Stock Analysis

可移植自包含的股票分析薄编排 skill。行情/基本面/新闻/资金流等全部数据委托 sibling skill a-stock-data（A股，43端点）运行时取数；本 skill 只做输入归一化、技术指标(纯标准库)、上下文合并、LLM 决策仪表盘 prompt、报告存储。覆盖 A 股 + A 股 ETF（港美台不支持）。编排流程与 prompt 内置，任何支持 skill 的智能体项目都能用。存储可选本地文件或 sqlite。

Stock Analysis Skill（薄编排 · 全数据委托）

A 股分析薄编排 skill：只负责输入归一化、技术指标计算（纯标准库）、上下文合并、LLM 决策仪表盘 prompt、报告落盘。所有数据获取委托 sibling skill a-stock-data（43 端点 / 15 数据源）在运行时由 agent 调用——本 skill 不维护任何 fetcher/channel/dispatcher。

1. 概述

本 skill 是编排层 + 指标库 + prompt + 存储；数据层全部委托 a-stock-data。K线 由本 skill kline.py 取——候选源含 a-stock-data §1.3 百度K线 / §1.1 mootdx(opt-in) + 腾讯 appstock，发现机制探测命中源、持久化优先链到 storage/kline_chain.json（无写死兜底，不同环境发现不同命中源）。仅支持 A 股 + A 股 ETF（a-stock-data 是纯 A 股 skill，港美台不支持）。

2. 触发条件

满足任一即激活：

• 用户请求分析 A 股个股 / A 股 ETF（600519/515980/002044 等）。
• 用户要生成 A 股决策仪表盘报告或回顾历史分析。
• 用户要 A 股行情 / 新闻 / 资金流 / 基本面数据（取数委托 a-stock-data）。

非触发：纯持仓管理、交易记录、回测 → portfolio-manager skill。港股/美股/台股 → 不支持（a-stock-data 不覆盖）。

3. 依赖与分工

层	由谁	说明
编排（步骤1/5/6/7）+ 指标（步骤3）	本 skill	scripts/lib/indicators.py 纯标准库；references/prompts.md、storage.md
K线/行情（步骤2）	本 skill scripts/lib/kline.py	候选源：a-stock-data §1.3 百度K线 / §1.1 mootdx(opt-in) + 腾讯 appstock；发现机制探测命中源、存优先链 storage/kline_chain.json，无写死兜底
数据（步骤2b/4：基本面/新闻/资金流/研报/公告/打板/期权/舆情）	委托 a-stock-data skill	agent 运行时按 a-stock-data 端点路由速查表取代码段执行，归一化后喂本 skill

a-stock-data 依赖（项目 .venv 已装）：mootdx/stockstats/requests/pandas。本 skill 自身零 pip 依赖（indicators + kline 均纯标准库 urllib）。

本 skill 不 import a-stock-data（它是单文件 Skill，非 Python 模块）。"委托" = agent 运行时调 a-stock-data skill 取数 + 归一化；K线 由本 skill kline.py 取（候选含 a-stock-data 百度/mootdx + 腾讯，发现机制决定命中源，非写死兜底）。

4. 工具索引表

想做什么	用什么
跑完整分析流程	读 references/orchestration.md（步骤含委托 a-stock-data 的取数点）
拿分析 SYSTEM_PROMPT 与输出 schema	读 references/prompts.md
拿 A 股 K线/行情（bars + OHLCV）	python -c "import sys; sys.path.insert(0,'scripts'); from lib.kline import fetch_quote; print(fetch_quote('515980'))"
算技术指标（MA/RSI/量比/乖离）	python -c "import sys; sys.path.insert(0,'scripts'); from lib.indicators import compute_all; ..."（喂 kline.fetch_bars 的 bars）
多股批量信号总表（Tier1，快）	python scripts/batch.py [--codes "600519,515980,..." --names "..."] [--news NAMES] [--json]
查报告落盘目录结构与 sqlite 表	读 references/storage.md
取 A 股基本面/新闻/资金流/研报等	调 sibling skill a-stock-data（其 SKILL.md 端点路由速查表）

5. 环境变量

变量	用途	缺失行为
STORAGE_MODE	file（默认） / sqlite	缺省 file
STORAGE_DIR	覆盖 storage/ 根目录	缺省 skill 内 storage/

数据层环境变量见 a-stock-data SKILL.md（OPENWEBSEARCH_* 不再用；东财限流 EM_MIN_INTERVAL 等）。

6. 快速开始

1. 依赖：a-stock-data 的 .venv 依赖已装（mootdx/stockstats/requests/pandas）；本 skill 指标库零依赖。

2. 冒烟（指标）：

   bash

   python -c "import sys,json; sys.path.insert(0,'scripts'); from lib.indicators import compute_all; print(compute_all([{'close':10,'volume':100},{'close':11,'volume':120}]))"
   

3. 跑完整分析：按 references/orchestration.md 步骤——步骤 2/2b/4 调 a-stock-data 取数并归一化，步骤 3 算指标，步骤 5 合并 context pack，步骤 6 读 prompts.md 生成决策仪表盘，步骤 7 按 storage.md 落盘。

7. 允许的自动操作

• 运行 scripts/lib/indicators.py（compute_all，纯标准库）。
• 调 sibling skill a-stock-data 取 A 股数据（按其端点路由速查表）。
• 读 references/*.md。
• 写 storage/reports/ 下报告文件（file 模式）或 storage/analysis.db（sqlite 模式）。
• 单股或 ≤5 只批量分析。

8. 需确认操作

• 批量分析 > 5 只：先列清单与预计取数次数，等用户确认。
• force_refresh / 绕过缓存重新拉取：确认是否真需要。
• STORAGE_DIR 指向 skill 外路径。
• 任何写入 skill 目录外的操作。

9. 已知限制

• 纯 A 股：港股/美股/台股不支持（a-stock-data 不覆盖，kline.py 也只映射 A 股/ETF 符号）。如需港美台，可另加 yfinance 委托层（当前不提供）。
• K线 发现+持久化：K线 由 kline.py 取，候选源 a-stock-data §1.3 百度 / §1.1 mootdx(opt-in, KLINE_TRY_MOOTDX=1) + 腾讯 appstock；首次探测命中源、存优先链 storage/kline_chain.json（无写死兜底）。本机 mootdx TDX 死 + 百度返空，发现命中 tencent；他机可能命中百度/mootdx。保存链全失败则自愈重探。mootdx 独有的五档/逐笔/F10 不可用。
• 委托开销：基本面/新闻/资金流等每次取数需 agent 加载 a-stock-data SKILL.md 对应章节并 exec 内嵌 Python，比直接 HTTP 调用慢且 token 重；批量按端点路由速查表局部读取控 token。
• 无程序化数据 CLI（除 K线/指标/批量）：K线/指标有 scripts/lib/{kline,indicators}.py 直接 import 入口，多股批量有 scripts/batch.py（Tier1 信号总表，K线并发+qt批量，30只~1-2s）；基本面/新闻等只能 agent 委托 a-stock-data。