初始版本：支持 28+ 新闻源、10+ LLM 模型、情感分析、图表生成、数据持久化、定时任务

财经新闻深度分析技能。从多个新闻源抓取内容，进行情感分析（利好/利空/中性）、影响评估（行业/公司/市场）、关键信息提取，生成专业投资简报。支持 A 股/港股/美股、行业板块、个股分析。Use when user asks to "分析财经新闻", "评估新闻影响", "今日财经简报", "这条新闻是利好还是利空...

Security Scan

The skill's code largely matches a finance-news-analyzer, but the package metadata and runtime instructions are inconsistent with what the scripts actually require—most notably several external LLM API keys and a local Ollama endpoint are used by the code but not declared in the skill metadata; there are also small implementation bugs and undeclared config expectations.

Purpose & Capability

The name/description (news sentiment + reports) matches the included scripts (fetch, sentiment, charts, DB, scheduler). However the skill metadata claims no required env vars or binaries while scripts clearly rely on multiple external LLM providers (OpenAI, Anthropic, DashScope, Qianfan, ZhipuAI) and optionally a local Ollama endpoint. The omission of these required credentials/binaries in the declared requirements is incoherent.

Instruction Scope

SKILL.md instructs running local scripts and setting API keys, which is within purpose. But instructions (and code) expect environment variables and a user config path (EXTEND.md) that the registry metadata did not list. The scripts read environment variables for multiple LLMs and may contact external LLM endpoints and many news sites — all expected — but the skill also references reuse of a separate news-aggregator-skill and local services (Ollama), which should be documented as explicit dependencies.

Install Mechanism

There is no formal install spec (no packaged install step), only requirements.txt and pip install examples. Dependencies are standard Python packages. The only network-install guidance of note is the curl | sh example for Ollama (pulls from official ollama.com). No arbitrary unknown-host archive downloads were found. Risk is moderate only because installation is manual and relies on external SDKs and local services.

Credentials

The code requires multiple provider credentials (OPENAI_API_KEY, ANTHROPIC_API_KEY, DASHSCOPE_API_KEY, QIANFAN_AK & QIANFAN_SK, ZHIPUAI_API_KEY, optionally OLLAMA_BASE_URL) but the skill metadata lists no required env vars or primary credential. Requesting many different API keys is explainable by multi-model support, but the manifest should declare them; absence is an incoherence and increases risk of accidental credential exposure if a user assumes none are needed.

Persistence & Privilege

Skill does local persistence (SQLite DB) and offers scheduler/cron integration; it is not always:true and does not request system-wide privileges. Autonomous invocation is allowed (default) which is normal for skills. The DB is created locally (default path) — normal but the user should be aware of where data is stored.

What to consider before installing

This skill appears to implement a legitimate finance-news analysis workflow, but the repository and SKILL.md are inconsistent with the registry metadata. Before installing or running: 1) Expect to provide API keys for whichever LLM providers you want to use (OpenAI, Anthropic, DashScope/阿里, Baidu Qianfan, ZhipuAI, or a local Ollama endpoint). Do not export sensitive keys to an environment unless you intend the skill to use them. 2) Run the included test scripts in a sandboxed environment (or VM/container) first; inspect scripts/analyze_sentiment.py and scripts/fetch_news.py to confirm which external hosts will be contacted. 3) The skill writes a local SQLite DB (finance_news.db by default) and can schedule cron jobs — decide where to run it and which user/account. 4) Ask the maintainer to update skill.json / registry metadata to list required env vars and any required external binaries (e.g., ollama) and to fix the few truncated/buggy SQL/code fragments observed. If those changes are not made, treat the metadata as incomplete and proceed cautiously (use isolated environment and limit which API keys you enable).

