股海罗盘（gh-data）?A 股股票量化分析技?

*无需 MCP，纯 Python HTTP 直连采集 + 量化分析?

配置

{
  "skills": {
    "entries": {
      "ghdata_analyze": {
        "config": {
          "webapi_url": "http://api.topeasychina.com:15099/api",
          "webapi_timeout": 30,
          "doc_dir": "./doc"
        }
      }
    }
  }
}

| 配置?| 默认?| 说明 | |:-------|:-------|:-----| | webapi_url | http://api.topeasychina.com:15099/api | 地址（含端口?| | webapi_timeout | 30 | HTTP 请求超时（秒?| | doc_dir | ./doc | 报告输出目录 |

配置生效规则（优先级从高到低）：

上述 config 配置

{技能目录}/settings.json 文件

环境变量 GHDATA_API_URL

代码默认?

🚀 核心工作流（每次分析必须执行?

每次分析一只股票，必须完成以下三阶段：

阶段 A：数据采?     ─? 阶段 B：量化分?   ─? 阶段 C：报告输?
  HTTP直连公开API       POST 分析API      生成DOCX报告+K线图
  (新浪/腾讯/东方财富)  (技术指?信号/预测)     (16?评分/预判)

阶段 A?6 维数据采?

技能内?Python 模块 ghdata/data_fetcher.py，直?HTTP 采集以下数据源：

| # | 数据维度 | 数据?| 函数 | |:-:|:---------|:-------|:-----| | 1 | 实时行情 | 新浪 + 腾讯双源交叉 | fetch_realtime(code) | | 2 | 日K线数?| 腾讯 ifzq.gtimg.cn | fetch_kline(code, days) | | 3 | 今日分时 | 腾讯 qt.gtimg.cn 分钟数据 | fetch_today_tick(code) | | 4 | 资金流向 | 同花?stockpage.10jqka | fetch_money_flow(code, days) | | 5 | 融资融券 | 东方财富 DataCenter | fetch_margin_trading(code, days) | | 6 | 机构持仓 | 东方财富 DataCenter | fetch_main_holdings(code) | | 7 | 股东增减?| 东方财富 DataCenter | fetch_shareholder_trade(code) | | 8 | 高管持股变动 | 东方财富 DataCenter | fetch_executive_change(code) | | 9 | 财务数据 | 东方财富 DataCenter | fetch_financial(code) | | 10 | 资产负债表 | 东方财富 DataCenter | fetch_balance_sheet(code) | | 11 | 利润?| 东方财富 DataCenter | fetch_income_statement(code) | | 12 | 现金流量?| 东方财富 DataCenter | fetch_cashflow(code) | | 13 | 分红历史 | 东方财富 DataCenter | fetch_dividend(code) | | 14 | 券商研报 | 东方财富 DataCenter | fetch_research_report(code) | | 15 | 机构调研 | 东方财富 DataCenter | fetch_institutional_survey(code) | | 16 | 限售解禁 | 东方财富 DataCenter | fetch_unlock_data(code) |

*Python 代码（直接在 CMD 中执行）?

import sys, os
sys.path.insert(0, os.path.dirname(__file__))
from ghdata import data_fetcher as fetcher
from ghdata import config

def collect_all(code: str) -> dict:
    """16维数据一次性采集（全部HTTP直连，零外部依赖?""
    data = {}
    data["realtime"] = fetcher.fetch_realtime(code)          # 实时行情
    data["kline"] = fetcher.fetch_kline(code, 120)           # 日K?
    data["tick"] = fetcher.fetch_today_tick(code)            # 今日分时
    data["moneyFlow"] = fetcher.fetch_money_flow(code, 10)   # 资金流向
    data["margin"] = fetcher.fetch_margin_trading(code, 10)  # 融资融券
    data["holdings"] = fetcher.fetch_main_holdings(code)     # 机构持仓
    data["shareholder"] = fetcher.fetch_shareholder_trade(code) # 股东增减?
    data["executive"] = fetcher.fetch_executive_change(code) # 高管变动
    data["financial"] = fetcher.fetch_financial(code)        # 业绩报表
    data["balance"] = fetcher.fetch_balance_sheet(code)      # 资产负债表
    data["income"] = fetcher.fetch_income_statement(code)    # 利润?
    data["cashflow"] = fetcher.fetch_cashflow(code)          # 现金流量?
    data["dividend"] = fetcher.fetch_dividend(code)          # 分红历史
    data["research"] = fetcher.fetch_research_report(code)   # 券商研报
    data["survey"] = fetcher.fetch_institutional_survey(code)# 机构调研
    data["unlock"] = fetcher.fetch_unlock_data(code)         # 限售解禁
    data["industry"] = fetcher.fetch_industry_info(code)     # 行业板块
    return data

