shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsAPI key required

同花顺股票二次分析

基于同花顺金融数据（hithink-finance）的 A 股/ETF 二次分析技能。当用户要研究 A 股个股或 ETF（速览卡、财务预测、估值贵便宜、全面分析、基金持仓穿透）、扫描 A 股市场（情绪面/涨停炸板连板、板块轮动、龙虎榜、业绩前瞻日历）、用本地日K回测交易策略、结合板块轮动与情绪与龙虎榜多能力交叉验证选股或复盘历史推荐、或做长期资产配置（定投方案、股债黄金配比、再平衡阈值）时使用。含 13 项能力——DuckDB 回测引擎、个股/ETF 速览卡、财务预测器、估值仪表盘、业绩前瞻日历、市场情绪扫描、板块轮动雷达、股票全面分析、穿透分析、组合风险管理、龙虎榜事件解读、多能力协同选股与推荐复盘、价值投资配置。前置条件是已安装 hithink-finance skill 并配置 API Key。

personAuthor: user_e285fd2ehubcommunity
downloadDownload package

同花顺股票二次分析（ths-stock-analysis）

概览

本技能是 hithink-finance 的上层二次开发，将同花顺原始行情/财务/估值数据加工为研究视角的分析产物。已落地能力：

| 序号 | 能力 | 资产 | 状态 | |---|------|------|------| | ⭐1 | DuckDB 回测引擎（重点功能）：20大经典策略模板回测（10 经典 + 9 短线 + W底）+全策略对比 | scripts/bt_backtest.py + gen_backtest_report.py + strategies.json + references/回测引擎指南.md | ✅ 已实现 | | 2 | 个股/ETF 速览卡（Tearsheet） | scripts/gen_tearsheet_stock.py + gen_tearsheet_etf.py | ✅ 已实现 | | 3 | 财务预测器（三情景+敏感性）【仅个股】 | scripts/gen_forecast.py | ✅ 已实现 | | 4 | 估值仪表盘（历史分位/行业对比）【个股 + ETF 估值版】 | scripts/gen_valuation.py + gen_valuation_etf.py | ✅ 已实现 | | 5 | 业绩前瞻日历（披露高峰+市场期待）【市场级，无单标的版】 | scripts/gen_earnings_calendar.py | ✅ 已实现 | | 6 | 市场情绪面扫描器【市场级，无单标的版】 | scripts/gen_sentiment.py | ✅ 已实现 | | 7 | 板块轮动雷达（动量/信号/资金）【市场级，无单标的版】 | scripts/gen_rotation.py | ✅ 已实现 | | 8 | 股票全面分析（全维透视·单股研究）【仅个股，ETF 指引见正文】 | scripts/gen_comprehensive.py | ✅ 已实现 | | 9 | 穿透分析（基金持仓↔个股抱团）【ETF↔个股双向】 | scripts/gen_penetration.py + gen_penetration_zjky.py | ✅ 已实现 | | 10 | 组合风险管理（相关性/回撤/分散）【多标的组合版，天然含 ETF】 | scripts/gen_portfolio_risk.py | ✅ 已实现 | | 11 | 龙虎榜事件解读【市场级，无单标的版】 | scripts/gen_lhb.py | ✅ 已实现 | | 12 | 多能力协同选股（轮动×情绪×龙虎榜×回测 → 精选 N 股）【编排型：整合 #7/#6/#11/#1，无独立数据源；含 #8 验证关卡 + 推荐复盘】 | scripts/gen_reco_picks.py + scripts/review_picks.py | ✅ 已实现 | | 13 | 价值投资配置（长期配置 / 定投 vs 低价买入判据 / 三档配比）【框架型：不择时、不需频繁更新；首次生成、之后先判有效性、有效即直接返回】 | scripts/gen_value_investing.py + scripts/value_*.py（判定·证据·回测·估值） | ✅ 已实现 |

附加功能（不属于上述 13 个能力）：本技能产出的 HTML 报告是自包含的（样式内联、无外部依赖），因此可以把它们搬到自己电脑上、用一个本地 Web 平台逐个点击浏览。完整构建方案（架构决策 / 数据区契约 / 日期门禁 / 验证方法论 / 全部踩过的坑）见 references/构建个人量化平台指南.md。

前置条件（重要）

  1. 必须已安装并配置好 hithink-finance skill（用户级 ~/.workbuddy/skills/hithink-finance/ 或项目级 .workbuddy/skills/hithink-finance/ 均可，WorkBuddy 自动发现），并已配置统一 API Key（%APPDATA%\hithink-finance\credentials.env 或用户级环境变量 HITHINK_FINANCE_API_KEY）。
  2. CLI 可用：hithink-finance --version 有返回值。 ⚠️ 报「找不到 CLI」时先别怀疑环境变量——实测 PATH 与 npm root -g 可能都是对的。 真因通常是 node 版本目录更换导致 npm 全局包丢失（WorkBuddy 每个 node 版本一个目录， 升级时旧目录被删、包跟着没了）。ths_cli.cli_command() 已内置版本无关目录探测 （<node根>/cli-shared/node_modules + versions/current 指针解析 node）， 所以多半能自愈；仍失败则用国内镜像重装到 cli-shared（官方源会卡死）—— 完整诊断与修复步骤见 references/CLI与数据坑清单.md 坑 76。
  3. 数据来源铁律（最高优先级）：hithink 能取到的一律走 CLI；接口没有的字段宁可用公开披露补齐并显式标注来源，也不编造。所有原始数据必须经 hithink-finance CLI 拉取（JSON 文件 command 字段可证）；唯一例外=接口缺失字段（如龙虎榜买卖席位营业部名）→ 用 WebSearch 公开披露补齐，且页面必须显式标注"WebSearch 公开披露"、页脚口径写明，绝不冒充 hithink 数据。
  4. 数据必须交叉验证：接口返回看似合理的数据时，用业务常识校验（次新股上市日期、XD 除息标记、与涨停池/龙虎榜交叉比对）——详见 references/CLI与数据坑清单.md。
  5. 数据新鲜度门禁（开工必做）：任何依赖本地 DuckDB 的分析开工前，先把数据更新到最新——本地库滞后会让本地查询缺最近数据（涨跌家数直接为空），被迫转远端 + WebSearch 兜底，费时且口径不一致（2026-09-03 教训：库停 08-21，情绪扫描涨跌家数折腾半天）。执行：
    • 一键：python scripts/ensure_data.py（落后则询问 y 同步 / n 跳过 / q 退出；Agent 非交互默认自动同步）或 --check 仅检查（exit 0=已最新 / 1=落后 / 2=未初始化 / 3=CLI 异常）、--yes 直接同步
    • 手动：db query --sql "SELECT max(date) FROM raw_kline_daily" 查本地最新 → 落后 ≤10 自然日 data sync 增量（约 1-3 分钟）→ >10 自然日全量重拉（坑 24，见 references/CLI与数据坑清单.md）
    • "最新完整交易日" = calendar 中 < 今天的最大日期（当日日K收盘后晚间才发布，盘中勿把当天当目标，坑 23 见 references/CLI与数据坑清单.md）
    • 当日收盘数据可用性快速探测（remote 类当日报告开工前，2026-09-07 实证）：index history 拉上证 000001.SH 最近 5 日窗口（--source remote）→ 看 data.item[-1].date_ms 对应日期 == 今天 且 turnover 与近期交易日同量级（如上证 8979 亿 vs 前日 9383 亿）→ 判定当日完整收盘已发布、可开工；收盘后约 1.5h（16:30+）remote 通常已就绪，若仍停在上一交易日 → 如实告知用户"今日数据未发布，暂不做"，勿用旧数据顶替（用户 2026-09-07 明确要求"没有数据就先不做"）
    • 依赖本地库的能力：#1 回测（DuckDB/parquet）、#6 情绪（涨跌家数）、#7 轮动（板块历史量能）、#10 组合（个股复权K）——回测引擎已内置检查，其余能力用 ensure_data.py 或手动先行更新

通用收尾：构建后自检（做数据版脚本时必跑，2026-09-17 起）

模板是「读 skill 模板 → 正则替换数据区 → 写成 gen_xxx_日期.py → 运行」。这一步的失败几乎都是静默的 （漏 NAME = 前缀、DATE 没换、模板数据区变量没重新定义…），靠记忆和事后 grep 逐个查成本极高。 现把判据固化成脚本，跑一次代替逐条排查：

  • scripts/check_build.py — 构建链路自检器（覆盖坑 28/33/42/44/46/52/53/54/55/56/58/59/60/61 + 63/64/65； 另含 L1 网格填不满、L2 顶部右块整块跳行 / 被 max-width 压扁（都表现为「右半边空」）、 L3 宽表装不进容器（.wrap 内容宽 < 最宽表 min-width → 用户要拉横向进度条）、 H7 补丁空壳（** ** / （）：写补丁时反引号被 shell 吃掉）、H8 禁用行话（黑名单 BANNED_JARGON）、 P1 止损 < 入场区下限、 N1 叙述里手抄的当日数字 四类结构/口径检查）：

    python "<skill>/scripts/check_build.py" --builder  build_xxx.py                       # 构建器静态检查
python "<skill>/scripts/check_build.py" --script   gen_xxx_MMDD.py --template "<skill>/scripts/gen_xxx.py" \
       --expect-date 2026-09-17                                                        # 生成脚本
python "<skill>/scripts/check_build.py" --html     产物.html --hist hist.json --expect-points 252 --expect-date 2026-09-17
python "<skill>/scripts/check_build.py" --codes    codes.txt                           # 喂 CLI 的参数清单 CRLF（坑 28）
python "<skill>/scripts/check_build.py" --selftest                                     # 自检：用故意写坏的样本证明检查器有效

    退出码 0=全过 / 1=有必须修的（❌） / 2=仅告警（⚠️）。出现 ❌ 必须先修再交付。

  • scripts/ths_indicators.py — 指标与 K 线口径的唯一实现：MA(简单均值) / RSI14(Wilder) / MACD(12,26,9) / 布林 %B(样本 σ，与 SQL stddev_samp 同口径) / 量比(不含当日) / 乖离 + 近一年 = 252 交易日窗口 + K 线双结构解析（本地 date/close 与远端 date_ms/close_price）与 round(2) 落盘；本地库路径运行时解析（HITHINK_DUCKDB → LOCALAPPDATA，禁止写死个人路径）。

  • scripts/report_artifact.py — 产物文件名契约的唯一实现（能力 #6 / #7 / #12 三个渲染器共用；新增渲染器一律接上）： 渲染结束后按契约名实测产物在场、非空壳、是 HTML，且 mtime 不早于本轮渲染开始（not_before）。 失败时列出目录里实际有什么，并点出真因（数据区写坏了决定文件名的变量 / 忘了注入 THS_WORKSPACE）。 为什么必须有：模板的输出目录由 THS_WORKSPACE 决定、只改 cwd 无效（2026-09-21 踩过）； 且文件名由数据区变量参与拼装（#12 的 N）→ 「subprocess 退出码 0」不等于「产物是对的」。 ⚠️ not_before 那一半不可省：模板落盘名被改掉时，上一轮遗留的同名旧文件会把失败伪装成通过（2026-10-09 实测）。 自检：python scripts/report_artifact.py --selftest（7 项，含 5 个负例）。

  • 日更链路（能力 #12 一键准备） —— 「取数 → 形态扫描 → 板块轮动 → 候选交叉」一条命令跑完，只剩「逐只写 why/risk/plan 叙述」与「渲染选股报告」两件人工步骤：

