Tougu Writer Factory

Name: Tougu Writer Factory
Author: cyhzzz

cyhzzz/finance_aigc_skills

5 installs
5 repo stars
Updated April 7, 2026
cyhzzz/finance_aigc_skills

Trains a bespoke investment-advisor writing skill from 3-5 sample articles using an 8-dimension style extraction method.

About

This meta-skill ingests 3-5 sample advisor articles and extracts their style across 8 dimensions to output a ready-to-use custom writing skill with data modules and references. A financial advisor uses it to produce a personalized market-commentary writing template.

8-dimension style extraction from sample articles
Outputs a full SKILL.md with data modules and self-evaluation loop

Tougu Writer Factory by the numbers

5 all-time installs (skills.sh)
Ranked #837 of 1,106 Finance & Trading skills by installs in the Skillselion catalog
Data as of Jul 29, 2026 (Skillselion catalog sync)

npx skills add https://github.com/cyhzzz/finance_aigc_skills --skill tougu-writer-factory

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

[![Listed on Skillselion](https://skillselion.com/badge/skills/cyhzzz/finance_aigc_skills/tougu-writer-factory.svg)](https://skillselion.com/skills/cyhzzz/finance_aigc_skills/tougu-writer-factory)

Installs	5
repo stars	★ 5
Last updated	April 7, 2026
Repository	cyhzzz/finance_aigc_skills ↗

What it does

Trains a bespoke investment-advisor writing skill from 3-5 sample articles using an 8-dimension style extraction method.

Files

SKILL.mdMarkdownGitHub ↗

投顾写作Skill工厂

从3-5篇满意文章中训练专属投顾写作Skill的完整元技能

核心定位

本Skill是一个"工厂"——接收投顾提交的3-5篇满意文章，输出可直接使用的专属写作Skill。

核心能力

能力	说明
8维深度提取	标题/段落/句式/词汇/分析逻辑/数据规范/固定表达/数据需求
固化模块	市场数据获取 + 合规红线（通用模块，不需提取）
自测评循环	生成 → 对比 → 修复 → 循环，确保Skill效果达标
完整输出	SKILL.md + 固化模块 + references/ + scripts/

---

快速开始

触发方式

对助手说：

"帮我建一个收评skill"
"训练一个专属写作模板"
"提取我的写作风格建个skill"
"这个是我的写作风格，帮我封装成skill"

操作流程

Phase 1: 文章采集存档（需用户确认样本）
    ↓
Phase 2: 8维深度提取
    ↓
Phase 3: 对比整合 → 风格画像（需用户确认风格）
    ↓
Phase 4: Skill组装
    ↓
Phase 5: 自测评循环（自动执行，无需用户介入）
    ↓
✅ 完成 → 触发安装检查

输出目录

output/{文章类型}-writer/（相对路径，跨平台兼容Windows/Mac/Linux）

---

任务目标

本Skill工厂的目标是： 1. 接收投顾提交的3-5篇满意文章 2. 通过8维深度提取分析法提取写作特征 3. 生成可直接使用的专属写作Skill 4. 通过自测评循环确保生成质量

---

完整工作流程

Phase 1：文章采集存档 ✋

输入：3-5篇同类型满意文章

要求：

同类型文章（收评/开盘前瞻/行业解读等）
Markdown或纯文本，保留完整段落结构
注明作者姓名和满意原因

操作： 1. 保存文章到临时目录 2. 验证文章数量是否足够 3. 记录文章基本信息

输出：存档确认报告

详细指南：见 references/phase1.md

---

Phase 2：8维深度提取

核心提取阶段，从样本文章中提取8个维度的特征

序号	维度	提取内容	权重
1	标题格式	主标题结构、副标题格式、栏目名称	20%
2	段落结构	段落数量、每段功能定位、段落间衔接逻辑	20%
3	句式特征	句子长度、条件判断句、概率表达	15%
4	词汇特征	专业术语库、特色比喻词、谨慎词	15%
5	分析逻辑	数据→事件→逻辑→结论→建议框架	20%
6	数据规范	数据类型、精确度要求、对比表达	参考
7	固定表达	段落开头固定语、结尾固定格式	10%
8	数据需求	必需数据、可选数据、资讯需求	参考

详细指南：见 references/phase2.md

---

Phase 3：对比整合 → 风格画像 ✋

将3-5篇文章的8个维度提取结果进行交叉对比：

一致率	处理方式
≥80%	核心模式，进入风格画像
50-79%	标准模式，标记为可选变体
<50%	个人偏好，作为个性化选项

输出：

{风格名}创作风格.md - 风格指南（含段落示例+完整案例）
{风格名}创作风格_微观特征.md - 微观特征详细说明

详细指南：见 references/phase3.md

---

Phase 4：Skill组装

将生成的资源组装成完整的Skill：

output/{文章类型}-writer/
├── SKILL.md                    # 可直接使用的写作Skill
├── 固化模块/
│   ├── compliance.md           # 合规红线
│   └── market_data.py         # 市场数据获取脚本
├── scripts/
│   ├── fetch_market_data.py   # 可执行脚本
│   └── market_data.md         # LLM数据获取驱动指南
└── references/
    ├── {风格名}创作风格.md
    ├── {风格名}创作风格_微观特征.md
    ├── {风格名}html海报模板.html
    ├── {风格名}合规检查.md
    ├── step1.md ~ step4.md
    └── self_eval.md

固化模块（通用，直接复制）：

固化模块/compliance.md → 合规红线
固化模块/market_data.py → 市场数据获取脚本

详细指南：见 references/phase4.md

---

Phase 5：自测评循环

目的：确保生成的Skill真正符合案例标准

流程：

初始生成
    ↓
随机选题测试（自动）
    ↓
Skill执行：生成测试文章
    ↓
格式校验（skill-creator规范或内置校验）
    ↓
7维对比分析
    ↓
差距识别
    ↓
修复优化（如需要）
    ↓
循环直到达标（≥80%）或达3轮上限

达标标准：

整体匹配度 ≥ 80% → 通过
单维度匹配度 ≥ 60% → 可接受
任何维度 < 50% → 必须修复

详细指南：见 references/phase5.md

---

质量检查清单

生成完成后，必须验证：

文件完整性检查

[ ] SKILL.md 包含完整workflow
[ ] 固化模块/ 包含 compliance.md 和 market_data.py
[ ] scripts/ 包含 fetch_market_data.py
[ ] references/ 包含 step1-4.md 和 self_eval.md

内容完整性检查

[ ] 创作风格.md 包含所有段落类型的写作示例
[ ] 创作风格.md 包含至少2个完整案例片段
[ ] 微观特征.md 包含句式特征、词汇特征、润色检查清单

风格一致性检查

[ ] 标题格式与样本一致
[ ] 段落数量与样本一致
[ ] 固定开头语全部提取
[ ] 特色词汇全部纳入
[ ] 分析逻辑框架正确

---

技术依赖

组件	用途
Python 3	运行环境
akshare	市场数据获取
pandas	数据处理
markdown	文本处理
skill-creator	格式校验（可选，未安装时使用内置校验）

---

注意事项

1. 固化模块是通用的 - 直接复制，不需要从样本提取 2. SKILL.md必须详细 - 包含完整的操作步骤、检查清单、注意事项 3. 风格文档必须丰满 - 创作风格.md和微观特征.md内容详尽完整 4. 自测评需要生成文章 - 先调用生成的Skill生成测试文章，再进行对比 5. 样本质量决定Skill质量 - 提交最满意的版本，3-5篇同类型文章

---

参考文档索引

文件	内容
`references/phase1.md`	Phase 1 详细指南：文章采集存档
`references/phase2.md`	Phase 2 详细指南：8维深度提取
`references/phase3.md`	Phase 3 详细指南：对比整合
`references/phase4.md`	Phase 4 详细指南：Skill组装
`references/phase5.md`	Phase 5 详细指南：自测评循环
`references/self_eval.md`	自评估检查表（LLM驱动）
`固化模块/compliance.md`	合规红线（固化）
`固化模块/market_data.py`	市场数据获取脚本（固化）

投顾写作Skill工厂 - 快速开始指南

什么是投顾写作Skill工厂？

一个"Skill工厂"——你提供3-5篇满意的投顾文章，我帮你训练出一个专属的写作Skill，可复用于日常撰写。

---

快速使用

触发命令

对我（助手）说：

"帮我建一个收评skill"
"训练一个专属写作模板"
"提取我的写作风格"

提供材料

3-5篇你满意的同类型文章（收评/开盘前瞻/行业解读等），直接发给我。

等待输出

我自动完成： 1. 存档 + 8维深度提取 2. 风格画像整合 3. 组装专属Skill（含数据获取+合规模块） 4. 自测评循环确保质量

你获得一个可直接使用的写作Skill。

---

输出物

生成后输出到 output/{文章类型}-writer/（相对路径，跨平台兼容），并提示用户是否安装：

output/{文章类型}-writer/
├── SKILL.md              # 专属写作Skill
├── 固化模块/
│   ├── compliance.md         # 合规红线
│   └── market_data.py      # 市场数据脚本
├── scripts/
│   ├── fetch_market_data.py # 可执行脚本
│   └── market_data.md      # LLM数据获取指南
└── references/
    ├── {风格名}创作风格.md
    ├── {风格名}创作风格_微观特征.md
    ├── {风格名}html海报模板.html
    ├── {风格名}合规检查.md
    ├── step1.md ~ step4.md
    └── self_eval.md

生成后：✅ Skill已生成到 output/{文章类型}-writer/，是否安装？

---

适用场景

场景	说明
每日收评	训练后一键生成收评初稿
开盘前瞻	快速产出盘前分析
行业解读	标准化行业分析框架
产品话术	提取话术风格模板

---

质量保障

自测评循环：

生成后自动对比原始案例
多轮修复直到达标
确保风格一致

---

注意事项

1. 文章质量决定Skill质量——提交你最满意的版本 2. 同类型文章——收评就都选收评，不要混搭 3. 固化模块是通用的——市场数据获取和合规红线不需要你提取，直接用 4. 自测评会多轮修复——自动进行，不需要你介入