阶段 B：量化分析（?

采集完数据后，调? 进行量化分析?

from ghdata import db_manager as db

# 调用  获取全量分析结果
result = db.kline_analyze(code, today_kline=None)
# 返回包含?
#   indicators  ?MA5/MA10/MA20/MA60/MACD/KDJ/RSI/量比
#   signals     ?偏多/偏空/中?汇?
#   patterns    ?大涨后规?大跌后规?支撑/阻力
#   accuracy    ?全部历史/?0??0?准确?
#   prediction  ?方向/T+1/T+2/中期方向 + 价格区间
#   learning    ?自学习规律跟踪摘?

** 地址通过配置中的 webapi_url 设置?*

阶段 C：报告生?

from ghdata import reporter
from ghdata import chart

# 1. 生成 K 线图
chart.generate_kline_chart(klines, ...)

# 2. 生成 14 章完?DOCX 报告
reporter.generate(code, extra_data={
    "holdings": {"points": [...], "conclusion": "..."},
    "money_flow": {"points": [...], "conclusion": "..."},
    # ... 其他维度数据
})

📈 个股分析（LLM 指令?

用户输入股票代码或名称时，LLM执行三阶段分析流程（采集→量化→报告）?

用户输入匹配?

| 用户?| LLM执行 | 说明 | |:-------|:--------|:-----| | "分析600028"?看看中国石化" | 阶段A：采?6维数?| 先采集完了再分析 | | "中国石化怎么??600028走势" | 阶段A+B+C：全流程分析 | 采集数据+量化+生成结论 | | "帮我分析这几只股??600028?01857对比" | 逐只执行全流程分?| 多只按顺序处?| | "生成分析报告"?出报??出文? | 阶段A+B→C：生成DOCX | 调用 reporter.generate() 生成docx文件 | | "K线图"?走势? | 阶段A→chart：生成K线图 | 调用 chart.generate_kline_chart() |

分析结果展示格式

📊 中国石化(600028) 分析报告

━━?实时行情 ━━?
最新价?.77  涨跌幅：+1.27%   PE?3.7   PB?.09

━━?技术指?━━?
均线：MA5=4.81 > MA10=4.77 > MA20=4.76（多头排列）
MACD：DIF=-0.08  DEA=-0.116  红柱=0.071（偏多）
KDJ：K=52.3  D=55.3  J=46.4（中性）
RSI14?0.8（中性）

━━?信号汇?━━?
偏多1 · 偏空1 · 中? ?判势：中?

━━?方向预测 ━━?
全部历史?34/348 = 67.2%  [████████░░░░░░░]
?0日：4/7 = 57.1%       [███████░░░░░░░░░]
?0日：1/3 = 33.3%       [████░░░░░░░░░░░░]
T+1方向：偏多（预期 6.85~7.10元）
中期方向：震荡偏多（MA60上方支撑?

━━?学习摘要 ━━?
方向准确率：234/348=67.2%
大跌后反弹特征：验证52次，1/5=20%反弹
...

Python执行代码

from ghdata import data_fetcher as fetcher, db_manager as db, reporter, chart

# ?采集数据
klines = fetcher.fetch_kline("600028", 120)
realtime = fetcher.fetch_realtime("600028")

# ?量化分析
result = db.kline_analyze("600028")

# ?生成报告
chart.generate_kline_chart("600028", days=60)
reporter.generate("600028")

🤖 自学习系统（LLM 指令?

技能的自学习能力由服务端（ + 日更新服务）自动运行?无需用户手动触发*?

自学习机制说?

