A股投研指挥官 - 编排调度多个股票分析Skill，串联成完整投研流水线。支持四种模式：板块扫描、板块分析、个股深度分析、持仓体检。最终输出结构化投资简报并自动存档飞书。
Scanned 9/6/2026
Install to Claude Code
Skills Directorynpx -y skills add LeoYeAI/openclaw-master-skills --skill a-stock-orchestrator --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of A Stock Orchestrator?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/leoyeai-a-stock-orchestrator)More formats (shields.io, HTML) on the badges page.
---
name: a-stock-orchestrator
description: A股投研指挥官 - 编排调度多个股票分析Skill，串联成完整投研流水线。支持四种模式：板块扫描、板块分析、个股深度分析、持仓体检。最终输出结构化投资简报并自动存档飞书。
---
# A股投研指挥官
编排调度 8 个子 Skill，串联成完整投研流水线。不自己抓数据，只做**调度 + 整合 + 输出**。
## 🎯 四种运行模式
### 模式一：板块扫描（"今天有什么机会？"）
**触发词**：今日机会、扫描市场、找机会、今天买什么、热点
**流程**：
```
Step 1 - 热点扫描
调用 a-stock-trading-assistant（fetch_stock.py --hot-sectors）
→ 获取当日涨幅前列板块 + 资金流向
Step 2 - 龙头识别
对 Top 3-5 热点板块，调用 a-stock-leader-identification
→ 每个板块锁定 1-2 只龙头候选
Step 3 - 基本面排雷
对候选个股，调用 a-stock-fundamental-screening
→ 排除 ST、亏损、减持等风险标的
Step 4 - 量价验证
对通过排雷的个股，调用 a-stock-volume-price
→ 确认走势真实性，排除诱多
Step 4.5 - 技术面快速扫描（Top 3 候选）
对 Top 3 候选执行技术面综合分析（同模式三 Step 4.5，简化版）
→ 三方交叉验证技术面强度，排序
Step 5 - 深度分析（Top 2-3）
默认：stock-research-engine
辅助（如有 Token）：tradingagents-analysis
→ 输出完整研报
Step 6 - 汇总输出投资简报
```
### 模式二：板块分析（"帮我分析 XX 板块"）
**触发词**：分析XX板块、XX行业怎么样、板块摸底
**流程**：
```
Step 1 - 板块概况
调用 akshare-stock 获取板块行情数据
→ stock_board_industry_name_em() 或 stock_board_concept_name_em()
调用 a-stock-trading-assistant 获取板块实时数据
Step 2 - 热点新闻与资金流向
调用 akshare-stock 获取板块资金流向数据
用 web_search 搜索板块近期热点新闻（最近3天）
→ 整理板块驱动因素
Step 3 - 龙头识别
调用 a-stock-leader-identification
→ 板块内找真龙 + 跟风股对比
Step 4 - 成分股扫描与排雷
调用 akshare-stock 获取板块成分股列表
→ stock_board_industry_cons_em(symbol="板块名")
调用 a-stock-fundamental-screening 对主要成分股排雷
→ 输出风险标的清单
Step 5 - 量价验证（Top 3）
调用 a-stock-volume-price
→ 确认龙头走势
Step 6 - 深度分析（龙头股）
默认：stock-research-engine
辅助（如有 Token）：tradingagents-analysis
Step 7 - 输出板块分析报告
```
### 模式三：个股深度分析（"帮我看看 600519"）
**触发词**：分析XX、看看XX、XX怎么样、帮我看看这个票、股票代码
**流程**：
```
Step 1 - 实时行情
调用 a-stock-trading-assistant（fetch_stock.py --code XXX）
→ 当前价、涨跌幅、成交量、技术指标
Step 2 - 历史数据
调用 akshare-stock 获取 K 线 + 财务数据
→ 近30日K线、PE/PB/ROE等
Step 3 - 基本面排雷
调用 a-stock-fundamental-screening
→ 排雷检查
Step 4 - 量价验证
调用 a-stock-volume-price
→ 量价关系判断
Step 4.5 - 技术面综合分析（三方交叉验证）
同时执行三个技术面分析方案，交叉验证：
