Stock Analysis China

A股持仓深度技术分析技能。当用户发送持仓截图图片、或提及持仓/股票/投资建议相关意图时，本技能自动激活。激活条件（满足任一即触发）： - 用户发送了图片（持仓截图、行情截图等） - 用户说"分析持仓"、"我的持仓怎么样"、"给投资建议"、"持仓诊断"、"我的股票"、"目前持仓" - 用户说"更新持仓"、"录入持仓" - 用户说"每日一股"或类似表述 - 任何涉及持仓查询、投资建议、持仓诊断的技术分析请求激活后行为： 1. 若收到图片 → 优先用 AI 多模态能力直接识别截图内容 2. 若无图片但有持仓意图 → 读取 positions_portfolio.json 3. 若无持仓数据 → 告知用户并引导录入 4. 运行完整技术分析（AKShare 实时行情 + RSI/MACD/KDJ/布林带/均线） 5. 生成操作建议（持有/减仓/加仓/止盈/止损） 6. 直接在对话中输出分析结果

lzwaang@lzwaang

Install

openclaw skills install @lzwaang/stock-analysis-china

A股持仓技术分析 Skill

⚠️ AI 行为规则（必须遵守）

当本 skill 被激活时，AI 必须按以下顺序执行，只有识别图片的结果不是持仓信息时可以退出，否则不得跳过步骤或中途停止：

第一步：处理图片（如有图片）

微信/飞书截图保存路径：~/.qclaw/media/inbound/，或者~/.openclaw/media/inbound/（跨平台）
优先用 AI 多模态能力直接读取图片内容，识别其中的持仓信息
检查SKILL_ROOT/data/目录下是否存在json文件或json文件是否为空，若为空，优先执行"环境依赖与故障排查"章节的环境配置相关操作
若多模态失败，使用OCR识别
识别成功 → 提取：股票名称、代码、数量、成本价
识别失败 → 必须告知用户具体原因，并引导手动输入，不得直接说"无法识别"然后停止

第二步：读取/更新持仓数据

持仓文件路径：SKILL_ROOT/data/positions_portfolio.json
若文件不存在或为空 → 引导用户录入持仓
若有图片但识别失败 → 询问用户手动输入关键字段

第三步：运行技术分析

bash

python3 <SKILL_ROOT>/scripts/stock_analysis_core.py

第四步：输出分析结果

直接在当前对话输出结构化报告
包含：大盘指数、各持仓技术信号、综合建议

⚠️ 关键禁止行为：

收到图片后，不得在未尝试识别的情况下说"图片无法显示"
不得收到图片后要求用户"用文字告诉我持仓"
不得跳过识别步骤直接进入"请告诉我你的持仓"
识别失败时，必须说明失败原因并提供解决路径

核心能力

持仓识别 — 用户发送微信持仓截图，AI 直接识别提取持仓信息
持仓管理 — 自动更新 data/positions_portfolio.json 持仓数据
行情拉取 — 通过 AKShare 获取：指数实时行情、个股实时价格、K线历史数据
技术指标 — RSI、MACD、KDJ、布林带、均线多头/空头排列
综合诊断 — 结合大盘趋势 + 技术面，给出每只持仓的具体操作建议
报告推送 — 生成结构化报告，直接在微信对话中展示

文件结构

text

stock-analysis-china/
├── SKILL.md                               # 本文件
├── data/
│   └── positions_portfolio.json           # 持仓数据
├── scripts/
│   ├── stock_analysis_core.py            # 技术指标计算引擎
│   └── portfolio_update.py               # 持仓数据管理工具
└── references/
    └── analysis_prompt_template.md       # 报告输出模板

路径约定（跨平台）

资源	Windows	macOS / Linux
用户主目录	`%USERPROFILE%`	`~`
工作区	`%USERPROFILE%\.qclaw\workspace`	`~/.qclaw/workspace`
微信截图	`%USERPROFILE%\.qclaw\media\inbound\`	`~/.qclaw/media/inbound/`
Tesseract OCR	`C:\Program Files\Tesseract-OCR\`	`/usr/local/bin/tesseract` (macOS) 或 `/usr/bin/tesseract` (Linux)
Python 解释器	自动推断（`python` 或 `python3`）	自动推断（`python3`）