每日18:00定时任务?
  1. 拉取最新K线数??存入 kline_data ?
  2. 7规则投票 ?生成方向预测 ?存入 predictions ?
  3. 与实际走势比??更新 accuracy_tracking ?
  4. 挖掘5条交易规??存入 stock_patterns ?
  5. 更新 experience 表（方向/评分/准确率）

用户可以怎么?

| 用户?| LLM回答 | |:-------|:--------| | "这只股票的自学习情况怎么? | 调用 db.kline_analyze(code) 提取 learningSummary 回复 | | "记录了多少次预测" | 查看 accuracy_tracking 表统?| | "准确率多? | 查看 experience 表的 accuracy_rate | | "有没有跟踪记? | 从数据中展示学习摘要（规律验证记录） |

自学习内容展示格?

📚 中国石化 自学习跟踪摘?

📊 方向准确率：234/348 = 67.2% ?
  全部历史正确预测234次，?48次预?

📉 大跌后反弹特征：验证52?
  最近验证：1/5=20%反弹
  3日平均反弹：-1.81%
  操作建议：慎抄底，等企稳信号

📈 大涨后回调特征：验证43?
  最近验证：2/4=50%回调
  3日平均：-1.72%
  操作建议：大涨后逢高减仓

📌 趋势：自学习系统每日18:00自动更新

📈 个股自学习画像（LLM 展示格式?

调用 db.kline_analyze(code) 后，返回结果中包?stockProfile 字段，LLM应按以下格式展示?

━━??个股行为画像 ━━?
📊 财报前后表现
  2026-04-29 净利润+28.2% ✅利? ??-0.19%
  2026-03-23 净利润-36.8% ❌利?

📊 指数相关?
  与上证同涨同跌率?6.6%（近60日）

📊 放量缩量行为
  放量?日平均：-4.34%?4次）?放量易跌
  缩量?日平均：+3.68%?0次）?缩量易涨 ?

📊 技术信号有效?
  MACD金叉：有效次数不? MACD死叉?00%有效(1/1)

━━??相似K线匹?━━?
🔍 当前形态匹配到5段历史相似走?
  匹配?日平均涨跌：-0.19%
  结论：历史相似形态下偏弱

━━??错误模式诊断 ━━?
⚠️ 最大连??| 偏多方向失败6?| 偏空方向失败12?
  诊断：偏空方向失败率高，做空需谨慎（容易反弹）

━━??季节性规?━━?
📅 12? 平均+0.75% 胜率50% 🏆 最佳月?
   5?  平均-0.60% 胜率11% ⚠️ 最差月?

LLM 分析结论示例

💡 中国石化综合研判
📊 方向：偏空（评分-4，准确率67.2%?
?个股画像：缩量是买入信号(??3.68%)，放量警???4.34%)
?历史相似形态：偏弱(-0.19%)
?错误诊断：偏空失?2次，该股反弹属性强
?季节性：12月最?+0.75%)?月最?-0.60%)
📌 建议：当前偏空但偏空失败率高，下跌空间有限，关注缩量后的反弹机会

🎯 选股功能（LLM 指令?

技能支持四种选股方式，LLM根据用户需求自动匹配合适的方式?

四种选股方式说明

*方式①：条件筛? ?用现有评分数据快速过?

条件：方向（偏多/震荡偏多）、评分（0-10）、准确率??
适用场景：用户说"帮我选几只股??找看涨的"?评分高的"?准确率高?
速度快，适合初步筛?

方式②：动量选股 ?选近期强势的股票

条件：近20日涨?> 一定?+ 均线多头排列 + MACD金叉 + 放量
适用场景：用户说"涨得好的"?强势??最近涨得猛??追涨"
示例结果：华丰股??0?5.0% 均线多头 MACD金叉放量1.5?

方式③：反转选股 ?选超跌有反弹可能的股?

条件：RSI < 30（超卖） + MACD金叉（底背离信号?
适用场景：用户说"超跌反弹"?跌多??RSI??抄底"
示例结果：国光电??0?22.3% RSI=24(超卖) MACD金叉

方式④：技术信号选股 ?选技术形态好的股?