合规红线模块（固化）

本模块为通用合规规则，所有生成的Skill均强制集成

不需要从案例中提取，直接使用

---

禁止表达清单

市场预测类（绝对禁止）

❌ 必将大涨、必将大跌
❌ 确定上涨、确定下跌
❌ 一定涨、一定跌
❌ 必然会、必定会

操作承诺类（绝对禁止）

❌ 推荐买入、推荐卖出
❌ 赶紧买、赶紧卖
❌ 满仓梭哈
❌ 抄底、逃顶

绝对化词汇（谨慎使用）

❌ 暴涨、暴跌
❌ 极好、极差
❌ 完全、彻底
❌ 只能、必须（操作建议中）

---

谨慎表达规则

概率性表达（推荐使用）

✅ 大概率
✅ 或
✅ 可能
✅ 倾向于
✅ 值得关注

操作建议表达

✅ 建议关注
✅ 可以考虑
✅ 逢低布局
✅ 控制仓位
✅ 分散风险

---

风险提示格式

每篇文章结尾必须包含：

本内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
市场有风险，投资需谨慎。

---

数据来源标注

必须标注来源的数据

指数行情：✅ "根据官方行情数据显示"
资金流向：✅ "根据官方行情数据显示"
政策文件：✅ "根据证监会XX文件"
新闻报道：✅ "根据XX媒体报道"

禁止

❌ 模糊来源："据悉"、"有消息称"（必须核实）
❌ 无来源数据

---

合规检查清单

生成内容后自检：

[ ] 无绝对化市场预测词汇
[ ] 无操作承诺性语句
[ ] 有风险提示
[ ] 关键数据有来源标注
[ ] 使用概率性表达（大概率/或/可能）

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>{{BRAND_NAME}}·{{ARTICLE_TYPE}} | {{AUTHOR_NAME}}</title>
    <script src="https://cdn.tailwindcss.com"></script>
    <link href="https://fonts.googleapis.com/css2?family=Noto+Serif+SC:wght@400;600;700;900&family=Noto+Sans+SC:wght@300;400;500;700&family=Roboto+Mono:wght@400;500;700&display=swap" rel="stylesheet">
    <script>
        tailwind.config = {
            theme: {
                extend: {
                    colors: {
                        'rice-paper': '#F7F5F0',
                        'daiqing': '#2C4A3E',
                        'cinnabar': '#B85450',
                        'bronze-gold': '#C9A961',
                        'ink-black': '#1A1A1A',
                        'charcoal': '#4A4A4A',
                        'silver-gray': '#8A8A8A',
                        'light-gray': '#E8E6E1'
                    },
                    fontFamily: {
                        'serif-cn': ['"Noto Serif SC"', 'serif'],
                        'sans-cn': ['"Noto Sans SC"', 'sans-serif'],
                        'mono': ['"Roboto Mono"', 'monospace']
                    }
                }
            }
        }
    </script>
    <style>
        /* 传统纹样背景 */
        .wave-pattern {
            background-image: url("data:image/svg+xml,%3Csvg width='100' height='20' viewBox='0 0 100 20' xmlns='http://www.w3.org/2000/svg'%3E%3Cpath d='M0 10 Q 25 20 50 10 T 100 10' stroke='%23C9A961' stroke-width='0.5' fill='none' opacity='0.3'/%3E%3C/svg%3E");
            background-repeat: repeat-x;
        }
        
        /* 竖排文字支持 */
        .vertical-text {
            writing-mode: vertical-rl;
            text-orientation: upright;
        }
        
        /* 细线装饰 */
        .gold-line {
            background: linear-gradient(to right, transparent, #C9A961, transparent);
            height: 1px;
        }
        
        /* 数据卡片悬停效果 */
        .data-card {
            transition: all 0.3s ease;
        }
        .data-card:hover {
            transform: translateY(-2px);
            box-shadow: 0 4px 12px rgba(44, 74, 62, 0.1);
        }
        
        /* 打印优化 */
        @media print {
            body { background: white; }
            .no-print { display: none; }
            .shadow-lg { box-shadow: none; }
        }
        
        /* 滚动条美化 */
        ::-webkit-scrollbar {
            width: 6px;
        }
        ::-webkit-scrollbar-track {
            background: #F7F5F0;
        }
        ::-webkit-scrollbar-thumb {
            background: #C9A961;
            border-radius: 3px;
        }
    </style>
</head>
<body class="bg-rice-paper min-h-screen font-sans-cn text-charcoal antialiased">

    <!-- 主容器 -->
    <div class="max-w-4xl mx-auto p-6 md:p-12">
        
        <!-- 顶部栏 -->
        <header class="flex justify-between items-start mb-8 border-b border-bronze-gold/30 pb-4">
            <div class="flex items-center gap-4">
                <!-- 栏目标识 -->
                <div class="relative">
                    <h1 class="font-serif-cn text-3xl font-bold text-daiqing tracking-wider">
                        产品名称
                    </h1>
                    <div class="absolute -top-2 -right-4 w-6 h-6 opacity-20">
                        <svg viewBox="0 0 24 24" fill="#C9A961">
                            <path d="M12 2C8 2 5 5 5 9c0 2 1 4 3 5v2c0 2-1 3-2 4 2 1 4-1 6-3 2 2 4 4 6 3-1-1-2-2-2-4v-2c2-1 3-3 3-5 0-4-3-7-7-7z"/>
                        </svg>
                    </div>
                </div>
                <div class="h-8 w-px bg-bronze-gold/50"></div>
                <div class="text-sm">
                    <p class="font-serif-cn text-daiqing font-semibold">盘前展望</p>
                    <p class="text-silver-gray text-xs mt-0.5">{{AUTHOR_NAME}} · {{ARTICLE_TYPE}}</p>
                </div>
            </div>
            
            <div class="text-right text-xs text-silver-gray space-y-1">
                <p class="font-mono">2026年2月7日</p>
                <p>星期五</p>
                <p class="text-bronze-gold">农历正月初十</p>
            </div>
        </header>

        <!-- 核心观点区（视觉锚点） -->
        <section class="mb-10 text-center py-8 relative">
            <div class="absolute top-0 left-1/2 -translate-x-1/2 w-24 h-px bg-gradient-to-r from-transparent via-bronze-gold to-transparent"></div>
            
            <h2 class="font-serif-cn text-3xl md:text-4xl font-bold text-ink-black mb-4 leading-relaxed">
                节前最后一周，态势竟然如此
            </h2>
            
            <div class="inline-block bg-daiqing/5 border-l-4 border-bronze-gold px-6 py-3 rounded-r-lg">
                <p class="font-serif-cn text-xl text-daiqing font-semibold">
                    窄幅震荡格局，大概率延续全周
                </p>
            </div>
            
            <div class="absolute bottom-0 left-1/2 -translate-x-1/2 w-24 h-px bg-gradient-to-r from-transparent via-bronze-gold to-transparent"></div>
        </section>

        <!-- 主内容区：左右分栏 -->
        <div class="grid md:grid-cols-12 gap-8">
            
            <!-- 左侧正文区（7列） -->
            <main class="md:col-span-8 space-y-6">
                
                <!-- 市场综述 -->
                <article class="prose prose-stone max-w-none">
                    <div class="flex items-center gap-2 mb-3">
                        <div class="w-1.5 h-6 bg-daiqing rounded-full"></div>
                        <h3 class="font-serif-cn text-lg font-bold text-daiqing">市场综述</h3>
                    </div>
                    
                    <div class="bg-white/50 rounded-lg p-5 border border-light-gray leading-relaxed text-justify">
                        <p class="mb-3">
                            2月6日，市场呈现<strong class="text-daiqing">低开高走、午后回落</strong>的震荡格局。上证指数收于<span class="font-mono font-bold text-daiqing text-lg">4065点</span>，是非常标准的震荡市延续走势，指数层面的信号很清晰。
                        </p>
                        <p>
                            两市成交额约<span class="font-mono font-bold">2.15万亿元</span>，较前日缩量约<span class="text-cinnabar font-mono">300亿元</span>，<span class="bg-cinnabar/10 px-1 rounded">流动性降级明显</span>。
                        </p>
                    </div>
                </article>

                <!-- 政策解读 -->
                <article>
                    <div class="flex items-center gap-2 mb-3">
                        <div class="w-1.5 h-6 bg-daiqing rounded-full"></div>
                        <h3 class="font-serif-cn text-lg font-bold text-daiqing">政策解读</h3>
                        <span class="text-xs bg-bronze-gold/20 text-bronze-gold px-2 py-0.5 rounded-full">证监会1号文</span>
                    </div>
                    
                    <div class="bg-white/50 rounded-lg p-5 border border-light-gray">
                        <p class="leading-relaxed mb-3">
                            证监会于2026年2月6日发布《关于境内资产境外发行资产支持证券代币的监管指引》，旨在为现实世界资产（RWA）代币化建立明确的监管框架。
                        </p>
                        <div class="bg-daiqing/5 border-l-3 border-daiqing pl-4 py-2 rounded-r text-sm">
                            <p class="font-semibold text-daiqing mb-1">核心原则：境内严禁、境外严管</p>
                            <p class="text-charcoal/80">具备跨境证券化、ABS经验的头部券商和投行有业务增量预期，<span class="text-daiqing font-medium">非银金融板块受益</span>，但大概率会冲击区块链概念股。</p>
                        </div>
                    </div>
                </article>

                <!-- 贵金属动向 -->
                <article>
                    <div class="flex items-center gap-2 mb-3">
                        <div class="w-1.5 h-6 bg-cinnabar rounded-full"></div>
                        <h3 class="font-serif-cn text-lg font-bold text-daiqing">贵金属动向</h3>
                        <span class="text-xs bg-cinnabar/10 text-cinnabar px-2 py-0.5 rounded-full">央行增持</span>
                    </div>
                    
