时完全不写代码那这篇文章读起来可能会吃力建议要么找个懂行的朋友带要么直接用现成的条件预警功能。我给自己的判断标准很简单有没有“用规则替代人肉盯盘”的明确需求有就值得折腾没有别浪费时间。我的需求就是盯两三个板块、七八只票要能在价格突破或跌破某条均线的时候第一时间提醒我不弹广告不推荐股票不收集我的数据。这个需求听着简单现成软件还真没几个能干净利落地做到。2. 先把“盯盘”这件事拆成三个环节刚开始动手的时候我满脑子都是“写个脚本抓数据”结果写着写着发现盯盘软件和普通数据抓取脚本之间隔着一整个工程思维的距离。真正想清楚之后我把这套软件拆成了三个核心环节数据接入、条件判断、提醒输出。2.1 数据接入层数据接入层的任务很简单定期拿到每只自选股的最新行情包括最新价、开盘价、昨收、最高最低、成交量等。这个环节看起来简单实际上要考虑的问题不少。第一个是数据频率。专业量化系统可以走行情网关做毫秒级推送但个人免费方案里主流数据源都是HTTP轮询接口。把轮询频率设成1秒1次一是容易触发数据源限流二是对个人盯盘没有意义——普通人的决策周期是分钟级的5秒到10秒拉一次已经非常充裕。我最后把默认频率设在5秒行情激烈时最多不会超过3秒这个强度挨个请求腾讯和新浪的免费接口完全没问题。只有做高频交易的才会有更低延迟需求但那种场景本来就不适合用免费接口。第二个是接口可靠性。免费接口没有任何可用性承诺可能今天能访问明天就挂也可能盘中突然返回一堆乱码。所以数据接入层必须内置超时、重试、备用源切换机制。我的方案是主力源和备用源两个通道哪个通用哪个。第三个是数据格式。不同数据源返回的字段名不一样有的价格是字符串有的是整数乘以1000有的股票代码带交易所前缀有的不带。这些细节如果不在一开始统一抽象后面写条件判断的时候会满地是坑。2.2 条件判断层数据拉回来之后要判断“要不要提醒你”。最简单的规则是阈值判断价格大于某个数、涨跌幅超过某个百分比、成交量突破某个量。但真正好用一点的规则往往需要配合历史数据。比如“跌破20日均线”这种经典规则你得先有最近20个交易日的收盘价才能算出均线数值再和当前价比较。所以条件判断层不只是写个if语句那么简单它背后需要一个小型的历史数据存储。最简单的是本地CSV稍微规范一点可以用SQLite再重度一点才轮到MySQL或者Elasticsearch。我在初期用的是SQLite一张表存日线收盘价一张表存实时快照表结构简单查询速度也快完全够用。如果你一上来就想着我是不是应该装个ClickHouse或者ES我劝你先忍一忍把最简单的版本跑通了再考虑扩展。2.3 提醒输出层条件触发了怎么让你知道这里的选择很多。最基础的是声音Windows下一条winsound.Beep就能发出明显的提示音哪怕你不坐在电脑前也能听到动静。其次是系统通知可以通过win10toast或plyer库做Toast弹窗不比正常应用的推送通知差。再进一步是手机端通过企业微信机器人或者Server酱这类工具把消息推到微信里出门在外也能收到盯盘结果。我把提醒做成了一层层可插拔的组件默认全开声音弹窗可选手机推送。每个提醒渠道都写在单独的模块里互不干扰。因为我知道提醒渠道这种东西今天喜欢弹窗明天可能就想用钉钉机器人做成插件化最省事。这三个环节想清楚之后后面写代码就是按部就班的事。3. 免费行情源的选取与容灾设计行情数据源是整个盯盘软件的地基这块选不好其他都是空中楼阁。市面上个人能用的免费方案主要有四类我这里直接给结论。3.1 我实际对比过的数据源数据源类型个人免费额度优点缺点aksharePython开源库免费接口丰富股票/基金/期货都能拿文档完善部分接口依赖第三方网站可用性波动tusharePython库/API积分制基础分有限数据质量好稳定性高有社区高积分才能解锁更多接口腾讯行情接口HTTP接口免费无显式限制速度快返回字段丰富代码前缀明确非正式API随时可能调整新浪行情接口HTTP接口免费经典老牌覆盖广偶发返回空值需要Referer头限制较多我实际的主力源是akshare它封装了很多现成接口比如股票实时行情、历史K线一个函数就能拿到数据开发效率很高。但akshare毕竟是个聚合库底层对接的也是公开网页或接口盘中偶尔会不稳定。所以我把腾讯行情接口作为热备源平时不用一旦akshare拉取异常自动切换到腾讯接口补位。腾讯接口返回的是GBK编码的文本字符串速度很快对个人盯盘来说稳定性反而比很多聚合库更高。3.2 主备切换和限频策略主备切换的逻辑不复杂核心就一句话每个数据源模块都有统一的get_quote(symbol)入口主源抛异常或超时就自动降级到备用源。注意这里要做容错不能因为一次失败就连续切换否则备用源也会被打爆。我加了一个“熔断”机制连续3次主源失败才切换备用源切过去之后每30秒探活一次主源恢复后自动切回。