美股报告引擎
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。
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或--language:指定报告语言(默认Chinese)。-a或--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:
- 参数准备:
- Workspace ID:
p48ggSGelW2WAo87 - 分析报告列表父节点 nodeId:
9E05BDRVQ23be3xQF2pwLjkvJ63zgkYA
- Workspace ID:
- 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。
- 使用上述父节点 nodeId,创建名为
- 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}。 - 将
decision.txt写入“最终结论”文档;将complete_report.md写入“完整报告”文档。
- 使用 docKey,分别调用
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
技术栈评估
by alirezarezvani
对比框架、数据库和云服务,结合 5 年 TCO、安全风险、生态活力与迁移复杂度做量化评估,适合技术选型、栈升级和替换路线决策。
✎ 帮你系统比较技术栈优劣,不只看功能,还把TCO、安全性和生态健康度一起量化,选型和迁移决策更稳。
资深数据科学家
by alirezarezvani
覆盖实验设计、特征工程、预测建模、因果推断与模型评估,适合用 Python/R/SQL 做 A/B 测试、时序分析和生产级 ML 落地,支撑数据驱动决策。
✎ 从 A/B 测试、因果分析到预测建模一条龙搞定,既有硬核统计方法也懂业务沟通,特别适合把数据结论真正落地。
资深架构师
by alirezarezvani
适合系统设计评审、ADR记录和扩展性规划,分析依赖与耦合,权衡单体或微服务、数据库与技术栈选型,并输出Mermaid、PlantUML、ASCII架构图。
✎ 搞系统设计、技术选型和扩展规划时,用它能更快理清架构决策与依赖关系,还能直接产出 Mermaid/PlantUML 图,方案讨论效率很高。
相关 MCP 服务
SQLite 数据库
编辑精选by Anthropic
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。
PostgreSQL 数据库
编辑精选by Anthropic
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。
Firecrawl 智能爬虫
编辑精选by Firecrawl
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。