DeepEar
Verwandeln Sie öffentliche Meinung und Nachrichten mit KI-Agenten in strukturierte Investitionslogikketten.
Konvertieren Sie qualitative Nachrichten in quantitative Sentiment-Scores und automatisierte Investitionsberichte.
DeepEar ist ein Open-Source-Framework für Deep Research und Financial Signal Tracking, das öffentliche Meinung in umsetzbare Investitionslogikketten umwandelt. Es eignet sich für Finanzanalysten, quantitative Researcher und Investoren, die Marktüberwachung und Berichterstellung automatisieren möchten.
Was es ist
Es nutzt spezialisierte Multi-Agenten-Zusammenarbeit, um über 15 Datenquellen wie Weibo und Finanznachrichten zu scannen, Logik durch ISQ-Templates zu filtern und ein nachrichtenbewusstes Kronos-Modell zur Vorhersage von Kursschocks anzuwenden. Sie erhalten ein interaktives React-Fintech-Dashboard, eine hybride BM25- und Vektor-RAG-Suche sowie die automatisierte Generierung professioneller Berichte in Markdown und HTML.
Für wen
Es eignet sich für Finanzanalysten und quantitative Researcher, die mit Python-Umgebungen und API-Key-Konfiguration vertraut sind. Es ist nicht geeignet für nicht-technische Benutzer, die eine schlüsselfertige, in der Cloud gehostete SaaS-Anwendung ohne Einrichtungsanforderungen suchen.
Wichtige Funktionen
Multi-Agent Collaboration
Spezialisierte Agenten übernehmen Trenderkennung, Finanzanalyse, Prognosen und Berichterstellung.
Agent Skill Ready
Lässt sich als Plug-and-Play-Skill direkt in KI-Agenten-Frameworks wie OpenCode und Claude Code integrieren.
News-Aware Kronos Model
Kombiniert eine Few-Shot-News-Projection-Schicht mit Zeitreihenmodellen zur Vorhersage von Kursschocks.
Interactive Fintech Dashboard
Bietet eine React-basierte Web-UI zur Echtzeitüberwachung von Agenten-Workflows, Logs und Ergebnissen.
15+ Data Sources
Deckt Finanz- und soziale Quellen ab, darunter Cailian Press, Wall Street News und Weibo über NewsToolkit.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Lässt sich als spezialisierter Skill direkt in externe KI-Agenten-Frameworks integrieren
- Kombiniert Nachrichten-Embeddings mit Zeitreihenprognosen über das Kronos-Modell
- Enthält ein React-Fintech-Dashboard zur Echtzeitüberwachung von Agenten-Workflows
- Unterstützt Checkpoint-Resume-Funktionalität und Signal-Evolution-Tracking über Läufe hinweg
Schwächen
- Erfordert technisches Know-how zum Klonen von Repositories, Verwalten von Python-Abhängigkeiten mit uv und Erstellen des Frontends
- Erfordert externe API-Keys für LLM-Anbieter und Suchdienste, die Nutzungskosten verursachen
- Erfordert die initiale Einrichtung eines Kontos und die Generierung von Einladungscodes für den Dashboard-Zugriff
Preise & Lizenz
DeepEar ist unter der MIT-Lizenz kostenlos nutzbar. Die einzigen direkten Kosten entstehen durch den Eigenbetrieb der Software und die Bezahlung der zugrundeliegenden LLM- und Such-API-Keys, die Sie konfigurieren.
Stellen für Deutschsprachige
880 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
What API keys do I need to run DeepEar?
Sie benötigen API-Keys für Ihren gewählten LLM-Anbieter (wie OpenRouter, OpenAI, Ollama oder DeepSeek) und optional einen Jina API-Key für Websuche und Content-Extraktion.
Can I run DeepEar without the web dashboard?
Ja, Sie können den Workflow direkt über die Befehlszeile mit der Python CLI-Schnittstelle ausführen oder ihn als KI-Agenten-Skill integrieren.
How does DeepEar track changes over time?
Es unterstützt das Signal-Evolution-Tracking mithilfe eines update-from-Arguments für bestehende Läufe, um Sentiment-Drift und Logik-Updates zu analysieren, sobald neue Marktdaten eintreffen.