# data_source.py 简化思路 import requests import time TIMEOUT 5 main_fail_count 0 use_backup False def get_quote(symbol: str) - dict: global main_fail_count, use_backup try: if not use_backup: quote akshare_main(symbol) main_fail_count 0 return quote else: return tencent_backup(symbol) except Exception: main_fail_count 1 if main_fail_count 3: use_backup True return tencent_backup(symbol)限频方面我串行轮询股票池每只股票之间加time.sleep(0.5)左右一整轮下来节奏稳定。股票池超过20只的时候开始考虑用简单的线程池并发拉取但并发量控制在5个以内避免瞬间请求过多。3.3 数据解析的隐藏坑免费接口最恶心的不是不稳定而是你不知道它什么时候换个字段名或者改个返回格式。腾讯接口的返回是一串用~分隔的字符串股票的某个价格可能在第4位也可能在第6位不同字段在不同版本里位置还会漂移。我在代码里做了字段长度校验解析失败就抛异常让上层走备用源而不是拿一堆脏数据去算均线。新浪接口的坑是偶尔会返回空字符串特别是在集合竞价阶段。所以我在解析层加了兜底拿不到有效价格就跳过本轮不报警、不写库等下一轮再说避免把空值推进历史表里。另外单位问题必须统一。有的接口返回“元”有的返回“分”有的价格是字符串“10.23”有的直接给你整数1023。我的建议是在所有数据源入口处就统一转换成float价格单位统一为元后面所有判断都基于这个标准化之后的字典否则光单位换算就能让你头皮发麻。4. Windows环境准备别一上来就装全家桶很多人在Windows上写这类小工具容易走入一个误区一听到要缓存、要存历史就想着上Docker、装Redis、配Elasticsearch结果环境搭了两天核心功能一行没写。我的建议是先搭一个最小可运行环境跑通全链路再按需加组件。4.1 最小环境Python venv GitPython直接去官网下载安装包安装时务必勾选“Add Python to PATH”这样后面在命令行里敲python才有反应。装完之后在项目根目录执行python -m venv venv创建虚拟环境然后激活环境venv\Scripts\activate。为什么要用虚拟环境因为做Python开发的人总有一天会体会到依赖地狱的痛苦。这个项目要装requests、akshare那个项目要装flask、pandas版本稍微冲突一下系统就乱了。venv就是给每个项目单独隔离一个房间互不干扰这是所有Python项目的起点习惯。Git for Windows装一个意义不只是代码版本管理更重要的是能让你随时回退。盯盘脚本改崩了、数据解析写错了git revert一下就能回到上一个能跑的状态这种安全感是无价的。4.2 缓存组件Redis到底要不要上很多朋友看到“缓存”两个字第一反应就是Redis。但在做Windows盯盘软件时我一开始压根没上Redis用的是Python内存字典加本地SQLite。原因很简单盯盘软件的单机状态是轻量的股票池几十只每5秒快照一次内存里放最近几轮数据完全没压力根本不需要单独起一个缓存服务。Redis的好处是多个脚本共享状态、数据持久化更规范但这不是初期刚需。如果你的项目确实需要Redis比如多个进程读写行情、或者要和另一个程序共享实时快照那我建议用WSL2或Docker Desktop跑Linux版Redis而不是装那个Windows民间移植版。Windows原生的Redis版本维护不太积极功能也滞后用起来容易踩坑。WSL2是Windows官方支持的功能装好之后在Ubuntu子系统里执行apt install redis-server一行命令搞定服务由Windows侧随开机自动启动体验比原生版顺畅不少。4.3 历史存储SQLite足够ES是非必需的盯盘软件最需要存的数据有两类日线收盘价用来算均线和分钟级快照用来复盘。这两类数据用SQLite一张表就能存得很好。SQLite是文件型数据库不需要单独的服务进程Python自带标准库支持最适合单机小规模项目。Elasticsearch好不好好全文检索、聚合分析都很强但你要考虑它背后挂着Java环境ES 8.x至少需要JDK17安装配置又是一坨事。