    • scripts/daily_prep.py --date YYYY-MM-DD [--workspace W] [--no-sync] [--main-kw A,B] — 总编排（同目标日的有效数据默认复用；--force-refetch 强制重取；上游限流致池缺失时用 --only-special 只补那批）： ① 数据门禁（本地库 max(date) < 目标日才跑 data sync，且与 API 取数并行，因为 sync 实测 ~150s） → ② 并行取数（5 个当日池/龙虎榜 + 27 条指数历史 + 7 只板块 ETF + 指数快照） → ③ 导出前复权 parquet → ④ 形态扫描 → ⑤ 板块轮动 → ⑥ 候选交叉 → ⑦ 打印交接清单 （市场宽度 / 涨停结构 / 指数快照 / 板块前三 / 主线词 / 候选 Top12，全部算好供叙述直接引用，不要手抄）
    • scripts/sector_pool.py — 权威 26 行业板块池 + 上证基准（唯一来源）；报告 featured 板块一律 top_by() 从数据取， 禁止写死板块名（09-21 教训：沿用上一交易日的「半导体/通信设备」当主线，当日实际第一是化学制药）
    • scripts/calc_rotation.py — 26 板块 1/5/20/60 日动量 + 量比 + 20日超额（能力 #7 口径唯一实现）
    • scripts/scan_signals.py — 全市场 W底 / 60日新高 形态扫描（find_w_bottom() 与 bt_backtest.py 同款）
    • scripts/render_sentiment_report.py --date <日> [--data narr.json] [--out <dir>] — 能力 #6 情绪报告渲染器： 数字全自动算（涨跌家数/中位数、涨停/跌停/炸板、封板率、近 5 个交易日涨停家数、板块热度关键词归并、 持续涨停≥3 天、龙虎榜净买 TOP6、指数收盘；交易日窗口按本地交易日历定位、自动跳过休市日）； 叙述由 --data 传 JSON（HERO_SUB/DIAG_EXTRA/WEEK_/FOCUS_/PERSIST_INSIGHT/DIAG/SUMMARY/SECTOR_VIEW/SECTOR_TOP）， 缺字段时用中性自动文本兜底（页脚标注「自动生成」），脚本永不因缺叙述而失败
    • scripts/render_rotation_report.py --date <日> [--out <dir>] — 轮动报告渲染：featured 板块、ETF 行、 洞察文案全部按当日数据取（今日最强/第二/20日榜首/最大资金池/收绿第一/20日垫底），ETF 无对应对照如实标注
    • scripts/sector_map.py --out-root <output> [--refresh] [--codes A,B] — 个股↔板块映射（90 个同花顺二级行业成分股， 缓存 <output>/sector_members.json，覆盖率 100%、每股唯一归属一个行业；--refresh 季度重取。 ⚠️ 缓存与板块池不一致时会自动重建（否则静默退化，见坑 71）
    • scripts/pick_facts.py --date <日> --codes A,B --dir <reco_MMDD> --out-root <output> — 候选事实卡： 一次给出「短线技术指标（import ths_indicators）+ 估值/中报（CLI 批量+并行）+ 当日池/龙虎证据」，写 why/risk/plan 直接用。 ⚠️ 可分批调用、结果按日合并（2026-10-04 起）：同日多次跑会与已有 facts_MMDD.json 合并，不会覆盖 —— 早期是覆盖写，补跑候选会把前一批静默抹掉（终端表格照常打印，看着正常）
    • scripts/value_investing.py [--status|--force|--selftest] — 能力 #13 的有效性判定 + 缓存 + 渲染： 默认「先判有效 → 有效直接返回、失效/首次才重算」；--status 只看状态；--force 强制重算； 缓存 <工作区>/.workbuddy/output/value_investing/config.json（生成日/有效期/5 个锚点基准值）。 ⚠️ ANCHORS 必须与 gen_value_investing.py 的 ANCHOR_TEXT 一致（v5 去掉美元债QDII）
    • scripts/gen_value_investing.py — 能力 #13 的 HTML 模板（v8：4 区块 6 表，由 v7 的 8 区块 13 表精简 42% 体积）： 01 执行总表（6 列：资产·操作方式 / 场外基金代码 / 三档占比 / 怎么投 / 怎么撤 / 现在该怎么做， 最后一列直接给动作：分批建仓·照常定投·一次性配足·本月不投·先留足；表下附「月结余 10,000 元」的金额换算示例； 紧接「现在贵不贵」估值表与再平衡铁律）/ 02 判据与证据（判据卡 + 跨资产同窗口对比 + 定投期限胜率 + 回测 + 逐年）/ 03 三个指标怎么看 / 04 理论依据与回避清单。 ⚠️ 单一数据源：配比只在 ALLOC 定义，执行总表的占比列由它生成； MAIN 的资产名必须与 ALLOC 一致（build() 有断言），value_backtest.py / value_investing.py 都读 ALLOC。 ⚠️ 不要写「去哪儿查」类教程（用户明确不要）；估值要给当前值 + 历史分位 + 当下结论，并标注来源与日期。 ⚠️ 基金代码须联网核实后才能写（不许臆造），并注明核实日期。 ℹ️ 禁用行话（如「腿 / 一腿」）与页面宽度已由 check_build.py 机械校验 —— 分别是 H8（黑名单在 check_build.BANNED_JARGON）与 L3（.wrap 内容宽 ≥ 最宽表 min-width）， 不必记规则，跑一次 --html 即知。本能力当前宽度 1200px（其余 15 个模板仍 960px，用户明确说不改）。
    • scripts/value_evidence.py [--selftest] [--compare-years N] — 能力 #13 的实测证据计算（可复现）： 并列输出 5 种口径（A 等权每日再平衡 / B 等权月度再平衡 / C 等权买入持有 / D 个股收益分布 / E 官方指数）， 含滚动持有与月度定投的胜率·IRR；--compare-years N 另出「同窗口跨资产对比」表（指数 + QDII ETF 混排）。 产物落 <工作区>/.workbuddy/output/value_hist/evidence.json。 ⚠️ 口径差异必须随结论一起讲（坑 75：A 口径含波动收割，比 C 高约 +4.9pct/年，不是可交易收益）； ⚠️ 取数留 40 天窗口边距（SAFE_MARGIN_DAYS，坑 74：贴边 1826 天也返回空）
    • scripts/value_valuation_check.py [--fund|--top|--selftest] — 能力 #13 的「基金估值/股息率速查」： 取标的 ETF 的前十大重仓 + 权重（fund holdings，接口只给 top10）→ 批量取 PE(TTM)/PB(MRQ)（valuation snapshot；接口无股息率字段）→ 股息率用「近 12 个月前复权收益 − 未复权收益」反推（本地库 v_daily_qfq vs v_daily）→ 按权重归一加权 （PE 用调和平均，避免极低 PE 被拉偏）。 ✅ 已用已知标的校验：中国神华 6.11% / 工商银行 4.64% / 五粮液 3.35%（与实际相符）。 ⚠️ 这个口径是「已实现分红回报」，≠「分红 ÷ 现价」的预期股息率，两者都要看、别混用； ⚠️ 只有前 10 大重仓 → 是「重仓部分」口径；分位算不出（接口无指数估值历史）→ 须看中证指数官网/支付宝「指数红绿灯」
    • scripts/value_backtest.py [--all|--forward|--bond|--selftest] — 能力 #13 的组合历史回测： 权重直接读 gen_value_investing.py 的 ALLOC（不另写一份，避免双份数据漂移）， 每日盯市 + 定期再平衡（D/M/Q/Y/N）+ 单边成本（--cost-bps，默认 10bp）。 输出累计/年化/最大回撤/波动/夏普/逐年/滚动 12 个月/换手率 + 各标的单独表现。 --all 出三档 × 四频率敏感度；--bond 换债券腿做敏感性；--forward 出前瞻中枢（加权算术，非预测）。 ⚠️ 数据源同 value_evidence：接口窗口硬上限 ~5 年（本地库无 ETF）→ 样本只有一轮市场环境，不可外推； ⚠️ ETF 未复权（分红被除权剔除）→ 系统性低估；❌ 现金腿不要用 511990 华宝添益（价格恒 100、收益走分红，序列收益恒 0）， 用 511880 银华日利（净值随收益累积）
    • scripts/render_picks_report.py --date <日> --data <数据区文件> — 选股报告渲染：把数据区注入 gen_reco_picks.py， 注入前校验（DATE 一致 / STOCKS 存在 / TPL 要求的变量齐全 / N 必须等于 len(STOCKS)）并自动跑 check_build --script 自检，通过后才渲染；渲染后再由 report_artifact.expect() 校验产物契约
    • scripts/cross_evidence.py — 形态 × (涨停池 / 龙虎榜 / 当日主线) 交叉取证；主线词由当日数据自动推导 （涨停热词 + 轮动强势板块名，并可 --main-kw 追加），避免每天手写/沿用旧主线

  • scripts/ths_cli.py — CLI 调用与并行取数助手（唯一实现，各脚本不要再各写一份 subprocess）：cli_command() 运行时定位 CLI（env HITHINK_CLI → PATH → node_modules，不写死个人路径）、run(args) 单次调用（失败转 {"ok": false} 不抛异常）、run_many(arg_lists, workers=8) 并行（与输入同序、单项失败隔离）、duckdb_path() 解析本地库路径。自检：python scripts/ths_cli.py --selftest（实测并行加速比 + 命令名正/负例 + 稳定启动器 CRLF/ASCII）。 另含 SKILL_COMMANDS + verify_commands()：拿 hithink-finance capabilities（104 条机器可读命令路径） 逐条校验本技能用到的命令路径；新增 CLI 调用后把路径加进 SKILL_COMMANDS 即可。 另含 _explain_unknown_command()：任何调用（含临时探测脚本）写错命令名时， 报错里直接给「可用命令组 + 本技能别名指向」（如 lhb → special dragon-tiger）。 ⚠️ 注意区分：技能脚本一直是对的（daily_prep.py 自 2026-09-22 起就用对 special dragon-tiger）； 踩坑的是"凭记忆手打命令名"的临时探测 —— 见坑 77①。 ⚠️ ≥3 个独立 CLI 调用必须并行：单次调用固定开销 ~1.2s，27 条指数历史串行 41.9s → 并行 12.4s（坑 68）。 另含当日市场口径：market_breadth(target)（涨跌家数/中位/均值，口径=收盘 vs 前收）与 limitup_pool_stats(json)（涨停家数/连板分布/热词 TOP，口径=交易所涨停池）—— 报告叙述里的当日数字一律从这里取，禁止手抄（坑 63/64）。 短线/口径类脚本一律 import 它，别再各写一遍（口径见 references/CLI与数据坑清单.md 坑 35/61）。

能力 #1：DuckDB 回测引擎（已实现 · 重点功能）

回答"这个策略历史赚钱吗？"——用本地 DuckDB 前复权日K对用户定义的交易策略做事件驱动回测。

资产：

  • scripts/bt_backtest.py — 回测引擎 v3.6（策略模板引擎：读同目录 strategies.json 定义，SQL 一次预计算 MA/RSI/布林/唐奇安/新高低/连板/KDJ/MACD/乖离/连阳等全部指标，按 buy_signal/sell_signal 分派信号；--strategy <id> 跑单个 / --all 批量 / --universe <thscode,...> 限定标的池 / --parquet <path> 自定义数据源（ETF/指数，默认 A 股 bt_qfq_1y.parquet）/ --force 跳过数据检查；内置数据就绪检查（交互式）：启动即检测 DuckDB 本地库是否初始化 + 回测数据最新交易日是否 ≤30 天，不满足打印初始化/更新方法并询问用户是否先更新数据（y=更新后重跑 / n=跳过继续 / q=退出，非交互默认退出）；v3.6 起自动加载/生成股票名称映射回填 trades.name；输出 bt_result_{id}.json + bt_all.json）
  • scripts/strategies.json — 20 大策略定义（五要素 + 信号 + 参数：10 经典 + 9 大短线策略 + 形态反转 W底双底突破）；这是策略定义的唯一来源，引擎/报告生成器按脚本同目录读取
  • scripts/gen_backtest_report.py — 报告 HTML 生成器 v3.2（--strategy <id> / --out <dir> 指定报告输出目录；交易明细含选股日/买入日/卖出日/触发日/股票名称/候选数/当前资金列，05 卖出原因分布，06 区块为 20 策略横向对比表，07 优化与风险；每策略专家分析文案在 ANALYSIS 字典，新增 9 策略文案齐全；输出文件名自动净化 Windows 非法字符）
  • examples/10策略回测/ — 经典策略定义文档 + 20 份完整回测报告 HTML（2026-08-21 版：10 经典 + 9 短线 + W底双底突破），展示模板成品形态

✅ 路径约定（v3.5 起）：策略定义 = 脚本同目录 scripts/strategies.json（永远以 skill 内版本为准，工作区不再需要副本）；数据与产物 = <工作区>/.workbuddy/output/（自动创建）。 运行规范：直接用 skill 里的脚本跑，不要复制脚本到工作区再跑——优先保证 skill 正确。 THS_WORKSPACE="<工作区>" python "<skill>/scripts/bt_backtest.py" --all（未设 THS_WORKSPACE 时 = 当前运行目录） 两个脚本启动时都会打印实际读取的策略定义路径与个数，便于确认。自定义策略文件可用 THS_STRATEGIES 覆盖。

功能亮点（重点介绍）：

  1. 策略模板化：strategies.json 中定义一个策略仅需五要素（买入时机/买入仓位/卖出时机/卖出仓位/选股条件）+ 信号 ID（buy_signal/sell_signal），引擎自动执行回测并渲染完整报告；自定义策略只需新增条目或扩展信号函数
  2. 内置 20 大经典策略开箱即用：趋势跟随（双均线金叉/MA20放量突破/海龟唐奇安/布林突破）、超跌反转（RSI超卖/60日新低）、动量追涨（120日新高/均线多头回踩）、打板博弈（涨停低吸/二连板接力）、形态反转（W底双底突破）、9 大短线策略（2026-09-10 新增）：KDJ 低位金叉 / MACD 零轴下金叉 / 向上跳空缺口放量 / 缩量回踩 MA5-MA10 / 强势股首阴低吸 / 均线粘合向上突破 / 放量连续阳线接力 / 强势股缩量回踩 MA20 / 涨停基因缩量回踩——--all 一键批量回测（20 策略 ≈45 秒）
  3. 全指标 SQL 预计算：MA5/10/20/60、RSI14、布林±2σ、唐奇安通道、60/120日新高低、量比、连板 streak、KDJ(9,3,3)、MACD(12,26,9) 真 EMA、乖离 bias20、连阳 cnt_up、振幅 amp5、前后状态 LAG 列一次算齐，Python 端仅做信号分派与事件循环（132 万行 × 20 策略 ≈ 45 秒）
  4. 交易明细完全透明：每笔交易含 选股日/买入日/卖出日/触发日/股票名称/买价/卖价/收益/持有天数/当日候选数/当前资金（100万滚动）/卖出原因 13 列；卖出日=信号触发日次日开盘成交口径显式标注（策略定义如此，非延迟执行）
  5. 候选选择规则（用户可配置）：当日满足买入信号的股票常达数十上百只（海龟平均 245 只/日、RSI 超卖 821 只/日）——回测前提示用户选择候选排序规则，默认取「当日成交额最大」1 只（热度代理 [ASSUMED]）；用户可选择默认，或自定义规则（如换手率最高/龙虎榜净买最强/自定义打分公式，改 bt_backtest.py 选股处即可）
  6. 20 策略横向对比：每份报告 06 区块自动展示全部策略排名表（bt_all.json 驱动、按总收益排序、当前策略 ★ 高亮），任何单策略报告都带全市场视角
  7. 双口径收益：总收益含期末未平仓浮动（标准回测口径）+ 每笔平仓后 equity（落袋口径）并列展示
  8. 视觉统一：浅色金融仪表盘、深蓝#1f3a93+金#c9a227、红涨绿跌、insight 金色结论条——与其余 11 项能力完全一致
  9. 数据就绪检查（防坑前置·交互式）：回测启动即自动检查 ①DuckDB 本地库是否初始化 ②回测数据最新交易日是否在一个月内——不满足则打印初始化/更新方法（data init 全量重拉 / data status 查落后 / data sync 增量），并询问用户「是否先更新数据再回测？」（y=去更新 / n=跳过检查继续 / q=退出，非交互环境默认退出）；确需强制用旧数据可 --force
  10. ⚠️ 稳健性检验（坑 40，必做）：单标的满仓 + 短样本期极易产出"单笔驱动"的假优势——strong_pullback_ma20 表面 +161.2% 排第 1，剔除单笔 +143.41% 后仅 +0.8%、中位数 -1.05%。任何策略排名必须先算「剔除最大单笔/前 3 大单笔」后的收益并在报告显式标注，不得只看总收益下结论

