stock-advisor

Name: stock-advisor
Author: isjiamu

4installs18forks

How to install stock-advisor?

isjiamu/jiamu-skills/stock-advisor

$npx -y skills add isjiamu/jiamu-skills --skill stock-advisor

Installs into the current project.

Summary

A股投资分析全自动流水线。触发场景：(1) 用户上传K线图或财报截图要求分析，(2) 用户提供A股股票代码或名称要求分析（如"分析一下平安银行"、"帮我看看000001"、"XX值得投资吗"），(3) 用户说"股票分析"、"投资分析"、"stock advisor"、"帮我分析股票"。

Files · 1

View on GitHub

SKILL.md

1	# A股投资顾问 (Stock Advisor)
2
3	全自动编排型投资分析流水线。用户只需提供股票截图或代码，系统自动完成技术面分析、基本面分析、多维交叉验证、私董会决策讨论，最终输出精美排版的投资报告。
4
5	## 流水线架构
6
7	```
8	用户输入（截图 / 股票代码）
9	│
10	▼
11	① 技术面分析 → ② 基本面分析 → ③ 多维交叉验证 → ④ 私董会讨论 → ⑤ 排版输出
12	```
13
14	## 启动流程
15
16	### 首次使用：投资风格档案
17
18	检查 memory 中是否存在用户投资风格档案。如不存在，提 3-4 个简短问题：
19
20	1. 风险偏好：保守 / 稳健 / 激进？
21	2. 投资周期：短线（1-2周）/ 中线（1-3月）/ 长线（3月以上）？
22	3. 关注行业：有没有特别关注的行业板块？
23	4. 仓位上限：单只股票最大仓位占比？
24
25	用户可选择跳过，后续在私董会环节自然补充。收集到的信息保存到 memory。
26
27	### 识别入口模式
28
29	根据用户输入自动判断：
30
31	- 截图模式：用户上传了图片（K线图、财报截图）→ 图像识别 + AKShare 交叉验证
32	- 代码模式：用户提供了股票代码或名称 → 纯 AKShare 数据驱动
33
34	两种模式均进入同一流水线，差异仅在数据获取方式。
35
36	---
37
38	## 模块一：技术面分析
39
40	### 截图模式
41
42	1. 图像识别：从 K 线图中提取：
43	- 股票名称和代码
44	- 当前股价
45	- K 线形态（近 5 日表现）
46	- 均线排列状态（MA5/MA10/MA20）
47	- MACD 状态（DIF/DEA 位置关系、柱状图趋势）
48
49	2. AKShare 交叉验证：用识别出的股票代码调用脚本获取精确数据
50	```bash
51	python scripts/technical_analysis.py --symbol <股票代码> --days 120
52	```
53
54	3. 冲突处理：若图像识别与 API 数据有差异，以 API 数据为准，在报告中标注差异
55
56	### 代码模式
57
58	直接调用脚本获取数据并计算指标：
59	```bash
60	python scripts/technical_analysis.py --symbol <股票代码> --days 120
61	```
62
63	### 输出：技术面速读表格
64
65	\| 维度 \| 指标 \| 数值 \| 信号 \|
66	\|------\|------\|------\|------\|
67	\| 趋势 \| MA20/MA60 \| — \| 上升/震荡/下降 \|
68	\| MACD \| DIF/DEA \| — \| 金叉/死叉/多头/空头 \|
69	\| KDJ \| K/D/J \| — \| 超买/超卖/中性 \|
70	\| RSI \| RSI14 \| — \| 超买/超卖/中性 \|
71	\| 布林带 \| 上轨/中轨/下轨 \| — \| 突破/偏多/偏空 \|