我见过不少个人项目上来就上ES最后光内存就吃掉几个G风扇呼呼转实际查询性能不比SQLite快多少。所以我的选型原则特别简单当前功能复杂度用SQLite能解决就绝不引入外部服务。等哪天数据量到几千万行、需要按时间做复杂聚合检索了再迁移也不迟。到那时候你也已经知道自己的明确需求是什么了。5. 核心代码实现从行情拉到提醒触发环境准备好接下来进入正戏。我把整个项目分成几个模块每个模块功能单一替换起来也方便。下面这几段代码都是简化后的核心逻辑但骨架是完整的你照着能把整个系统搭起来。5.1 项目结构win-stock-monitor/ ├── config.json # 股票池和规则配置 ├── requirements.txt # 依赖requests, akshare等 ├── data_source.py # 行情拉取与主备切换 ├── monitor.py # 主循环与条件判断 ├── notifier.py # 声音/弹窗/推送 └── logs/5.2 配置文件示例{ stock_pool: [sh600000, sz000001, sz300750], check_interval: 5, rules: [ {code: sh600000, type: price_above, value: 12.5}, {code: sz300750, type: chg_pct_above, value: 3.0}, {code: sz000001, type: price_below, value: 10.0} ], notify: { sound: true, toast: true, wecom_webhook: } }我习惯把股票池和规则单独放到配置文件里而不是写死在代码里。这样改股票、改提醒阈值只需要编辑config.json不用动代码也不用重启服务时还要想“上次改到哪了”。代码和配置分离这也是从正经工程里学来的好习惯。5.3 行情拉取示例# data_source.py import requests import re import time TIMEOUT 5 def akshare_main(symbol: str) - dict: import akshare as ak # akshare的实时行情接口symbol需转换 code symbol[2:] df ak.stock_zh_a_spot_em() row df[df[代码] code] if row.empty: raise ValueError(f{symbol} not found) return { symbol: symbol, price: float(row.iloc[0][最新价]), yclose: float(row.iloc[0][昨收]), open: float(row.iloc[0][开盘价]), change_pct: float(row.iloc[0][涨跌幅]), volume: float(row.iloc[0][成交量]), } def tencent_backup(symbol: str) - dict: url fhttps://qt.gtimg.cn/q{symbol} resp requests.get(url, timeoutTIMEOUT) resp.encoding gbk text resp.text.strip() m re.search(r(.*), text) if not m: raise ValueError(funexpected response: {text[:50]}) parts m.group(1).split(~) if len(parts) 40: raise ValueError(fparse error: {text[:50]}) return { symbol: symbol, name: parts[1], price: float(parts[3]), yclose: float(parts[4]), open: float(parts[5]), change_pct: float(parts[32]) if parts[32] else 0.0, volume: float(parts[6]), }腾讯接口返回的是GBK编码必须设置resp.encoding gbk不然中文会乱码。字段位置也容易漂移建议先用你手里的真实返回打出来核对一遍再写死索引。