⚠️ 策略五要素确认（强制，回测前必做）：回测引擎执行前，必须先确认用户策略包含以下五项，缺任何一项 → 明确提示用户补充，不得擅自假设：

  1. 买入时机：何时买（如"次日开盘 ≥ 昨收 -3% 买入"）
  2. 买入仓位：买多少（满仓/半仓/分批，单笔比例）
  3. 卖出时机：何时卖（止盈/止损/持有天数规则，如"当日收阴第 3 天开盘卖""单日跌超 7% 止损"）
  4. 卖出仓位：卖多少（清仓/分批）
  5. 选股/筛选条件：买什么（连板数/均线形态/板块强势/热度等过滤） 五要素映射到 bt_backtest.py 的 CFG：买入时机=buy_signal+gap_threshold、买入仓位=仓位规则、卖出时机=sell_signal+stop_single+stop_consec_sum、卖出仓位=清仓比例、选股条件=strategies.json 的 buy_signal 参数。 自定义策略时按 assets/自定义策略五要素模板.json 逐项填写，追加到 skill 内 scripts/strategies.json（唯一来源，与脚本同目录）。

执行工作流：

  1. 数据就绪检查（引擎自动，无需手动）：运行 bt_backtest.py 时引擎自动检测 ①DuckDB 本地库是否初始化（market.duckdb 存在）②回测数据 bt_qfq_1y.parquet 是否存在 ③最新交易日是否 ≤30 天——不满足打印完整方法后交互式询问「是否先更新数据再回测？」（y=更新后重跑 / n=跳过检查继续 / q=退出）：
    • 未初始化 → 同花顺开放平台签预签名 URL 下载 daily-k+adjustment-factors → hithink-finance data init --kline <文件> --events <文件> → data status 验证
    • 数据过期 → hithink-finance data status 查落后天数 → ≤7 交易日 data sync 增量 / >7 交易日全量重拉（同 init 流程）→ 重新导出 bt_qfq_1y.parquet（db export --sql "SELECT ... FROM v_daily_qfq WHERE date>=..." --output bt_qfq_1y.parquet --file-format parquet，回测窗口最近一年+前 120 日预热）
    • 选 y → 提示按方法更新后重跑；选 n → 警告后继续回测；选 q 或非交互环境（无 TTY）→ 退出
    • 确需强制使用当前数据 → 加 --force 参数（跳过交互直接继续，结果可能基于缺失/过期数据，慎用）
  2. 五要素确认（见上，缺项先问用户）。
  3. 策略定义：自定义策略 → 在 skill 内 scripts/strategies.json（唯一来源）新增条目（buy_signal/sell_signal 从引擎支持的信号表选，或加新信号函数）；经典策略直接用内置 20 个（10 经典 + 9 短线 + W底）。
  4. 跑回测：THS_WORKSPACE="<工作区>" python "<skill>/scripts/bt_backtest.py" --strategy <id>（或 --all；直接用 skill 里的脚本，不要复制到工作区）→ 输出 bt_result_{id}.json（总收益含期末未平仓浮动，equity=每笔平仓后资金）+ bt_all.json 到 <工作区>/.workbuddy/output/。
  5. 名称映射（v3.6 起引擎自动，无需手动）：本地 v_symbol.name 全为 NULL → bt_backtest.py 启动时自动加载 <工作区>/.workbuddy/output/bt_name_map.json（thscode→name）回填每笔交易 name 字段；文件缺失时自动调 hithink-finance symbol list --asset-type a-share --exchange SH,SZ,BJ --limit 10000 --output <path> 生成，失败则告警回退代码。启动打印 名称映射: <路径>（N 条）。

    ⚠️ 若明细「股票」列左右都是代码（曾复发）→ 说明 name 未回填：跑一次 bt_backtest.py（会自动重建映射）再 gen_backtest_report.py。报告侧已有兜底：缺名称时渲染「代码 + 金色待补名称」并控制台告警，不再重复显示两遍代码。

  6. 渲染报告：python "<skill>/scripts/gen_backtest_report.py" --strategy <id> → 输出 DuckDB回测引擎_{策略名}_{YYYYMMDD}.html（默认到工作区根目录，--out <dir> 可改；每策略独立报告，06 区含全策略对比）。
  7. 校验：区块编号 01-07 唯一、交易明细列齐全（卖出日/触发日/名称/当前资金/候选）、无占位符残留、06 对比表当前策略 ★ 高亮、配色正红负绿（A股惯例）。

关键口径：涨停=前复权相邻日收益率（主板 +9.8%/创业板科创板 +19.8%）；连板 streak=非涨停日分组+组内行号-1；RSI14=SMA 均值口径 [ASSUMED]；布林=MA20±2σ（stddev_samp）；唐奇安=前 20 日最高/前 10 日最低（不含当日）；KDJ(9,3,3)=SMA 平滑口径 [ASSUMED]；MACD(12,26,9)=真 EMA 递推；乖离 bias20=close/MA20-1；连阳 cnt_up=截至当日连续收阳天数；板块强势=市场情绪代理（涨停≥20 家且上涨占比>50% [ASSUMED]）；热度=成交额代理 [ASSUMED]；候选选择=当日满足买入信号的全部股票中选当日成交额最大 1 只（20 策略实测：海龟平均 245 只/日、RSI 超卖 821 只/日、二连板仅 6 只/日）；卖出日=信号触发日（跌超/死叉/破位/止盈/到期）的下一交易日，按开盘价成交（trades 含 signal_date 触发日 + cand_cnt 候选数两字段，报告明细列展示）；开盘价成交、满仓单标的、单边 0.03% 费率（印花税未含）；当前资金=初始 100 万按每笔清仓滚动累计；总收益/收益率配色=正红负绿（曾写反，用户纠正）。

已实测结论（20 大策略，2025-08-22~2026-08-21，同期沪深300 +17.1%）：

| 排名 | 策略 | 总收益 | 胜率 | 盈亏比 | 回撤 | |---|---|---|---|---|---| | 1 | ⚠️ 强势股缩量回踩 MA20 | +161.2% | 42.9% | 3.84 | -31.9% | | 2 | 海龟唐奇安通道突破 | +79.0% | 28.6% | 5.55 | -43.2% | | 3 | W底双底突破 | +76.3% | 42.9% | 3.34 | -23.1% | | 4 | KDJ 低位金叉 | +9.1% | 38.1% | 1.95 | -41.2% | | 5 | RSI 超卖反转 | -1.7% | 58.3% | 0.76 | -37.1% | | 6 | 涨停基因缩量回踩 | -3.1% | 33.3% | 2.20 | -44.7% | | 7 | MACD 零轴下金叉 | -9.5% | 33.3% | 2.08 | -46.8% | | 8 | 均线粘合向上突破 | -18.1% | 31.2% | 1.69 | -48.2% | | 9 | 二连板打板接力 | -18.8% | 26.9% | 3.10 | -61.4% | | 10 | 120日新高强势追涨 | -19.7% | 44.4% | 1.19 | -48.0% | | 11 | 向上跳空缺口放量 | -24.1% | 34.0% | 2.00 | -55.1% | | 12 | 布林带突破 | -27.1% | 21.1% | 3.29 | -42.2% | | 13 | 强势股首阴低吸 | -31.4% | 30.4% | 2.13 | -61.4% | | 14 | MA20 放量突破 | -34.9% | 24.0% | 2.01 | -39.6% | | 15 | 缩量回踩 MA5/MA10 | -38.2% | 27.3% | 2.04 | -69.0% | | 16 | 放量连续阳线接力 | -39.3% | 30.0% | 1.83 | -63.0% | | 17 | 均线多头回踩 | -51.5% | 34.2% | 1.06 | -72.2% | | 18 | 60日新低超跌反弹 | -54.3% | 42.4% | 0.55 | -56.7% | | 19 | 双均线金叉趋势跟随 | -54.4% | 22.2% | 1.43 | -61.7% | | 20 | 涨停次日低吸 | -66.3% | 37.0% | 1.02 | -75.0% |

⚠️ 排名第 1 是假优势（坑 40，务必同读）：强势股缩量回踩 MA20 的 +161.2% 中，单笔贡献 +143.41%（688820.SH，2026-04-29 买入、16 个交易日 +143%、92.5→229 元含多板）；剔除该笔后仅 +0.8%，35 笔中位数单笔 -1.05%、平均 +4.41% 全由极值拉动。结论：真正有效的只有海龟 +79.0% 与 W底 +76.3%（均为"等突破确认后右侧买入"）；看排名必须同时看收益集中度。

核心发现：①20 策略真正有效的仅 2 个（海龟/W底，均属"突破确认后右侧买入"），第 1 名经稳健性检验不成立——"追强"（20 日新高突破+宽容离场）完胜抄底/打板/均线交叉；②胜率与盈亏比不可兼得但盈亏比才是盈利关键（RSI 胜率 58.3% 最高却打平 vs 海龟胜率 28.6% 大赚）；③抄底策略全军覆没（弱市"超卖可以更超卖"：RSI -1.7%、60日新低 -54.3%、MACD零轴下金叉 -9.5%）；④打板派追板（-18.8%）优于低吸（-66.3%），但**"买回踩不买涨停"成立**——涨停基因缩量回踩 -3.1% 是打板家族最优；⑤离场规则比入场信号更重要（紧离场系统性误杀，海龟 -10% 止损 + 10 日通道离场最优）；⑥连板高度敏感性：二连板 -18.8% vs 三连板 -83.57%（越高越差）；⑦W底双底突破：+76.3%、回撤 -23.1% 全场最优——唯一跑赢的底部类策略，"等突破确认再买"完胜左侧抄底；⑧9 个新增短线策略中 8 个负收益——仅 KDJ 低位金叉 +9.1%（但集中度高、剔除最大笔转负）；"回踩系"整体弱于"突破系"（缩量回踩 -38.2%、均线多头回踩 -51.5%、首阴低吸 -31.4% vs 海龟 +79.0%、W底 +76.3%）。

ETF 回测（2026-09-02 实测，红利质量ETF华夏 159758.SZ）：

  • 本地 parquet 无 ETF（v_daily_qfq 仅 A 股 60/00/30/68/92）→ ETF 数据走 fund history（远端结构 data.item[]+date_ms/open_price/close_price/volume/turnover）→ 转本地格式 parquet（thscode/date/open/high/low/close/volume/amount，amount=turnover 元）→ --parquet <etf文件> --universe <代码> --tag <名> 回测
  • 基准对比用 ETF 自身区间收益（如红利质量ETF华夏 2025-08-22~2026-08-21 买入持有 +3.9%、回撤 -11.4%），不是沪深300（A 股基准口径仅适用股票池）
  • 打板类策略在 ETF 上 0 笔（ETF 无涨停/连板概念）——streak_2/limit_low_open 不适用属正常；趋势/形态/反转类适用
  • 实测结论：双均线金叉 +8.0%（6 笔/胜率 50%/盈亏比 3.18/回撤 -4.4%）最优——低波动慢牛品种低频择时完胜高频突破（金叉抓主升、死叉躲回调，回撤 -4.4% vs 买入持有 -11.4%）；布林 -9.9%/回踩 -3.5% 等高频磨损最差；11 策略全榜见报告 06 区

能力 #2：个股/ETF 速览卡 Tearsheet（已实现）

触发场景：用户说"生成 XX 的速览卡/一页纸/汇总"、"XX 这只股票怎么样"（需要完整研究卡片时）。

资产：

  • scripts/gen_tearsheet_stock.py — A 股个股速览卡生成器（模板）
  • scripts/gen_tearsheet_etf.py — ETF 速览卡生成器（模板）