4.5a - 方案A: a-stock-kline-analyzer
exec: python3 skills/a-stock-kline-analyzer/scripts/kline_analyzer.py --code XXX --days 60 --report
→ K线形态识别 + 量能分析 + 技术评分(0-100)
→ 提取：趋势判断、MACD信号、RSI信号、支撑位/压力位、综合建议
4.5b - 方案B: stock-kline-analysis
exec: python3 -c "
from scripts.fetch_kline import fetch_all_timeframes
from scripts.indicators import add_indicators
d, w, m = fetch_all_timeframes('XXX')
d = add_indicators(d)
# 输出最后3日指标 + 多时间框架判断
" (在 skills/stock-kline-analysis/ 目录下执行)
→ 多时间框架分析（日线+周线+月线）
→ 提取：均线排列、MACD/RSI/ATR 数值、布林带位置
→ 图表生成：
exec: plot_kline(d, code='XXX', name='名称', out_path='/tmp/kline-XXX.png')
上传飞书：feishu_doc_media insert（需先 wiki_space_node get 获取 obj_token）
wiki node token → obj_token 转换示例：
feishu_wiki_space_node(action="get", token="wiki_node_token")
→ obj_token, obj_type
然后 feishu_doc_media(action="insert", doc_id=obj_token, file_path="/tmp/kline-XXX.png", type="image")
4.5c - 方案C: stock-daily-analysis（AI增强）
exec (在 skills/stock-daily-analysis/ 目录下执行):
python3 -c "
from scripts.data_fetcher import get_daily_data
from scripts.trend_analyzer import analyze_stock
from scripts.ai_analyzer import AIAnalyzer
import json
df = get_daily_data('XXX', 60)
# 列名转换（tushare 中文列名 → trend_analyzer 英文列名）
df = df.rename(columns={'日期':'date','开盘':'open','最高':'high','最低':'low','收盘':'close','成交量':'volume','成交额':'amount'})
df = df[['date','open','high','low','close','volume']]
tech = analyze_stock(df, 'XXX')
tech_data = {
'current_price': tech.current_price,
'ma5': tech.ma5, 'ma10': tech.ma10, 'ma20': tech.ma20,
'bias_ma5': tech.bias_ma5, 'bias_ma10': tech.bias_ma10,
'trend_status': tech.trend_status.value,
'macd_status': tech.macd_status.value,
'macd_signal': str(tech.macd_signal),
'rsi_status': tech.rsi_status.value,
'rsi_signal': str(tech.rsi_signal),
'volume_status': tech.volume_status.value,
'volume_trend': str(tech.volume_trend),
'signal_score': tech.signal_score,
'buy_signal': tech.buy_signal.value,
'signal_reasons': tech.signal_reasons,
'risk_factors': tech.risk_factors,
}
config = json.load(open('config.json'))
ai = AIAnalyzer(config['ai'])
result = ai.analyze('XXX', '名称', tech_data)
print(json.dumps(result, ensure_ascii=False, indent=2))
"
→ LLM 趋势判断 + 买入信号评分
→ 提取：sentiment_score、trend_prediction、operation_advice、confidence_level
4.5d - 三方交叉验证汇总
对比三个方案的核心指标，判断一致性：
