my_stock_report_skill

by canonxu

当且仅当用户明确提到使用报告引擎、分析引擎、股票引擎、report engine 或者 my_stock_report_skill 时触发。用于调用 Python 分析引擎对特定美股标的进行多维度深度分析,支持指定分析师组合,并将结论和报告归档至钉钉多维表。

3.7k数据与存储未扫描2026年3月30日

安装

claude skill add --url https://github.com/openclaw/skills

文档

My Stock Report Skill (美股报告引擎技能)

核心规则与触发条件

  • 触发条件:当用户明确提到“报告引擎”、“分析引擎”、“股票引擎”、“report engine”或者“my_stock_report_skill”时,触发此技能。
  • 参数控制
    • -l--language:指定报告语言(默认 Chinese)。
    • -a--analysts:指定需要启用的分析师模块(默认值:social,news,market,fundamental)。如果用户在指令中明确要求只看某些维度,则根据用户的需求指定对应的参数(如 -a fundamental,market)。
  • 执行环境:操作必须在包含 run_cli.py 的工作目录下进行。
  • 及时沟通: 严格按照工作流程执行,如果过程中有疑问,及时通过会话进行沟通确认后再继续。

工作流程

1. 构建分析命令

根据用户指令构建命令,固定使用 run_cli.py

  • 基础模式./venv/bin/python3 run_cli.py -t {标的编码} -a {analysts} -l {language} -n
  • 示例:如果用户要求“启动报告引擎分析 AAPL,只要基本面”,则执行 ./venv/bin/python3 run_cli.py -t AAPL -a fundamental -l Chinese -n;若未明确指定分析师组合,则默认传入 -a social,news,market,fundamental

2. 钉钉知识库扁平归档 (联动 dingtalk-document 技能)

分析完成后,进入 reports/ 目录下读取生成的报告文件,通过钉钉 API 直接平行创建文档。 不要求具体的多层级目录层次,直接在指定父节点下创建两个文档。

标准执行步骤

  1. 参数准备
    • Workspace ID: p48ggSGelW2WAo87
    • 分析报告列表父节点 nodeId: 9E05BDRVQ23be3xQF2pwLjkvJ63zgkYA
  2. 创建两个独立文档
    • 使用上述父节点 nodeId,创建名为 最终结论_{标的}_{YYYYMMDD_HHMMSS} 的文档,并获取其在线 URL 及 docKey。
    • 使用上述父节点 nodeId,创建名为 完整报告_{标的}_{YYYYMMDD_HHMMSS} 的文档,并获取其在线 URL 及 docKey。
  3. 写入正文内容
    • 使用 docKey,分别调用 POST https://api.dingtalk.com/v1.0/doc/suites/documents/{docKey}/overwriteContent?operatorId={OPERATOR_ID}
    • decision.txt 写入“最终结论”文档;将 complete_report.md 写入“完整报告”文档。

3. 多维表结构化录入 (联动 my_stock_report_mgnt_skill 技能)

文档上传完成后,必须将本次分析结果结构化归档到“分析报告多维表”中。 提取与校验 6 个核心字段

  • 标的:美股简码,转为大写(如 AAPL)。
  • 分析时间:格式必须为 YYYYMMDD_HHMMSS
  • 分析结论:从 decision.txt 提取明确的核心结论(如 BUY、SELL、HOLD)。
  • 分析摘要:根据本地报告内容提炼,严格限制在 300 字以内
  • 结论文档:步骤 2 中获取的最终结论钉钉文档 URL 链接。
  • 完整文档:步骤 2 中获取的完整报告钉钉文档 URL 链接。

按照 my_stock_report_mgnt_skill 的要求,将这组字段执行“新增记录”操作。

4. 反馈输出 (Markdown 表格展现)

成功写入多维表后,向用户返回友好的 Markdown 格式回复。输出内容本质上就是上传钉钉多维表的那 6 个字段的内容。 示例格式:

字段内容
标的AAPL
分析时间20260325_123000
分析结论BUY
分析摘要苹果公司在AI战略上取得关键突破...(此处为提炼的300字以内摘要)
结论文档[钉钉文档链接]
完整文档[钉钉文档链接]

相关 Skills

迁移架构师

by alirezarezvani

Universal
热门

为数据库、API 与基础设施迁移制定分阶段零停机方案,提前校验兼容性与风险,生成回滚策略、验证关卡和时间线,适合复杂系统平滑切换。

做数据库与存储迁移时,用它统一梳理表结构和数据搬迁流程,架构视角更完整,复杂迁移也更稳。

数据与存储
未扫描9.0k

数据库建模

by alirezarezvani

Universal
热门

把需求梳理成关系型数据库表结构,自动生成迁移脚本、TypeScript/Python 类型、种子数据、RLS 策略和索引方案,适合多租户、审计追踪、软删除等后端建模与 Schema 评审场景。

把数据库结构设计、ER图梳理和SQL建模放到一处,复杂业务也能快速统一数据模式,少走不少返工弯路。

数据与存储
未扫描9.0k

资深数据工程师

by alirezarezvani

Universal
热门

聚焦生产级数据工程,覆盖 ETL/ELT、批处理与流式管道、数据建模、Airflow/dbt/Spark 优化和数据质量治理,适合设计数据架构、搭建现代数据栈与排查性能问题。

复杂数据管道、ETL/ELT 和治理难题交给它,凭 Spark、Airflow、dbt 等现代数据栈经验,能更稳地搭起可扩展的数据基础设施。

数据与存储
未扫描9.0k

相关 MCP 服务

by Anthropic

热门

PostgreSQL 是让 Claude 直接查询和管理你的数据库的 MCP 服务器。

这个服务器解决了开发者需要手动编写 SQL 查询的痛点,特别适合数据分析师或后端开发者快速探索数据库结构。不过,由于是参考实现,生产环境使用前务必评估安全风险,别指望它能处理复杂事务。

数据与存储
82.9k

SQLite 数据库

编辑精选

by Anthropic

热门

SQLite 是让 AI 直接查询本地数据库进行数据分析的 MCP 服务器。

这个服务器解决了 AI 无法直接访问 SQLite 数据库的问题,适合需要快速分析本地数据集的开发者。不过,作为参考实现,它可能缺乏生产级的安全特性,建议在受控环境中使用。

数据与存储
82.9k

by Firecrawl

热门

Firecrawl 是让 AI 直接抓取网页并提取结构化数据的 MCP 服务器。

它解决了手动写爬虫的麻烦,让 Claude 能直接访问动态网页内容。最适合需要实时数据的研究者或开发者,比如监控竞品价格或抓取新闻。但要注意,它依赖第三方 API,可能涉及隐私和成本问题。

数据与存储
5.9k

评论