News Sentiment Tool Free

轻量级股票舆情监控工具,扫描多渠道信息源并进行情绪打分,输出情绪温度计与事件清单。

舆情情绪分析工具 - 免费版

概述

舆情情绪分析工具免费版是一款面向个人投资者的轻量级股票舆情监控工具。通过扫描公司公告、新闻报道、券商研报、社交媒体(微博、雪球等)等多渠道信息源,去噪后进行情绪打分(-10 至 +10),输出情绪温度计与重大事件清单,帮助投资者快速了解个股舆情动态。

本版本适合个人投资者进行日常持仓情绪监控与投资决策辅助参考。

核心能力

多渠道信息采集

信息来源	权重	说明
公司公告	1.0	官方信源,最权威
券商研报	0.9	专业机构分析
主流媒体	0.8	财经媒体新闻
监管文件	0.9	交易所、证监会文件
社交媒体	0.6	微博、雪球等
论坛帖子	0.5	股吧、社区讨论

输入: 用户提供多渠道信息采集所需的指令和必要参数。 处理: 按照skill规范执行多渠道信息采集操作,遵循单一意图原则。 输出: 返回多渠道信息采集的执行结果,包含操作状态和输出数据。

去噪处理

• 过滤广告内容
• 过滤水军发言
• 过滤无关信息
• 保留高信噪比内容

输入: 用户提供去噪处理所需的指令和必要参数。 处理: 按照skill规范执行去噪处理操作,遵循单一意图原则。 输出: 返回去噪处理的执行结果,包含操作状态和输出数据。

情绪打分体系

分数区间	情绪标签	说明
+8 ~ +10	极度乐观	重大利好,股价可能大幅上涨
+5 ~ +8	偏正面	利好消息,持续关注
+2 ~ +5	轻微正面	小幅利好,保持观察
-2 ~ +2	中性	无明显影响
-5 ~ -2	轻微负面	小幅利空,注意风险
-8 ~ -5	偏负面	利空消息,谨慎操作
-10 ~ -8	极度悲观	重大利空,股价可能大幅下跌

输入: 用户提供情绪打分体系所需的指令和必要参数。 处理: 按照skill规范执行情绪打分体系操作,遵循单一意图原则。 输出: 返回情绪打分体系的执行结果,包含操作状态和输出数据。

重大事件提取

• 识别每条重大事件
• 量化事件的情绪贡献分
• 标注事件来源与置信度
• 按时间排序输出清单

输入: 用户提供重大事件提取所需的指令和必要参数。 处理: 按照skill规范执行重大事件提取操作,遵循单一意图原则。 输出: 返回重大事件提取的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：轻量级股票舆情监、控工具、扫描多渠道信息源、并进行情绪打分、输出情绪温度计与、事件清单、舆情情绪分析工具、免费版、为个人投资者提供、股票舆情监控与情、绪打分能力、扫描公告、社交媒体等渠道、核心能力、过滤广告与水军内、重大事件提取与情、绪贡献量化、情绪温度计可视化等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一:监控持仓股近7天舆情

个人投资者想快速了解持仓股近一周的舆情动态,辅助买卖决策。

bash

# 扫描比亚迪(002594)近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 7

# 扫描腾讯(0700.HK)近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py 0700.HK 7

输出示例:

text

==================================================
舆情监控报告:比亚迪(002594)
==================================================

监控周期:最近7天
信息来源:公司公告、主流媒体、社交媒体
生成时间:2026-07-18 10:30:00

--------------------------------------------------

情绪温度计:+5.2(偏正面)

   -10  ========●===========  +10
              中性    偏正面

--------------------------------------------------

重大事件清单:

1. [偏正面] 6月销量同比增长35%
   来源:公司公告 | 时间:2026-07-15
   情绪贡献:+4.5 | 置信度:90%

2. [轻微正面] 新车型获市场好评
   来源:主流媒体 | 时间:2026-07-16
   情绪贡献:+2.0 | 置信度:75%

--------------------------------------------------

情绪统计:
  正面事件:3条(60%)
  中性事件:1条(20%)
  负面事件:1条(20%)
  平均情绪:+5.2

操作建议:偏正面,可持续关注,注意获利了结时机。

场景二:查看美股持仓舆情

投资美股的用户想了解苹果公司近期舆情。

bash

# 扫描苹果(AAPL)近7天美股舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py AAPL 7 us

# 扫描特斯拉(TSLA)近30天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py TSLA 30 us

场景三:港股舆情快速扫描

港股投资者想快速了解腾讯控股的舆情状况。

bash

# 扫描腾讯(0700.HK)近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py 0700.HK 7

# 或使用5位数字格式
python3 {SKILL_DIR}/scripts/sentiment_scan.py 00700 7

不适用场景

以下场景舆情情绪分析免费版不适合处理：

• 实时流数据处理
• 小规模数据手动分析
• 非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

快速开始

第一步:确认运行环境

bash

# 检查 Python 3 是否可用
python3 --version

# 确认脚本路径
ls {SKILL_DIR}/scripts/sentiment_scan.py

第二步:执行首次扫描

bash

# 基本用法:扫描指定股票近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py <股票代码> [天数] [市场]

# 示例
python3 {SKILL_DIR}/scripts/sentiment_scan.py 600519 7

第三步:解读报告

扫描完成后,工具会输出包含以下内容的报告:

1. 情绪温度计:整体情绪分数与标签
2. 重大事件清单:按时间排序的关键事件
3. 情绪统计:正面/中性/负面事件占比
4. 操作建议:基于情绪的参考建议

配置示例

最佳实践

1. 定期扫描建立情绪基线

建议每周扫描一次持仓股,建立情绪基线,便于发现异常波动:

bash

# 每周一早上扫描持仓
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 7 > ~/sentiment_002594_$(date +%Y%m%d).log
python3 {SKILL_DIR}/scripts/sentiment_scan.py 600519 7 > ~/sentiment_600519_$(date +%Y%m%d).log

2. 结合多个时间窗口分析

不同时间窗口提供不同视角,建议结合使用:

bash

# 短期(3天):捕捉最新动态
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 3

# 中期(7天):一周趋势
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 7

# 长期(30天):月度趋势
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 30

3. 关注高置信度事件

事件清单中的置信度反映信息可靠性,优先关注置信度高于 80% 的事件:

text

# 高置信度事件(优先关注)
情绪贡献:+4.5 | 置信度:90%  <- 来自公司公告,可靠性高

# 低置信度事件(仅供参考)
情绪贡献:+1.0 | 置信度:50%  <- 来自论坛讨论,可靠性低

4. 情绪分数需结合基本面

情绪分析反映市场情绪,不等于基本面判断。建议:

• 正面情绪 + 基本面良好 = 较强信号
• 正面情绪 + 基本面疲软 = 谨慎对待
• 负面情绪 + 基本面良好 = 可能是错杀机会
• 负面情绪 + 基本面疲软 = 注意风险

常见问题

Q1: 扫描结果为空怎么办?

A: 可能原因:

• 股票代码格式错误,请参考"股票代码格式"章节
• 该股票近期无重大新闻,尝试增大天数参数
• 网络问题导致数据源访问失败,稍后重试

bash

# 尝试增大扫描天数
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 30

Q2: 情绪分数与实际股价走势不符?

A: 情绪分析基于新闻与社交媒体信息,可能存在滞后或偏差。股价走势受多种因素影响(基本面、技术面、资金面等),情绪仅为参考维度之一,不构成投资建议。

Q3: 港股代码应该用哪种格式?

A: 两种格式均支持:

• 0700.HK:带后缀格式,推荐使用
• 00700:5位数字格式,部分场景兼容

建议统一使用 XXXX.HK 格式以避免歧义。

Q4: 社交媒体信息是否可靠?

A: 社交媒体权重较低(0.6),且经过去噪处理过滤水军与广告。但社交媒体信息仍可能被操纵,请结合高权重来源(公司公告、券商研报)综合判断。

Q5: 免费版支持批量扫描多只股票吗?

A: 免费版支持单只股票扫描。如需批量扫描多只股票、自定义权重、导出结构化报告等高级功能,请考虑升级至 PRO 版本。

Q6: 扫描速度较慢如何优化?

A: 扫描速度与天数参数正相关。日常监控建议使用 7 天窗口;需要长期趋势时再使用 30 天窗口。减少天数可显著提升扫描速度。

依赖说明

运行环境

• Agent平台: 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
• 操作系统: Windows / macOS / Linux
• Python: 建议 3.8+
• 网络环境: 需可访问财经数据源与社交媒体

依赖详情

依赖项	类型	是否必需	获取方式
Python 3.8+	运行时	必需	python.org 下载
sentiment_scan.py	脚本	必需	随 Skill 安装
requests	Python库	必需	pip install requests
财经数据源	API	必需	公开数据源(Yahoo Finance 等)
LLM API	API	必需	由 Agent 内置 LLM 提供

API Key 配置

• 免费版使用公开数据源,无需额外 API Key
• 社交媒体数据通过公开接口获取(部分可能需要网络访问权限)
• 如需接入付费数据源(如 Wind、Bloomberg),请在脚本中配置对应 API Key

可用性分类

• 分类: MD+EXEC(纯 Markdown 指令,核心功能通过 Python 脚本执行需要 exec 命令行执行能力)
• 说明: 基于脚本的 AI Skill,通过自然语言指令驱动 Agent 执行舆情扫描。免费版支持单只股票的多渠道信息采集、去噪处理、情绪打分与事件提取,输出情绪温度计与重大事件清单,适合个人投资者轻量使用。本工具仅供参考,不构成投资建议。

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响

示例

基本用法

输入：用户提供操作指令和必要参数

输出：返回执行结果,包含操作状态和输出数据

text

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功