- 趋势方向：三方是否一致（看多/看空/分歧）
- MACD：金叉/死叉一致性
- RSI：超买/超卖/中性
- 综合评分：取均值或加权
- 输出"技术面综合分析"章节（见输出模板）
Step 5 - 深度研报
主力：stock-research-engine（按其分析框架执行完整6步）
辅助（如有 Token）：tradingagents-analysis → 多智能体交叉验证
Step 5.5 - 多空辩论
调用 stock-debate V2.1
→ 读取 skills/stock-debate/SKILL.md，按其7步流程执行
→ 数据采集：腾讯财经（直连）+ 东方财富（代理）+ AkShare
→ 代理：仅数据采集时按需启停（stock_start_proxy / stock_stop_proxy），采集完必须关闭
→ 输出多空辩论报告，写入飞书（节点：EhQ6w2F5yiC0DKkxlzlcEMvIn2f）
Step 6 - 输出个股投资简报
```
### 模式四：持仓体检（"看看我的持仓"）
**触发词**：持仓、我的股票、体检、盈亏
**流程**：
```
Step 1 - 持仓汇总
调用 a-stock-portfolio-monitor（portfolio.py analyze）
→ 总盈亏、各股盈亏
Step 2 - 逐股体检
对每只持仓股执行模式三的 Step 1-5
→ 止损止盈建议
Step 3 - 调仓建议
综合所有持仓分析，输出：
- 建议卖出（触及止损/基本面恶化）
- 建议减仓（涨幅达标）
- 建议持有（趋势完好）
- 建议加仓（回调到位/基本面改善）
Step 4 - 输出持仓体检报告
```
---
## 📋 子 Skill 调度清单
| 子 Skill | 用途 | 调用方式 |
|----------|------|----------|
| akshare-stock | 历史数据/财务/板块/资金流向 | 读取 SKILL.md 获取 API 调用方法，用 exec 执行 Python |
| a-stock-trading-assistant | 实时行情/热点板块 | exec 执行 scripts/fetch_stock.py |
| stock-research-engine | 深度研报（主力） | 读取 SKILL.md + references/analysis-framework.md，按框架执行 |
| stock-debate | 多空辩论（V2.1） | 读取 SKILL.md，按7步流程执行，采集时按需启停代理 |
| tradingagents-analysis | 多智能体分析（辅助） | 需 TRADINGAGENTS_TOKEN，exec 调用 API |
| a-stock-fundamental-screening | 基本面排雷 | 读取 SKILL.md 获取筛选规则 |
| a-stock-leader-identification | 龙头股识别 | 读取 SKILL.md 获取识别规则 |
| a-stock-volume-price | 量价关系验证 | 读取 SKILL.md 获取验证规则 |
| **a-stock-kline-analyzer** | **技术面A：K线形态+评分** | exec scripts/kline_analyzer.py --code XXX --days 60 --report |
| **stock-kline-analysis** | **技术面B：多时间框架+图表** | exec Python import fetch_kline + indicators + chart |
| **stock-daily-analysis** | **技术面C：LLM趋势判断** | exec Python import data_fetcher + trend_analyzer + ai_analyzer |
| a-stock-portfolio-monitor | 持仓管理 | exec 执行 scripts/portfolio.py |
### 数据源分工
| 场景 | 主数据源 | 说明 |
|------|----------|------|
| 实时行情 | a-stock-trading-assistant | 东方财富/同花顺实时数据 |
| 历史 K 线 | akshare-stock | stock_zh_a_hist() |
| 财务指标 | akshare-stock | stock_financial_analysis_indicator() |
| 板块成分股 | akshare-stock | stock_board_industry_cons_em() |
| 资金流向 | akshare-stock | stock_individual_fund_flow() |
---
## 📤 输出规范
### 投资简报模板（每次分析必输出）
**文档结构**（2026-03-23 起）：
- 创建**三个独立文档**互相链接：
1. 综合简报（主文档，含评级表格 + 核心结论 + 跟踪清单）
2. 深度研报（stock-research-engine 输出，完整基本面分析）
3. 多空辩论（stock-debate 输出，7 步辩论流程）