所有路径均通过 Path.home() 和 pathlib.Path 动态推断，无需手动修改。

使用流程

场景一：发送持仓截图（推荐）

用户在微信中发送持仓截图 → AI 自动识别并更新持仓数据

识别字段：

股票名称 / 股票代码
持仓数量
成本价
当前价（可选）
盈亏比例（可选）

AI 执行步骤：

读取截图 — 微信截图自动保存至 %USERPROFILE%\.qclaw\media\inbound\，查找最新图片文件，读取内容
图像识别 — 优先使用 AI 多模态能力直接识别截图内容；备用方案：使用 Tesseract OCR（需安装 tesseract + chi_sim 语言包）
bash
```
tesseract <截图路径> stdout --oem 1 --psm 6 -l chi_sim+eng
```
提取持仓数据 — 从识别结果中解析出：名称、代码、数量、成本价等

更新持仓 JSON — 调用 portfolio_update.py

bash

python <SKILL_ROOT>/scripts/portfolio_update.py --json '[{"name":"长电科技","code":"600584","quantity":400,"cost_price":39.53}]'

确认结果 — 向用户列出识别到的持仓列表，请用户核对校正

示例对话：

text

用户：[发送微信持仓截图]
AI：已识别到 5 只持仓：
    1. 长电科技(600584) 400股 成本39.53
    2. 招商银行(600036) 500股 成本39.44
    ...
    ⚠️ 请核对以上数据，如有误请告诉我正确信息。
    数据已更新。需要分析吗？

场景二：手动更新持仓

用户通过对话更新持仓：

text

我今天买了100股宁德时代，成本300

text

把招商银行清仓了

AI 自动更新持仓 JSON。

场景三：分析持仓

用户说：

text

分析一下我的持仓

text

我的持仓怎么样

AI 执行步骤：

Step 1 — 读取持仓数据 从 data/positions_portfolio.json 读取

Step 2 — 运行分析脚本

bash

python <SKILL_ROOT>/scripts/stock_analysis_core.py

Step 3 — AI 综合研判 结合脚本输出的指标数据，AI 给出：

大盘环境判断（强势/震荡/偏弱）
每只持仓的技术面评分 + 操作建议
整体仓位建议

持仓数据格式

json

{
  "last_updated": "2026-03-29",
  "source": "微信截图识别",
  "portfolio": [
    {
      "code": "600584",
      "name": "长电科技",
      "quantity": 400,
      "cost_price": 39.53,
      "current_price": 45.92,
      "market_value": 18368.4,
      "profit_pct": -13.92,
      "asset_type": "stock"
    }
  ]
}

技术指标说明

指标	计算参数	含义
RSI	14日	>75超买/<25超卖，>60偏强/<40偏弱
MACD	12/26/9	DIF>0多头，红柱扩张更强势
KDJ	9/3/3	>80超买/<20超卖，K>D金叉看多
布林带	20日/2σ	突破上轨注意回调，跌破下轨关注反弹
均线	5/10/20/60日	多头排列=强势，空头排列=弱势

分析建议判断逻辑

text

IF 偏空信号 > 2 AND tech_view == '偏空':
    建议: 减仓/止损
ELIF 偏多信号 > 2 AND tech_view == '偏多':
    建议: 持有/关注加仓机会
ELIF RSI超卖 OR 跌破布林下轨:
    建议: 超卖关注，暂持有等反弹
ELIF RSI超买 OR 突破布林上轨:
    建议: 注意止盈
ELSE:
    建议: 持有观望

微信对话中的操作指令

用户说	AI 行为
发送持仓截图	识别并更新持仓数据
"分析持仓" / "我的持仓怎么样"	运行完整技术分析
"更新持仓" + 截图	更新持仓并确认
"列出我的持仓"	显示当前持仓列表
"清空持仓"	清空所有持仓数据

注意事项

AKShare 数据为免费实时行情，部分 ETF 可能不在实时行情列表中
技术分析仅供参考，不构成投资建议
持仓数据存储在 skill 目录，升级 QClaw 时注意备份

