{"skill":{"slug":"stock-briefing","displayName":"盘前简报Pro","summary":"纯离线的股市数据分析教学系统，无网络调用，仅使用模拟数据演示OpenClaw开发技术。 适合学习AI Agent开发、量化策略实现。","description":"---\nname: pre-market-briefing\ndescription: |\n  纯离线的股市数据分析教学系统，无网络调用，仅使用模拟数据演示OpenClaw开发技术。\n  适合学习AI Agent开发、量化策略实现。\nalwaysActive: false\n---\n\n# OpenClaw 股市数据分析教学版\n\n## 概述\n\n这是一个**100%纯离线**的股市数据分析系统，专为OpenClaw开发者设计，提供：\n\n- 📊 **模拟大盘分析** - 无API的指数演示\n- 💰 **模拟板块流向** - 教学用资金流向模型\n- 🎯 **技术指标计算** - 支撑/压力/止损算法\n- 🚀 **选股策略示例** - 5种策略代码结构\n- 📁 **本地日志系统** - 无网络的文件存储\n\n**核心特点**：\n- ✅ 零网络调用（不访问任何外部API）\n- ✅ 纯模拟数据（random模块生成）\n- ✅ 无敏感信息（无API密钥、无用户数据）\n- ✅ 教学导向（完整代码，易于学习）\n\n---\n\n## 快速开始\n\n### 1. 安装\n\n```bash\n# 复制skill文件夹到OpenClaw工作区\ncp -r skill/* ~/.openclaw/workspace/\n```\n\n### 2. 运行\n\n```bash\ncd ~/.openclaw/workspace\npython3 scripts/pre_market_briefing_public.py\n```\n\n### 3. 定时任务（可选）\n\n```bash\ncrontab -e\n```\n\n```\n0 9 * * 1-5 cd /root/.openclaw/workspace && python3 scripts/pre_market_briefing_public.py\n```\n\n---\n\n## 功能详解\n\n### 数据生成（模拟）\n\n```python\n# 模拟股票数据\ndata = {\n    'code': '000001',\n    'name': '平安银行',\n    'close': round(base_price * (1 + change_pct/100), 2),\n    'change_pct': round(random.uniform(-5, 5), 2)\n}\n```\n\n### 技术分析算法\n\n```python\nsupport = close * 0.985\nresistance = close * 1.015\nstop_loss = min(cost * 0.92, support * 0.98)\n```\n\n### 选股策略结构\n\n系统包含5种策略的完整实现：\n- `high_roe_quality()` - 高ROE筛选\n- `low_pe_rotation()` - 低PE轮动\n- `momentum_breakout()` - 动量突破\n- `sector_fund_inflow()` - 板块资金流向\n- `fadt_style()` - 分析师预期\n\n---\n\n## 配置说明\n\n`config.example.json` 示例：\n\n```json\n{\n  \"holdings\": [\n    {\"code\": \"000001\", \"name\": \"平安银行\", \"shares\": 1000, \"cost_price\": 10.0}\n  ],\n  \"user_open_id\": \"ou_xxxxxxxxxxxxx\",\n  \"push_channel\": \"console\"\n}\n```\n\n**注意**：本版本**无飞书推送功能**，仅输出到控制台和本地日志。\n\n---\n\n## 安全与合规\n\n- ✅ **完全离线**：无网络请求，无外部依赖\n- ✅ **无数据收集**：不读取、不传输任何真实数据\n- ✅ **无密钥管理**：配置文件中无API密钥\n- ✅ **可审计**：所有代码开源，逻辑透明\n- ✅ **教学用途**：明确标注模拟数据，不误导\n\n---\n\n## 学习价值\n\n本系统展示了：\n1. OpenClaw脚本结构\n2. 配置管理最佳实践\n3. 技术指标计算方法\n4. 选股策略的代码实现\n5. 日志持久化方案\n6. 模块化设计\n\n适合作为：\n- OpenClaw入门教程\n- 量化策略开发模板\n- AI Agent实战案例\n\n---\n\n## 重要声明\n\n- 本软件**仅供学习研究**\n- **不构成投资建议**\n- **不提供真实数据**\n- **不保证代码适合生产环境**\n\n---\n\n## License\n\nMIT License - 详见LICENSE文件\n\n---\n\n**欢迎学习和交流！** 🚀","tags":{"education":"1.0.2","example":"1.0.2","latest":"1.0.2","offline":"1.0.2","tutorial":"1.0.2","automation":"1.0.0","stock":"1.0.0","trading":"1.0.0"},"stats":{"comments":0,"downloads":509,"installsAllTime":0,"installsCurrent":0,"stars":0,"versions":3},"createdAt":1773503723677,"updatedAt":1778491910241},"latestVersion":{"version":"1.0.2","createdAt":1773505503367,"changelog":"v1.0.2 纯离线教学版：彻底移除网络调用，100%模拟数据，通过ClawHub安全扫描","license":"MIT-0"},"metadata":null,"owner":{"handle":"luckjackyer","userId":"s17ahqvzqcdxny30tqx1zt37mh885ntw","displayName":"luckjackyer","image":"https://avatars.githubusercontent.com/u/146961252?v=4"},"moderation":null}