                    <div class="bg-white/50 rounded-lg p-5 border border-light-gray">
                        <p class="leading-relaxed mb-3">
                            2月7日，央行公布数据显示，1月末黄金储备为<span class="font-mono font-bold text-cinnabar text-lg">7419万盎司</span>，较上月末增加<span class="font-mono font-bold text-cinnabar">4万盎司</span>。
                        </p>
                        <div class="flex gap-4 text-sm">
                            <div class="flex-1 bg-rice-paper p-3 rounded border border-bronze-gold/30 text-center">
                                <p class="text-silver-gray text-xs mb-1">连续增持</p>
                                <p class="font-mono font-bold text-daiqing">15个月</p>
                            </div>
                            <div class="flex-1 bg-rice-paper p-3 rounded border border-bronze-gold/30 text-center">
                                <p class="text-silver-gray text-xs mb-1">占储备比重</p>
                                <p class="font-mono font-bold text-daiqing">9.7%</p>
                            </div>
                            <div class="flex-1 bg-rice-paper p-3 rounded border border-bronze-gold/30 text-center">
                                <p class="text-silver-gray text-xs mb-1">全球平均</p>
                                <p class="font-mono font-bold text-silver-gray">~15%</p>
                            </div>
                        </div>
                        <p class="text-sm text-charcoal/80 mt-3 italic">
                            后续市场公开操作仍有增持黄金、适度减持美债的预期。
                        </p>
                    </div>
                </article>

                <!-- 外围市场 -->
                <article>
                    <div class="flex items-center gap-2 mb-3">
                        <div class="w-1.5 h-6 bg-daiqing rounded-full"></div>
                        <h3 class="font-serif-cn text-lg font-bold text-daiqing">外围市场</h3>
                    </div>
                    
                    <div class="bg-white/50 rounded-lg p-5 border border-light-gray">
                        <p class="leading-relaxed mb-3">
                            2月6日美股三大指数涨幅明显，<span class="font-medium">道指创历史新高</span>：
                        </p>
                        <div class="grid grid-cols-3 gap-3 mb-3">
                            <div class="text-center p-3 bg-daiqing/5 rounded-lg">
                                <p class="text-xs text-silver-gray mb-1">道琼斯</p>
                                <p class="font-mono font-bold text-daiqing">历史新高</p>
                            </div>
                            <div class="text-center p-3 bg-daiqing/5 rounded-lg">
                                <p class="text-xs text-silver-gray mb-1">纳斯达克</p>
                                <p class="font-mono font-bold text-daiqing">+2.18%</p>
                            </div>
                            <div class="text-center p-3 bg-daiqing/5 rounded-lg">
                                <p class="text-xs text-silver-gray mb-1">标普500</p>
                                <p class="font-mono font-bold text-daiqing">+1.97%</p>
                            </div>
                        </div>
                        <p class="text-sm text-charcoal/80">
                            主要得益于美联储降息预期升温、地缘政治风险缓和以及科技巨头巨额AI支出计划。美股大涨通过情绪传导和外盘带动效应，或对今日A股开盘形成提振，特别是<span class="text-daiqing font-medium">AI算力、芯片</span>等科技板块有望跟随回暖。
                        </p>
                    </div>
                </article>

                <!-- 板块热点 -->
                <article>
                    <div class="flex items-center gap-2 mb-3">
                        <div class="w-1.5 h-6 bg-bronze-gold rounded-full"></div>
                        <h3 class="font-serif-cn text-lg font-bold text-daiqing">鱼群动向</h3>
                        <span class="text-xs bg-bronze-gold/20 text-bronze-gold px-2 py-0.5 rounded-full">固态电池异动</span>
                    </div>
                    
                    <div class="bg-white/50 rounded-lg p-5 border border-light-gray">
                        <p class="leading-relaxed mb-3">
                            边际变化明显的是<strong class="text-daiqing">固态电池板块</strong>。2月6日，板块成交额<span class="font-mono font-bold">610亿元</span>，占两市总成交额比重的<span class="font-mono font-bold text-bronze-gold">2.85%</span>，较前一交易日提升<span class="text-bronze-gold font-bold">0.8个百分点</span>。
                        </p>
                        <div class="bg-bronze-gold/5 border border-bronze-gold/20 rounded-lg p-3 text-sm">
                            <div class="flex justify-between items-center">
                                <span class="text-charcoal/70">板块市值</span>
                                <span class="font-mono font-bold text-daiqing">~4万亿元</span>
                            </div>
                            <div class="flex justify-between items-center mt-1">
                                <span class="text-charcoal/70">占两市总市值</span>
                                <span class="font-mono font-bold text-daiqing">3.26%</span>
                            </div>
                        </div>
                        <p class="text-sm text-charcoal/80 mt-3">
                            体现出市场在缩量的情况下，有活跃资金涌入该板块，还是有些许分量的。
                        </p>
                    </div>
                </article>

                <!-- 本周策略 -->
                <article class="bg-daiqing/5 rounded-lg p-6 border border-daiqing/20">
                    <div class="flex items-center gap-2 mb-4">
                        <div class="w-1.5 h-6 bg-daiqing rounded-full"></div>
                        <h3 class="font-serif-cn text-xl font-bold text-daiqing">本周策略</h3>
                    </div>
                    
                    <div class="space-y-3 text-charcoal leading-relaxed">
                        <p>
                            回到A股市场，重点说本周的整体判断：<span class="font-bold text-daiqing">窄幅震荡格局，大概率会延续全周</span>。
                        </p>
                        <p>
                            虽然我们不倾向做过于消极的预判，但春节前的资金行为规律很明确，上周两市流动性已经明显降级。一方面是行情本身震荡所致，另一方面，本周市场的春节氛围会明显加重，量能低迷或逐步成为常态。
                        </p>
                        <div class="bg-white/70 rounded-lg p-4 my-4 border-l-4 border-bronze-gold">
                            <p class="font-medium text-daiqing mb-2">关键判断</p>
                            <p class="text-sm">若没有增量资金，指数就很难走出趋势性行情，大概率就是在当前区间内反复震荡。只要没有重大利好/利空消息刺激，整个震荡区间很难被有效打破。</p>
                        </div>
                        <p>
                            <span class="font-medium text-cinnabar">这里要提醒一个细节：</span>不同指数的震荡强弱是分化的。深圳成指、中证500/1000，整体更偏向弱势震荡；而上证指数在这个位置，结构上更接近强势震荡，板块与指数的节奏差异，要区分开。
                        </p>
                        <p class="font-medium text-daiqing">
                            操作与应对上，继续验证此前的震荡判断即可，重点盯紧两点：一是震荡区间的延续性，二是如果出现突破，一定要看清突破的方向、量能配合与级别有效性，不要盲目追涨杀跌。
                        </p>
                    </div>
                </article>

            </main>

            <!-- 右侧数据栏（5列） -->
            <aside class="md:col-span-4 space-y-4">

                <!-- 市场速览卡片 -->
                <div class="bg-white rounded-lg shadow-sm border border-light-gray p-5">
                    <h4 class="font-serif-cn text-bronze-gold font-bold mb-4 flex items-center gap-2">
                        <span class="w-2 h-2 bg-bronze-gold rounded-full"></span>
                        市场速览
                    </h4>
                    
                    <div class="space-y-3">
                        <div class="data-card bg-rice-paper rounded-lg p-3 border border-light-gray">
                            <div class="flex justify-between items-center mb-1">
                                <span class="text-xs text-silver-gray">上证指数</span>
                                <span class="text-xs text-silver-gray">2月6日</span>
                            </div>
                            <div class="font-mono text-2xl font-bold text-daiqing">4065</div>
                            <div class="text-xs text-silver-gray mt-1">震荡延续</div>
                        </div>

                        <div class="data-card bg-rice-paper rounded-lg p-3 border border-light-gray">
                            <div class="flex justify-between items-center mb-1">
                                <span class="text-xs text-silver-gray">两市成交额</span>
                                <span class="text-xs text-cinnabar">↓缩量</span>
                            </div>
                            <div class="font-mono text-2xl font-bold text-daiqing">2.15<span class="text-sm">万亿</span></div>
                            <div class="text-xs text-cinnabar mt-1">-300亿元</div>
                        </div>

                        <div class="data-card bg-rice-paper rounded-lg p-3 border border-light-gray">
                            <div class="flex justify-between items-center mb-1">
                                <span class="text-xs text-silver-gray">纳斯达克</span>
                                <span class="text-xs text-daiqing">隔夜</span>
                            </div>
                            <div class="font-mono text-2xl font-bold text-daiqing">+2.18%</div>
                            <div class="text-xs text-silver-gray mt-1">道指创历史新高</div>
                        </div>

                        <div class="data-card bg-rice-paper rounded-lg p-3 border border-light-gray">
                            <div class="flex justify-between items-center mb-1">
                                <span class="text-xs text-silver-gray">黄金储备</span>
                                <span class="text-xs text-cinnabar">+4万盎司</span>
                            </div>
                            <div class="font-mono text-2xl font-bold text-cinnabar">7419<span class="text-sm">万盎司</span></div>
                            <div class="text-xs text-silver-gray mt-1">连续15个月增持</div>
                        </div>

                        <div class="data-card bg-bronze-gold/10 rounded-lg p-3 border border-bronze-gold/30">
                            <div class="flex justify-between items-center mb-1">
                                <span class="text-xs text-bronze-gold font-medium">固态电池成交占比</span>
                                <span class="text-xs text-bronze-gold">↑0.8%</span>
                            </div>
                            <div class="font-mono text-2xl font-bold text-bronze-gold">2.85%</div>
                            <div class="text-xs text-bronze-gold/70 mt-1">资金涌入明显</div>
                        </div>
                    </div>

                    <!-- 策略提示 -->
                    <div class="mt-5 pt-4 border-t border-light-gray">
                        <div class="bg-daiqing/5 rounded-lg p-3 text-center">
                            <p class="text-xs text-silver-gray mb-1">本周基调</p>
                            <p class="font-serif-cn font-bold text-daiqing">窄幅震荡</p>
                            <p class="text-xs text-charcoal/70 mt-1">适应震荡，不追涨杀跌</p>
                        </div>
                    </div>
                </div><!-- /市场速览卡片 -->