条件：均线多头排?+ MACD金叉 + 成交量放?
适用场景：用户说"技术面??多头排列"?金叉"?放量上涨"
示例结果：返利科技均线多头 MACD金叉放量2.7?

用户输入匹配?

| 用户?| 使用方式 | 说明 | |:-------|:---------|:-----| | "帮我选几只股??推荐股票"?随便看看" | *条件筛? | 默认查全部，按评分排?| | "找看涨的"?方向偏多? | *条件筛? | 过滤方向=偏多 | | "评分高的"?优质? | *条件筛? | 评分? | | "涨得好的"?强势??最近涨得猛??追涨" | 动量选股 | ?0日涨?均线多头+MACD金叉+放量 | | "超跌反弹"?跌多??抄底"?RSI低的" | 反转选股 | RSI<30超卖+MACD金叉 | | "技术面??多头排列"?金叉"?放量上涨" | 技术信号选股 | 均线多头+MACD金叉+放量 | | "都有哪些"?我想看看" | *条件筛? | 默认条件 |

结果展示格式

📊 条件筛选结果（?XX 条）
代码    名称        方向   评分   准确?
600028  中国石化    偏多   8.2    67.2%
...

📈 动量选股结果（共 XX 条）
代码    名称       方向   评分  ?0日涨? 均线  RSI  匹配原因
605100  华丰股份   偏多   5.0   +5.0%      多头  67.3  ?0?5.0%·均线多头·MACD金叉·放量1.5?
📌 逻辑：近20日涨?+ 均线多头 + MACD金叉 + 放量

💥 反转选股结果（共 XX 条）
代码    名称       方向   评分  ?0日涨? RSI   匹配原因
002045  国光电器   震荡   2.0   -22.3%    24.4  ?0?22.3%·MACD金叉·RSI超卖(24)
📌 逻辑：RSI超卖(<30) + MACD金叉 + 放量企稳

🔧 技术信号选股结果（共 XX 条）
代码    名称       方向   评分  ?0日涨? 均线  量比  匹配原因
605100  华丰股份   偏多   5.0   +5.0%      多头  1.5   ?0?5.0%·均线多头·MACD金叉·放量1.5?
📌 逻辑：均线多?+ MACD金叉 + 量比>1.3

LLM执行代码

from ghdata import db_manager as db

# 条件筛?
r = db.screen_stocks(directions=["偏多"], min_score=5.0, top=10)

# 动量选股
r = db.advanced_screen(mode="momentum", momentum_chg20=5.0, top=10)

# 反转选股
r = db.advanced_screen(mode="reversal", reversal_rsi=30, top=10)

# 技术信号选股
r = db.advanced_screen(mode="techsignal", tech_ma_bullish=True, tech_macd_golden=True, tech_vol_surge=True, top=10)

注意事项

如果用户没指定方式，默认?*条件筛?
score ?-10分制，不是百分制
accuracy 是百分比（如67.2%?
返回结果?必须附上选股逻辑说明*
同一参数只调一次接口，不要重复调用

📊 14 章分析报告结构（最终定版）

| # | 章节 | 核心内容 | 展示格式 | 数据?| |:-:|:-----|:---------|:---------|:-------| | 一 | 公司概况 | 主营业务 + 行业地位 + 市?| 段落 | | | ?| 实时行情 | 最新价/涨跌/PE/PB/市?| 表格 | 新浪+腾讯 | | ?| 机构持仓分析 | 机构家数/持股/变动 | 数据?+ analysis_points | extra_data.holdings | | ?| 资金流向分析 | ?0日净流入/大单占比 | 数据?+ analysis_points | extra_data.money_flow | | ?| 融资融券分析 | 融资余额/净?占比 | 数据?+ analysis_points | extra_data.margin_trading | | ?| 高管及大股东行为 | 增持/减持记录 | 数据?+ analysis_points | extra_data.shareholder_trade | | ?| 核心财务分析 | 7.1业绩/7.2利润/7.3资产/7.4现金?| 数据?+ fin_analysis（短段落?| extra_data.financial_report | | ?| 合理股价分析 | 8.1PE/8.2PB/8.3综合区间+术语?| 表格+段落（EPS/BVPS由PE/PB和最新价动态计算，禁止硬编码） | | | ?| 分红历史 | 近年分红方案 | 数据?+ analysis_points | extra_data.dividend | | ?| 综合评分 | 5维度加权评分 | 加权总分公式展示 | 本地计算 | | 十一 | K线技术分?| 11.1均线/11.2MACD/11.3KDJ/11.4RSI/11.5信号总表 | 指标?+ 信号总表 | indicators | | 十二 | 方向预测 | 12.1方向判定与评分→12.2准确率→12.3 T+1?2.4 T+2?2.5周方?判断依据 | 表格化依?| prediction | | 十三 | 历史规律总结 | 4条规律（大涨?大跌?支撑?阻力位）场景化展?| 场景化展?| patterns | | 十四 | 风险提示 | 6条动态风?| 列表 | 综合生成 |