环境依赖与故障排查

依赖清单

本 skill 需要以下环境支持：

依赖	版本	用途	安装方式
Python 3	3.10+	技术指标计算	系统 Python 或 `winget install Python.Python.3.12`
pip	最新	Python 包管理	随 Python 自动安装
AKShare	最新	股票数据源	`pip install akshare pandas`
Node.js	18+	图片处理（sharp）	`winget install OpenJS.NodeJS.LTS`
sharp	0.30+	图片读取与处理	`npm install sharp -g`
Tesseract OCR	5.0+	备用 OCR 识别	`winget install UB-Mannheim.TesseractOCR`
chi_sim.traineddata	最新	中文 OCR 语言包	随 Tesseract 自动安装或者claw自己安装

常见问题排查

问题 1：图片无法读取（`Cannot find package 'sharp'`）

症状：

text

Error [ERR_MODULE_NOT_FOUND]: Cannot find package 'sharp' imported from ...

原因：

sharp 未安装或安装位置不在 OpenClaw 的 node_modules 搜索路径中
Node.js 全局安装的 sharp 在 %APPDATA%\npm\node_modules\ 中，OpenClaw 进程找不到

解决方案：

检查 sharp 是否已安装
bash
```
npm list sharp -g
```
若未安装，全局安装 sharp
bash
```
npm install sharp -g --prefer-offline
```

创建 junction 链接（Windows）

powershell

New-Item -ItemType Junction `
  -Target "$env:APPDATA\npm\node_modules\sharp" `
  -Path "C:\Program Files\QClaw\resources\openclaw\node_modules\sharp"

重启 OpenClaw
bash
```
openclaw gateway restart
```

验证

bash

node -e "require('sharp'); console.log('ok')"

问题 2：Tesseract 命令找不到

症状：

text

tesseract : 无法将"tesseract"项识别为 cmdlet、函数、脚本文件或可运行程序的名称

原因：

Tesseract 未安装或未加入 PATH

解决方案：

安装 Tesseract

bash

winget install UB-Mannheim.TesseractOCR

验证安装

bash

"C:\Program Files\Tesseract-OCR\tesseract.exe" --version

检查中文语言包

bash

Get-ChildItem "C:\Program Files\Tesseract-OCR\tessdata\chi_sim.traineddata"

若语言包缺失，重新安装 Tesseract

问题 3：Python 依赖缺失（`ModuleNotFoundError: No module named 'akshare'`）

症状：

text

ModuleNotFoundError: No module named 'akshare'

原因：

akshare 或 pandas 未安装

解决方案：

安装依赖
bash
```
pip install akshare pandas
```

验证

bash

python -c "import akshare; print('ok')"

问题 4：图片识别失败（OCR 乱码或无输出）

症状：

Tesseract 输出乱码（如 锟斤拷）
OCR 识别结果为空
报错 Error opening data file .../chi_sim.traineddata

原因：

图片质量差或格式不支持
Tesseract 参数不匹配
中文语言包未安装或未正确配置

解决方案：

检查图片格式

bash

file <image_path>  # 确保是 JPEG/PNG

安装 Tesseract OCR

bash

winget install UB-Mannheim.TesseractOCR

下载中文语言包（Windows 需要）

Tesseract 默认安装目录可能没有中文语言包，需要手动下载：

powershell

# 创建用户 tessdata 目录
New-Item -ItemType Directory -Path "$env:USERPROFILE\tessdata" -Force

# 下载中文简体语言包
Invoke-WebRequest -Uri "https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata" -OutFile "$env:USERPROFILE\tessdata\chi_sim.traineddata"

# 复制英文语言包（中英文混合识别需要）
Copy-Item "C:\Program Files\Tesseract-OCR\tessdata\eng.traineddata" "$env:USERPROFILE\tessdata\eng.traineddata" -Force

配置 TESSDATA_PREFIX 环境变量

方法一：临时设置

powershell

$env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
tesseract <image_path> stdout --oem 1 --psm 6 -l chi_sim+eng

方法二：永久设置（推荐）

powershell

[System.Environment]::SetEnvironmentVariable("TESSDATA_PREFIX", "$env:USERPROFILE\tessdata\", "User")

验证语言包安装

powershell

$env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
& "C:\Program Files\Tesseract-OCR\tesseract.exe" --list-langs

运行中文 OCR 识别

powershell

$env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
& "C:\Program Files\Tesseract-OCR\tesseract.exe" <图片路径> stdout --oem 1 --psm 6 -l chi_sim+eng