执行工作流（个股）：

  1. 消歧：hithink-finance symbol search --q "<名称或代码>" --format json 确认 thscode（注意同名多标的、旧代码误认——如"航天发展"实为 000547.SZ 而非 600677，必要时 WebSearch 验证）。
  2. 取数（按需并行，均为远端接口）：
    • 行情：market snapshot --thscodes <code>
    • 估值：valuation snapshot --thscodes <code>（PE/PB/PS/PCF）
    • 财务指标：financials indicators --thscode <code> --report <期>（先 financials income --period quarterly --limit 2 判断最新报告期）
    • 利润表：financials income --period annual --limit 5 + --period quarterly --limit 3
    • 资产负债表：financials balance-sheet --period quarterly --limit 1
    • 现金流量：financials cash-flow --period annual --limit 3
    • 分红：market corporate-actions --thscode <code>
    • 历史K（近1年前复权，走本地库）：market history --thscode <code> --start-ms <近1年> --end-ms <今天> --adjust forward --output <path>
  3. 查证主营与简介：用 WebSearch 查公司年报/官网口径，填入 CONFIG["biz"] 与 CONFIG["intro"]。
  4. 填模板：编辑 gen_tearsheet_stock.py 的 CONFIG 与数据字典（SNAP/VAL/IND/INC_Y/BS/CF/DIVS/RPT/FY25），并更新 HIST 指向历史K文件。
  5. 渲染：运行脚本 → 输出 {公司名}_{YYYYMMDD}.html → 校验关键数据 → present_files 展示。

执行工作流（ETF）：数据走 fund.* 接口（fund snapshot / fund returns / fund profile / fund holdings / fund dividends / fund history），填 gen_tearsheet_etf.py 对应字典。

能力 #3：财务预测器（已实现 · 适用对象：仅 A 股个股）

触发场景：用户说"XX 未来 3 年营收/利润会怎样"、"财务预测"、"预测 XX 业绩"。

资产：scripts/gen_forecast.py — 财务预测器 HTML 生成器（模板，带 2026-08-21 亨通光电示例数据）

ETF 不适用原因：预测依赖财报历史（营收/归母/毛利率/ROE），ETF 无单标的财报——无 [MISSING] 替代，跳过不强做。

分析框架（专家六维 → 六大区块）： 01 预测综述（判定徽章 + 五维结论）→ 02 历史业绩回顾（5年营收/归母柱状图+增速表）→ 03 成长驱动与假设（4 驱动卡）→ 04 未来 3 年预测（三情景分组柱状图+假设表）→ 05 敏感性分析（2028E 营收×净利率 3×3 矩阵）+ 券商预测对照 → 06 风险提示

执行工作流：

  1. 历史报表：financials income --period annual --limit 5（近5年营收/归母/EPS，注意返回为倒序且无 yoy 字段需自算）+ --period quarterly --limit 3（最新季度判断拐点）+ financials indicators（毛利率/ROE/增速）。
  2. WebSearch 驱动与券商预测：行业驱动（订单/产能/价格）+ 券商一致预期与分机构预测（高盛/中信/建投/大摩等）→ 作为三情景锚点；页脚标注来源（数据来源铁律）。
  3. 三情景模型（[MODEL]/[ASSUMED]）：乐观/中性/悲观各设 2026-2028 营收与归母；中性贴近券商区间中枢（一致预期含激进机构时明确提示参考中枢而非均值，如亨通一致预期 79 亿 vs 分机构 40-50 亿）。
  4. 敏感性矩阵：以 T+2 年为基准，营收（悲观/中性/乐观）× 净利率（悲观/中性/乐观）3×3 归母净利区间。
  5. 填模板：替换 BASE/DATE/WEEKDAY + 数据区（CFG/HIST_YEARS/SCENARIOS/SENS/DRIVERS/BROKERS/RISK/SUMMARY/NOTE）。
  6. 渲染与校验：运行 → 财务预测器_{名称}_{YYYYMMDD}.html → 校验数值 + 区块编号 01-06 + grep 旧标的名 → present_files。

关键口径：预测全部标 [MODEL]/[ASSUMED]（模型输出非公司指引）；券商数据来源显式标注；三情景差值大（差 50-100%+）属正常，用敏感性区间表达不确定性而非单点预测。

能力 #4：估值仪表盘（已实现 · 适用对象：A 股个股 + ETF 估值版）

触发场景：用户说"XX 贵还是便宜"、"估值仪表盘"、"分析 XX 的 PE/PB 历史分位"。

资产：scripts/gen_valuation.py — 估值仪表盘 HTML 生成器（模板，带 2026-08-21 紫金矿业示例数据）

分析框架（专家五维 → 五大区块）： 01 估值判定（贵/中性/便宜徽章 + 五维综述）→ 02 历史分位（PE/PB 5年折线图带均值/中位/当前值 + 5年/3年/1年三窗口分位判定条）→ 03 行业对比（PE 蓝 / PB 绿双条形图，目标股金色高亮 + 行业中位线 + 解读）→ 04 估值锚点（近4年业绩 + 券商一致预期 forward PE）→ 05 风险提示

执行工作流：

  1. 确认 A 股标的：symbol search 消歧；hithink 估值/行情接口仅支持 A 股（港股/美股不可用，如实告知）。
  2. 取数（并行）：
    • 当前估值：valuation snapshot --thscodes <code>（PE_TTM/PB/PS/PCF）
    • 行情：market snapshot（价格/涨跌幅；无市值字段，回溯法不需要股本）
    • 历史K（5年前复权，本地库）：market history --start-ms <5年前> --end-ms <今天> --adjust forward
    • 行业可比：valuation snapshot 批量 6 家同行（按标的主营选同行：如电网设备/黄金铜业）
    • 财务锚点：financials income --period annual --limit 4（近4年营收/归母/EPS）+ financials indicators（最新ROE/毛利率/增速）
  3. 计算历史分位（回溯法，接口无历史估值）：历史PE_i = 当前PE_TTM × (前复权收盘_i / 当前收盘)，算 5年/3年/1年窗口的当前值百分位 + 均值/中位/区间。
  4. WebSearch 补动态估值：券商一致预期归母净利与目标价（forward PE）→ 填 FC；页面页脚标注来源（数据来源铁律）。
  5. 填模板：替换 BASE/DATE/WEEKDAY/HIST + 数据区（CFG/PERC/INDUSTRY/IND_MED/EARN/H1/FC/RISK/SUMMARY/NOTE/PE_NOTE/PB_NOTE/IND_NOTE/FC_NOTE）。
  6. 渲染与校验：运行 → 估值仪表盘_{名称}_{YYYYMMDD}.html → 校验数值 + 区块编号 01-05 + grep 旧标的名清理残留（模板已参数化，insight 全部在数据区）→ present_files。

关键口径：判定=历史分位 + 行业对比 + 动态 forward PE 三视角综合（如紫金"结构分化"：5年96%分位 vs PE 仅行业 6 成）；盈利高增股（净利 5 年翻倍+）回溯法按当前 TTM 净利会低估历史 PE，页脚/风险区必须注明；回溯口径统一标 [ASSUMED]。

ETF 估值版（2026-09-03 新增，scripts/gen_valuation_etf.py）——"这只 ETF 贵不贵？"核心=跟踪指数的估值分位：

  • 数据链路：① hithink CLI：fund snapshot（现价/涨跌/换手/成交额）+ fund profile（规模/费率/经理/单位净值）+ fund history --thscode <代码> --source remote（净值历史 → 区间收益/走势图；无 --fund-type）② 跟踪指数识别：fund profile 无跟踪指数字段 → WebSearch"<基金名> 跟踪指数 代码"（159758 → 中证红利质量 931468.CSI）③ 指数估值分位=WebSearch 公开指数估值源（hithink valuation 仅 A 股个股、ETF 报 FUYAO_3001；index 接口正则白名单仅 SH/SZ/BJ/TI，不覆盖中证指数 931468.CSI）——乌龟量化/A股行情指标表(cs931468)/中证官网/理杏仁多源交叉，多源有差异取主源+辅助源并标注 ④ 10Y 国债收益率 WebSearch（如 1.70%）→ 股息率利差 = 指数股息率 − 国债收益率（红利类 ETF 核心安全垫锚）⑤ 折溢价估算 = (现价−单位净值)/单位净值 [ASSUMED]（非 IOPV）
  • 五大区块：01 估值判定（徽章+五维综述）→ 02 跟踪指数估值分位（PE/PB 10年/5年/3年三分位刻度条 + 判定条）→ 03 股息率利差（指数股息率 vs 10Y 国债 vs 利差 + 安全垫解读）→ 04 ETF 交易面与档案（净值走势 + 区间收益/规模/费率/折溢价）→ 05 风险提示
  • 页面铁律：src-banner/页脚显式提示"同花顺数据不含 ETF/指数估值接口——PE/PB 及分位为公开指数估值源，标注来源与时点"；指数发布年数 < 分位窗口（如 931468 发布 2020-05 约 6 年，"10 年分位"为公开源外推口径）标 [ASSUMED]；多源数值不同属正常（时点/口径差异）页脚全列
  • 执行：填 BASE/DATE/HIST 与数据区（CFG/IDX/DIV/SNAP/RET/RISK/SUMMARY/NOTE + PE_NOTE/PB_NOTE/DIV_NOTE）→ 运行 → ETF估值仪表盘_{名称}_{YYYYMMDD}.html → 校验编号 01-05 + grep 旧标的名/旧指数名清理残留
  • 已实测（红利质量ETF华夏 159758.SZ，2026-09-03）：指数 PE_TTM 16.24、10年分位 21.5%/5年 24.2%/3年 36.0%、近1年股息率 3.06%、10Y 国债 1.70%、利差 1.36pct → 判定"合理（红利中枢偏下）"；examples/估值仪表盘/ 有 ETF+个股共 4 份成品示范

能力 #5：业绩前瞻日历（已实现 · 适用对象：市场级，无单标的版）

触发场景：用户说"未来两周谁要发财报"、"业绩前瞻日历"、"市场在期待什么"。

资产：scripts/gen_earnings_calendar.py — 业绩前瞻日历 HTML 生成器（模板，带 2026-08-24~09-04 中报冲刺期示例）

ETF 不适用原因：披露节奏本质是成分股公司的事件日历，ETF 自身无财报披露——市场级能力，无单只 ETF 的"业绩前瞻"语义，跳过不强做（需要时用速览卡 #2 覆盖基金档案即可）。

分析框架（专家六维 → 六大区块）： 01 披露日历总览（逐日披露量条形图 + 五维综述）→ 02 未来两周重点披露（业绩预告 + 盲盒权重表）→ 03 市场在期待什么（三主线：已披露参照 → 待披露看点）→ 04 万亿"盲盒"权重清单（+估值快照）→ 05 财报周策略提示（券商观点+节奏）→ 06 风险提示

执行工作流：

  1. 确认窗口：当前日期 → 未来两周（10 个交易日）；market calendar 仅返回一年窗口（2025-08~2026-08），窗口在一年内可核对，超出则按 A 股默认交易日推算（8-31 中报截止等规则日历）。
  2. 披露安排（WebSearch，hithink 无披露日历接口）：搜"<年份>年 <月> <日>至<日> 中报/财报 披露时间表 重点公司 业绩预告"→ 获取逐日披露量分布、重点公司披露日、业绩预告区间；页脚显式标注来源（交易所预约+新闻报道，数据来源铁律）。
  3. 重点股估值：valuation snapshot 批量拉盲盒权重/重点预告股 PE/PB（hithink）。
  4. 市场期待分析：已披露龙头（工业富联+96%/江波龙+715倍/平安 1075 亿等）→ 待披露看点（中际旭创/长鑫科技等）三主线梳理。
  5. 填模板：替换 BASE/DATE + 数据区（CFG/DAILY/KEY_DISCLOSURE/BLIND_BOX/EXPECT_LINES/STRATEGY/RISK/SUMMARY/NOTE）。
  6. 渲染与校验：运行 → 业绩前瞻日历_{YYYYMMDD}.html → 校验数值 + 区块编号 01-06 + grep 旧日期/旧公司名 → present_files。

关键口径：披露日期/预告区间为交易所预约与业绩预告公开披露（非 hithink 接口，页脚标注）；披露量分布为新闻报道口径（各源略有差异取主源）；盲盒清单标注统计时点（8-14 时未披露口径），提示可能已提前披露。

能力 #6：市场情绪面扫描器（已实现 · 适用对象：市场级，无单标的版）

触发场景：用户说"做情绪扫描/情绪面分析"、"最近一天市场情绪怎么样"、"生成某交易日的情绪分析"。

资产：scripts/gen_sentiment.py — 情绪面扫描 HTML 生成器（模板 v3.4 全参数化，带 2026-01-05 示例数据；8 处当日叙事硬编码已占位符化→只改数据区不动 TPL）

ETF 不适用原因：情绪面=全市场涨停/炸板/连板梯队/龙虎榜生态，语义上是市场宽度而非单标的属性——单只 ETF 无涨停概念、情绪扫描对它无意义（用户定稿：市场级能力不强做 ETF 版），跳过。

分析框架（专家六维 → 七大区块）： 01 情绪综述（整体+热门板块+高热度个股）→ 02 市场温度（涨停/跌停/炸板/封板率图表+市场宽度）→ 03 指数表现 → 04 板块热度（热度TOP10双色条+热度vs走势解读）→ 05 一周持续关注（涨停家数趋势+资金关注焦点+持续涨停股）→ 06 龙虎榜资金 → 07 情绪诊断（温度分+多空论据+后市观察）