财经新闻分析器

专业的财经新闻深度分析技能，帮助投资者快速理解新闻背后的投资信号。

---

🎯 核心功能

1. 多源新闻抓取

支持 28+ 新闻源（来自 news-aggregator-skill）：

• 全球科技：Hacker News, GitHub, Product Hunt
• 中文媒体：36 氪，华尔街见闻，腾讯新闻，微博热搜
• AI/技术：Hugging Face Papers, AI Newsletters
• 财经专项：WallStreetCN, 东方财富，雪球

2. 情感分析

三层情感判断：

等级	标识	说明
强烈利好	🟢🟢	重大利好消息，可能显著推高股价
利好	🟢	正面消息，对股价有积极影响
中性	⚪	中性消息，影响有限
利空	🔴	负面消息，可能打压股价
强烈利空	🔴🔴	重大利空，可能引发大幅下跌

3. 影响评估

多维度影响分析：

• 市场层面：大盘/板块/个股
• 行业层面：科技/金融/消费/医疗/能源等
• 时间维度：短期（1-3 天）/中期（1-4 周）/长期（3 月+）
• 置信度：高（>80%）/中（50-80%）/低（<50%）

4. 关键信息提取

自动识别并结构化：

• 💰 金额数字（投资额、营收、利润）
• 📊 百分比（增长率、涨跌幅、占比）
• 👤 关键人物（CEO、高管、分析师）
• 🏢 公司名称（全称、简称、股票代码）
• 📅 时间节点（发布日期、截止期限、事件时间）
• 📍 地理位置（总部、工厂、市场区域）

5. 简报生成

支持多种输出格式：

• 快速简报：3-5 条核心新闻 + 一句话点评
• 深度报告：详细分析 + 数据支撑 + 风险提示
• 行业周报：按行业分类 + 趋势总结
• 个股追踪：特定公司的新闻聚合 + 情感趋势

---

🚀 快速开始

基本用法

# 分析今日财经新闻
/finance-news-analyzer --source all --limit 20

# 分析特定新闻源
/finance-news-analyzer --source wallstreetcn,36kr --limit 15

# 带关键词过滤
/finance-news-analyzer --keyword "AI,芯片，半导体" --source hackernews,github

# 分析特定股票相关新闻
/finance-news-analyzer --ticker "NVDA,TSLA,AAPL" --sentiment all

# 生成行业周报
/finance-news-analyzer --industry "科技，金融" --period weekly

命令行参数

参数	说明	默认值
--source	新闻源（逗号分隔）	all
--limit	每源最多新闻数	15
--keyword	关键词过滤	无
--ticker	股票代码过滤	无
--industry	行业分类	无
--sentiment	情感过滤（positive/negative/neutral/all）	all
--period	时间周期（daily/weekly/monthly）	daily
--output	输出格式（brief/full/industry/stock）	brief
--lang	输出语言（zh/en）	zh

---

📊 分析流程

Step 1: 新闻抓取

python scripts/fetch_news.py --source <sources> --limit <n> --keyword "<keywords>"

输出：原始新闻 JSON 列表

Step 2: 情感分析

python scripts/analyze_sentiment.py --input <news.json> --model <llm>

输出：带情感标签的新闻列表

Step 3: 影响评估

python scripts/assess_impact.py --input <analyzed.json> --ticker-db references/ticker-map.md

输出：带影响评估的完整数据

Step 4: 简报生成

python scripts/generate_briefing.py --input <assessed.json> --template <template.md> --output <report.md>

输出：最终投资简报

---

📁 输出示例

快速简报格式

# 📈 财经新闻简报
**日期**: 2026-03-09 | **来源**: 华尔街见闻，36 氪 | **总数**: 15 条

---

## 🟢 利好消息 (5 条)

#### 1. [英伟达发布新一代 AI 芯片，性能提升 300%](https://...)
- **来源**: 华尔街见闻 | **时间**: 22:48
- **影响**: 🟢 利好 | **置信度**: 高
- **相关股票**: NVDA (+), AMD (-), INTC (-)
- **一句话**: 英伟达新芯片可能巩固 AI 芯片领导地位，利好供应链企业

#### 2. [特斯拉中国工厂产能突破新高](https://...)
- **来源**: 36 氪 | **时间**: 21:30
- **影响**: 🟢 利好 | **置信度**: 中
- **相关股票**: TSLA (+), 宁德时代 (+)
- **一句话**: 产能提升可能带动 Q1 交付量超预期

---

## 🔴 利空消息 (3 条)

#### 1. [美联储暗示继续加息](https://...)
- **来源**: 华尔街见闻 | **时间**: 20:15
- **影响**: 🔴 利空 | **置信度**: 高
- **相关板块**: 科技股 (-), 房地产 (-), 银行 (+)
- **一句话**: 加息预期可能压制成长股估值

---

## ⚪ 中性消息 (7 条)

...

