stock-advisor
Skill131 starsChanged 4 months agoMITView on GitHub
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"。
1 other project uses a version of this.
Adopted by
Most recently taken up by
- PorscheWen/ClaudeCodetheir own version, first seen Apr 15, 2026
Other versions1 project uses a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 1
- PorscheWen/ClaudeCode★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository10 other files it gives its agents.
- first-principles-mentorSkill
- five-whySkill
- gidlin-lawSkill
- gif-splitterSkill
- magazine-layoutSkill
- peers-advisory-groupSkill
- sales-ai-assistantSkill
- six-thinking-hatsSkill
- tvc-ad-filmSkill
- video-downloaderSkill
The file
Files
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：
- 风险偏好：保守 / 稳健 / 激进？
- 投资周期：短线（1-2周）/ 中线（1-3月）/ 长线（3月以上）？
- 关注行业：有没有特别关注的行业板块？
- 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
- 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）
- 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 - 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
- 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）
- 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：
- 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 - 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 - 重大新闻：搜索
"<股票名称> 最新消息"排查重大利好/利空事件 - 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
- 通过 WebSearch 搜索四位幕僚（巴菲特/马斯克/盖茨/乔布斯）最新动态
- 将模块一~三的完整报告作为讨论议题
- 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
- 输出 2-3 个观点碰撞（不同投资哲学的分歧与争论）
- 根据用户投资风格档案（如有）生成 个性化建议
- 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 |
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.