- 简报中放两个详细报告链接，实现快速导航
**写作原则**：
1. 专业术语必须配"人话解释"（如 MACD→"短期与中期趋势的差距"）
2. 先给结论，再给原因，最后给操作建议
3. 用类比和场景帮助理解（如"布林带=价格通道"）
4. 避免堆砌数字，突出重点
5. 风险用 emoji 标等级（🔴高 🟡中 🟢低）
```markdown
# 📋 [股票名称](代码) 综合简报
> 生成时间：YYYY-MM-DD HH:MM | 数据截至：YYYY-MM-DD
## 🎯 一句话结论
[看多/看空/中性 + 理由，不超过30字]
## 💰 当前行情
| 项目 | 数值 | 什么意思 |
|------|------|----------|
| 最新价 | XX.XX | - |
| 今日涨幅 | +X.XX% | 涨了多少 |
| 成交额 | XX亿 | 交投是否活跃 |
## 📈 技术面分析（三家一起看，更靠谱）
### 三家观点对比
| 问题 | A方案(看K线) | B方案(多周期) | C方案(AI) | 一致吗？ |
|------|-------|-------|-------|------|
| 什么趋势？ | ... | ... | ... | ✅/⚠️/❌ |
| 动能如何？ | ... | ... | ... | ✅/⚠️/❌ |
| 买还是卖？ | ... | ... | ... | ✅/⚠️/❌ |
### 用人话解释
[每个方案用1-2段大白话总结核心观点]
[附带详细报告链接]
### 综合判断
[三方一致性分析 + 核心结论]
## 🛡️ 风险提示
| 风险等级 | 风险 | 说明 |
|----------|------|------|
| 🔴/🟡/🟢 | ... | ... |
## 💡 操作建议
| 项目 | 建议 | 说明 |
|------|------|------|
| 怎么做 | 买入/观望/卖出 | ... |
| 入场价 | XX元 | ... |
| 止损位 | XX元 | ... |
| 目标位 | XX元 | ... |
| 仓位 | XX% | ... |
**一句话操作指南**：[不超过40字的可执行建议]
## 📎 详细报告链接
- [方案A - K线形态分析](飞书链接)
- [方案B - 多时间框架分析](飞书链接)
- [方案C - AI趋势分析](飞书链接)
### 基本面
- ROE: XX%
- 营收增速: XX%
- ...
### 技术面综合分析（三方交叉验证）
#### 指标汇总
| 指标 | A方案(K线形态) | B方案(多时间框架) | C方案(AI趋势) | 共识 |
|------|-------|-------|-------|------|
| 趋势 | 多头/空头/震荡 | 日线/周线方向 | AI预测 | ✅/⚠️/❌ |
| MACD | 金叉/死叉 | 数值+方向 | - | ✅/⚠️ |
| RSI | 数值+区域 | 数值+区域 | - | ✅/⚠️ |
| 技术评分 | X分 | - | 情绪分X | 综合 |
| 买入信号 | 有/无 | - | 买入/观望/卖出 | ✅/⚠️ |
#### A方案要点（a-stock-kline-analyzer）
- 均线排列：MA5/MA10/MA20 排列状态
- MACD：DIF/DEA 数值及信号
- RSI：数值及区域判断
- 布林带：当前价格在布林带中的位置
- K线形态：锤子线/十字星/吞没等
- 量能分析：量比、换手率、量价关系
- 支撑位/压力位
#### B方案要点（stock-kline-analysis）
- 日线/周线/月线多时间框架共振
- ATR 波动率
- 布林带宽度
#### C方案要点（stock-daily-analysis AI分析）
- 趋势预测：上涨/下跌/震荡
- 操作建议：买入/持有/观望/卖出
- 置信度：高/中/低
- AI 核心判断
#### 综合判断
[三方一致性分析 + 核心结论]
## ⚠️ 免责声明
```markdown
## 🏭 板块概况
- 板块名称 / 概念
- 板块涨跌幅 / 资金净流入
- 近期热点新闻（3条以内）
## 🏆 龙头股
| 排名 | 股票 | 代码 | 涨幅 | 理由 |
|------|------|------|------|------|
## ⛔ 风险标的（排雷结果）
| 股票 | 代码 | 风险类型 | 原因 |
|------|------|----------|------|
```
### 持仓体检报告额外包含
```markdown
## 💼 持仓汇总
| 股票 | 成本 | 现价 | 盈亏 | 盈亏% |
|------|------|------|------|-------|
| **总计** | | | **+XX元** | **+X.X%** |
## 🔄 调仓建议
| 操作 | 股票 | 理由 |
|------|------|------|
```
---
## 📁 飞书存档
每次分析完成后，自动创建飞书文档存档。
- **父节点**: `EhQ6w2F5yiC0DKkxlzlcEMvIn2f`（投研分析笔记）
- **文档命名规则**:
- 个股分析: `[日期] 个股分析 - 股票名称(代码)`