执行工作流：

  1. 数据新鲜度门禁（必做，第一步）：涨跌家数依赖本地库 → 先 python scripts/ensure_data.py 确认本地库已更新到目标日前一日；⚠️ --check 的判据是「日历中 < 今天 的最大日期」，永远不含当天（2026-09-21 实测：晚间 --check 报「已最新 2026-09-18」，但实际当日包已发布）→ 当天收盘后要产出当天报告，必须直接跑 data sync 并以返回的 release_id / 本地库 max(date) 为判据（滞后会致涨跌家数查询为空，2026-09-03 教训：库停 08-21 被迫 WebSearch 兜底、口径不一致折腾半天）。
  2. 确认交易日：market calendar --format json 返回过去一年窗口（~243 交易日，含最近交易日），必须完整解析 JSON（python 解析取最大日期），禁止 head -c 截断看开头（2026-09-03 曾见全 2025 条目误判"不含 09-02"）→ 确定目标日与一周窗口（含目标日前 3-5 个交易日）。
  3. 当日核心数据（--date-ms <当日0点毫秒>）：
    • 涨停池：special limit-up-pool --date-ms <ms> --size 200 --sort-field continue_day_cnt --sort-dir desc（limit_up_reason 含板块标签→板块热度数据源；continue_day_cnt 连板数）
    • 跌停池：special limit-down-pool --date-ms <ms> --size 100
    • 炸板池：special limit-break-pool --date-ms <ms> --size 100
    • 连板梯队：历史日从涨停池 continue_day_cnt 重建（limit-up-ladder 仅返回最近 30 个交易日，不含远期历史）
    • 龙虎榜：special dragon-tiger --date <YYYY-MM-DD>（净买入 TOP6 + 机构/游资净额；无买卖席位明细）
    • 涨跌家数：本地库 db query（SELECT COUNT(*), SUM(CASE WHEN close>open ...) FROM raw_kline_daily WHERE date=DATE '...'，须先过门禁更新）；本地库缺目标日/未更新 → WebSearch 公开披露兜底并显式标注（页脚注明双口径：新闻口径涨停常含未开板新股，与 hithink 涨停池有差，2026-09-02 新闻 54 vs hithink 49）
    • 指数：index history --thscode <code> --start-ms <窗口> --end-ms <次日> 拉窗口，取目标日与前收计算涨跌幅
  4. 一周数据（持续性分析）：
    • 逐日涨停池（3-5 天）→ 板块热度关键词统计（见脚本 SECTOR_KW 模式）+ 持续涨停个股（出现天数≥2/3）
    • 热榜历史不可回溯（坑 1，见 references/CLI与数据坑清单.md）→ "热榜三巨头"区块改为"资金关注焦点"=龙虎榜净买 TOP3 替代
  5. 填模板：替换 BASE/DATE/WEEKDAY + 数据区（TEMP/INDEX/WEEK_UP/SECTOR_TOP/PERSIST_STOCK/FOCUS/LHB/DIAG/SUMMARY/SECTOR_VIEW/NOTE + HERO_SUB/DIAG_EXTRA/WEEK_INSIGHT 等叙事字段，模板 v3.4 已全参数化，只改数据区不动 TPL）。
  6. 渲染与校验：运行脚本 → 输出 市场情绪扫描_{YYYYMMDD}.html → 逐项校验数值 → 检查错误数据残留（旧日期的个股名/日期串不能出现在新报告中）→ present_files 展示。

能力 #7：板块轮动雷达（已实现 · 适用对象：市场级，无单标的版）

回答"钱在流向哪个板块？"——N 个行业板块（22~30+，09-04 实测 26 个）的动量排名+轮动信号+资金流向。

ETF 不适用原因：轮动雷达=行业板块指数间的动量比较（881xxx.TI），语义是"钱在板块间怎么流"，不是单标的属性——单只 ETF 只是某板块的载体，用板块轮动雷达直接回答"哪个行业 ETF 强"即可，无需单标的 ETF 版（用户定稿：市场级能力不强做），跳过。

资产：scripts/gen_rotation.py — 轮动雷达 HTML 生成器（模板 v1.6 全参数化，带 2026-08-21 22 板块示例数据）+ examples/板块轮动/（09-04/09-07/09-08/09-09/09-10 数据版成品示范）

四区块结构：01 轮动综述（判定徽章+五维+主线→ETF 映射小节）02 板块轮动表（N 板块 × 60/20/5/1 日动量矩阵 + 当日成交 + 量比 + 超额20日）03 轮动信号（加速/回暖/回调/放量/滞涨 6 信号）04 资金流向（成交额池+量比）。

v1.6 说明：KPI 第 2 格标签占位符化为 KPI["pos_cnt_k"]（原硬编码"20日正收益板块"，换周期无法复用——09-10 普跌日全场 26 板块仅 4 个红盘，标签需写"今日红盘板块"才准确）。教训：模板里任何会随行情变化的展示文字都必须占位符化，KPI 的"值+标签"成对进数据区，渲染后 grep 一次 KPI 区确认值与标签口径一致（09-10 曾出现"4 个/20日正收益板块"错配）。

v1.5 说明：①判定词两档——hero KPI 显示 CFG.verdict_short（≤6 字，如"农业独强"），01 综述徽章显示 CFG.verdict（必须带具体板块，如"种植业+25.18%独强 · 通信低位反弹 · 贵金属/煤炭高位退潮"，用户反馈无板块名的"低位反弹试错/高位退潮"表述不合格）；②ETF_ROWS=元组(板块定位, ETF 名称+代码, 覆盖口径说明)，渲染在 01 综述卡底部"🎯 主线→ETF 映射"小节——ETF 名称/代码必须 fund profile/snapshot 实测，跟踪指数 WebSearch 公开披露核对，板块行业指数≠ETF 成分的口径差写进说明列（实测教训：881102.TI 20日+9.46% vs 930707 20日+4.55%；"种植业"无一一对应 ETF、中证农业 000949 种植权重仅 ~9%；931160 前十大=光模块/光纤龙头，ETF 涨幅可显著>板块指数，515880 单日+5.95% vs 881129.TI +3.77%）。

当日开工链路（2026-09-07 实证；"今天数据能获取吗，能就做"类需求的标准流程）： 0. 探测数据可用性（见前置条件第 5 条子项）：上证 index history 末条 == 今日且量级正常 → 才开工；否则明确告知"今日未发布，暂不做"

  1. 板块清单：复用 catalog/上次 rotation_{date}.json 的 rows（板块代码稳定、当日不必重拉 catalog），名称映射沿用上次（name_of 由 code→name）
  2. 批量拉 60 日：index history --thscode <code> --start-ms <60+交易日> --end-ms <次日> --source remote 循环 27 个（26 板块 + 000001.SH），输出 idx_<code转_>.json（先 sed -i 's/\r$//' 清清单 CR，坑 28）
  3. 计算落 json（calc 脚本）：校验每板块最新日 == 目标日（不符标 [STALE]）→ 1/5/20/60 日动量 + 量比（5/20 日均 turnover）+ 当日成交亿 + 20 日超额（-上证）
  4. 数据版构建（build 脚本，09-05/09-07 模式）：读 rotation json → 正则替换模板数据区（含 verdict/verdict_short/ETF_ROWS/SUMMARY/KPI/INSIGHT_* 数据叙事）→ 生成并运行数据版脚本 → HTML
  5. ETF 映射：主线/信号板块 → fund profile/snapshot 实测名称规模与当日涨跌 → WebSearch 核对跟踪指数 → 填 ETF_ROWS（含成分口径差说明）；关联度低或未核的板块不硬填
  6. 校验：占位符零残留 + grep 旧日期/旧板块名/旧数值 + 区块 class="no" 出现次数 + ETF 代码各出现（生成后立即用宽式断言，勿用磁盘字节数，见模板约定"校验时机"）

执行工作流：

  1. index catalog --tag industry 取行业板块指数目录（881xxx.TI 一级行业，返回 300+ 条含 884xxx 细分）——按名称关键词先查 catalog 实际名再选（勿凭记忆拼板块名，坑 27 见 references/CLI与数据坑清单.md）
  2. index history 拉各板块 60 日收盘+成交额（板块指数历史含 turnover，data.item[] 时间升序、最新交易日=item[-1]）→ 上证 000001.SH 同期做基准
  3. 计算动量（1/5/20/60 日涨幅）+ 量比（5日均成交/20日均成交，>1 放量）+ 20 日超额（-上证）
  4. 轮动信号：5日 vs 20 日比较（加速/减速）+ 量比（放量/缩量）
  5. 填模板数据区（v1.6 全部进数据区：CFG/SECTORS/SIGNALS/FLOW/SUMMARY/NOTE + KPI（hero 最强板块/正收益家数/最大资金池，值与标签成对：strong/strong_k、pos_cnt/pos_cnt_k、pool/pool_k）+ TABLE_HINT（板块数与上证基准）+ INSIGHT_TABLE/SIGNAL/FLOW + HL（高亮行板块名）+ ETF_ROWS（主线→ETF 映射，v1.5））→ 渲染 板块轮动雷达_{YYYYMMDD}.html → 校验编号 01-04 + grep 旧日期/旧板块名/旧数值三查残留 + 读 KPI 区确认值与标签口径一致
  6. 数据版可复现构建（09-05 模式）：扫描数据落 json（rotation_0904.json 含 date/sh_m20/rows[板块×动量量比超额] + idx_*.json 含 turnover）→ 构建器读 json 正则替换模板数据区 → 生成并运行数据版脚本 → HTML；改模板结构后再构建，务必重跑并复查（v1.3 TPL 硬编码曾致新数据版仍输出旧 hero 值）

关键口径：动量=板块指数收盘价涨跌幅；量比>1 放量；板块指数为同花顺行业指数（881xxx.TI）；轮动信号为模型综合判断（模型输出）。

已实测（2026-09-04，26 板块，上证 20日-0.3%）：种植业与林业 20日+22.4%/量比1.45 双断层第一（猪周期反转+农业政策），养殖业 +11.2% 共振成农业链主线；保险/银行 5日放量接力（量比 1.29/1.24，退潮防御）；文化传媒 5日+6.8%/量比1.57 低位抢筹；贵金属 60日+31.3% 最强但 5日-4.3% 缩量回调；半导体/小金属/航天装备 20日为负+量比<0.75 退潮——"增量低位 + 存量高位"的退潮期结构，与情绪扫描（封板率 44%）互证，多能力协同研判可用 #6情绪+#7轮动+#1W底形态扫描 三视角组合（09-04 推荐研判实证）。

已实测（2026-09-07，26 板块，上证收 3932.70、20日-0.85%）：种植业与林业 20日+25.18% 断层第一续强（今日+4.33%、量比1.42、超额+26pct）——农业链第二周霸榜；养殖+9.46% 共振；通信设备今日+3.77% 低位反弹窜第3（60日-2.07 超跌属性、量比0.85 未放量）；文化传媒量比1.58 全场最高、游戏5日+4.32% 低位持续放量；大金融歇脚（保险今日-2.45%）；贵金属 20日转负、煤炭 5日-6.80% 放量下跌（高位退潮）；航天-10.29/小金属-9.19/光伏-5.54/电池-4.02 垫底、半导体今日+2.54% 弱反弹。ETF 映射实证：种植→无一一对应 ETF（中证农业 000949 种植仅~9%）、养殖→159865(930707 66.6亿)、通信→515880(931160 397亿 今日+5.95%)、传媒→512980(399971 43.9亿)。

能力 #8：股票全面分析（已实现 · 适用对象：仅 A 股个股）

回答"这只股票到底怎么样？该不该买？"——全维透视单只股票：整合能力 #2 速览、#3 财务、#4 估值、#5 业绩前瞻、#6 情绪、#7 轮动、#9 穿透、#11 龙虎榜的结论，一站式给出研究观点与投资指导。

ETF 指引（2026-09-03 定稿：标注指引，不新建模板）：全面分析的十区块（财报/预测/披露日历/龙虎榜/市场环境）依赖个股财报与市场事件，套用到 ETF 上大半区块无数据、强行填充全是 [MISSING]——故不做 ETF 版全面分析。ETF 的"全面研究"= 能力 #2 速览卡 ETF 版（gen_tearsheet_etf.py，档案/净值/收益/持仓/分红）+ 能力 #9 穿透（gen_penetration.py 正向区，重仓股+持有人）+ 能力 #4 ETF 估值版（如需估值视角） 三者组合即可覆盖，引导用户走这条链路而非要求 ETF 全面分析模板。

触发场景：用户说"全面分析 XX""XX 值不值得买""综合研判 XX"——需要多维整合结论而非单一视角时。

资产：scripts/gen_comprehensive.py — 股票全面分析 HTML 生成器（模板，带 2026-08-21 中天科技示例数据；十区块：01 总览 → 02 公司速览 → 03 财务分析 → 04 估值分析 → 05 成长预测 → 06 业绩前瞻与催化剂 → 07 市场环境 → 08 机构与资金 → 09 风险清单 → 10 投资指导）