                <!-- 快速导航（本期要点）-->
                <div class="bg-white rounded-lg shadow-sm border border-light-gray p-4">
                    <h4 class="text-xs font-bold text-silver-gray uppercase tracking-wider mb-3">本期要点</h4>
                    <nav class="space-y-2 text-sm">
                        <a href="#" class="block text-charcoal hover:text-daiqing transition-colors py-1 border-b border-light-gray/50">市场综述</a>
                        <a href="#" class="block text-charcoal hover:text-daiqing transition-colors py-1 border-b border-light-gray/50">RWA监管新政</a>
                        <a href="#" class="block text-charcoal hover:text-daiqing transition-colors py-1 border-b border-light-gray/50">央行增持黄金</a>
                        <a href="#" class="block text-charcoal hover:text-daiqing transition-colors py-1 border-b border-light-gray/50">美股创新高</a>
                        <a href="#" class="block text-charcoal hover:text-daiqing transition-colors py-1">固态电池异动</a>
                    </nav>
                </div>

            </aside>
        </div>

        <!-- 底部区域 -->
        <footer class="mt-12 pt-8 border-t border-bronze-gold/30">
            
            <!-- 订阅引导 -->
            <div class="bg-daiqing rounded-lg p-6 text-white mb-6 relative overflow-hidden">
                <div class="absolute top-0 right-0 w-32 h-32 bg-white/5 rounded-full -translate-y-1/2 translate-x-1/2"></div>
                <div class="relative z-10 flex justify-between items-center">
                    <div>
                        <h4 class="font-serif-cn text-xl font-bold mb-2">签约【{{BRAND_NAME}}】股票池</h4>
                        <p class="text-white/80 text-sm">{{SUBSCRIPTION_TAGLINE}}</p>
                    </div>
                    <div class="text-right">
                        <div class="bg-white/20 backdrop-blur rounded-lg p-3 inline-block">
                            <svg class="w-16 h-16 text-white" fill="currentColor" viewBox="0 0 24 24">
                                <path d="M3 3h18v18H3V3zm2 2v14h14V5H5zm4 4h6v2H9V9zm0 4h6v2H9v-2z"/>
                            </svg>
                        </div>
                        <p class="text-xs text-white/60 mt-2">{{SUBSCRIPTION_CTA}}</p>
                    </div>
                </div>
            </div>

            <!-- 风险提示 -->
            <div class="text-xs text-silver-gray leading-relaxed space-y-2 border-t border-light-gray pt-4">
                <p class="font-bold text-charcoal">风险提示：</p>
                <p>{{RISK_DISCLOSURE}}</p>
                <p class="text-center text-bronze-gold font-medium pt-2">市场有风险，投资需谨慎</p>
            </div>

            <!-- 品牌页脚 -->
            <div class="flex justify-between items-center mt-6 pt-4 border-t border-light-gray text-xs text-silver-gray">
                <div class="flex items-center gap-2">
                    <span class="font-serif-cn font-bold text-daiqing">{{BRAND_NAME}}</span>
                    <span>|</span>
                    <span>{{AUTHOR_NAME}}</span>
                </div>
                <div class="font-mono">
                    {{BRAND_NAME}} · 第{{ISSUE_NUMBER}}期
                </div>
            </div>
        </footer>

    </div>

    <!-- 装饰元素：底部水波纹 -->
    <div class="wave-pattern h-4 opacity-30 mt-8"></div>

</body>
</html>

#!/usr/bin/env python3
"""
投顾写作Skill工厂 - 市场数据获取固化模块

功能：
1. 获取A股市场主要指数数据（上证、深证、创业板）
2. 获取板块行情数据
3. 获取资金流向数据
4. 格式化输出供写作使用

用法：
python market_data.py [日期]
python market_data.py 2026-03-25

依赖：
pip install akshare pandas requests
"""

import argparse
import json
import sys
from datetime import datetime, timedelta
from typing import Dict, Any, Optional, List

# 尝试导入akshare，如果失败则使用模拟数据
try:
    import akshare as ak
    HAS_AKSHARE = True
except ImportError:
    HAS_AKSHARE = False
    print("⚠️ 警告: akshare未安装，将使用模拟数据")
    print("   安装命令: pip install akshare")


# ============ 数据获取函数 ============

def get_previous_trading_day(date_str: Optional[str] = None) -> str:
    """获取指定日期的前一个交易日"""
    if date_str:
        target = datetime.strptime(date_str, "%Y-%m-%d")
    else:
        target = datetime.now()

    # 简单实现：如果是周末，往前找
    while target.weekday() >= 5:  # 5=Saturday, 6=Sunday
        target -= timedelta(days=1)

    return target.strftime("%Y-%m-%d")


def fetch_index_data(symbol: str, name: str, date: str) -> Dict[str, Any]:
    """获取单个指数数据"""
    result = {
        "name": name,
        "symbol": symbol,
        "date": date,
        "status": "unknown",
    }

    if not HAS_AKSHARE:
        result["status"] = "mock"
        result["close"] = 3000.0 + hash(date) % 1000
        result["change"] = 0.5
        result["change_pct"] = 0.5
        result["volume"] = 250000000000
        result["amount"] = 2500000000000
        return result

    try:
        if symbol == "000001":  # 上证指数
            df = ak.index_zh_a_hist(symbol="000001", period="daily", start_date=date, end_date=date)
        elif symbol == "399001":  # 深证成指
            df = ak.index_zh_a_hist(symbol="399001", period="daily", start_date=date, end_date=date)
        elif symbol == "399006":  # 创业板指
            df = ak.index_zh_a_hist(symbol="399006", period="daily", start_date=date, end_date=date)
        else:
            df = ak.index_zh_a_hist(symbol=symbol, period="daily", start_date=date, end_date=date)

        if df is not None and len(df) > 0:
            row = df.iloc[-1]
            result["close"] = float(row.get("收盘", row.get("close", 0)))
            result["open"] = float(row.get("开盘", row.get("open", 0)))
            result["high"] = float(row.get("最高", row.get("high", 0)))
            result["low"] = float(row.get("最低", row.get("low", 0)))
            result["volume"] = float(row.get("成交量", row.get("volume", 0)))
            result["amount"] = float(row.get("成交额", row.get("amount", 0)))

            # 计算涨跌幅
            prev_close = float(row.get("前收盘", row.get("pre_close", result["close"])))
            if prev_close > 0:
                result["change"] = result["close"] - prev_close
                result["change_pct"] = (result["change"] / prev_close) * 100

            result["status"] = "success"
        else:
            result["status"] = "no_data"

    except Exception as e:
        result["status"] = "error"
        result["error"] = str(e)

    return result


def fetch_market_data(date: Optional[str] = None) -> Dict[str, Any]:
    """获取市场数据主函数"""
    if not date:
        date = get_previous_trading_day()
    else:
        date = get_previous_trading_day(date)

    result = {
        "date": date,
        "indices": {},
        "market_summary": {},
        "status": "unknown",
    }

    # 获取三大指数
    indices = [
        ("000001", "上证指数"),
        ("399001", "深证成指"),
        ("399006", "创业板指"),
    ]

    for symbol, name in indices:
        result["indices"][symbol] = fetch_index_data(symbol, name, date)

    # 计算市场整体情况
    all_success = all(idx.get("status") == "success" for idx in result["indices"].values())

    if all_success:
        # 上涨/下跌/平盘计数
        rises = sum(1 for idx in result["indices"].values() if idx.get("change_pct", 0) > 0)
        falls = sum(1 for idx in result["indices"].values() if idx.get("change_pct", 0) < 0)

        total_amount = sum(idx.get("amount", 0) for idx in result["indices"].values())
        avg_change = sum(idx.get("change_pct", 0) for idx in result["indices"].values()) / len(indices)

        result["market_summary"] = {
            "rise_count": rises,
            "fall_count": falls,
            "total_amount": total_amount,
            "avg_change_pct": avg_change,
            "market_type": "普涨" if rises > falls else ("普跌" if falls > rises else "分化"),
        }
        result["status"] = "success"
    else:
        result["status"] = "partial"
        result["market_summary"] = {
            "rise_count": 0,
            "fall_count": 0,
            "market_type": "数据获取失败",
        }

    return result


def format_market_report(data: Dict[str, Any]) -> str:
    """格式化市场数据为可读报告"""
    if data.get("status") == "error":
        return f"❌ 数据获取失败: {data.get('error', '未知错误')}"

    date = data.get("date", "未知日期")
    lines = [
        f"=== A股市场数据 ({date}) ===",
        "",
        "【主要指数】",
    ]

    for symbol, idx in data.get("indices", {}).items():
        name = idx.get("name", symbol)
        status = idx.get("status", "unknown")

        if status == "success":
            close = idx.get("close", 0)
            change = idx.get("change", 0)
            change_pct = idx.get("change_pct", 0)
            amount = idx.get("amount", 0)

            direction = "▲" if change > 0 else ("▼" if change < 0 else "―")
            change_str = f"{direction}{abs(change):.2f}点({change_pct:+.2f}%)"

            # 格式化成交额
            if amount >= 100000000000:
                amount_str = f"{amount/100000000000:.2f}万亿元"
            else:
                amount_str = f"{amount/100000000:.2f}亿元"

            lines.append(f"  {name}: {close:.2f} {change_str} 成交额{amount_str}")
        else:
            lines.append(f"  {name}: 数据获取失败({status})")

    summary = data.get("market_summary", {})
    if summary:
        lines.extend([
            "",
            "【市场概况】",
            f"  整体态势: {summary.get('market_type', '未知')}",
        ])

    return "\n".join(lines)


# ============ CLI入口 ============

def main():
    parser = argparse.ArgumentParser(description="获取A股市场数据")
    parser.add_argument("date", nargs="?", default=None, help="交易日期(YYYY-MM-DD)，默认为上一交易日")
    parser.add_argument("--json", action="store_true", help="输出JSON格式")
    parser.add_argument("--format", choices=["report", "json", "raw"], default="report", help="输出格式")

    args = parser.parse_args()