三种分析展示格式

| 函数 | 适用场景 | 展示方式 | |:----|:---------|:---------| | analysis_points(标题, [要点列表], 结论=) | 机构/资金/两融/高管/分红 | 数据表下??编号表格 + 加粗结论?| | fin_analysis(标题, 段落) | 财务四大表解读（业绩/利润/资产/现金流） | 数据表下??简短段落（1~2句话，白话解读） | | 信号总表 | 技术面综合 | 统一表格 ?汇总行（偏多X/偏空Y/中性Z?|

fin_analysis 使用规则（财务解读）

**四张财务表（7.1业绩/7.2利润/7.3资产/7.4现金流）每张都必须带?fin_analysis 解读或结?*，不能只有数据表没有下文。每张表结束后都必须有一段白话解读，告诉用户这个数意味着什么?

*正确的做法（数据在前，解读在后）?

┌──────────────┬──────────┬──────────?
? 指标        ?本期      ?同比      ?
├──────────────┼──────────┼──────────?
? 营业收入    ?3500?  ?+12.5%   ?
? 营业利润    ?420?   ?+18.3%   ?
? 净利润      ?320?   ?+52.0%   ?
└──────────────┴──────────┴──────────?

?利润表解读：本期净利润320亿，同比大增52%，主要受益于产品价格高位运行和产能提升。盈利能力持续增强，毛利率和净利率均创近年新高?

错误的做法（只有数据没有结论）： ?不允?

┌──────────────┬──────────┬──────────?
? 指标        ?本期      ?同比      ?
├──────────────┼──────────┼──────────?
? 营业收入    ?3500?  ?+12.5%   ?
? ...         ?...      ?...      ?
└──────────────┴──────────┴──────────?

财务报表?fin_analysis 必须回答三个问题?

好不好？ ?盈利能力是增强还是减?
为什么？ ?变化的核心驱动因素（??成本?
*趋势如何? ?未来可能的方?

🔑 apiKey 管理

技能首次使用自动生成本地标?Key，保存在 ~/.ghdata/ghdataapiKey?

| 版本 | 每日限额 | 费用 | |:----|:--------|:-----| | 🆓 免费?| 3 ?工具/?| 免费 | | 💰 付费?| 100 ?工具/?| 需购买 |

*购买地址? https://www.oraskl.com/ghdata-admin
付费后替换文件内容： 将购买的密钥写入 ~/.ghdata/ghdataapiKey

*使用原则?

apiKey 是付费资源，*不要随便消耗调用次?
同一只股票同一日仅调用一?，分析结果复?
调用前先检查是否已有缓存数据，避免重复请求
非必要不?db_manager.analyze_kline()，尤其批量操作时垫高用量

📈 综合评分加权公式（定版）

总分 = 基本面?.35 + 估值面×0.20 + 技术面×0.15 + 资金面?.20 + 情绪面?.10
评级：≥80优秀 🏆 | ?5良好 ?| ?0一?⚠️ | <50较差 ?

| 维度 | 权重 | 说明 | |:----|:----:|:-----| | 基本?| 35% | 营收/利润/ROE 趋势 | | 估值面 | 20% | PE/PB 历史分位 | | 技术面 | 15% | 均线/MACD/KDJ/RSI 信号 | | 资金?| 20% | 主力资金流向/大单占比 | | 情绪?| 10% | 换手?量比/市场情绪 |

🔴 方向预测铁律（Andy 铁律 ?必须严格遵循?