执行工作流：

  1. 取数（并行）：market snapshot（行情/市值）、valuation snapshot（PE/PB/PS/PCF + 同行批量）、financials income（5 年 + 最新季）、financials indicators（毛利率/ROE）、market history 1 年前复权（52 周高低/近 1 年涨跌）。
  2. WebSearch 补齐（数据来源铁律）：主营构成、券商一致预期/目标价（forward PE 锚点）、机构持仓（基金/北向）、在手订单/催化剂、近期龙虎榜——页脚显式标注。
  3. 整合多能力视角：估值→能力 #4 口径（TTM vs forward）、成长→能力 #3 口径（三情景+一致预期）、环境→能力 #7 板块位置 + 能力 #6 情绪温度、机构→能力 #9 穿透口径。
  4. 填模板：替换数据区（CONFIG/SNAP/BIZ/FIN_Y/FIN_Q/VAL/FC/CATALYST/ENV/INST/RISK/GUIDE/NOTE/TITLE_SUB + HIST 路径）→ 渲染 全面分析_{名称}_{YYYYMMDD}.html。hero 大标题=股票名（CONFIG['name']），TITLE_SUB 为报告类型小字——禁止把"股票全面分析"硬编码为大字（v1.1，2026-09-03 用户纠正）。
  5. 校验：区块编号 01-10、无占位符残留、grep 旧标的名、配色正红负绿。

关键口径：forward PE=市值/券商一致预期（利润高增股 TTM PE 高≠贵，必须看 forward）；市值=股价×股本估算 [ASSUMED]；券商预测/机构持仓/订单 WebSearch 标注；市场情绪/板块数据可引用既有能力产物（标注口径日期）；结论必须含"结论/数据含义/情景/操作/跟踪"五维投资指导。

已实测：中天科技（600522.SH）——AI 光纤涨价 +650% + 海缆订单 308 亿，2026Q1 归母 +46.4%，PE(TTM) 34.2 但 2026E 一致预期 70 亿 → forward 15.4 倍，结论"高景气、估值消化中"，机构目标价 56.32 元（+68%）。

模板坑：snap_rows 渲染的 kv 行 span 写 flex:0 0 76px 但 CSS 漏定义 .kv{display:flex} → 标签与数值粘连（"开盘33.42"）；必须与速览/估值/财务模板保持一致：.kv{display:flex;justify-content:space-between;align-items:baseline;...}。新建模板时先对照既有模板抄 CSS 骨架，再写渲染函数。

验证关卡职责（v1.1，与能力 #12 协同）：能力 #8 同时承担能力 #12 选股的验证关卡——对定稿 N 只逐一跑全面分析，按「不值得买五维否决标准」（估值透支/基本面恶化/成长证伪/硬风险/位置风险，一次性 vs 经营性亏损须区分）判读，命中即剔除并补位重找（详见能力 #12 步骤 10-12 与坑 29/30）。

能力 #9：穿透分析（已实现 · 适用对象：ETF ↔ 个股双向）

回答"这基金重仓什么？这股票被谁抱团？"——基金持仓↔个股反向穿透。

两种模板（按标的类型选）：

  • gen_penetration.py：ETF↔个股版，五区块——01 穿透总览（徽章+五维）02 正向穿透·ETF重仓什么（前十大持仓表+集中度+基金档案+持有人结构）03 反向穿透·股票被谁抱团（核心卡+前十大持有基金表+闭环高亮）04 抱团全景（重仓股双条形图+解读）05 解读与风险
  • gen_penetration_zjky.py：个股抱团版（无 ETF 正向区），五区块——01 总览 02 机构抱团分层（公募/北向/社保险资/全口径条形）03 前十大流通股东表 04 抱团质量与结构 05 解读与风险

天然双向适配：正向（用户拿 ETF 来 → 查它重仓什么）与反向（用户拿个股来 → 查谁持有它）都覆盖，ETF 适配无需改造。

执行工作流：

  1. fund holdings --fund-type exchange 取前十大持仓（hold_ratio 占净值%/position_capital 市值/period_increase_rate_pct 期间增减）→ fund holders（ins_position 机构占比/psnl_rate 个人/holder_amount 户数）→ fund profile（规模/经理）→ fund snapshot（行情）
  2. 反向穿透：hithink 无"个股被哪些基金持有"接口 → WebSearch 新浪财经基金持股页/巨丰财经/东吴证券等公开披露（持仓基金数/占总市值比例/前十大持有基金）——页脚显式标注来源与口径
  3. 闭环验证：正向 ETF 前十大里的重仓股，反向持有基金表中应能找到该 ETF 本身（561380 持亨通 7.82亿 ↔ 亨通第 6 大基金股东=国泰恒生A股电网设备ETF）——闭环成立证据，换标的必须重新验证
  4. 填模板数据区（CFG[kpis]/ETF_HOLD/STOCK_CORE/STOCK_FUNDS/HERD[含META/MAX2]/各类 NOTE/CLOSE_ROWS/RISK_ROWS/SUMMARY）→ 渲染 → 校验编号 01-05 + grep 旧标的名残留
  5. 结论必须含"数据含义"+"投资指导"（01 综述精炼版 + 05 详解版 + CLOSE_INSIGHT 金色 insight）——用户要求穿透报告必须有实战指导

关键口径：持仓=2026Q2 季报、持有人=2025-12-31 年报（报告期不同分别标注）；反向数据口径差异需注明（渤海=主动权益基金数、巨丰=全口径、东吴=占总市值比例）；占流通/占净值均为百分数直接加%；穿透结论为模型综合判断（模型输出）。

能力 #10：组合风险管理（已实现 · 适用对象：多标的组合，天然含 ETF）

回答"我的持仓风险集中吗？"——多标的组合的相关性/回撤/仓位集中度/分散建议。

天然适配：组合标的可以是"多只 ETF"（工作流第 1 步 fund history 就是拉组合内各 ETF 日线）也可以是"多只个股"（本地库 v_daily_qfq），ETF 适配无需改造——ETF 组合是此能力的标准用法之一。

六区块结构：01 组合总览（判定徽章+六维：结论/相关性/集中度/分散方案/数据含义/投资指导）02 风险指标对比（各标的+组合：区间收益/年化/波动/最大回撤/回撤区间）03 相关性分析（双资产相关系数条形图，红>0.7/橙0.4-0.7/蓝0-0.4/绿<0 着色+解读）04 集中度诊断（行业/风格/波动/回撤/对冲五维+月度收益柱状图）05 分散建议（配置模拟表）06 操作建议与风险（三档方案+再平衡+风险）。

执行工作流：

  1. fund history 拉组合内各 ETF 同期日线（远端结构 data.item[]+date_ms/close_price）→ 对齐日期取交集
  2. index history 拉候选分散资产（沪深300 000300.SH/贵金属板块 881169.TI/红利指数 000015.SH）——测"组合 vs 候选"相关性找真实分散工具
  3. 计算：年化收益/波动（252 日换算）、日收益率相关系数（组合内部+vs 候选）、最大回撤（含区间）、50/50 组合净值
  4. 分散模拟：组合 × 红利/黄金 不同权重回测（不同量纲必须先各自归一化到 1 再加权，ETF 价格 0.87 vs 指数点位 2500 直接加权会淹没收益）→ 波动/回撤/收益对比
  5. 填模板数据区 → 渲染 → 校验编号 01-06 + 数值复核

关键口径：相关系数基于日收益率；最大回撤为收盘价口径；分散模拟为历史窗口回测标 [MODEL]；结论必须含"数据含义"+"投资指导"（同穿透分析约定）；相关性着色约定（>0.7 红/0.4-0.7 橙/0-0.4 蓝/<0 绿）；"名义分散 vs 实质集中"判断（同链标的分散效果差——如电网海缆×半导体同属 AI 算力链）。

能力 #11：龙虎榜事件解读（已实现 · 适用对象：市场级，无单标的版）

触发场景：用户说"龙虎榜解读/龙虎榜复盘"、"生成 XX 日期的龙虎榜事件解读"。

资产：scripts/gen_lhb.py — 龙虎榜事件解读 HTML 生成器（模板，带 2026-01-28 示例数据）

ETF 不适用原因：龙虎榜上榜主体是异动个股（ETF 极少上榜且无席位博弈语义），解读对象=当日全市场龙虎榜生态——市场级能力，无单只 ETF 的事件版，跳过不强做。

分析框架（专家八维 → 八大区块）： 01 综述（资金生态/整体机构游资分线）→ 02 资金净买榜 TOP8 → 03 机构动向（净买TOP6+净卖TOP3+买卖家数）→ 04 游资动向（净买TOP6+净卖TOP5+知名游资席位表）→ 05 分歧与筹码交换（机构vs游资对手盘+筹码结构提示）→ 06 题材热度（概念上榜次数双色条形图）→ 07 重点个股解读（6卡）→ 08 后市推演（三情景概率+操作警示）

执行工作流：

  1. 拉普通榜：special dragon-tiger --date <YYYY-MM-DD> --format json（含 net_value 净买/hot_money_net_value 游资净买/concept_list 概念/change 涨跌幅/limit_reason 涨停原因；注意 change 为小数比例 0.10=+10%）
  2. 拉机构榜：special dragon-tiger --date <YYYY-MM-DD> --board-type org --format json（含 org_net_value 机构净买/org_buy_num/org_sell_num 机构买卖家数——机构分析核心字段，普通榜没有）
  3. 合并同股多榜：同一股票可能因多种触发原因多次上榜（如康希诺 2 条），按 ticker 合并净买/游资净买；hot_money_net_value 部分条目缺失用 .get(...,0)
  4. 统计排序：净买TOP/机构净买TOP/游资净买TOP/净卖TOP、概念热度 Counter、涨跌分布、合计净买
  5. WebSearch 补充席位：接口无买卖席位营业部明细 → 搜"<日期> 龙虎榜 游资 席位"补知名游资动向，页面显式标注"WebSearch 公开披露"（数据来源铁律）
  6. 填模板：替换 BASE/DATE/WEEKDAY + 数据区（OVERVIEW/NET_TOP/ORG_BUY/ORG_SELL/HM_BUY/HM_SELL/SEATS/DIVERGE/THEME/FOCUS/SCENARIO/WARN/SUMMARY/NOTE）
  7. 渲染与校验：运行脚本 → 校验数值 + 区块编号 01-08 唯一 + 旧日期硬编码残留检查（模板 insight/副标是当日叙事，换日期必须逐一替换；席位副标日期已用 DATE 占位符）→ present_files 展示

关键指标口径：Hero 合计净买正负号用 {:+.2f} 格式化（禁止硬编码"+"前缀，否则负值显示"+-"）；机构净买=org_net_value；"边拉边出货"判断=涨停股净买为负且机构/北向大额卖出。

能力 #12：多能力协同选股（已实现 · 适用对象：编排型，A 股个股推荐）

触发场景：用户说"基于板块轮动/市场情绪/龙虎榜/经典策略回测，推荐 N 只股票并给理由"、"今天适合买什么"、"结合这些能力选股生成报告"。

资产：scripts/gen_reco_picks.py — 精选 N 股推荐报告 HTML 生成器（模板 v1.2 全参数化，带 2026-09-10 精选 5 股·短中线技术指标版示例数据；v1.1 新增：卡内 chk 验证行 + ★验证记录面板 AUDIT_ROWS + EVID 第 5 列「能力#8 验证」+ tag「主线低吸」；v1.2 新增：每卡 tech 短线技术指标区 + tnote 技术研判 + 涨跌自动红绿 hl() + KPI .hot 红色热度指标 + 短中线定位）+ examples/多能力选股/（成品示范，含 09-08 验证版 / 09-09 / 09-10）。编排型能力：不新增数据源，把已有能力（#7 轮动 × #6 情绪 × #11 龙虎榜 × #1 经典策略信号 × #8 全面分析验证）的当日输出交叉取证，选出 N 只股票输出「精选 N 股推荐报告」。

复盘能力（v1.3 新增）：能力 #12 不只「产报告」，还负责校验自己的历史推荐准不准。

  • 触发：用户说「复盘一下之前的推荐」「这些票后来涨了还是跌了」「这套选股策略准不准」「要不要改策略参数」。
  • 资产：scripts/review_picks.py（通用复盘器，自动扫历史报告 → 查本地前复权日线 → 算逐笔与汇总 + 分期超额）+ references/荐股复盘指南.md（口径、结论、方法论）。两条取数路径：优先 hithink CLI，CLI 不可用自动回落直读本地 DuckDB （CLI 是 npm 全局包，node 版本目录切换后会丢失；回落口径相同，日期已统一为 ISO 字符串）；--no-benchmark 可关超额计算。
  • 口径：建仓＝推荐日次一交易日开盘；平仓＝最新交易日收盘；基准＝沪深300；必须同时声明三条局限（持有期可能未走完 / 未计交易成本 / 「次日开盘买入」与正文「只做回踩」不一致）。
  • 两项必做检验：① 剔除最大盈利单笔后是否更差（防「单笔驱动的假优势」）；② 换用事前可算的特征重新分组（防「事后归因当规则」）。
  • 结论纪律：样本 < 50 笔时只报数字与局限，不据此改策略参数。

★ 定位纪律（v1.2，用户明确要求）：一律短中线思维，不推长线。持有周期口径 = 3~10 个交易日（最长 20 个交易日）；每只必须给出 ①入场技术位（回踩 MA5/MA10/颈线/前低）②止损位（跌破即走）③短线目标或减仓条件。禁止"长期持有/价值投资/穿越牛熊"类表述——基本面只作「短线不做接刀」的安全垫，破位即走，不因基本面好而转长线。