72	\| 支撑压力 \| 支撑位/压力位 \| — \| — \|
73
74	---
75
76	## 模块二：基本面分析
77
78	### 截图模式
79
80	1. 图像识别：从财报截图提取关键指标（营收、净利润、ROE、毛利率等）
81	2. AKShare 补充：拉取 PE/PB/PS 估值数据、行业对比数据
82	```bash
83	python scripts/fundamental_analysis.py --symbol <股票代码>
84	```
85
86	### 代码模式
87
88	直接调用脚本：
89	```bash
90	python scripts/fundamental_analysis.py --symbol <股票代码>
91	```
92
93	### 合并输出
94
95	综合评级表格：
96
97	\| 维度 \| 评分 \| 判断 \|
98	\|------\|------\|------\|
99	\| 技术面 \| X/5 \| 趋势方向 + 关键信号 \|
100	\| 基本面 \| X/5 \| 盈利能力 + 估值水平 \|
101	\| 资金面 \| X/5 \| 成交量变化趋势 \|
102	\| 综合评级 \| — \| 强烈推荐/推荐/中性/谨慎/回避 \|
103
104	操作建议：
105	- 短期（1-2周）策略
106	- 中期（1-3月）策略
107	- 关键支撑位和压力位
108
109	---
110
111	## 模块三：多维交叉验证
112
113	使用内置 WebSearch 工具搜索以下信息：
114
115	1. 研报观点：搜索 `"<股票名称> 研报 <当前年份>"` 获取机构评级和目标价
116	2. 行业动态：搜索 `"<所属行业> 行业趋势 <当前年份>"` 了解上下游变化
117	3. 重大新闻：搜索 `"<股票名称> 最新消息"` 排查重大利好/利空事件
118	4. 政策影响：搜索相关产业政策、监管动态
119
120	### 交叉验证逻辑
121
122	- 将搜索结果与模块一、二的分析进行对比
123	- 如有矛盾信号（如技术面看涨但研报看空），明确标注分歧点并分析可能原因
124	- 补充模块一二未覆盖的风险因素
125
126	### 输出：投资决策报告草稿
127
128	整合前三个模块的分析结果，生成结构化的投资决策报告草稿，作为私董会的讨论输入。
129
130	---
131
132	## 模块四：私董会决策讨论
133
134	调用 `peers-advisory-group` Skill 的核心机制，将投资决策报告草稿作为讨论议题。
135
136	详细指南见 [references/advisory-board.md](references/advisory-board.md)，包含幕僚阵容、5维度分析结构、观点碰撞模板、投资风格适配规则。
137
138	### 核心流程
139
140	1. 通过 WebSearch 搜索四位幕僚（巴菲特/马斯克/盖茨/乔布斯）最新动态
141	2. 将模块一~三的完整报告作为讨论议题
142	3. 每位幕僚按 5维度结构输出深度分析：核心判断 → 数据论据 → 类比案例 → 风险警示 → 最后一句话建议
143	4. 输出 2-3 个观点碰撞（不同投资哲学的分歧与争论）
144	5. 根据用户投资风格档案（如有）生成个性化建议
145	6. 综合四位幕僚观点，输出最终投资结论
146
147	### 自动化模式
148
149	默认由系统代替用户回答幕僚提问（基于分析数据 + 用户风格档案）。如用户主动发言，系统暂停自动代答，将对话权交给用户。
150
151	---
152
153	## 模块五：排版与输出
154
155	### 步骤一：整理报告 Markdown
156
157	将最终分析结果整理为以下结构：
158
159	```markdown
160	# [股票名称]([代码]) 投资分析报告
161
162	> 报告日期：YYYY-MM-DD \| 综合评级：XX
163
164	## 技术面分析
165	[模块一输出]
166
167	## 基本面分析