- 板块扫描: `[日期] 每日板块扫描`
- 板块分析: `[日期] 板块分析 - 板块名称`
- 持仓体检: `[日期] 持仓体检`
- **工具**: 使用 feishu_create_doc 创建，将投资简报 Markdown 作为内容
- **Wiki 空间**: https://vicyrpffceo.feishu.cn/wiki/EhQ6w2F5yiC0DKkxlzlcEMvIn2f
---
## ⚙️ 依赖与配置
### 必需
- Python 3.10+
- tushare (`pip install tushare`)
### 数据源配置
Tushare Pro 作为主数据源（支持海外访问），Token 轮换配置在 `config/tushare-tokens.json`。
```python
import tushare as ts
ts.set_token("从 config/tushare-tokens.json 读取")
pro = ts.pro_api()
# 日K线
pro.daily(ts_code='002460.SZ', start_date='20260101', end_date='20260322')
# 财务指标（需2000积分）
pro.fina_indicator(ts_code='002460.SZ')
# 资金流向（需5000积分）
pro.moneyflow(ts_code='002460.SZ')
# 板块成分股
pro.ths_member(ts_code='885756.TI')
# 每日行情
pro.daily(trade_date='20260322')
```
备用数据源：a-stock-trading-assistant（腾讯财经，用于实时行情补充）
### 可选
- TRADINGAGENTS_TOKEN: 多智能体分析功能
- 格式: `ta-sk-*`
- 获取: https://app.510168.xyz → Settings → API Tokens
- 未配置时自动跳过，不影响主流程
### 环境变量
```bash
# 可选，多智能体分析
export TRADINGAGENTS_TOKEN="ta-sk-xxx"
# 可选，自托管后端
# export TRADINGAGENTS_API_URL="https://your-server:8000"
```
---
## 🔧 技术面分析集成（V1.0）
### 版本信息
- **版本**: V1.0
- **发布日期**: 2026-03-22
- **端到端测试**: 赣锋锂业(002460) ✅
### 技术面三方交叉验证
| 方案 | Skill | 核心能力 | 数据源 | 执行耗时 |
|------|-------|----------|--------|----------|
| A | a-stock-kline-analyzer | K线形态+量能+技术评分(-5~+5) | baostock | ~10s |
| B | stock-kline-analysis | 多时间框架+可视化图表 | tushare | ~8s |
| C | stock-daily-analysis | LLM趋势判断+情绪评分(0~100) | tushare+GLM | ~15s |
### 依赖配置
- **baostock**: `pip install baostock`（方案A）
- **tushare**: `pip install tushare`（方案B/C），token 在 `config/tushare-tokens.json`
- **GLM API**: `config/stock-daily-analysis/config.json`（方案C）
- **中文字体**: `apt install fonts-wqy-zenhei`（方案B图表）
- **matplotlib**: `pip install matplotlib`（方案B图表）
### 飞书图表上传流程
```
1. 生成图表 → /tmp/kline-{code}.png
2. feishu_create_doc 创建文档 → 获取 doc_id
3. 如果文档在 Wiki 中：
feishu_wiki_space_node(action="get", token="wiki_node_token") → obj_token
4. feishu_doc_media(action="insert", doc_id=obj_token, file_path="/tmp/...", type="image")
```
### 已知限制
1. 方案A实时行情（新浪API）海外不可用，使用 baostock K线数据替代
2. 方案C仅支持A股（港股/美股需额外适配）
3. 方案C筹码分布功能暂不可用（tushare 无此接口）
4. 三方案并行执行总耗时 ~20-30 秒
---
## ⚠️ 免责声明
- 所有分析仅供个人研究参考，不构成投资建议
- 数据来源于公开市场信息，可能存在延迟
- 投资有风险，入市需谨慎
- 最终决策权在用户手中
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!