---

## 💡 投资提示

1. **重点关注**: AI 芯片、新能源车产业链
2. **风险提醒**: 美联储政策不确定性
3. **明日事件**: 美国 CPI 数据发布

深度报告格式

# 📊 深度分析报告：AI 芯片行业

## 核心观点

本周 AI 芯片行业利好消息占主导（60%），主要驱动因素为...

## 新闻情感分布

| 情感 | 数量 | 占比 |
|------|------|------|
| 🟢 利好 | 12 | 60% |
| ⚪ 中性 | 6 | 30% |
| 🔴 利空 | 2 | 10% |

## 关键事件时间线

- 3/9: 英伟达发布新芯片
- 3/8: AMD 宣布与微软合作
- 3/7: 英特尔财报不及预期

## 投资建议

**短期**（1-3 天）：关注 NVDA 供应链
**中期**（1-4 周）：观察美联储政策
**长期**（3 月+）：AI 基础设施持续看好

## 风险提示

1. 地缘政治风险
2. 技术迭代风险
3. 估值过高风险

---

🔧 脚本说明

scripts/ 目录

脚本	功能	依赖
main.py	主脚本（完整工作流）	requests, beautifulsoup4
analyze_sentiment.py	情感分析（LLM 调用）	支持多种模型（见下）
database.py	数据持久化（SQLite）	sqlite3（内置）
charts.py	图表生成（趋势图/饼图/热力图）	matplotlib
scheduler.py	定时任务（自动运行）	无
fetch_news.py	新闻抓取（复用 news-aggregator-skill）	requests, beautifulsoup4
assess_impact.py	影响评估（规则+LLM）	ticker-map.md
generate_briefing.py	简报生成（模板渲染）	jinja2
stock_mapper.py	股票名称→代码映射	ticker-map.md

使用示例

基础用法

# 运行完整工作流
python scripts/main.py --source wallstreetcn,36kr --limit 15

# 单独进行情感分析
python scripts/analyze_sentiment.py --input news.json --output analyzed.json

# 分析单段文本
python scripts/analyze_sentiment.py --text "英伟达发布新一代 AI 芯片"

# 指定模型
python scripts/main.py --model gpt-4o-mini
python scripts/main.py --model qwen-plus
python scripts/main.py --model ollama/llama3.1

数据持久化

# 初始化数据库
python scripts/database.py init

# 查看统计信息
python scripts/database.py show-stats

# 查看情感趋势
python scripts/database.py trend --days 30

# 查看特定股票趋势
python scripts/database.py trend --ticker NVDA --days 30

# 导出数据
python scripts/database.py export --format csv

图表生成

# 生成情感趋势图
python scripts/charts.py trend --input analyzed.json

# 生成情感分布饼图
python scripts/charts.py pie --input analyzed.json

# 生成行业分布图
python scripts/charts.py industry --input analyzed.json

# 生成股票热力图
python scripts/charts.py heatmap --input analyzed.json

# 生成所有图表
python scripts/charts.py all --input analyzed.json

定时任务

# 添加每天 8 点运行
python scripts/scheduler.py add --time "08:00" --daily

# 添加每周一 8 点运行
python scripts/scheduler.py add --time "08:00" --weekday 1

# 查看任务列表
python scripts/scheduler.py list

# 手动运行任务
python scripts/scheduler.py run --id 1

# 删除任务
python scripts/scheduler.py remove --id 1

支持的模型

厂商	模型	环境变量
OpenAI	GPT-4o, GPT-4o Mini, GPT-3.5	OPENAI_API_KEY
Anthropic	Claude 3.5/3 Opus/Haiku	ANTHROPIC_API_KEY
阿里	通义千问 (Qwen-Max/Plus/Turbo)	DASHSCOPE_API_KEY
百度	文心一言 (ERNIE-Bot)	QIANFAN_AK + QIANFAN_SK
智谱	GLM-4/3 Turbo	ZHIPUAI_API_KEY
Ollama	Llama 3, Qwen2.5, Mistral 等	(本地运行，免费)