1. 方向预测展现顺序

方向预测章节内容必须按以下顺序排列：

方向判定(结论) ?准确?可信? ?T+1(具体价格) ?T+2 ?周方??判断依据(理由)

符合「结论→支撑」的认知逻辑?

2. 方向判定 + 置信?

📈 方向：偏? 🎯 评分?.5/10  [████████░░░░░░░]

方向：偏?/ 震荡偏多 / 震荡 / 震荡偏空 / 偏空
评分?~10 分，附进度条

3. 历史准确??三时段展示（Andy 铁律?

方向预测前必须输出历史准确率，分三时段展示：

历史准确率：
  ?全部历史?/8 = 75.0%  [█████████░░░░░░░]  (正确?总数)
  ⚠️ ?0日：4/7 = 57.1%   [███████░░░░░░░░░]  (正确?总数)
  ??0日：1/3 = 33.3%   [████░░░░░░░░░░░░]  (正确?总数)

*规则?

?不展示偏多方向准确率（Andy 明确要求去掉，仅保留上述三行?
?展示全部准确?+ ?0?+ ?0?
格式：时段：Z.Z% [███████░░░░░░░] (正确?总数)
按「全部→60日→30日」顺序排?
进度条总长 20 ?

4. 股价预测范围 ?三要素铁?

做量化股价预测时?必须同时输出以下三个范围要素*?

| 要素 | 含义 | 示例 | |:----|:-----|:-----| | 预测股价范围 | 综合判断的合理波动区间（最低~最高） | 6.85 ~ 7.10 ?| | *最高值范? | 压力位上方的极限高值区 | 7.05 ~ 7.15 ?| | *最低值范? | 支撑位下方的极限低值区 | 6.78 ~ 6.88 ?| | *置信? | 本次预测的可信程度（0~100%?| 75% |

没有范围只有方向 = 无效预测。用户要的是「多少钱能买、多少钱能卖」，不是「涨还是跌」?

5. T+1 预测（下一交易日）

📅 T+1预测：偏? 置信度：75%
  预测区间?  6.85 ~ 7.10 ?
  最高值范围： 7.05 ~ 7.15 ?
  最低值范围： 6.78 ~ 6.88 ?
  价格中心?  6.98 ?
  💡 短线可关?

必须包含?

方向判定
置信?
预测区间（最低~最高）
最高值范?/ 最低值范?
预期价格中心
操作建议

6. T+2 预测（格式同上）

📅 T+2预测：偏? 置信度：70%
  预测区间?  6.80 ~ 7.15 ?
  最高值范围： 7.10 ~ 7.20 ?
  最低值范围： 6.72 ~ 6.82 ?
  价格中心?  6.98 ?
  💡 可持票待?

7. 周方?

📅 周方向：震荡偏多
  ?MA60上方支撑，中期趋势向?

必须包含周方向（Andy 确认）?

8. 判断依据 ?二维表展?

判断依据?
┌──────────┬──────────────────────────────────────────┬──────────?
? 维度     ? 内容                                    ? 信号    ?
├──────────┼──────────────────────────────────────────┼──────────?
? 📐 技术面 ?均线多头排列 MA5>MA10>MA20                  ? 偏多    ?
? 📐 技术面 ?MACD零轴上金叉，红柱扩大                      ? 偏多    ?
? 🔍 模式   ??日量价齐升，突破箱体上沿                   ? 偏多    ?
? 🛡?支撑   ?20日均线支撑有效，回踩不破                    ? 偏多    ?
? ⚠️ 风险   ?RSI进入超买?72)，注意短线回调风?           ? 偏空    ?
└──────────┴──────────────────────────────────────────┴──────────?

3~5条依据，涵盖：技术面 + 模式识别 + 支撑/压力 + 风险因素

📈 历史规律展示格式（定版）

场景化标?

