用真实历史K线案例，系统学习股票技术分析
Candlewise 是一个仿照 Brilliant.org 课程体验、专注 K 线技术分析的开源交互式学习平台。通过真实历史行情数据驱动的闯关练习，帮助投资者从零掌握K线形态识别与趋势判断。
- 交互式闯关：基于真实历史行情数据，每题展示真实K线图，选择形态答案后即时反馈
- 预测挑战模式：隐藏后续走势，判断涨跌方向，结束后揭示真实结果并记录历史最高分
- 结构化课程：9 大模块循序渐进，覆盖基础形态、反转形态、趋势、成交量、振荡指标到综合判断
- 专业图表：集成 TradingView lightweight-charts，含 MA5 / MA20 均线叠加
- 多维副图指标：成交量柱图、RSI 折线图、MACD 柱状图，随模块解锁逐步开启
- 进度持久化：学习进度存储在本地 localStorage，无需注册登录
- 模块解锁机制：完成前置模块练习后才能解锁下一模块
- 响应式设计：适配手机、平板、桌面端
- 纯静态部署：零后端，GitHub Pages 托管，免费开源
| 模块 | ID | 知识点 | 难度 |
|---|---|---|---|
| Module 1：K线基础 | basics |
十字星、大阳线、大阴线 | ⭐ |
| Module 2：单根反转 | single_reversal |
锤子线、吊颈线、流星线、倒锤子线、十字星家族 | ⭐ |
| Module 3：双根反转 | double_reversal |
吞没形态、乌云盖顶、刺透形态、孕线 | ⭐⭐ |
| Module 4：三根形态 | triple_pattern |
启明星、黄昏之星、三白兵、三乌鸦、三法形态 | ⭐⭐ |
| Module 5：趋势与关键位 | trend |
支撑阻力位、角色转换、MA5/MA20 金叉死叉 | ⭐⭐⭐ |
| Module 6：成交量分析 | volume |
量价配合、量价背离、突破的量能验证 | ⭐⭐ |
| Module 7：振荡指标 | oscillator |
RSI 超买超卖、KDJ、振荡背离信号 | ⭐⭐⭐ |
| Module 8：趋势动能 | momentum |
MACD 金叉死叉、柱状图动能、MACD 背离 | ⭐⭐⭐ |
| Module 9：综合判断 | synthesis |
假信号与共振、三重确认法（解锁条件：前八模块全部通过） | ⭐⭐⭐ |
| 模式 | 入口 | 说明 |
|---|---|---|
| 识别模式（模式 A） | 各模块"开始练习"按钮 | 给出 K 线，识别形态类型，即时反馈与解析 |
| 预测挑战（模式 B） | 首页"预测挑战"板块 | 给出 K 线并隐藏后续走势，判断涨跌方向，结束后揭示真实结果 |
环境要求：Node.js 18+，npm
# 克隆项目
git clone https://github.com/dengxuhui/candlewise.git
cd candlewise
# 安装依赖
npm install
# 启动开发服务器
npm run dev浏览器访问 http://localhost:5173/candlewise/
# 构建到 dist/
npm run build
# 部署到 GitHub Pages
npm run deploy部署脚本会自动将 dist/ 推送到 gh-pages 分支。
| 层级 | 技术 |
|---|---|
| 前端框架 | React 18 + Vite |
| 样式 | Tailwind CSS v3 |
| 路由 | React Router v6（Hash 模式） |
| 图表 | lightweight-charts v4（TradingView OSS） |
| 状态管理 | Zustand + localStorage |
| Markdown | react-markdown + remark-gfm |
| 数据 | 静态 JSON（/public/data/candlewise_cases.json） |
| 部署 | GitHub Pages via gh-pages |
题目数据来源于 data-scripts/ 目录中的 Python 数据管道，使用 akshare 拉取真实 A 股历史行情数据，自动检测 K 线形态并生成标注数据集（含 MA5/MA20/RSI/MACD/KDJ 等指标字段）。
如需重新生成：
cd data-scripts
pip install akshare yfinance pandas numpy
python fetch_data.py # 拉取原始行情
python build_dataset.py # 生成 candlewise_cases.json
cp candlewise_cases.json ../public/data/无网络环境可使用 generate_synthetic_data.py 生成合成数据。
欢迎提交 Pull Request！请先阅读 CONTRIBUTING.md。
常见贡献方向：
- 新增 K 线形态的题目和解析文案
- 改进数据管道，增加更多股票标的
- UI/UX 改进
- 国际化（英文版）
MIT © 2026 dengxuhui