当日开工链路（先探数据可用性，无今日数据则不做）：

  1. 探测：index history --thscode 000001.SH --source remote 末条 date_ms==今日且量能正常 → 可开工
  2. 本地库：data sync（注入 HITHINK_FINANCE_DUCKDB_MEMORY_LIMIT=4GiB）→ 供涨跌家数与前复权扫描
  3. 情绪 #6：涨停/跌停/炸板池 + 龙虎榜（普通+--board-type org）→ 封板率/连板梯队/机构动向/热词方向
  4. 轮动 #7：板块 60 日历史 calc 出主线（若当日已出轮动雷达，直接复用 rotation json）
  5. 经典策略 #1：db export 前复权 parquet → 复用 find_w_bottom 形态逻辑做 W底突破 + 60日新高放量 双信号扫描
  6. 交叉验证：候选须命中「主线 or 情绪热词 or 龙虎榜资金」至少一条 + 形态信号至少一条 → market snapshot 实测当日行情 + bt_name_map 映射名称（涨停池 JSON 常无 name 字段）
  7. WebSearch 核实题材（政策/涨价/事件，页面标"WebSearch 公开披露"，禁编造）
  8. 【妖股剔除】区间涨幅复核：用前复权 parquet 算候选 1/5/20/60 日涨幅——20日已 +50~100%+ 的剔除（09-08 教训：金健米业看似农业补涨，实际 20日 +140% 是妖股）；区分「已大涨补涨」与「60日仍负的干净首次突破」
  9. 定稿 N 只：定位分层 tag（主线右侧/主线首板/机构主买/超跌回踩/弹性博弈/主线低吸，颜色在 CLS 注册）——当日涨停/连板股只给"回踩参与"不给追高（回测纪律引用）
  10. ★能力#8 验证关卡（v1.1 必做）：对定稿 N 只逐一跑能力 #8 全面分析取数（market snapshot + valuation snapshot + financials income/indicators 最新报告期 + 历史K；必要时 WebSearch forward 一致预期/目标价锚点）→ 按五维否决标准判读
  11. 剔除重找 + 反查补位：不值得买的从候选池（W底/60日新高/龙虎榜净买/涨停池同题材名单）重找补位，补位者同样过 #8 验证；某题材涨停资金票全部不过（PCB/存储/传媒常见）→ 沿产业链上溯到涨价/景气真受益方反查补位（09-08 案例：中京电子被剔→覆铜板龙头生益科技 H1 归母+130% 入选，tag=主线低吸，须 WebSearch 验证涨价事实）；候选池耗尽仍无合格 → 宁缺毋滥（降 N 或留档位空缺），报告写明放弃方向（09-08 晚：AI出版影视涨停潮无低位高性价比标的 → 方向整体放弃）
  12. 渲染校验：每卡填 chk（(ok, 短句) → ✅/⚠️ 验证行）+ ★验证记录（AUDIT_ROWS）→ 填数据区运行 → 精选{N}股推荐_{YYYYMMDD}.html → 校验区块 01-05 + ★面板 + 零残留
  13. ★短线技术指标（v1.2 必做）：对定稿 N 只用本地前复权 parquet 自算 6 项短线指标 → 填每卡 tech（6 格）+ tnote（技术研判句）：
    • MA5/10/20/60 排列（多头/空头/纠缠 + 站上哪条）· RSI14（>70 超买 / <30 超卖）· MACD(12,26,9)（金叉/死叉、零轴上/下）· 量比（今量÷前5日均量：<1 缩量回踩 / >1.5 放量）· 布林(20,2) %B（>100 破上轨=超买）· 关键位（支撑=MA5/10/20 或前低，压力=20日高/颈线）
    • 判读纪律：RSI>70 + %B>100 + 乖离 MA20>8% 三者同现 = 短线超买 → 操作必须写"回踩 MA5/MA10 再参与"，不给追高（09-10 宁波银行案例：RSI 75.3/%B 106.6/创 20 日新高 → 报告明确等回踩 34.8）
    • 技术面与基本面必须互证：09-10 华正新材（乖离 MA20 +20.3%、%B 118、20日+43%）技术面独立佐证基本面否决 → 写入 AUDIT 增强说服力
    • 现成范式脚本：工作区 calc_tech_*.py（读 bt_qfq_scan.parquet，输出各标的 MA/RSI/MACD/量比/%B/区间涨幅/距20日高低）

不值得买五维否决标准（能力 #8 verdict 判读，命中任一 → 剔除）：

  • A 估值透支：forward PE 显著高于同行且无增速支撑（利润高增股看 forward 不看 TTM；MRQ/单季 PE 极端放大须警觉）
  • B 基本面恶化：最新报告期营收/归母双降、ROE 持续下行、由盈转亏且无兑现逻辑
  • C 成长证伪：券商一致预期下修 / 2026E 净利负增长且无新催化（上海电影案例：机构预测净利同比下滑 + 两连板高位）
  • D 硬风险：ST/立案调查/大额商誉减值/审计非标/清仓减持
  • E 位置风险：60 日涨幅过大追高、龙虎榜高位净卖、板块刚由热转冷
  • 一次性 vs 经营性亏损必须区分：PE_TTM 为负先 WebSearch 核实事件 + 看扣非/Q1 趋势——北大荒 H1 -5.37 亿系一次性补税 14.1 亿（6 月缴清无处罚、Q1 主业 +7.8%）→ 利空出清保留（谨慎档）；金正大 -4.97 亿系经营性由盈转亏（ROE -26.6%、流动比率 0.88）→ 否决

区块结构：01 市场环境速写（核心研判 banner + 4 KPI + 指数 + 主线 lines + insight）02 精选 N 股卡（每卡=定位徽章/证据 chips/标题/理由/6 数据格/📐短线技术面 6 格 + tnote 研判（v1.2）/操作参考·短中线/主要风险/✅能力#8 验证行 v1.1/五能力证据圆点）03 信号证据交叉矩阵（动态生成：N 股 × {4 能力 + 能力#8 验证} 矩阵 ●○）→ ★能力#8 验证记录（v1.1：AUDIT_ROWS 审计表——原选/候选逐一判定、剔除/补位全程留痕，宁缺毋滥） → 04 操作纪律（短中线口径首行"短中线持有不做长线" + 能力 #1 回测实证表）05 口径与免责（须写明"定位短中线 3~10 个交易日，非长线推荐"）。

关键纪律（均已实测 2026-09-08/09）：①标题/文件名自动带 N（精选{N}股推荐_…，len(STOCKS) 驱动）；②矩阵动态化=增删股票自动适配；③中报亏损股交易的是涨价/产能预期（示例中京电子 -8985 万）→ 卡标"高风险档"，risk 写明基本面背离；④报告页脚必写"均以回踩/企稳分批为操作前提，非追高推荐"；⑤NOTE 动态拼 DATE；⑥验证口径（v1.1）：EVID 第 5 列=能力#8 验证（通过者均 True）；chk=(ok,短句) 缺省不渲染（向后兼容 v1.0 数据）；AUDIT_ROWS=[] 则 ★ 面板不渲染；⑦09-08 晚实测案例：原 5 只跑 #8 剔除 3 只——金正大（H1 归母 -534% 由盈转亏/ROE -26.6%）、上海电影（H1 -71.6%/MRQ PE 333x/两连板高位，成长估值双否）、中京电子（H1 亏 -0.90 亿/二连板）→ 补位粤桂股份（同主线 H1 +182.8%，补位质量反超被剔标的）与生益科技（沿 PCB 涨价链反查的覆铜板真受益方，当日 -1.3% 回踩低吸位）→ AI出版影视方向整体放弃 → 5 只成稿（4 强 + 1 高风险边缘票三孚股份，卡内显式标高风险档）；验证关卡的核心价值=把「博预期的涨停资金票」与「业绩兑现的真受益方」区分开（涨停池当日 90% 是 PE<0 或 PE>50 的题材票，坑 30）。⑧09-09 第二日实跑补充：昨日剔除的 金正大（再 3 板+龙虎榜+2.05 亿）、中京电子（+3.54 亿）、上海电影（机构净买+1.93 亿）次日仍被资金大买——短线资金热度≠值得买，基本面否决跨日维持，报告 AUDIT 面板必须留痕以证口径一致（同日也证明了高位题材退潮判断：传媒/游戏领跌 -3.4%）；「转观察」机制：北大荒（一次性补税 14.1 亿出清 + 营收 -29.4% 系购销→代销口径变化、主业利润 9.39 亿仅 -0.16%）与三孚（两日 +16% 兑现、博弈性价比降）非否决但移出主推 → 观察档行也进 AUDIT（"ok/转观察"），保证推荐 5 只始终是当下最优而非"上次的最优"；资源主升日（煤炭+3.35%/铝地缘点火）推荐应给「回踩参与」而非追高开。 ⑨短中线定位（v1.2，用户明确要求）：全部推荐按 3~10 个交易日 口径给操作（入场位/止损位/短目标），不推长线；plan 首标"【3~10 个交易日】"、卡片标签写"操作参考 · 短中线"、04 区块首行加"短中线持有，不做长线"纪律、页脚写明"非长线推荐"。 ⑩红绿着色规范（v1.2，用户明确要求）：①个股涨跌一律红涨绿跌——chg 字段按数值正负自动判类（chg_cls()，严禁硬编码 class：v1.1 曾全部写死 up 致下跌股显示红色）；卡片数据格/技术指标格文本走 hl() 自动把 ±x.x% 包红绿；②涨停家数、封板率等"市场热度"类 KPI 一律用 .hot 红色（不受当日涨跌方向影响，09-10 曾因退潮日填 dn 而显绿）；跌停/降温类用 .dn 绿。 ⑪复盘驱动的三条入场/离场纪律（v1.3，2026-09-16 首次复盘后确立）：①止损必须有硬上限——止损价取「支撑位下方」与「入场参考价×(1−止损幅度)」中的较高者，本报告取更保守的 −5%（复盘依据：20 笔样本中持有平均 −1.73%/最差 −13.65%，加硬止损后 −1.02%~−1.55%/最差 −5.0%~−8.0%；⚠️ 样本不足以区分 −5% 与 −8%，不可宣称某档最优）；②每张卡必须给可执行的「执行前提」——次日高开 >3% 放弃、回踩至入场位且缩量企稳才买、不回踩则不做，与正文口径冲突时以执行前提为准（原报告 plan.entry 写「次日开盘」而正文写「只做回踩」，读者无法同时遵守）；③同一标的 5 个交易日内不重复推荐（除非出现全新更强的触发信号并在验证记录留痕）。详见 references/荐股复盘指南.md。

⑫🔴 第二次复盘（2026-10-04，11 期 55 笔）追加的荐股纪律 —— 每次荐股都要遵守（依据见 references/荐股复盘指南.md 第七节）：

  • 本策略整体是减分的：分期超额（组合 − 全市场等权）−4.01%，只跑赢 3/11 期 → 默认按「尚未验证有效」处理，不做乐观假设、不因"昨天对了"就加大仓位。
  • 必须坚持 v1.3 新规则（涨停 ≤2 配额 + 所属二级行业红盘过滤 + 5 日不重复）： 新规则期超额 +0.24% vs 旧规则期 −6.44% —— 规则改版是目前唯一被数据支持的正向变化，别退回"涨停优先"。
  • 「5 个交易日内不重复推荐」必须硬执行：跨期重复的标的全部是负贡献 （中际旭创 4 次上榜，四次收益 −13.3% / −9.2% / −10.0% / −9.2%）。同一标的多期上榜 ≠ 多期机会。
  • 持有期口径按 T+3 ~ T+5 写，不要写"可持有 10 个交易日"： T+5 超额 −1.54%（各口径最优）、T+10 恶化到 −6.85%；持有越久越差。
  • 报告必须给「同期市场参照」：普跌段绝对收益天然为负，只报"平均 −5%"会让人误判为选股问题。 首次事实：组合 −5.09% 而全市场等权仅 −1.08% —— 差额才是选股的真实贡献。
  • ⚠️ 不要凭单次复盘改策略参数：首次复盘（20 笔）得出的「均线离场更差」在 55 笔上已翻转。 目前稳的只有一条：「有离场规则」显著优于「持有到期末」（−2.6%~−4.2% vs −5.09%， 最差单笔从 −25% 压到 −5%~−15%）；具体档位（均线 vs 固定止损、−5% vs −8%）仍不可宣称优劣。 ⑬ 🔴 数据区的 N 必须写成 N = len(STOCKS)（2026-10-09 实测事故）：模板用 N 拼 「精选 {N} 股推荐」标题与文件名（FILE = f"精选{N}股推荐_{DATE}.html"），写成叙述串会产出 精选周五 · 收盘后生成（…）股推荐_20261009.html 这种文件名；而渲染器当时只查 N = 是否存在、不查内容 → 日志显示渲染成功、文件名全错。已代码化，不必靠记：render_picks_report.py 校验 N 的写法， 渲染后再由 report_artifact.expect() 实测契约名 + 本轮新写。

能力 #13：价值投资配置（已实现 · 适用对象：框架型，跨资产长期配置）

触发场景：用户说"做个长期资产配置"、"哪些资产适合定投、哪些适合低价买入"、"怎么配比/怎么再平衡"、"红利/美股/黄金/债券怎么投"、"这套组合历史收益多少"。

能力特征（与其余 12 个能力的根本差别）：框架型 · 不择时 · 不依赖当日行情。首次询问生成报告 + 落盘缓存； 之后每次都先判有效性（≤180 天 且 5 个锚点漂移均未超阈值）→ 有效则直接返回已有报告，失效才重算。 --status 只看状态、--force 强制重算、--selftest 自检判定逻辑。缓存 <工作区>/.workbuddy/output/value_investing/config.json。