168	[模块二输出]
169
170	## 多维交叉验证
171	[模块三输出]
172
173	## 私董会纪要
174	### 巴菲特观点
175	[观点摘要]
176	### 马斯克观点
177	[观点摘要]
178	### 比尔·盖茨观点
179	[观点摘要]
180	### 乔布斯观点
181	[观点摘要]
182	### 最终结论
183	[综合结论]
184
185	## 操作建议
186	- 短期策略（1-2周）
187	- 中期策略（1-3月）
188	- 仓位建议
189	- 止损位
190
191	## 风险提示
192	投资有风险，以上分析仅供参考，不构成投资建议。据此操作，风险自担。
193	```
194
195	### 步骤二：杂志排版
196
197	调用 `magazine-layout` Skill，指定 "大胆社论"（Bold Editorial）风格，将 Markdown 转为精美 HTML 文件。
198
199	保存 HTML 到本地：`~/stock-reports/<股票代码>-<日期>.html`
200
201	### 步骤三：转换 PDF
202
203	执行转换脚本：
204	```bash
205	python scripts/html_to_pdf.py ~/stock-reports/<股票代码>-<日期>.html
206	```
207
208	输出 PDF 文件：`~/stock-reports/<股票代码>-<日期>.pdf`
209
210	### 步骤四：上传飞书云文档
211
212	调用 `lark-doc` Skill，将报告内容创建为飞书云文档：
213	- 文档标题：`[股票名称] 投资分析报告 - YYYY-MM-DD`
214	- 返回文档链接给用户
215
216	### 最终输出给用户
217
218	```
219	分析完成！
220
221	本地 PDF：~/stock-reports/<代码>-<日期>.pdf
222	飞书文档：<飞书链接>
223
224	综合评级：XX
225	核心结论：[一句话总结]
226	```
227
228	---
229
230	## 依赖
231
232	\| 组件 \| 用途 \|
233	\|------\|------\|
234	\| AKShare (Python) \| A股行情、K线、财务数据获取 \|
235	\| `a-share-analyst` scripts \| 技术分析、数据获取基础脚本 \|
236	\| WebSearch（内置） \| 研报、行业、新闻搜索 \|
237	\| `peers-advisory-group` Skill \| 私董会决策讨论 \|
238	\| `magazine-layout` Skill \| 杂志风格 HTML 排版 \|
239	\| `lark-doc` Skill \| 飞书云文档上传 \|
240	\| Playwright (Python) \| HTML 转 PDF \|
241
242	## 脚本清单
243
244	\| 脚本 \| 功能 \|
245	\|------\|------\|
246	\| `scripts/technical_analysis.py` \| 技术指标计算（复用 a-share-analyst） \|
247	\| `scripts/fetch_market_data.py` \| 市场数据获取（复用 a-share-analyst） \|
248	\| `scripts/fundamental_analysis.py` \| 基本面分析（新增） \|
249	\| `scripts/html_to_pdf.py` \| HTML 转 PDF（新增） \|
250
251	## 参考文件
252
253	\| 文件 \| 内容 \|
254	\|------\|------\|
255	\| `references/report-structure.md` \| 报告结构模板 \|
256	\| `references/image-prompts.md` \| 图像识别提示词模板 \|