    # 获取数据
    data = fetch_market_data(args.date)

    # 根据格式输出
    if args.format == "json" or args.json:
        print(json.dumps(data, ensure_ascii=False, indent=2))
    elif args.format == "raw":
        for symbol, idx in data.get("indices", {}).items():
            print(f"{symbol}: {idx}")
    else:
        print(format_market_report(data))

    # 返回状态码
    return 0 if data.get("status") == "success" else 1


if __name__ == "__main__":
    sys.exit(main())

投顾写作Skill工厂

从3-5篇满意文章中训练专属投顾八股文写作Skill的完整元技能

---

📦 完整结构

tougu-writer-factory/
├── SKILL.md                              # 主Skill文件
├── AGENTS.md                             # 快速开始指南
├── README.md                             # 本文件
│
├── 固化模块/                              # 通用固化模块（直接复制）
│   ├── compliance.md                     # 合规红线
│   └── market_data.py                   # 市场数据获取脚本
│
├── assets/                               # 资产文件
│   ├── compliance.md                     # 合规红线源文件
│   ├── market_data.py                   # 市场数据获取源文件
│   └── html_template.html               # HTML海报模板
│
├── scripts/                              # 工具脚本
│   ├── self_eval.py                     # 自测评脚本
│   └── market_data.md                   # LLM数据获取驱动指南
│
└── references/                          # 参考模板
    ├── phase1.md ~ phase5.md            # 各Phase详细指南
    ├── step1.md ~ step4.md              # 操作步骤模板
    ├── self_eval.md                     # 自评估检查表
    ├── analysis_logic.md                 # 分析逻辑框架
    ├── style_profile.md                 # 风格画像模板
    └── format_guide.md                  # 格式指南

---

🚀 快速开始

触发方式

对助手说：

"帮我建一个收评skill"
"训练一个专属写作模板"
"提取我的写作风格建个skill"

操作流程

1. 提交材料：发送3-5篇满意的投顾文章 2. 自动执行：

8维深度提取
风格画像整合
组装专属Skill（含固化模块）
自测评循环确保质量

3. 获得输出：可直接使用的专属写作Skill

---

✨ 核心能力

能力	说明
8维提取	标题/段落/句式/词汇/分析逻辑/数据/固定表达/数据需求
固化模块	市场数据获取 + 合规红线（通用，不用提取）
自测评循环	LLM驱动+Python辅助，格式校验（skill-creator规范）+ 7维度对比
完整输出	SKILL.md + 6个references + 固化模块 + 自测评指南
skill-creator集成	生成Skill的格式校验依赖skill-creator规范

---

📊 自测评机制

初始生成
    ↓
随机选题测试
    ↓
7维对比分析
    ↓
差距识别
    ↓
修复优化
    ↓
循环直到达标（≥80%）或达3轮上限

---

📝 输出示例

生成的专属Skill输出到 output/ 目录：

output/收评writer/
├── SKILL.md (详细版)
├── 固化模块/
│   ├── compliance.md         # 合规红线
│   └── market_data.py      # 市场数据脚本
├── scripts/
│   ├── fetch_market_data.py # 可执行脚本
│   └── market_data.md      # LLM数据获取指南
└── references/
    ├── 收评创作风格.md
    ├── 收评创作风格_微观特征.md
    ├── 收评html海报模板.html
    ├── 收评合规检查.md
    ├── step1.md ~ step4.md
    └── self_eval.md

生成后：自动提示是否安装生成的skill

---

⚙️ 技术要求

Python 3
markdown解析能力
文件系统操作
skill-creator（可选，用于格式校验）

---

📌 注意事项

1. 文章质量决定Skill质量——提交你最满意的版本 2. 同类型文章——收评就都选收评，不要混搭 3. 固化模块是通用的——市场数据和合规不需要提取 4. 自测评自动进行——不需要人工介入

---

分析逻辑框架

本文档由投顾写作Skill工厂自动生成

记录文章的分析框架、论证结构、逻辑链条等

---

核心分析框架

投顾文章的分析逻辑遵循"数据→事件→逻辑→结论→建议"的五段式框架：

数据事实 → 事件影响 → 逻辑推理 → 趋势结论 → 操作建议

各环节详解

1. 数据事实

内容：客观陈述市场数据

指数表现（涨跌幅、点位）
成交额变化（放量/缩量）
资金流向（净流入/净流出）
板块表现（涨跌排行）

要求：

具体数值，精确到小数点后两位
对比数据（环比、同比）
数据来源标注

2. 事件影响

内容：分析影响市场的重大事件

国内政策（证监会、央行、统计局）
国际事件（美联储、地缘政治）
行业政策（产业规划、监管政策）

要求：

说明事件本身
分析对不同板块的影响
区分短期和长期影响

3. 逻辑推理

内容：基于数据和事件进行因果推演

数据→原因的推理
事件→市场反应的推理
当前→未来的推演

要求：

因果链条清晰
概率表达（大概率、或、可能）
转折处理（然而、但）

4. 趋势结论

内容：对市场走势的判断

短期趋势（当日/本周）
中期趋势（月度/季度）
关键支撑压力位

要求：

明确但不绝对
附带概率判断
技术面与基本面结合

5. 操作建议

内容：具体的投资操作建议

仓位建议（高/中/低）
板块配置（进攻/防御）
操作策略（高抛低吸/持股待涨）

要求：

明确但不承诺
风险提示同步给出
适合不同风险偏好投资者

---

论证结构

时间序列结构

昨日市场 → 今日预期 → 未来展望

示例：

昨日（已发生）：上证指数微涨0.09%
今日（正在发生）：成交量维持低位
未来（预期）：大概率维持震荡

空间并列结构

A股市场 → 港股市场 → 美股市场
上证 → 深证 → 创业板
主板 → 科创板 → 北交所

示例：

上证指数偏强，而创业板指走弱，呈现明显的分化格局。

重要性递进结构

重要事件 → 次要事件 → 补充信息

示例：

证监会政策是本次市场调整的主因，其次是外围扰动，成交量萎缩则是伴随现象。

---

因果链条模式

常见因果链

政策→资金→股价：

政策出台 → 资金预期变化 → 板块轮动 → 股价变动

数据→情绪→市场：

成交额萎缩 → 观望情绪 → 市场震荡

外围→传导→A股：

美股下跌 → 情绪传导 → A股跟跌

转折处理

当因果链出现反转时，使用转折词：

转折词	含义	用法
然而	重大的不利转折	预期上涨，但实际下跌
但	补充说明	整体向好，但存在问题
不过	轻微转折	机会存在，但需谨慎
虽然/尽管	让步转折	虽有不利，但可控

---

结论推导路径

从数据推导结论

[数据] 成交额跌破2万亿
[观察] 资金观望情绪浓厚
[结论] 市场大概率维持缩量震荡

从事件推导结论

[事件] 美联储3月降息预期骤降
[影响] 外部利率环境收紧
[传导] 对科技成长股估值形成压制
[结论] 短期内科技股大概率承压

综合推导

[数据] 成交额萎缩、指数分化
[事件] 政策面积极但外围扰动
[历史] 过往类似情况市场走势
[概率] 大概率维持震荡，结构分化

---

逻辑检查清单

撰写完成后，请检查：

因果链完整性

[ ] 数据→原因→影响→结论链条完整
[ ] 没有跳跃性推理
[ ] 概率表达与结论匹配

转折处理

[ ] 转折词使用恰当
[ ] 转折后的分析与转折前逻辑一致
[ ] 转折不颠覆整体判断

结论可靠性

[ ] 结论有数据支撑
[ ] 结论不过于绝对
[ ] 操作建议与结论匹配

逻辑一致性

[ ] 段落间逻辑连贯
[ ] 前后判断不矛盾
[ ] 整体立场一致

格式规范指南

本文档由投顾写作Skill工厂自动生成

记录文章格式规范，包括标题格式、段落结构、结尾格式等

---

标题格式

主标题规范

【{栏目名称}·{文章类型}】{核心观点标题}

示例：

【年年有鱼·市场评论】节前收官在即，鱼群高低切换待春归
【XX投顾·盘前展望】今日市场或将延续震荡格局

副标题规范

——本栏目为"{作者/栏目}"观点{早评/收评}

示例：

——本栏目为"于晴于理"观点收评
——本栏目为"XX投顾"观点早评

标题字数

主标题（不含【】和栏目名）：8-16字为宜
核心观点应简洁有力
避免过于直白或过于晦涩

---

段落结构

标准段落数量

根据文章类型，段落数量有所不同：

文章类型	段落数量	说明
收评	5-6段	市场概述→事件→外围→技术→资金→操作
盘前展望	5-6段	同上
行业解读	4-5段	行业概况→政策影响→竞争格局→投资建议
产品话术	3-4段	产品介绍→优势→适用场景→风险提示

每段功能定位

第1段：市场/行业概述

开门见山，直述当日/当前市场表现
包含关键数据（指数涨跌幅、成交额）
定调整篇分析基调

第2段：事件/政策分析

分析影响市场的重大事件
逻辑清晰：事件→影响→市场反应
数据支撑

第3段：关联市场/竞争分析

外部市场联动（如美股、港股）
或行业竞争格局

第4段：技术/走势分析

技术面分析
支撑压力位
趋势判断

第5段：资金/板块分析

资金流向
板块轮动
特色比喻运用

第6段：操作建议

具体投资建议
仓位建议
风险提示

段落长度

每段：100-200字为宜
第2、5段可根据内容重要性适当扩展至250-300字
整体文章：800-1200字

---

固定表达

段落开头语

以下是常见的段落开头固定语模式：

昨日A股市场...
近期事件层面...
关联市场方面...
走势结构上...
鱼群方面...
操作思路上...