5 类核心资产（全部核心，无"可选"项）：A股红利低波（低价买入·收息）/ 美股宽基 QDII（定投主力）/ 国内债券（一次性配置）/ 黄金（定投或回调分批）/ 现金货币（流动性）。

资产：scripts/gen_value_investing.py（HTML 模板）+ scripts/value_investing.py（有效性判定 / 缓存 / 渲染）+ scripts/value_evidence.py（定投与长期收益实测证据）+ scripts/value_backtest.py（组合历史回测）+ scripts/value_capital.py（从真实账本算可投资金 / 月结余 —— 把「月结余口径」的三条剔除规则固化成代码）+ scripts/value_dca_freq.py（定投频率回测 每日/每周/每两周/每月，同窗口同总投入 + 滚动起点）+ scripts/value_valuation_check.py（估值 / 股息率速查）+ references/价值投资指南.md。

报告结构（v13 定稿：5 节 / 8 表 · 编号即阅读顺序）： 01 每月怎么做（每月分配表 资产 / 每月投（元）/ 怎么投 + QDII 限额卡）→ 02 五类资产：买什么 · 怎么投 · 怎么撤（主表 6 列 = 资产·操作方式 / 场外基金代码 / 三档占比 / 怎么投 / 怎么撤 / 现在该怎么做；下接「再平衡与执行铁律」）→ 03 现在贵不贵（估值表 + 来源小字）→ 04 判据与证据（判据卡 + 跨资产同窗口对比 + 定投期限胜率 + 组合回测 + 逐年）→ 05 不做什么（八条硬约束）。 ⚠️ 教学性内容一律不进报告：PE/PB/股息率怎么读、六位作者理论（出处已在页脚 NOTE 首句列举）都不再单列一节 —— 2026-10-08 用户要求「整个 html 重新整理一下，简洁明了」后删除（删了什么见 references/价值投资指南.md 第十五节）。

关键纪律： ① 配比只在 ALLOC 定义——执行总表的占比列由它生成，build() 断言 MAIN 与 ALLOC 的资产名一一对应； value_backtest.py / value_investing.py / value_capital.py 也都读它（单一数据源，改配比只改一处）； ⚠️ 但报告里另有多处硬编码跟着「平衡档」走（MAIN 的「月结余 × N%」、QDII_WARN 的金额、 BT2 回测数字等）——改配比后跑 check_build.py --script gen_value_investing.py， V1 校验会查三列合计 / 风险资产占比 / 月结余与按N% 系数 / 前瞻中枢（含正反例自证）； ② 每档的具体金额由真实账本驱动：CAP_CASH / MON_INCOME / MON_EXPENSE / MON_SURPLUS / RES_EMERGENCY / RES_EXTRA 六个参数 → 改参数即全表联动。 用 scripts/value_capital.py --ledger <账本目录> --as-template 生成参数块。 ⚠️ 月结余的口径必须剔除三类（一次性收入 / 理财进出 / 出差垫付），否则高估约 6 倍——已代码化 + 负例自证； ⚠️ RES_EXTRA（婚期/职业转换专项）不是账本实测值，报告里必须标明「可调」并给敏感性，不得当成实测算出来的； ③ 基金代码必须联网核实并标注核查日期（不许臆造）； ④ 不写"去哪儿查"教程——估值只给「当前值 + 历史分位 + 当下结论」，来源与日期标在表下小字（用户明确要求）； ⑤ 报告的结构与文案红线已由 check_build.py 机械校验（H7 空壳 / H8 禁用行话 / L3 宽表溢出），不必靠记忆； ⑥ 页面宽度 1200px（本能力单独放宽，其余模板仍 960px）； ⑦ 报告文件名由模板 DATE 驱动 → 它读环境变量 THS_VALUE_DATE（由 value_investing.render() 注入并校验落盘）； VALID_UNTIL 由 DATE + 180 天 派生。换一天重新生成若不给这个变量，会覆盖上一期报告。 ⑧ 🔴 美股档的执行频率由「QDII 单日限额」决定，不由偏好决定（2026-10-08 核实）： 限额是「单日单账户单基金」（81 只美股 QDII 中位数 100 元/日、25 只 ≤10 元/日）， 所以它约束「某一天能买多少」而非「一个月能买多少」——本报告 917 元/月若集中一天买，差 6 倍买不满； 周投也不行，只有日投可行（约 44 元/日，须拆 5~6 只且跨基金公司——额度按基金公司合并）。 ⚠️ 但收益上日投与月投实测无实质区别（value_dca_freq.py）→ 报告里必须把 「买不到」与「收益更好」分开说，不得包装成收益优势；并明确给出**场内 ETF（不限购）**这条主力替代路径。

⑨ 「目标金额」不是停止线，且每月结余必须按「缺口」分（2026-10-08 用户问「到了怎么办」）： 目标金额 = 可投资金 × 配比，会随组合总值同步长大 → 判够不够看占比、不看金额。 ⚠️ 不能只投美股 + 黄金：那样红利低波/债券永远拿不到新钱 → 12 个月后现金从 18% 漂到 27.3%、 红利从 21% 掉到 15.7%；24 个月现金 32.9%（这张自证表已移入本指南，不再渲染进报告）。 正确：结余按「目标占比 × 新总值 − 当前值」的缺口分配。 只有三种情况停投单档：触上限（美股 50%/黄金 20%）/ 触发减仓规则 / 月结余没了；整体定投不该停。

⑩ 呈现硬纪律：能写进表格的，不要写成表下大段文字（2026-10-08 用户明确「别再下面写那么多文字不想看， 直接在表格里写清楚」）。金额表已收敛为 3 列（资产 / 每月投（元）/ 怎么投）+ 表内脚注行 承载规则；不要再另起 insight 段落重复。 ⚠️ 同时两条口径：① 「一次性配足」只指建仓那一下，之后每月仍按缺口给每一档加钱（用户每月 10 号发薪）； ② 黄金已由「每季」改「每月」（用户原话「每季我怕忘了」）。

⑪ 🔴 算「可配置资产」必须先把「已持有的场外基金」算进来（2026-10-08 用户告知两笔持仓后补）： 用户 7/10 买了两只基金（013225 景顺长城安景一年持有混合A 5万、001235 中银国有企业债A 2万）， 买入时钱已从现金账户划走 → 8-21 账户快照里没有它们，若只按现金算会漏算 7 万、并误判「债券档没配过」。 正确：总金融资产 = 现金类 + 已持基金现值，再减应急金与专项。 模板已内置 HOLD（含代码/类型/归属档/现值/赎回约束）→ HOLD_BY_LEG / HOLD_TOTAL / TOTAL_ASSETS； 该档金额与「已超配」判定写进每月表脚注与主表的「现在该怎么做」列（金额表本身只讲每月动作）。 ⚠️ 锁仓与赎回费是硬约束，必须查清并写进报告（013225 每份锁定一年 → 2027-07-10 前不可赎； 001235 满 6 个月免赎回费 → 2027-01-10）。超配且锁仓时，正解是「该档停买、靠新钱摊薄」，不是赎回。

⑫ 🔴 报告只讲「每月怎么办」，不摆"存量盘点"（2026-10-08 用户明确：「合并整理一下吧，看着还是太乱了… 目标金额能不能换个说法…你别考虑我现有存款了，只根据我以后的收支，告诉我每月应该怎么办就行」）： 关键认知：月结余 = 收入 − 支出，与"有多少存款"无关 → 整块静态盘点（总资产 / 可配置资产 / 目标金额 / 已持有 / 还差 / 敏感性 / 配比漂移自证）全部删除，正文只留一张表： 资产 / 每月投（元）/ 怎么投 + 一行脚注（债券为何暂停、唯一会停的情况）。 ⚠️ 禁用「目标金额」这个词（用户明确说看着乱）；也不要再在表下写大段 insight。 账户口径（CAP_* / HOLD / RES_* / TOTAL_ASSETS / CAPITAL / AMT）保留在模板里作数据留档、 本期不渲染，并已注明"日后要恢复存量视角按此口径算回来"。 ⚠️ 同理：MAIN 里"现在该怎么做"列若出现"这一档的目标金额…"这类说法，也要改成动作导向（如「本档暂停买入」）。

版本沿革：v2 合并总表换资产（删港股高股息与大A板块，加 REITs、可转债）→ v3 删 A股宽基（同窗口实测落后标普500 16.8pct/年、回撤还大 13pct）→ v5 删 REITs / 美债 / 可转债（只剩 5 类，有效性锚点 6 → 5 个）→ v6 加场外基金代码 + 「QDII 额度是硬约束」警示 → v7 接受额度限制并据此定策略 + 估值与股息率速查 → v8 大幅精简（8 区块 13 表 → 4 区块 6 表，删掉全部"去哪儿查"教程）→ v9 执行总表加「现在该怎么做」列、清除行话「腿」→ v10~v12 页面宽度四轮收敛至 1200px → v13 整份重排（4 区块 → 5 节、编号即阅读顺序；删掉三节教学性内容与重复 insight，可见正文 −16%）。

模板约定与 CLI/数据坑清单（详见 references/）

生成任何报告前必读：视觉/口径/纪律约定与全部 CLI/数据/模板坑统一收在 references/ 三份文档。SKILL.md 能力正文只保留与能力强绑定的要点与「坑 N」编号引用，不再维护长清单：

| 文档 | 内容 | 维护规则 | |---|---|---| | references/模板约定.md | 主题配色 / 顶部两栏盒子与 KPI 行的自适应布局规范（含 L1/L2 检查） / 百分比口径 / 数据标注 / 免责 / 命名 / 输出目录通用性（禁个人路径）/ 报告期参数化 / 编号与占位符唯一性 / 零硬编码残留 / insight 凸显 | 新约定加在此文件 | | references/CLI与数据坑清单.md | 获取数据/模板类坑 1-43（每坑含适用能力+实测日期）+ 其他已知坑 | 新踩的坑追加 44+ 并递增编号 | | references/回测引擎指南.md | 能力 #1 回测引擎专项（数据初始化 / 引擎参数 / 产物规范） | 引擎改动同步 | | references/荐股复盘指南.md | 能力 #12 的策略有效性校验：复盘口径（建仓=次日开盘/基准改为全市场等权/三条样本局限）、scripts/review_picks.py 用法（含分期超额，CLI 不可用自动回落本地库）、历史报告解析的两个致命坑（验证前/验证后版本、必须匹配推荐卡结构）、首次复盘（20 笔）结论 + 第二次复盘（55 笔）结论、「事后归因 ≠ 可执行规则」方法论 | 每轮复盘后追加新一节的结论 | | references/构建个人量化平台指南.md | 附加功能（非能力）：把本技能的 gen_*.py 当作渲染模板，在自己电脑上搭一套本地 Web 平台逐能力浏览报告——架构决策 / 数据区契约 / 日期与新鲜度门禁 / 前端要点 / 验证方法论（含产物文件名契约，见指南 §4.5） / 环境铁律与坑速查 | 平台方案或坑更新时同步 | | references/价值投资指南.md | 能力 #13 的框架与证据：六位作者 → 规则映射、「定投 vs 低价买入 vs 一次性配置」的核心判据、资产→操作方式映射表、实测证据（A~E 五种口径 + 结论叙述口径 5 条）、股息率/PE/PB 分位怎么看（含 ETF 与免费查询渠道）、有效性机制、三档配比与再平衡、已知边界、报告结构定稿（5 节）与每次简化删了什么 | 改判据 / 配比 / 证据口径 / 报告结构时同步 |

正文引用约定：SKILL.md 中「坑 N」即指 CLI与数据坑清单.md 编号条目；「模板约定/命名/insight」类要求即指 模板约定.md。

附加功能：把能力报告搬到自己的电脑上浏览（非能力，可选）

本节不是一个能力，而是一个可选的附加玩法：本技能的 13 类报告都是自包含 HTML（样式内联、无外部依赖），把 scripts/gen_*.py 当作渲染模板、用一个本地小后端驱动，就能得到一个可点击浏览的个人量化平台。

触发场景：用户提出「把 skill 的报告做成一个能浏览的网站 / 本地平台」「想有个界面点点看，不想每次敲命令」「把各能力的报告统一到一个页面里」这类需求时，再读本节的指向文档。

核心原则（务必遵守）：不要用前端重新实现报告的排版——那条路必然产生结构与视觉漂移（本项目最初就是这么走错的，被用户连续三次指出"和 skill 生成的不一样、是自己编的"）。正确做法是让平台充当本技能脚本的宿主：

后端算出「数据区」→ 注入 gen_*.py → 子进程运行该脚本 → 取它产出的 HTML → 前端原样呈现（iframe srcDoc）

这样平台页面与本技能直接生成的报告在结构与样式上逐字节一致（可用 <style> 逐字节比对 + class 多重集比对来证明）。

要读的文档：references/构建个人量化平台指南.md —— 覆盖模块设计（registry / splicer / runner / skillenv / laststore）、数据区契约与占位符差集自检、日期三口径与新鲜度门禁、模板参数化规范、前端双模式（只看上次结果 / 点「生成」才重算）、验证方法论（结构一致性、skill 安全性回归、浏览器级 E2E、"HTTP 契约全绿≠页面正确"），以及环境铁律与坑速查表（含沙箱批量删除守卫、本地 DuckDB 单文件锁与多进程抢锁、前端构建 cwd 坑、Python/Node 依赖被系统策略拦截的绕法）。

开工顺序建议：先读该指南的「从零复刻步骤清单」和「坑速查表」两节，再动手。