5.4 主循环与条件判断# monitor.py 核心片段 import json import logging import time from datetime import datetime from zoneinfo import ZoneInfo from data_source import get_quote from notifier import notify TZ ZoneInfo(Asia/Shanghai) def is_trading_time() - bool: now datetime.now(TZ) if now.weekday() 5: return False hm now.hour * 60 now.minute return (9*6015 hm 11*6030) or (13*60 hm 15*60) def main_loop(): config json.load(open(config.json, encodingutf-8)) last_notify_map {} # 防止同一个条件反复通知 while True: try: if not is_trading_time(): time.sleep(60) continue for item in config[stock_pool]: quote get_quote(item) for rule in config[rules]: if rule[code] ! item: continue hit False if rule[type] price_above and quote[price] rule[value]: hit True if rule[type] price_below and quote[price] rule[value]: hit True if rule[type] chg_pct_above and quote[change_pct] rule[value]: hit True if hit and last_notify_map.get(f{item}-{rule[type]}) is not True: notify(quote, f{item} 触发 {rule[type]} {rule[value]}) last_notify_map[f{item}-{rule[type]}] True if not hit: last_notify_map[f{item}-{rule[type]}] False time.sleep(0.5) except Exception as exc: logging.exception(fmain loop error: {exc}) time.sleep(config.get(check_interval, 5)) if __name__ __main__: logging.basicConfig(levellogging.INFO) main_loop()这一段里最容易被忽略的是“防重复通知”。如果不加last_notify_map价格一直在阈值上方脚本每5秒就会提醒一次几分钟就能把人逼疯。我的策略是做边沿触发只有从“未触发”状态跳变到“触发”状态的瞬间才提醒一次想要再次提醒必须先回落到阈值以下再重新触发。5.5 提醒模块# notifier.py import winsound import requests def notify(quote, message): if config.get(sound, True): winsound.Beep(880, 400) # 拉高音400毫秒 if config.get(toast, True): try: from plyer import notification notification.notify( titlef{quote[symbol]} 盯盘提醒, messagemessage, timeout10 ) except Exception: pass webhook config.get(wecom_webhook) if webhook: requests.post( webhook, json{msgtype: text, text: {content: message}}, timeout5 )winsound只在Windows上有这正好扣住主题。plyer是跨平台的系统通知库Windows下能弹Toast非常合适。如果想推手机企业微信机器人是最省事的渠道新建一个群加一个机器人把Webhook地址填进配置里手机端就能收到提醒不需要单独开发App。6. 把脚本变成“不会消失”的后台任务脚本写好了总不能每次都手动打开命令行盯着它跑。而且命令行窗口一旦被误关或者系统重启盯盘就中断了。把Python脚本常驻后台是这整套方案里工程化味道最浓的一块。6.1 为什么要用服务或计划任务第一种想法是“我不关窗口就行”这我试过不可靠。