结尾固定格式

风险提示：

本内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
市场有风险，投资需谨慎。

品牌呼号（如适用）：

签约【年年有"鱼"】股票池解锁更多内容
年年有鱼——让投资像呼吸一样简单。

---

数据格式规范

指数数据

上证指数{涨跌幅}（{点数}点）
深证成指{涨跌幅}（{点数}点）
创业板指{涨跌幅}（{点数}点）

成交额数据

两市成交额{金额}亿元，{环比变化}
成交额{放量/缩量}{具体数值}

资金流向

北向资金{净流入/净流出}{金额}亿元
资金有{高低切换/持续流入/持续流出}动作

---

格式检查清单

撰写完成后，请检查：

[ ] 标题格式完整（主标题 + 副标题）
[ ] 段落数量符合类型要求
[ ] 每段有明确的功能定位
[ ] 段落开头语符合规范
[ ] 结尾包含风险提示
[ ] 数据格式规范
[ ] 整体篇幅在800-1200字范围内

微观特征指南

本文档由投顾写作Skill工厂自动生成

记录句式、词汇、修辞、节奏等微观写作特征

---

句式特征

句式类型分布

句式类型	占比	示例
陈述句	70%	上证指数微涨0.09%
条件判断句	15%	若没有增量资金，指数将维持震荡
概率表达句	10%	大概率维持震荡格局
转折句	5%	然而，市场情绪有所转弱

条件判断句式

常用结构：

若{条件}，则{结果}
若没有{条件}，{结果}
{条件}情况下，{结果}

示例：

若没有增量资金配合，指数将维持震荡
若成交量不能有效放大，突破前高难度较大
外围市场若持续走弱，A股大概率跟随调整

概率性表达句式

常用词汇：大概率、或、可能、倾向于、值得关注、有望

示例：

大概率维持震荡格局
市场或将延续分化走势
短期内可能面临调整压力
投资者倾向于观望为主

---

词汇特征

高频专业术语

类别	词汇
市场描述	缩量、放量、震荡、轮动、催化、避险、分化、高低切换
技术分析	突破、支撑、压力、趋势、均线、背离、量价齐升
资金流向	净流入、净流出、防御性调仓、进攻性布局
操作建议	逢低布局、控制仓位、高抛低吸、分散风险

谨慎词使用

必须使用的谨慎词：

大概率
或
可能
建议
值得关注
倾向于

避免使用的绝对词：

❌ 暴涨、暴跌
❌ 肯定、绝对
❌ 必然、必将
❌ 推荐买入、满仓梭哈

特色比喻词

金融领域常用比喻（根据文章风格选择使用）：

比喻	含义	示例
鱼群	资金流向	科技板块鱼群活跃
鲸鱼	大资金/机构	北向资金（鲸鱼）净流出
压舱石	稳健板块	银行股作为压舱石
跷跷板	板块轮动	科技与消费呈跷跷板效应
风向标	领先指标	北向资金成为市场风向标
领头羊	领先板块	科技股成为反弹领头羊

---

修辞手法

排比句式

操作建议排比：

一是...二是...三是...
一是不盲目追高...二是不过于悲观...三是不纠结短期...

数据分析排比：

成交额...，涨跌幅...，资金流向...

转折句式

常见转折词：然而、但、不过、虽然、尽管

示例：

然而，市场情绪有所转弱
但整体下跌空间有限
不过，结构性机会仍存
虽然外围扰动加大，但国内政策托底有力

数据引导句式

来源标注：

根据东方财富数据显示...
根据Wind数据显示...
根据证监会政策文件...

数据陈述：

昨日成交额达8753亿元，环比下降12%
上证指数微涨0.09%，实现七连阳

---

节奏控制

句子节奏

短句为主：每句不超过25字
分号分隔：用分号连接相关但独立的信息
逗号停顿：在主语后、修饰语前适当停顿

示例：

上证指数微涨0.09%，实现七连阳，而深证成指与创业板指分别下跌0.35%和1.08%，两市成交额跌破2万亿元，呈现清晰的缩量格局。

段落节奏

首句点题：每段首句直接点明该段核心观点
数据支撑：紧随首句后给出具体数据
逻辑展开：用2-3句展开分析
小结收尾：段尾可用一句话总结

示例段落结构：

[首句] 昨日市场延续节前特征。
[数据] 上证指数微涨0.09%，深证成指下跌0.35%。
[分析] 成交额缩量至2万亿以下，显示资金观望情绪浓厚。
[小结] 整体呈现缩量震荡格局。

---

情感与语气

情感强度控制

强度	描述	适用场景
低	冷静理性，数据说话	日常分析、风险提示
中	有所倾向但不极端	操作建议、市场展望
高	明显乐观或悲观	不推荐，易违规

语气特点

客观陈述：用数据和市场事实说话
谨慎表达：避免极端化判断
专业但易懂：不过于学术化
有立场但不固执：有明确观点，但留有余地

---

正式度评估

本风格指南的正式度评估：

维度	评分	说明
用词	4/5	专业术语为主，偶尔口语化
句式	4/5	书面语为主，条件句专业
格式	5/5	严格遵循格式规范
整体	4/5	专业但易懂

评分标准：1=非常口语化，5=非常正式

Phase 1：文章采集存档

本文档为 Phase 1 的详细操作指南

---

目标

将用户提交的3-5篇满意文章采集存档，为后续8维提取做准备。

---

输入要求

要求	说明
数量	3-5篇同类型文章
类型	收评/开盘前瞻/行业解读/产品话术等
标准	本人撰写或高度认可的满意版本
格式	Markdown或纯文本，保留完整段落结构

---

操作步骤

Step 1：接收文章

接收用户发送的文章，记录：

文章类型（收评？开盘前瞻？）
作者姓名
满意原因（可选）

Step 2：验证文章

1. 检查文章数量是否 ≥3 2. 检查文章是否为同类型 3. 检查格式是否可处理

Step 3：保存存档

将文章保存到临时目录，文件命名规范：

./skill_factory_input/
├── article_1.md
├── article_2.md
└── article_3.md

Step 4：生成存档报告

输出存档确认报告：

✅ Phase 1 完成：文章采集存档

存档摘要：
- 文章类型：收评
- 作者：张三
- 文章数量：3篇
- 存档目录：./skill_factory_input/

文章列表：
1. 【年年有鱼】节前收官在即，鱼群高低切换待春归
2. 【年年有鱼】缩量震荡待指引，节后行情可期
3. 【年年有鱼】政策暖风频吹，市场信心待修复

---

用户确认 ✋

必须向用户确认以下内容：

✅ 文章采集完成，请确认：

📁 存档摘要：
- 文章类型：{类型}
- 作者：{作者}
- 文章数量：{数量}篇

📋 文章列表：
{列表}

1️⃣ 确认样本 - 这些文章是否都是您满意的版本？
2️⃣ 如需替换或添加文章，请现在提出
3️⃣ 确认后，输入"确认"继续 Phase 2

---

常见问题

问题	解决方案
文章数量不足	提示用户补充至少3篇
文章类型混杂	建议选择同类型文章
格式不统一	转换为Markdown格式

---

下一步

用户确认后，进入 Phase 2：8维深度提取

Phase 2：8维深度提取

本文档为 Phase 2 的详细操作指南

---

目标

从样本文章中提取8个维度的特征，为后续风格画像提供数据基础。

---

维度定义

序号	维度	提取内容	权重
1	标题格式	主标题结构、副标题格式、栏目名称、字数范围	20%
2	段落结构	段落数量、每段功能定位、段落间衔接逻辑、长度范围	20%
3	句式特征	句子长度偏好、标点使用规律、条件判断句、概率表达	15%
4	词汇特征	专业术语库、特色比喻词、谨慎词使用	15%
5	分析逻辑	数据→事件→逻辑→结论→建议框架、因果链条、转折处理	20%
6	数据规范	数据类型、精确度要求、对比表达方式、来源标注格式	参考
7	固定表达	段落开头固定语、结尾固定格式，品牌/栏目呼号	10%
8	数据需求	必需数据（固化模块接口）、可选数据、资讯需求	参考

---

各维度提取指南

维度1：标题格式

提取内容：

主标题结构（符号规范、字数范围、创作方法）
副标题格式（如"——本栏目为xxx观点收评"）
栏目名称（如"XX投顾"）

示例格式：

【年年有鱼·市场评论】节前收官在即，鱼群高低切换待春归
——本栏目为"于晴于理"观点收评

维度2：段落结构

提取内容：

段落数量与排序
每段功能定位（第1段市场概述、第2段事件分析...）
段落间衔接逻辑
段落长度范围

维度3：句式特征

提取内容：

句子长度偏好
标点使用规律（分号、冒号使用频率）
条件判断句式（若...则...、大概率...）
概率性表达（或许、可能、倾向于）

维度4：词汇特征

提取内容：

专业术语库（从样本中高频提取）
特色比喻词（如"压舱石"等，从样本中提取）
谨慎词使用（大概率、或、可能、建议）

维度5：分析逻辑 ← 【核心】

提取内容：

分析框架：数据→事件→逻辑→结论→建议
因果链条模式
转折处理方式
结论推导路径

维度6：数据使用规范

提取内容：

数据类型（指数、成交额、资金等）
精确度要求
对比表达方式
数据来源标注格式

维度7：固定表达

提取内容：

段落开头固定语
结尾固定格式
品牌/栏目呼号

维度8：数据获取需求

提取内容：

必需数据（固化模块接口）
可选数据
资讯需求

---

提取输出格式

# 8维提取报告

## 维度1：标题格式
- 主标题：【】格式，{字数}字
- 副标题：——格式
- 栏目：{栏目名}

## 维度2：段落结构
- 段落数量：{数量}段
- 各段功能：{列表}
- 段落长度：{范围}

## 维度3：句式特征
- 平均句长：{长度}
- 条件句：{数量}处
- 概率表达：{数量}处

## 维度4：词汇特征
- 专业术语：{列表}
- 比喻词：{列表}
- 谨慎词：{列表}

## 维度5：分析逻辑
- 框架：{描述}
- 因果链：{模式}
- 转折词：{列表}

## 维度6：数据规范
- 数据类型：{列表}
- 精确度：{要求}
- 来源标注：{格式}

## 维度7：固定表达
- 开头语：{列表}
- 结尾格式：{格式}
- 品牌呼号：{格式}

## 维度8：数据需求
- 必需数据：{列表}
- 可选数据：{列表}

---

操作建议

1. 逐篇分析：先逐篇提取，再交叉对比 2. 重点标注：对维度5（分析逻辑）投入更多精力 3. 示例保留：每个维度都要保留具体示例

---

下一步

Phase 2 完成后，进入 Phase 3：对比整合

Phase 3：对比整合 → 风格画像

本文档为 Phase 3 的详细操作指南

---

目标

将3-5篇文章的8个维度提取结果进行交叉对比，生成风格画像。

---

对比规则

一致率	处理方式	输出
≥80%	核心模式	进入风格画像
50-79%	标准模式	标记为可选变体
<50%	个人偏好	作为个性化选项

---

风格画像输出要求

每个段落必须提取的内容

1. 完整写作示例（必须）

从样本文章中选取每个段落的典型写法：

字数：100-200字
要求：保留原始的表达方式、数据、句式
标注：必须标注"（此片段直接来自样本文章第X段）"