完整模型列表： 详见 references/supported-models.md

references/ 目录

文件	用途
ticker-map.md	公司名↔股票代码映射表（美股/A 股/港股）
industry-map.md	公司↔行业分类表（10+ 行业，150+ 公司）
sentiment-rules.md	情感分析规则库（利好/利空信号）
impact-patterns.md	影响评估模式库
config-example.md	配置文件示例（EXTEND.md 模板）

templates/ 目录

模板	用途
brief.md	快速简报模板（3-5 条核心新闻）
full-report.md	深度报告模板（详细分析 + 数据支撑）
weekly.md	行业周报模板（待实现）
stock-track.md	个股追踪模板（待实现）

---

⚙️ 配置说明

环境变量

# LLM API（情感分析用）
OPENAI_API_KEY=sk-xxx
# 或
ANTHROPIC_API_KEY=sk-ant-xxx

# 新闻源 API（可选）
NEWSAPI_KEY=xxx
ALPHA_VANTAGE_KEY=xxx  # 股票数据

EXTEND.md（可选）

创建 .baoyu-skills/finance-news-analyzer/EXTEND.md 自定义默认配置：

# 默认新闻源
default_sources:
  - wallstreetcn
  - 36kr
  - hackernews

# 默认输出格式
default_output: brief

# 默认语言
default_language: zh

# 关注股票列表
watchlist:
  - NVDA
  - TSLA
  - AAPL
  - 00700.HK
  - 600519.SS

# 情感分析模型
sentiment_model: gpt-4o-mini

# 置信度阈值
confidence_threshold:
  high: 0.8
  medium: 0.5

---

🎯 使用场景

场景 1: 早盘准备

"帮我分析昨晚到今早的财经新闻，找出对 A 股有影响的消息"

→ 输出：快速简报 + 重点关注股票

场景 2: 个股追踪

"分析一下特斯拉最近一周的新闻，是利好还是利空？"

→ 输出：个股追踪报告 + 情感趋势图

场景 3: 行业研究

"总结本周 AI 行业的重大事件，按重要性排序"

→ 输出：行业周报 + 关键事件时间线

场景 4: 新闻解读

"这条新闻对哪些股票有影响？[新闻链接]"

→ 输出：影响评估 + 相关股票列表

场景 5: 投资决策支持

"我持有 NVDA 和 AMD，最近的新闻对我的持仓有什么影响？"

→ 输出：持仓影响分析 + 操作建议

---

📝 情感分析规则

利好信号 🟢

• 营收/利润超预期
• 新产品发布/技术突破
• 重大合同签订
• 政策支持/补贴
• 高管增持/股票回购
• 并购重组（被收购方）
• 行业需求增长

利空信号 🔴

• 营收/利润不及预期
• 产品召回/质量问题
• 高管离职/减持
• 监管处罚/诉讼
• 行业需求下滑
• 竞争对手强势发布
• 宏观经济负面

中性信号 ⚪

• 常规财报发布（符合预期）
• 人事正常变动
• 日常业务更新
• 市场传言（未证实）

---

💡 最佳实践

1. 关键词优化

好： "AI 芯片，GPU, 英伟达，AMD"
差： "科技"（太宽泛）

2. 新闻源选择

A 股：wallstreetcn, 36kr, eastmoney
美股：hackernews, bloomberg, reuters
行业垂直：特定行业媒体

3. 时间窗口

日内交易：--period daily --limit 30
波段操作：--period weekly --limit 50
长期投资：--period monthly --industry <行业>

4. 交叉验证

重要新闻：对比 3+ 新闻源
情感判断：结合技术面 + 基本面

---

⚠️ 免责声明

本技能生成的分析仅供参考，不构成投资建议。投资有风险，决策需谨慎。

• 情感分析基于 NLP 模型，可能存在误差
• 新闻影响评估为概率性判断，非确定性预测
• 市场受多重因素影响，单一新闻不决定走势
• 请结合个人风险承受能力和专业顾问意见

---

🔗 相关技能

• news-aggregator-skill - 新闻抓取基础
• stock-analyzer - 股票技术分析
• baoyu-translate - 外文新闻翻译

---

📚 参考资料

• ticker-map.md - 股票代码映射
• industry-map.md - 行业分类
• sentiment-rules.md - 情感分析规则
• impact-patterns.md - 影响评估模式