Windows自动更新会在半夜重启电脑第二天开盘时脚本根本没起来。就算不重启一个终端窗口坐在那里也很容易随手关掉。所以必须让系统来管理进程的生命周期方案有两个NSSM服务封装或者计划任务。6.2 NSSM把Python脚本变成Windows服务NSSM是一个把任意可执行文件封装成Windows服务的小工具。它负责进程的启动、守护、崩溃重启比单纯的计划任务更稳。我的做法是先装Python的pythonw.exe它会静默运行Python脚本不弹黑窗口。nssm install StockMonitor C:\Python311\pythonw.exe C:\win-stock-monitor\monitor.py nssm set StockMonitor AppDirectory C:\win-stock-monitor nssm set StockMonitor AppStdout C:\win-stock-monitor\logs\service.log nssm set StockMonitor AppStderr C:\win-stock-monitor\logs\service.err.log nssm start StockMonitorpythonw.exe运行时不带控制台窗口非常适合做后台服务。注意AppStdout和AppStderr一定要设置否则脚本里的print和异常输出会被吞掉出问题完全无从排查。6.3 计划任务的轻量替代方案如果你不想引入NSSM用Windows自带的任务计划程序也能实现开机自启。创建一个任务触发器选“计算机启动时”操作选“启动程序”程序填pythonw.exe参数填脚本路径。再补一个触发器每30分钟重复一次这样即使进程异常退出任务计划也能在下次触发时尝试拉起。用命令行创建计划任务也很方便schtasks /Create /TN StockMonitor /TR C:\Python311\pythonw.exe C:\win-stock-monitor\monitor.py /SC ONSTART /RU SYSTEM /RL HIGHEST需要注意/RU SYSTEM表示以系统账户运行脚本里写日志文件时要保证该路径对系统账户可写不要放在需要登录才能访问的加密盘上。6.4 日志与闪退排查思路后台运行的脚本最怕的就是它无声无息地死掉。所以日志必须从一开始就规范化。我在monitor.py里直接用logging模块同时还加了RotatingFileHandler让日志按大小自动轮转不会几个月下来撑爆磁盘。import logging from logging.handlers import RotatingFileHandler handler RotatingFileHandler(logs/monitor.log, maxBytes5*1024*1024, backupCount5) logging.basicConfig(levellogging.INFO, handlers[handler])如果你发现脚本“闪退”第一反应不要瞎猜去查日志。常见的闪退原因包括代码里直接print但环境没有控制台导致编码报错、依赖库没装进当前虚拟环境、路径写死了不存在的目录。把AppStdout和AppStderr指到日志文件异常信息就会原原本本记录下来。我曾经被一个“脚本一运行就消失”的问题折腾了一下午最后看日志才发现是zoneinfo在旧版Python里没有时区数据直接把启动校验换成pytz才解决。这提醒我了后台服务环境下任何“看起来正常”的异常都不能放过。7. 我踩过的Windows特有坑如果说前面是搭房子的过程那这一章就是装修时踩到钉子后的处理经验。Windows下跑这类脚本有一些非常典型的坑几乎每次都会遇到。7.1 控制台中文乱码Windows控制台默认编码是GBK而Python 3里字符串是Unicodeprint中文时一旦遇到特殊字符就报UnicodeEncodeError。我刚开始跑的时候行情名称一打印就乱码日志文件里全是问号。解决办法是在脚本入口设置环境变量或者重配标准输出import sys sys.stdout.reconfigure(encodingutf-8)或者在运行时设置系统环境变量PYTHONIOENCODINGutf-8。如果你把脚本封装成NSSM服务就格外需要这个因为pythonw.exe模式下控制台不存在编码问题更隐蔽。7.2 交易时段判断的时区坑这是最容易出问题的逻辑。最初我用的是datetime.now()等Windows系统时区被改到其他区域之后脚本的“交易时段”判断整个乱了套。更隐蔽的是有些机器虽然时区是东八区但启用了“自动调整夏令时”之类的设置结果导致时间偏差一小时。