---

name: stock-advisor description: | 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"。 author: 甲木 version: v1.1

A股投资顾问 (Stock Advisor)

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。

流水线架构

用户输入（截图 / 股票代码）
        │
        ▼
  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

启动流程

首次使用：投资风格档案

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：

1. 风险偏好：保守 / 稳健 / 激进？
2. 投资周期：短线（1-2周）/ 中线（1-3月）/ 长线（3月以上）？
3. 关注行业：有没有特别关注的行业板块？
4. 仓位上限：单只股票最大仓位占比？

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。

识别入口模式

根据用户输入自动判断：

• 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
• 代码模式：用户提供了股票代码或名称 → 纯 AKShare 数据驱动

两种模式均进入同一流水线，差异仅在数据获取方式。

---

模块一：技术面分析

截图模式

1. 图像识别：从 K 线图中提取：

   • 股票名称和代码
   • 当前股价
   • K 线形态（近 5 日表现）
   • 均线排列状态（MA5/MA10/MA20）
   • MACD 状态（DIF/DEA 位置关系、柱状图趋势）

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

   python scripts/technical_analysis.py --symbol <股票代码> --days 120
   

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

代码模式

直接调用脚本获取数据并计算指标：

python scripts/technical_analysis.py --symbol <股票代码> --days 120

输出：技术面速读表格

维度	指标	数值	信号
趋势	MA20/MA60	—	上升/震荡/下降
MACD	DIF/DEA	—	金叉/死叉/多头/空头
KDJ	K/D/J	—	超买/超卖/中性
RSI	RSI14	—	超买/超卖/中性
布林带	上轨/中轨/下轨	—	突破/偏多/偏空
支撑压力	支撑位/压力位	—	—

---

模块二：基本面分析

截图模式

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）
2. AKShare 补充：拉取 PE/PB/PS 估值数据、行业对比数据

   python scripts/fundamental_analysis.py --symbol <股票代码>
   

代码模式

直接调用脚本：

python scripts/fundamental_analysis.py --symbol <股票代码>

合并输出

综合评级表格：

维度	评分	判断
技术面	X/5	趋势方向 + 关键信号
基本面	X/5	盈利能力 + 估值水平
资金面	X/5	成交量变化趋势
综合评级	—	强烈推荐/推荐/中性/谨慎/回避

操作建议：

• 短期（1-2周）策略
• 中期（1-3月）策略
• 关键支撑位和压力位

---

模块三：多维交叉验证

使用内置 WebSearch 工具搜索以下信息：

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
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
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
4. 政策影响：搜索相关产业政策、监管动态

交叉验证逻辑

• 将搜索结果与模块一、二的分析进行对比
• 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
• 补充模块一二未覆盖的风险因素

输出：投资决策报告草稿

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。

---

模块四：私董会决策讨论

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。

详细指南见 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。

核心流程

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
2. 将模块一~三的完整报告作为讨论议题
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
4. 输出 2-3 个观点碰撞（不同投资哲学的分歧与争论）
5. 根据用户投资风格档案（如有）生成 个性化建议
6. 综合四位幕僚观点，输出最终投资结论

自动化模式

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。

---

模块五：排版与输出

步骤一：整理报告 Markdown

将最终分析结果整理为以下结构：

# [股票名称]([代码]) 投资分析报告

> 报告日期：YYYY-MM-DD | 综合评级：XX

## 技术面分析
[模块一输出]

## 基本面分析
[模块二输出]

## 多维交叉验证
[模块三输出]

## 私董会纪要
### 巴菲特观点
[观点摘要]
### 马斯克观点
[观点摘要]
### 比尔·盖茨观点
[观点摘要]
### 乔布斯观点
[观点摘要]
### 最终结论
[综合结论]

## 操作建议
- 短期策略（1-2周）
- 中期策略（1-3月）
- 仓位建议
- 止损位

## 风险提示
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。

步骤二：杂志排版

调用 magazine-layout Skill，指定 "大胆社论"（Bold Editorial） 风格，将 Markdown 转为精美 HTML 文件。

保存 HTML 到本地：~/stock-reports/<股票代码>-<日期>.html

步骤三：转换 PDF

执行转换脚本：

python scripts/html_to_pdf.py ~/stock-reports/<股票代码>-<日期>.html

输出 PDF 文件：~/stock-reports/<股票代码>-<日期>.pdf

步骤四：上传飞书云文档

调用 lark-doc Skill，将报告内容创建为飞书云文档：

• 文档标题：[股票名称] 投资分析报告 - YYYY-MM-DD
• 返回文档链接给用户

最终输出给用户

分析完成！

本地 PDF：~/stock-reports/<代码>-<日期>.pdf
飞书文档：<飞书链接>

综合评级：XX
核心结论：[一句话总结]

---

依赖

组件	用途
AKShare (Python)	A股行情、K线、财务数据获取
a-share-analyst scripts	技术分析、数据获取基础脚本
WebSearch（内置）	研报、行业、新闻搜索
peers-advisory-group Skill	私董会决策讨论
magazine-layout Skill	杂志风格 HTML 排版
lark-doc Skill	飞书云文档上传
Playwright (Python)	HTML 转 PDF

脚本清单

脚本	功能
scripts/technical_analysis.py	技术指标计算（复用 a-share-analyst）
scripts/fetch_market_data.py	市场数据获取（复用 a-share-analyst）
scripts/fundamental_analysis.py	基本面分析（新增）
scripts/html_to_pdf.py	HTML 转 PDF（新增）

参考文件

文件	内容
references/report-structure.md	报告结构模板
references/image-prompts.md	图像识别提示词模板