若仍失败，使用 AI 多模态识别（推荐）

问题 5：持仓数据文件不存在

症状：

text

FileNotFoundError: [Errno 2] No such file or directory: '.../positions_portfolio.json'

原因：

首次使用，持仓数据文件未创建

解决方案：

手动创建初始文件

bash

python <SKILL_ROOT>/scripts/portfolio_update.py --list

或通过 AI 识别截图自动创建
- 发送持仓截图，AI 自动生成 positions_portfolio.json

或手动添加持仓

bash

python <SKILL_ROOT>/scripts/portfolio_update.py --add 600584 长电科技 400 39.53

问题 6：AKShare 数据获取超时

症状：

text

[WARN] 指数数据获取失败: ...

原因：

网络连接不稳定
AKShare 服务器响应慢

解决方案：

检查网络连接
bash
```
ping github.com
```
重试分析（AKShare 有内部重试机制）
若持续失败，检查 AKShare 服务状态
- 访问 https://github.com/akfamily/akshare/issues

问题 7：跨平台路径错误

症状：

text

FileNotFoundError: [Errno 2] No such file or directory: 'C:\Users\...\...'

原因：

脚本在 macOS/Linux 上运行，但路径使用了 Windows 格式

解决方案：

所有脚本已使用 pathlib.Path 和 Path.home() 动态推断路径
无需手动修改路径
若仍出现错误，检查 SKILL_ROOT 和 WORKSPACE_DIR 的推断逻辑

开发者笔记

关键设计决策

路径动态推断
- 使用 Path(__file__).parent.parent 相对 skill 目录
- 使用 Path.home() 获取用户主目录（跨平台）
- 避免硬编码路径，确保可移植性
持仓数据优先级
- 优先读 skill 内置 data/positions_portfolio.json（跟随 skill 更新）
- 不存在则读 ~/.qclaw/workspace/data/positions_portfolio.json（升级保护）
- 确保用户数据不会因 skill 升级而丢失
图片识别优先级
- 优先 AI 多模态识别（无需额外工具）
- 备用 Tesseract OCR（需安装）
- 若都失败，引导用户手动输入
跨平台支持
- Windows / macOS / Linux 全部支持
- 自动检测系统（platform.system()）
- 自动推断 Python 解释器（sys.executable）

常见改动陷阱

⚠️ 多文件改动时务必完整检查

当修改脚本时，必须同步更新：

SKILL.md 中的路径说明
analysis_prompt_template.md 中的命令示例
所有文档中的硬编码路径

检查清单：

脚本改动后，SKILL.md 路径说明是否需要更新？
新增依赖后，是否更新了"依赖清单"表格？
改了路径推断逻辑后，是否更新了"路径约定"？
新增故障排查项后，是否补充了解决方案？

测试流程

环境检测

bash

python <SKILL_ROOT>/scripts/stock_analysis_core.py

持仓管理

bash

python <SKILL_ROOT>/scripts/portfolio_update.py --list

图片识别
- 发送截图，验证 AI 多模态识别
- 若失败，手动运行 Tesseract 验证
完整流程
- 发送截图 → AI 识别 → 更新持仓 → 运行分析 → 输出报告

Stock Analysis China

Install

A股持仓技术分析 Skill

⚠️ AI 行为规则（必须遵守）

核心能力

文件结构

路径约定（跨平台）

使用流程

场景一：发送持仓截图（推荐）

场景二：手动更新持仓

场景三：分析持仓

持仓数据格式

技术指标说明

分析建议判断逻辑

微信对话中的操作指令

注意事项

环境依赖与故障排查

依赖清单

常见问题排查

问题 1：图片无法读取（Cannot find package 'sharp'）

问题 2：Tesseract 命令找不到

问题 3：Python 依赖缺失（ModuleNotFoundError: No module named 'akshare'）

问题 4：图片识别失败（OCR 乱码或无输出）

问题 5：持仓数据文件不存在

问题 6：AKShare 数据获取超时

问题 7：跨平台路径错误

开发者笔记

关键设计决策

常见改动陷阱

测试流程

Related skills

问题 1：图片无法读取（`Cannot find package 'sharp'`）

问题 3：Python 依赖缺失（`ModuleNotFoundError: No module named 'akshare'`）