2. 段落结构说明

首句如何点题
数据如何呈现
分析如何展开
小结如何收尾

3. 完整案例片段（至少2个）

至少从2篇样本中提取完整案例片段
包括亮点分析和片段参考
案例片段必须包含所有段落

---

输出文件规范

文件1：{风格名}创作风格.md

必须包含：

内容	要求
风格核心定义	500字以上
文章类型与时态	类型定义+时态规则
标题格式要求	格式模板+示例（至少3个）
数据使用原则	具体性要求+对比要求
{段落数量}段式结构	每段功能+示例（100-200字）
固定结尾	结尾固定格式
常用表达方式	格局描述+概率性表达+动态描述
行文节奏与篇幅控制	整体节奏+篇幅分配
语言风格要求	句式特征+词汇偏好+避免词汇
思维模式	核心思维+论证结构+切入角度
真实案例对照	2-3个完整案例+亮点分析+片段参考
模仿步骤	详细写作步骤（步骤0-N）
常见模仿误区	常见错误+纠正方法（至少5个）
质量检查清单	表格形式

文件2：{风格名}创作风格_微观特征.md

必须包含：

内容	要求
句式特征	句式类型分布+条件判断句式（至少3个）+概率性表达（至少3个）
词汇特征	高频专业术语表（至少10个）+谨慎词使用表+特色比喻词表（至少5个）
修辞手法	排比句式+转折句式+数据引导句式
节奏控制	句子节奏+段落节奏+情感与语气
润色检查清单	句式检查项+词汇检查项+标志性表达检查项+情感语气检查项
正式度评估	各维度评分+评分标准

---

质量检查清单

生成风格文档时，必须检查：

[ ] 每个段落的写作示例（100-200字）已提取
[ ] 写作示例已标注来源
[ ] 至少2个完整案例已提取
[ ] 每个案例包含亮点分析和片段参考
[ ] 内容详尽完整，无省略或截断

---

用户确认 ✋

风格画像生成完成后，必须向用户确认：

✅ Phase 3 完成：风格画像生成

📋 风格摘要：
- 风格名称：{风格名}
- 段落数量：{数量}段
- 核心特征：{列表}

📁 输出文件：
- {风格名}创作风格.md
- {风格名}创作风格_微观特征.md

请确认：
1️⃣ 风格画像是否符合您的写作风格？
2️⃣ 是否有需要调整或补充的内容？
3️⃣ 确认后，输入"确认"继续 Phase 4

---

下一步

用户确认后，进入 Phase 4：Skill组装

Phase 4：Skill组装

本文档为 Phase 4 的详细操作指南

---

目标

将风格画像和固化模块组装成完整的、可直接使用的写作Skill。

---

组装流程

Step 1：创建输出目录

import os
from pathlib import Path

# 跨平台兼容的输出目录（使用相对路径）
OUTPUT_BASE = Path("output")  # 不用 /output/，兼容Windows/Mac/Linux
output_dir = OUTPUT_BASE / f"{文章类型}-writer"
output_dir.mkdir(parents=True, exist_ok=True)

Step 2：生成SKILL.md

必须包含的内容：

---
name: {风格名}-writer
description: 基于{风格名}风格撰写{文章类型}，包含{核心能力描述}
dependency:
  python:
    - akshare>=1.18.0
    - pandas>=1.3.0
---

# {风格名}{文章类型}撰写

## 任务目标
- 本Skill用于：{具体描述}
- 能力包含：{列出核心能力}
- 触发条件：{具体触发场景}

## 前置准备
- 依赖说明：akshare>=1.18.0, pandas>=1.3.0, requests>=2.22.0

## 操作步骤

### 标准流程

1. **获取市场数据**
   - 调用 scripts/fetch_market_data.py 获取指定日期的A股市场数据
   - 支持默认获取上一个交易日数据

2. **撰写{文章类型}（初稿）**
   - 严格遵循"{风格名}"创作风格
   - 必须包含完整的标题格式
   - 采用{段落数量}段式结构
   - 数据使用要求：精确数值、数据对比、来源标注

3. **文案润色**
   - 严格按照微观特征.md进行润色
   - 句式特征检查、核心词汇检查、标志性表达检查

4. **合规检查**
   - 调用合规检查.md进行合规检查

5. **输出终稿**
   - 保存为Markdown格式
   - 可选：使用HTML模板渲染可视化输出

## 注意事项
- 标题格式：{具体格式要求}
- 固定表达：{从样本提取的开头语、结尾格式}
- 概率性表达：使用{谨慎词列表}

Step 3：复制固化模块

固化模块是通用模块，直接复制即可：

源文件	目标文件
固化模块/compliance.md	output/{类型}-writer/固化模块/compliance.md
固化模块/market_data.py	output/{类型}-writer/固化模块/market_data.py
固化模块/market_data.py	output/{类型}-writer/scripts/fetch_market_data.py

Step 4：复制风格文档

源文件	目标文件
{风格名}创作风格.md	output/{类型}-writer/references/{风格名}创作风格.md
{风格名}创作风格_微观特征.md	output/{类型}-writer/references/{风格名}创作风格_微观特征.md

Step 5：生成step文件

复制step模板到目标skill的references/目录：

references/
├── step1.md  →  output/{类型}-writer/references/step1.md
├── step2.md  →  output/{类型}-writer/references/step2.md
├── step3.md  →  output/{类型}-writer/references/step3.md
├── step4.md  →  output/{类型}-writer/references/step4.md
└── self_eval.md →  output/{类型}-writer/references/self_eval.md

Step 6：生成HTML模板

从 assets/html_template.html 复制并定制化：

assets/html_template.html → output/{类型}-writer/references/{风格名}html海报模板.html

Step 7：生成合规检查

从 固化模块/compliance.md 定制化：

固化模块/compliance.md → output/{类型}-writer/references/{风格名}合规检查.md

---

最终输出结构

output/{文章类型}-writer/
├── SKILL.md                      # 可直接使用的写作Skill
├── 固化模块/
│   ├── compliance.md             # 合规红线
│   └── market_data.py           # 市场数据脚本
├── scripts/
│   ├── fetch_market_data.py     # 可执行脚本
│   └── market_data.md           # LLM数据获取驱动指南
└── references/
    ├── {风格名}创作风格.md
    ├── {风格名}创作风格_微观特征.md
    ├── {风格名}html海报模板.html
    ├── {风格名}合规检查.md
    ├── step1.md
    ├── step2.md
    ├── step3.md
    ├── step4.md
    └── self_eval.md

---

完整性检查

组装完成后，验证以下文件是否存在：

[ ] SKILL.md
[ ] 固化模块/compliance.md
[ ] 固化模块/market_data.py
[ ] scripts/fetch_market_data.py
[ ] scripts/market_data.md
[ ] references/step1.md
[ ] references/step2.md
[ ] references/step3.md
[ ] references/step4.md
[ ] references/self_eval.md
[ ] references/{风格名}创作风格.md
[ ] references/{风格名}创作风格_微观特征.md
[ ] references/{风格名}html海报模板.html
[ ] references/{风格名}合规检查.md

---

下一步

组装完成后，自动进入 Phase 5：自测评循环

Phase 5：自测评循环

本文档为 Phase 5 的详细操作指南

---

目标

确保生成的Skill真正符合案例标准。采用 LLM驱动 + Python辅助 的自测评模式。

---

核心机制

MD评估指南（LLM执行）

LLM按照 references/self_eval.md 的评估检查表逐Phase执行。

Python辅助工具

scripts/self_eval.py 负责： 1. 特征提取：从样本和生成文章中提取7维度特征 2. 结构对比：计算各维度的匹配度得分 3. 格式校验：调用skill-creator规范或内置校验

---

自测评流程

初始生成
    ↓
Step 1: 随机选题（自动选择测试主题，如"今日收评"）
    ↓
Step 2: Skill执行（调用生成的Skill生成测试文章）
    ↓
Step 3: 格式校验 ← LLM按 self_eval.md 检查
    ↓
Step 4: 7维对比分析 ← Python辅助
    ↓
Step 5: 差距识别（输出结构差异清单）
    ↓
    ├── 达标（≥80%）→ 结束循环
    │
    └── 未达标 → 修复优化 → 循环（最多3轮）

---

达标标准

指标	标准	处理
整体匹配度	≥80%	通过
单维度匹配度	≥60%	可接受
任何维度	<50%	必须修复
循环次数	最多3轮	2轮未达标输出警告

---

7维对比权重

维度	权重	说明
标题格式	20%	符号规范、字数、结构
段落结构	20%	段落数量、功能定位
分析逻辑	20%	框架、因果、转折
句式特征	15%	条件句、概率表达
特色词汇	15%	比喻词、谨慎词
固定表达	10%	开头语、品牌呼号

---

自测评执行方式

自动执行（格式校验 + 文件完整性）

这部分由 Python 脚本自动执行：

# 格式校验 + 文件完整性检查（自动）
python scripts/self_eval.py \
  --skill-path {生成的Skill路径} \
  --validate-format-only

手动执行（内容质量 + 风格对比）

这部分需要用户提供生成的测试文章：

# 1. 使用生成的Skill生成测试文章（用户手动执行）
# 调用生成的skill，传入测试主题，生成文章

# 2. 7维度风格对比（Python辅助 + LLM判断）
python scripts/self_eval.py \
  --skill-path {生成的Skill路径} \
  --reference-samples {案例路径} \
  --compare-style-only \
  --generated-article {用户生成的测试文章} \
  --output style_report.json