People who liked this also viewed

6 picks

Type

stock-advisor

4installs18forks

View on GitHub

How to install stock-advisor?

isjiamu/jiamu-skills/stock-advisor

$npx -y skills add isjiamu/jiamu-skills --skill stock-advisor

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# A股投资顾问 (Stock Advisor)
2
3	全自动编排型投资分析流水线。用户只需提供股票截图或代码，系统自动完成技术面分析、基本面分析、多维交叉验证、私董会决策讨论，最终输出精美排版的投资报告。
4
5	## 流水线架构
6
7	```
8	用户输入（截图 / 股票代码）
9	│
10	▼
11	① 技术面分析 → ② 基本面分析 → ③ 多维交叉验证 → ④ 私董会讨论 → ⑤ 排版输出
12	```
13
14	## 启动流程
15
16	### 首次使用：投资风格档案
17
18	检查 memory 中是否存在用户投资风格档案。如不存在，提 3-4 个简短问题：
19
20	1. 风险偏好：保守 / 稳健 / 激进？
21	2. 投资周期：短线（1-2周）/ 中线（1-3月）/ 长线（3月以上）？
22	3. 关注行业：有没有特别关注的行业板块？
23	4. 仓位上限：单只股票最大仓位占比？
24
25	用户可选择跳过，后续在私董会环节自然补充。收集到的信息保存到 memory。
26
27	### 识别入口模式
28
29	根据用户输入自动判断：
30
31	- 截图模式：用户上传了图片（K线图、财报截图）→ 图像识别 + AKShare 交叉验证
32	- 代码模式：用户提供了股票代码或名称 → 纯 AKShare 数据驱动
33
34	两种模式均进入同一流水线，差异仅在数据获取方式。
35
36	---
37
38	## 模块一：技术面分析
39
40	### 截图模式
41
42	1. 图像识别：从 K 线图中提取：
43	- 股票名称和代码
44	- 当前股价
45	- K 线形态（近 5 日表现）
46	- 均线排列状态（MA5/MA10/MA20）
47	- MACD 状态（DIF/DEA 位置关系、柱状图趋势）
48
49	2. AKShare 交叉验证：用识别出的股票代码调用脚本获取精确数据
50	```bash
51	python scripts/technical_analysis.py --symbol <股票代码> --days 120
52	```
53
54	3. 冲突处理：若图像识别与 API 数据有差异，以 API 数据为准，在报告中标注差异
55
56	### 代码模式
57
58	直接调用脚本获取数据并计算指标：
59	```bash
60	python scripts/technical_analysis.py --symbol <股票代码> --days 120
61	```
62
63	### 输出：技术面速读表格
64
65	\| 维度 \| 指标 \| 数值 \| 信号 \|
66	\|------\|------\|------\|------\|
67	\| 趋势 \| MA20/MA60 \| — \| 上升/震荡/下降 \|
68	\| MACD \| DIF/DEA \| — \| 金叉/死叉/多头/空头 \|
69	\| KDJ \| K/D/J \| — \| 超买/超卖/中性 \|
70	\| RSI \| RSI14 \| — \| 超买/超卖/中性 \|
71	\| 布林带 \| 上轨/中轨/下轨 \| — \| 突破/偏多/偏空 \|
72	\| 支撑压力 \| 支撑位/压力位 \| — \| — \|
73
74	---
75
76	## 模块二：基本面分析
77
78	### 截图模式
79
80	1. 图像识别：从财报截图提取关键指标（营收、净利润、ROE、毛利率等）
81	2. AKShare 补充：拉取 PE/PB/PS 估值数据、行业对比数据
82	```bash
83	python scripts/fundamental_analysis.py --symbol <股票代码>
84	```
85
86	### 代码模式
87
88	直接调用脚本：
89	```bash
90	python scripts/fundamental_analysis.py --symbol <股票代码>
91	```
92
93	### 合并输出
94
95	综合评级表格：
96
97	\| 维度 \| 评分 \| 判断 \|
98	\|------\|------\|------\|
99	\| 技术面 \| X/5 \| 趋势方向 + 关键信号 \|
100	\| 基本面 \| X/5 \| 盈利能力 + 估值水平 \|
101	\| 资金面 \| X/5 \| 成交量变化趋势 \|
102	\| 综合评级 \| — \| 强烈推荐/推荐/中性/谨慎/回避 \|
103
104	操作建议：
105	- 短期（1-2周）策略
106	- 中期（1-3月）策略
107	- 关键支撑位和压力位
108
109	---
110
111	## 模块三：多维交叉验证
112
113	使用内置 WebSearch 工具搜索以下信息：
114
115	1. 研报观点：搜索 `"<股票名称> 研报 <当前年份>"` 获取机构评级和目标价
116	2. 行业动态：搜索 `"<所属行业> 行业趋势 <当前年份>"` 了解上下游变化
117	3. 重大新闻：搜索 `"<股票名称> 最新消息"` 排查重大利好/利空事件
118	4. 政策影响：搜索相关产业政策、监管动态
119
120	### 交叉验证逻辑
121
122	- 将搜索结果与模块一、二的分析进行对比
123	- 如有矛盾信号（如技术面看涨但研报看空），明确标注分歧点并分析可能原因
124	- 补充模块一二未覆盖的风险因素
125