正确做法是用zoneinfo强制指定亚洲上海时区from datetime import datetime from zoneinfo import ZoneInfo TZ ZoneInfo(Asia/Shanghai) now datetime.now(TZ)这样不管本机时区设成什么脚本判断的都一定是北京时间。胜过我之前用“本地系统时间手动偏移”的笨办法。7.3 数据源返回格式变动股票数据解析的坑在前面已经提过但Windows环境下还有一个特有现象requests库受系统代理设置影响很大。很多Windows机器上装着安全软件或者代理工具它们会在系统级别设置代理环境变量requests默认会读取这些代理然后访问行情接口时要么超时要么被拦截。解决方法是显式关闭代理信任session requests.Session() session.trust_env False这样requests就不会理会系统代理环境变量直接走本机网络。如果你的网络环境本身需要代理才能出去那就改成显式设置proxies参数哪个IP能通就用哪个别让它自动瞎猜。7.4 Windows更新重启导致的中断Windows半夜自动重启更新是后台常驻任务最怕的事。有人选择干脆关闭自动更新我其实不太赞成长期关闭安全补丁还是很重要的。更好用的方式是把计划任务做成开机触发加周期触发双保险或者用NSSM的服务模式——服务默认就带恢复选项进程挂了系统会自动拉起。还有一个容易被忽略的点如果装了杀毒软件它可能把pythonw.exe的后台运行当作可疑行为拦截。遇到这种情况最稳妥的方式是把脚本目录加入杀毒软件的白名单不然你排查半天以为是代码问题其实进程根本没被允许运行。8. 进阶玩法把盯盘数据变成自己的历史资产脚本稳定跑起来之后我开始琢磨怎么把每天的行情数据沉淀下来。一开始只是想复盘当天的操作结果做着做着发现这套东西的价值远超“盯盘提醒”本身。8.1 用SQLite留存分钟级快照我在monitor.py里加了一个轻量写入逻辑每轮拉取行情后往SQLite里写一条快照记录包含时间戳、股票代码、价格、涨跌幅、成交量。表结构就这么简单一个月下来数据量也就几万行SQLite毫无压力。有了这张表复盘就很方便了。我可以查“那天下午两点半这只股票的价格到底是多少”可以回放整个交易日的价格走势甚至可以统计某个时间段内价格触及阈值但没触发提醒的情况用来反推规则设置得是否合理。这个能力现成软件很少会给你。8.2 上Redis的场景是什么当你的脚本从一个变成两个或者想在Web面板里看实时状态时Python进程内存里的数据就不好共享了。这时候Redis作为“共享状态层”的价值才显现出来一个进程写快照另一个进程读状态Web页面也能直接拉取实时价格。用WSL2跑一个Redis配置不在话下。但一定要记住Redis是为解决“多进程状态共享”问题服务的不是为了“显得专业”而上的。不要为了用而用。8.3 加一个局域网Web面板写一个简单的Flask面板展示当前股票池里每只股票的实时状态谁触发了提醒谁刚回落到安全区间手机上打开浏览器就能看。代码量不大几十行就够。好处是盯盘提醒从“单机声音”变成了“可以随时瞄一眼的状态页”。如果还想更进一步可以把面板部署到NAS或者云服务器人在外面也能看。做Web面板的时候我特别建议把轮询数据和判断逻辑完全分开。Web面板只负责展示数据库或Redis里的数据不直接拉行情否则会引入额外的请求频率打破之前辛苦维持的限频平衡。8.4 更复杂的组合规则怎么扩展现在的规则还是“价格大于某值”“涨跌幅超过某值”这种单条件。要扩展成“涨跌幅超过3%且成交量大于10日均量的1.5倍”核心思路差不多多拉两个历史字段判断条件写成一个rules列表每个规则项是一个字典把全部条件都放进去。这条路径走深了其实就是在写一个微型规则引擎。不过我给自己的忠告是别一开始就追求大而全的规则系统。先用硬编码的五六条规则跑一段时间观察哪些条件确实能帮你减少盯盘时间再慢慢沉淀成配置化规则。盯盘软件的真正价值不是“自动化一切”而是把重复劳动交给机器把自己从屏幕前解放出来。我实际跑下来大半年最深的体会是稳定性永远比功能多寡重要。一套能连续运行几个星期不出错的简单脚本远胜一个功能丰富但三天两头崩的系统。所以我建议所有想尝试的朋友先从最简链路跑通开始一个数据源、三条规则、声音提醒、NSSM常驻。等它稳如老狗了再去折腾数据库、Web面板、组合条件这些花活。最后再分享一个我自己的使用习惯整个项目用Git管理config.json和代码分开提交每次改规则都留个commit记录。换电脑或者重装系统之后clone下来装好依赖几分钟就能恢复整套盯盘环境。这个习惯帮我省过不少麻烦也让我在这套“私人盯盘系统”上越用越顺手。