用用户秒懂的语言，不用工程师腔：

| ?旧格?| ?新格?| |:---------|:---------| | 大涨后回调特?| 某天突然大涨超过3%，之?天会怎样?| | 大跌后反弹规?| 某天突然暴跌超过3%，之?天能抄底吗？ | | 阻力位规?| 股价涨到这个位置总是过不去？ | | 支撑位规?| 股价跌到这里就跌不动了？ |

展示模板

🔥 某天突然大涨超过3%，之?天会怎样?
  📈 历史上出?12?
  ?⚠️ 准确?75.0% [███████████░░░░░░░]
     总共出现12?| 符合9?| 准确?5.0%
  💡 操作参考：大涨后逢高减仓，不宜追?
  📌 最近案例：2026-06-15 大涨4.2%，之?日累?1.1%

已识别规律（由服务端自动返回?

| 规律 | 说明 | |:----|:------| | 大涨后回调规?| >3%大涨?日上涨概率低，不宜追?| | 大跌后反弹规?| <-3%大跌?日反弹概率高，可低吸 | | 阻力位规?| 统计历史上攻失败价位 | | 支撑位规?| 统计历史回踩获撑价位 | | 回调性质判断 | MACD绿柱长度+KDJ极端程度区分趋势性下跌vs震荡回调 |

上述规律由服务端 KlineAnalyzeService.MinePatterns() 自动计算? *注意? C# ??? 运算符优先级低于 -，格?% 说明符会 ×100，已踩坑修复?

📚 自学习规律跟?

API 返回 learningSummary 字段，从 stock_patterns 表读取历史规律记录?

展示格式

📚 规律学习摘要
  ──────────────────────────────────────────
  规律#1（大涨后回调）第5次验证：大涨?日下跌概率上??
  方向准确率：68%?5%?7次验证）
  ──────────────────────────────────────────
  规律#2（大跌后反弹）第3次验证：大跌后反弹有效性稳?⚠️
  方向准确率：62%?3%?2次验证）

处理逻辑

?pattern_type 分组
统计验证次数（verifyCount?
对比最新与上一次的概率变化，生成更新描?
同时输出方向准确率（全部历史预测?

📐 T+1/T+2/周方向推算逻辑

DB ?predictions 表没?t1_direction/t2_direction/weekly_direction 数据（PredictorService 只算主方向）?

KlineAnalyzeService 在返回前通过 SubDirectionEstimator 自动推算?

| 主方?| T+1/T+2 推算规则 | |:------|:----------------| | 偏多 / 偏空 | T+1/T+2 跟随主方?| | 震荡偏多 | 除非单日暴跌 >1.8%，才修正为「震荡?| | 震荡偏空 | 除非单日暴涨 >1.8%，才修正为「震荡?| | 震荡 | 根据涨跌幅判断偏?|

🌟 报告内容人性化原则

场景化标题： 把「大涨后回调特征」改为「某天突然大涨超?%，之?天会怎样？」?用户秒懂
可视化符号： ??📈/📉/🔴/🟢 比文字更快传递信?
*操作建议? 每次规律后给一句操作参考（如「大涨后逢高减仓」），用户看报告是为了决?
出现次数+准确率单独展示： 拆成「总共出现N?| 符合M?| 准确率Z% + 进度条?
*数据单位人性化? volume(?→手，amount(?→万?亿元

📝 更高质量报告

如需生成排版更精美的报告（灵活字?颜色/布局/多图组合），LLM 可自行编写脚本调?ghdata/data_fetcher.py 的数据采集函数生?DOCX，reporter.py 仅作为兜底方案?

🔴 铁律：WebAPI 无数据时付费内容占位策略

当服务端量化引擎返回空数据（apiKey无效或额度用完）?*严禁**使用本地纯数学规则生成虚假预测?

*原因? 本地纯数学规则没有历史回测验证、没有准确率追踪、没有自学习积累，输出结果无可靠度评估，等于给客户幻觉数据?

?*正确做法：生成付费内容占位章节，而非直接跳过? 章节十一（K线技术分析）、十二（方向预测）、十三（历史规律总结）在检测不到量化数据时，自动生成红色标记的付费内容提示 + 该章节付费后可查看内容的详细描述。这样客户即使没有付费也能看到付费后能获得什么，利于转化销售?

