目前有一些开源项目和框架，在一定程度上可以实现类似图中 “消息驱动型-选股框架” 的功能，以下为你介绍：

• Qlib ：由微软开源，是一款量化投资神器 。它是一个全流程覆盖的量化投资平台，从数据处理、特征工程到模型训练、回测评估都能一站式搞定。其内置LightGBM、XGBoost、深度学习等模型，支持自定义算法；并且基于Python，底层用C++优化，处理海量金融数据也较为流畅；还支持多数据源接入，可适配A股、美股、加密货币等市场。在选股方面，通过数据处理和AI模型训练，能够挖掘股票相关因子辅助选股 ，不过它没有直接针对消息驱动的完整选股流程，但可作为基础框架进行拓展开发。
• K-Quant ：这是一个基于金融知识图谱构建的智能量化投资平台，支持高质量图谱构建，集成了股票推荐模型、动态集成学习、解释器模块与组合评估系统。它结合了微软开源项目Qlib，实现了与真实市场数据无缝联动 。在选股方面，通过知识增强的方式，结合深度学习模型实现智能选股与组合优化，并且能输出每次选股结果对应的“关键关系路径”，增强了模型选股的可解释性。虽然没有明确提及对消息的正负判断驱动交易，但知识图谱可以在一定程度上整合市场消息等多源信息。
• qstock ：由 “Python金融量化” 开发的个人量化投研分析开源库，包括数据获取、可视化、选股和量化回测四个模块。数据来源于东方财富网、同花顺、新浪财经等公开数据，选股模块提供了同花顺的技术选股和公众号策略选股，涵盖RPS、MM趋势、财务指标、资金流模型等 。不过，它主要侧重于技术分析和部分策略选股，没有直接体现AI收盘价预测和消息驱动的选股逻辑，但可以作为搭建选股框架的基础组件之一，进行功能扩充。
• UFund-Me/Qbot ：该开源项目综合了tushare、backtrade、easytrade、qlib等，提供了从选股、选基金到策略分析、回测，再到实施模拟交易，以及邮件、飞书消息发送的闭环功能。它对股票、基金和期权都有涉及，并在持续优化完善中，虽然没有明确提到对AI收盘价预测和消息正负判断驱动交易的具体实现，但具备搭建完整选股及交易框架的基础 。

此外，一些基于机器学习和深度学习的开源框架，如TensorFlow 、PyTorch等，虽然不是专门针对选股，但可以利用它们搭建AI预测收盘价的模型 ，并结合其他数据处理和分析工具，实现消息驱动型选股框架的部分功能。