126	### 输出：投资决策报告草稿
127
128	整合前三个模块的分析结果，生成结构化的投资决策报告草稿，作为私董会的讨论输入。
129
130	---
131
132	## 模块四：私董会决策讨论
133
134	调用 `peers-advisory-group` Skill 的核心机制，将投资决策报告草稿作为讨论议题。
135
136	详细指南见 [references/advisory-board.md](references/advisory-board.md)，包含幕僚阵容、5维度分析结构、观点碰撞模板、投资风格适配规则。
137
138	### 核心流程
139
140	1. 通过 WebSearch 搜索四位幕僚（巴菲特/马斯克/盖茨/乔布斯）最新动态
141	2. 将模块一~三的完整报告作为讨论议题
142	3. 每位幕僚按 5维度结构输出深度分析：核心判断 → 数据论据 → 类比案例 → 风险警示 → 最后一句话建议
143	4. 输出 2-3 个观点碰撞（不同投资哲学的分歧与争论）
144	5. 根据用户投资风格档案（如有）生成个性化建议
145	6. 综合四位幕僚观点，输出最终投资结论
146
147	### 自动化模式
148
149	默认由系统代替用户回答幕僚提问（基于分析数据 + 用户风格档案）。如用户主动发言，系统暂停自动代答，将对话权交给用户。
150
151	---
152
153	## 模块五：排版与输出
154
155	### 步骤一：整理报告 Markdown
156
157	将最终分析结果整理为以下结构：
158
159	```markdown
160	# [股票名称]([代码]) 投资分析报告
161
162	> 报告日期：YYYY-MM-DD \| 综合评级：XX
163
164	## 技术面分析
165	[模块一输出]
166
167	## 基本面分析
168	[模块二输出]
169
170	## 多维交叉验证
171	[模块三输出]
172
173	## 私董会纪要
174	### 巴菲特观点
175	[观点摘要]
176	### 马斯克观点
177	[观点摘要]
178	### 比尔·盖茨观点
179	[观点摘要]
180	### 乔布斯观点
181	[观点摘要]
182	### 最终结论
183	[综合结论]
184
185	## 操作建议
186	- 短期策略（1-2周）
187	- 中期策略（1-3月）
188	- 仓位建议
189	- 止损位
190
191	## 风险提示
192	投资有风险，以上分析仅供参考，不构成投资建议。据此操作，风险自担。
193	```
194
195	### 步骤二：杂志排版
196
197	调用 `magazine-layout` Skill，指定 "大胆社论"（Bold Editorial）风格，将 Markdown 转为精美 HTML 文件。
198
199	保存 HTML 到本地：`~/stock-reports/<股票代码>-<日期>.html`
200
201	### 步骤三：转换 PDF
202
203	执行转换脚本：
204	```bash
205	python scripts/html_to_pdf.py ~/stock-reports/<股票代码>-<日期>.html
206	```
207
208	输出 PDF 文件：`~/stock-reports/<股票代码>-<日期>.pdf`
209
210	### 步骤四：上传飞书云文档
211
212	调用 `lark-doc` Skill，将报告内容创建为飞书云文档：
213	- 文档标题：`[股票名称] 投资分析报告 - YYYY-MM-DD`
214	- 返回文档链接给用户
215
216	### 最终输出给用户
217
218	```
219	分析完成！
220
221	本地 PDF：~/stock-reports/<代码>-<日期>.pdf
222	飞书文档：<飞书链接>
223
224	综合评级：XX
225	核心结论：[一句话总结]
226	```
227
228	---
229
230	## 依赖
231
232	\| 组件 \| 用途 \|
233	\|------\|------\|
234	\| AKShare (Python) \| A股行情、K线、财务数据获取 \|
235	\| `a-share-analyst` scripts \| 技术分析、数据获取基础脚本 \|
236	\| WebSearch（内置） \| 研报、行业、新闻搜索 \|
237	\| `peers-advisory-group` Skill \| 私董会决策讨论 \|
238	\| `magazine-layout` Skill \| 杂志风格 HTML 排版 \|
239	\| `lark-doc` Skill \| 飞书云文档上传 \|
240	\| Playwright (Python) \| HTML 转 PDF \|
241
242	## 脚本清单
243
244	\| 脚本 \| 功能 \|
245	\|------\|------\|
246	\| `scripts/technical_analysis.py` \| 技术指标计算（复用 a-share-analyst） \|
247	\| `scripts/fetch_market_data.py` \| 市场数据获取（复用 a-share-analyst） \|
248	\| `scripts/fundamental_analysis.py` \| 基本面分析（新增） \|
249	\| `scripts/html_to_pdf.py` \| HTML 转 PDF（新增） \|
250
251	## 参考文件
252
253	\| 文件 \| 内容 \|
254	\|------\|------\|
255	\| `references/report-structure.md` \| 报告结构模板 \|
256	\| `references/image-prompts.md` \| 图像识别提示词模板 \|

People who liked this also viewed

6 picks

Type