占位展示效果

🔴 【付费内容】十一、K线技术分? 当前apiKey无效或额度已用完，以下为付费后可查看的完整内容预览：
  📌 均线分析：MA5/MA10/MA20/MA60数值及排列形?..
  📌 MACD指标：DIF/DEA数值、金?死叉信号...
  📌 ...
💳 购买apiKey：https://www.oraskl.com/ghdata-admin

处理流程

服务端量化引擎请??检测返回数据是否有?
  ├─ 有数??正常生成完整分析（章节十一~十三全内容）
  └─ 无数??生成付费内容占位
               （含红字付费标记 + 内容预览 + 购买链接?

⚠️ 数据注意事项

新浪财经 hq.sinajs.cn 是实时收盘价最可靠来源
腾讯分钟数据 成交量是累计值！需差分计算
*同花顺资金流? 收盘价可能不准确，须用新浪验?
*股票代码? 60xxx/68xxx=上海?0xxx/30xxx=深圳
今日K线（todayKline）： 盘中必传（客户端自拉腾讯API实时K线，18:00前DB无今日数据）；收市后可不传（18:00日更新服务已将今日K线写入DB?
K线图（LINE_CHART）： 仍需通过 generate_kline_chart 工具生成PNG（工具内部自拉腾讯API?
技术指标/信号/规律/准确率： 均由服务端统一计算，客户端不再本地计算
无数?无价值： 降级版（lite）对用户毫无意义，要么拿全数据出完整版，要么不出
🔴 禁止硬编码： 任何代码和规则中**不得出现针对某只股票的特化数?*（如 eps_est=0.26 这种特定股票的EPS、行业描述、行业PE/PB均值等）。所有数据必须从API实时获取或从已有数据动态计算（?EPS = price / PE）。SKILL.md 中的示例必须使用通用占位符，不得出现具体股票名称?

DOCX 报告数据单位人性化

| 字段 | 原始单位 | 报告展示单位 | |:----|:--------|:-----------| | volume | ?| 手（÷100?| | amount | ?| 万元（?0000）或亿元（?00000000?| | 流通市?总市?| ?| 亿元 |

📄 风险提示与免责声?

本报告仅供参考，**不构成任何投资建?*。投资者据此操作，风险自担?

数据来源：新浪财?hq.sinajs.cn)、腾讯财?qt.gtimg.cn/ifzq.gtimg.cn)、东方财?datacenter-web.eastmoney.com)、同花顺(stockpage.10jqka.com.cn)

*股票投资有风险，历史数据不代表未来表现?

股海罗盘（gh-data）?A 股股票量化分析技?

股海罗盘（gh-data）?A 股股票量化分析技?

配置

🚀 核心工作流（每次分析必须执行?

阶段 A?6 维数据采?

阶段 B：量化分析（?

阶段 C：报告生?

📈 个股分析（LLM 指令?

用户输入匹配?

分析结果展示格式

Python执行代码

🤖 自学习系统（LLM 指令?

自学习机制说?

用户可以怎么?

自学习内容展示格?

📈 个股自学习画像（LLM 展示格式?

LLM 分析结论示例

🎯 选股功能（LLM 指令?

四种选股方式说明

用户输入匹配?

结果展示格式

LLM执行代码

注意事项

📊 14 章分析报告结构（最终定版）

三种分析展示格式

fin_analysis 使用规则（财务解读）

🔑 apiKey 管理

📈 综合评分加权公式（定版）

🔴 方向预测铁律（Andy 铁律 ?必须严格遵循?

1. 方向预测展现顺序

2. 方向判定 + 置信?

3. 历史准确??三时段展示（Andy 铁律?

4. 股价预测范围 ?三要素铁?

5. T+1 预测（下一交易日）

6. T+2 预测（格式同上）

7. 周方?

8. 判断依据 ?二维表展?

📈 历史规律展示格式（定版）

场景化标?

展示模板

已识别规律（由服务端 自动返回?

📚 自学习规律跟?

展示格式

处理逻辑

📐 T+1/T+2/周方向推算逻辑

🌟 报告内容人性化原则

📝 更高质量报告

🔴 铁律：WebAPI 无数据时付费内容占位策略

占位展示效果

处理流程

⚠️ 数据注意事项

DOCX 报告数据单位人性化

📄 风险提示与免责声?

已识别规律（由服务端自动返回?