News Sentiment免费版

扫描港股、美股、A股公告与新闻，去噪后按-10至+10打分，输出情绪温度计和重大事件基础舆情分析报告。

News Sentiment Scan 免费版

舆情监控与情绪分析技能免费版,扫描公司公告与新闻报道并进行情绪打分。覆盖港股、美股、A股市场,经去噪处理后输出情绪温度计与重大事件清单,辅助快速判断个股舆情方向.

输入格式

参数名	类型	必填	说明
input	string	是	News Sentiment免费版处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

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

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

bash

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

核心能力

基础信息采集: 覆盖公司公告与主流财经媒体报道,按市场自动匹配信源,采集近期相关内容. 去噪处理: 过滤广告、重复转发与无关信息,保留实质性财经内容,降低噪声对评分的干扰. 情绪打分: 每条信息按内容映射到 -10(极度负面)至 +10(极度正面)区间,汇总为综合情绪温度计. 事件提取: 识别重大事件并标注来源与时间,输出事件清单辅助判断舆情驱动因素. 输出报告: 情绪温度计、重大事件清单与正负面事件统计,辅助快速了解市场情绪方向.

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

使用流程

1. 环境确认: 确认Agent平台已加载本skill，检查依赖说明中的环境要求
2. 指令输入: 向Agent描述需要执行的任务，引用news-sentiment-scan-free的相关能力
3. 执行处理: Agent按照核心能力章节的指令执行任务
4. 结果验证: 检查输出结果是否符合预期，参考错误处理章节处理异常

情绪评分标准

分数区间	情绪标签	含义
+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

使用方式

脚本位于技能目录的 （请参考skill目录中的脚本文件）,通过Python3执行.

bash

python3 （请参考skill目录中的脚本文件） <股票代码> [监控天数] [市场]

参数说明:

• 股票代码: 港股用 0700.HK 或5位数字 00700; 美股用字母代码 AAPL; A股用6位数字 002594
• 监控天数: 默认7,须为正整数
• 市场: 可选,auto自动识别; 港股 hk、美股 us、A股 a

示例:

bash

python3 （请参考skill目录中的脚本文件） 002594 7
python3 （请参考skill目录中的脚本文件） 0700.HK 7
python3 （请参考skill目录中的脚本文件） AAPL 7 us

输出格式

报告包含监控周期、信息来源、情绪温度计、重大事件清单与情绪统计。以腾讯控股(0700.HK)7天扫描为例,输出结构如下:

text

==================================================
舆情监控报告:腾讯控股(0700.HK)
==================================================
# ...
监控周期:最近7天
信息来源:公司公告、主流媒体
生成时间:2026-07-20 09:30
# ...
情绪温度计:+4(轻微正面)
# ...
重大事件清单:
1. [轻微正面] 季度营收增长
   来源:公司公告 | 时间:2026-07-15
   情绪贡献:+3 | 置信度:85%
# ...
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:+2.5
# ...
操作建议:情绪轻微偏正面,保持观察

数据来源

• Yahoo Finance: 公司新闻、分析师评级
• Google News: 财经媒体报道

适用场景

• 个股舆情速览: 对关注个股进行短期情绪扫描,快速了解近期公告与新闻的情绪方向,适合投研初筛.
• 公告影响判断: 重大公告发布后快速量化其对标的的情绪冲击,辅助判断短期市场反应.

使用案例

案例一: 港股个股舆情速览

对腾讯控股进行7天情绪扫描,了解近期舆情方向. 操作:

• 执行 python3 （请参考skill目录中的脚本文件） 0700.HK 7
• 查看情绪温度计与重大事件清单,关注公告类事件
• 参考正负面事件占比判断短期情绪方向
• 结合自身判断决定是否进一步深入研究

案例二: A股公告影响判断

某A股标的发布业绩预告后评估情绪冲击. 操作:

• 执行 python3 （请参考skill目录中的脚本文件） 002594 7 a 扫描近7天
• 查看业绩相关事件的情绪贡献与置信度
• 比对正负面事件占比判断市场反应倾向

异常处理

• 股票代码格式错误: 港股须为 0700.HK 或5位数字; 美股为字母代码; A股为6位数字; 格式不符时脚本无法识别市场,需按规范修正.
• 网络访问失败: Google News与Yahoo Finance在受限网络下可能超时,可更换网络后检查网络连接和配置后重试.
• 监控天数为0或负数: 天数须为正整数,默认7; 传入0或负值会导致采集区间无效.
• 信息源返回空结果: 小盘股或冷门标的可能无近期公告与新闻,可扩大监控天数再试.
• Python环境缺失: 脚本依赖Python3与相关库,执行前确认环境已安装; 缺失依赖时按报错安装对应包. | 错误场景 | 原因 | 处理方式 | |:---:|:---:|:---:| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | 检查网络连接和配置后重试;确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 对照使用流程章节检查输入格式;参考示例章节修正输入 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述,补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 对照依赖说明章节确认环境配置;检查命令权限设置 |

常见问题

支持哪些市场的股票? 支持港股(0700.HK或00700)、美股(字母代码如AAPL)与A股(6位数字如002594),市场参数auto可自动识别. 情绪分数如何计算? 每条信息按内容映射到-10至+10区间后汇总; 重大事件单独标注贡献分数与置信度,最终输出综合情绪温度计. 免费版包含社交媒体信源吗? 不包含。免费版仅采集公司公告与主流财经媒体; 微博、雪球等社交媒体与券商研报深度加权需升级到付费版. 本工具能作为投资决策依据吗? 不能。本工具仅供参考,不构成投资建议; 情绪分析仅为辅助维度,投资决策需结合基本面与个人风险偏好.

错误处理

错误场景(续)	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	检查网络连接和配置后重试；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

已知限制

• 情绪分析基于自然语言处理,存在一定误差,对反讽与隐喻识别有限.
• 免费版仅采集公司公告与主流媒体,不含社交媒体与券商研报.
• 依赖网络与信源可用性,部分信源在受限网络下不可达.
• 本工具仅供参考,不构成投资建议.
• 小盘股或冷门标的可能因讨论量不足导致评分代表性弱.

升级提示

当前为免费版,仅开放公司公告与主流媒体的基础舆情采集。升级到付费版 news-sentiment-scan 可解锁券商研报与监管文件深度加权、社交媒体(微博、雪球)采集、来源权重精细化、多标的横向对比与舆情预警监控等能力,并获取更完整的异常处理与使用案例,适合系统化投研跟踪与风险控制.