完整流程

# 完整自测评
python scripts/self_eval.py \
  --skill-path {生成的Skill路径} \
  --reference-samples {案例路径} \
  --test-topic "今日收评" \
  --generated-article {文章内容或文件路径} \
  --output eval_report.json

注意：完整自测评需要用户提供生成的测试文章，因为自测评的目的是验证Skill在真实场景下能否正常工作。

---

skill-creator 集成

如果 skill-creator 已安装，自测评的格式校验阶段会： 1. 自动调用 skill-creator 的格式校验接口 2. 使用 skill-creator 规范进行 frontmatter 和章节结构检查 3. 如果未安装，则使用内置校验逻辑（等效）

格式校验项

[ ] YAML frontmatter 存在且包含 name、description、dependency
[ ] name 字段使用小写字母、数字、连字符
[ ] name 字段以 -writer 或 -skill 结尾
[ ] description 不超过200字符
[ ] 包含"任务目标"、"操作步骤"、"注意事项"章节
[ ] 文件结构符合 Skill 标准布局

---

输出报告格式

{
  "timestamp": "ISO时间戳",
  "skill_path": "Skill路径",
  "overall_pass": true/false,
  "phases": {
    "format_validation": {
      "passed": true/false,
      "issues": []
    },
    "file_completeness": {
      "passed": true/false,
      "missing_files": []
    },
    "content_quality": {
      "passed": true/false,
      "issues": []
    },
    "style_comparison": {
      "passed": true/false,
      "overall_score": 0.85,
      "dimension_scores": {}
    }
  },
  "final_verdict": "PASS/NEED_FIX/FAIL",
  "recommendations": []
}

---

完成后的操作

自测评完成后，必须自动触发一次skill安装检查：

✅ 自测评完成！

📁 生成目录：output/{文章类型}-writer/

🔔 是否安装生成的skill？
   运行：/install-skill output/{文章类型}-writer/
   或说："安装这个skill"

---

下一步

安装检查完成后，整个流程结束。

投顾写作Skill自评估指南

本文档为投顾写作Skill工厂的自评估检查表

由LLM驱动执行，用于验证生成的Skill是否符合质量标准

---

评估流程总览

Phase 1: 格式校验（skill-creator规范）
    ↓
Phase 2: 文件完整性检查
    ↓
Phase 3: 内容质量检查
    ↓
Phase 4: 7维度风格对比（≥80%通过）
    ↓
Phase 5: 综合判定与修复建议
    ↓
Phase 6: Skill安装检查（输出到output/ + 触发安装提示）

---

Phase 1：格式校验（skill-creator规范）

使用 skill-creator 的格式标准检查生成的Skill

1.1 YAML Frontmatter 检查

验证 SKILL.md 开头是否包含正确的YAML frontmatter：

---
name: {风格名}-writer
description: 基于{风格名}风格撰写{文章类型}...
dependency:
  python:
    - akshare>=1.18.0
    - pandas>=1.3.0
---

检查项：

[ ] SKILL.md 以 --- 开头
[ ] frontmatter 包含 name 字段（小写字母、数字、连字符）
[ ] frontmatter 包含 description 字段（不超过200字符）
[ ] frontmatter 包含 dependency 字段（python依赖）
[ ] name 字段以 -writer 或 -skill 结尾

1.2 章节结构检查

检查项：

[ ] 包含"任务目标"或"## 任务目标"章节
[ ] 包含"操作步骤"或"## 操作步骤"章节
[ ] 包含"注意事项"或"## 注意事项"章节
[ ] 包含质量检查清单

1.3 文件结构检查

检查项：

[ ] SKILL.md 存在
[ ] scripts/ 目录存在
[ ] references/ 目录存在
[ ] scripts/fetch_market_data.py 存在
[ ] references/step1.md 存在
[ ] references/step2.md 存在
[ ] references/step3.md 存在
[ ] references/step4.md 存在

---

Phase 2：文件完整性检查

逐个检查每个文件的内容是否完整

2.1 SKILL.md 内容检查

检查项：

[ ] frontmatter 完整（name, description, dependency）
[ ] "任务目标"章节有明确描述
[ ] "操作步骤"章节包含完整流程（Phase1→Phase4）
[ ] "注意事项"章节有实质内容
[ ] 质量检查清单完整

2.2 {风格名}创作风格.md 内容检查

检查项：

[ ] 风格核心定义（500字以上）
[ ] 标题格式说明（含示例）
[ ] 6段式结构说明（含每段功能定位）
[ ] 数据使用原则
[ ] 每个段落类型的写作示例（100-200字，直接来自样本）
[ ] 至少2个完整案例片段（包含亮点分析和片段参考）
[ ] 常用表达方式（格局描述、概率性表达、动态描述）
[ ] 行文节奏与篇幅控制说明
[ ] 语言风格要求
[ ] 思维模式说明
[ ] 常见模仿误区（至少5个）
[ ] 质量检查清单

2.3 {风格名}创作风格_微观特征.md 内容检查

检查项：

[ ] 句式特征说明
[ ] 条件判断句式示例（至少3个）
[ ] 概率性表达句式示例（至少3个）
[ ] 高频专业术语表（至少10个）
[ ] 谨慎词使用表
[ ] 特色比喻词表及含义（至少5个）
[ ] 排比句式示例
[ ] 转折句式示例
[ ] 数据引导句式示例
[ ] 润色检查清单（句式、词汇、标志性表达、情感语气）
[ ] 正式度评估

2.4 step1-4.md 内容检查

每个step文件检查项：

[ ] 包含章节标题（##）
[ ] 目标说明清晰
[ ] 具体操作步骤完整
[ ] 输出格式说明
[ ] 下一步预告

2.5 合规检查.md 内容检查

检查项：

[ ] 禁止表达清单（市场预测类）
[ ] 禁止表达清单（操作承诺类）
[ ] 谨慎表达规则
[ ] 风险提示格式
[ ] 数据来源标注规范
[ ] 合规检查清单

---

Phase 3：内容质量检查

基于原始样本，检查生成Skill的内容质量

3.1 风格一致性检查

对比原始样本：

[ ] 标题格式与样本一致
[ ] 段落数量与样本一致
[ ] 固定开头语全部提取
[ ] 特色词汇全部纳入
[ ] 分析逻辑框架正确

3.2 自洽性检查

[ ] SKILL.md 中的格式要求与创作风格.md 一致
[ ] 微观特征.md 的检查项与 SKILL.md 的润色步骤一致
[ ] step1-4 的流程与 SKILL.md 的操作步骤一致

---

Phase 4：7维度风格对比

使用Python辅助工具提取特征，对比生成质量

4.1 运行特征提取

cd {生成的Skill路径}
python scripts/self_eval.py --extract-features --samples {样本路径}

4.2 维度评分

维度	权重	通过标准	得分
标题格式	20%	格式完全一致	/20
段落结构	20%	数量和功能一致	/20
分析逻辑	20%	框架完整	/20
句式特征	15%	条件句/概率表达足够	/15
特色词汇	15%	比喻词/谨慎词齐全	/15
固定表达	10%	开头语/结尾格式一致	/10

整体匹配度 = Σ(各维度得分) / 100

4.3 通过标准

整体匹配度 ≥ 80% → 通过
单维度匹配度 ≥ 60% → 可接受
任何维度 < 50% → 必须修复
最大3轮循环，2轮未达标输出警告

---

Phase 5：综合判定与修复建议

5.1 格式校验结果

[ ] 通过 → ✅ 格式正确
[ ] 未通过 → ❌ 列出具体问题

5.2 文件完整性结果

[ ] 通过 → ✅ 所有文件完整
[ ] 未通过 → ❌ 列出缺失文件

5.3 内容质量结果

[ ] 通过 → ✅ 内容质量达标
[ ] 未通过 → ❌ 列出具体问题

5.4 风格对比结果

维度	得分	状态
标题格式	/20	✅/⚠️/❌
段落结构	/20	✅/⚠️/❌
分析逻辑	/20	✅/⚠️/❌
句式特征	/15	✅/⚠️/❌
特色词汇	/15	✅/⚠️/❌
固定表达	/10	✅/⚠️/❌
整体	/100	✅/❌

5.5 最终判定

综合结果：

✅ 全部通过 → Skill可交付
⚠️ 部分通过 → 需要修复后重新评估
❌ 未通过 → 需要重大修改

5.6 修复建议

针对每个❌/⚠️项，给出具体修复建议：

【问题1】描述
修复建议：具体操作步骤

【问题2】描述
修复建议：具体操作步骤

---

Phase 6：Skill安装检查

评估通过后，必须执行此步骤

6.1 确认输出目录

确认生成的Skill已输出到指定目录：

output/{文章类型}-writer/

6.2 触发安装检查

评估通过后，自动提示用户是否安装：

✅ Skill评估通过，已生成到 `output/{文章类型}-writer/`

🔔 是否安装生成的skill？
   运行：/install-skill output/{文章类型}-writer/
   或说："安装这个skill"

6.3 安装后验证

Skill安装后，验证：

[ ] Skill可被 Skill 工具识别
[ ] 执行一次试运行验证可用性

---

评估执行命令

完整评估

python scripts/self_eval.py \
    --skill-path {生成的Skill路径} \
    --reference-samples {样本路径} \
    --test-topic "今日收评" \
    --output eval_report.json

仅格式校验

python scripts/self_eval.py \
    --skill-path {生成的Skill路径} \
    --validate-format-only

仅风格对比

python scripts/self_eval.py \
    --skill-path {生成的Skill路径} \
    --reference-samples {样本路径} \
    --compare-style-only

---

输出报告格式

评估完成后，生成报告：

{
  "timestamp": "ISO时间戳",
  "skill_path": "Skill路径",
  "overall_pass": true/false,
  "phases": {
    "format_validation": {
      "passed": true/false,
      "issues": []
    },
    "file_completeness": {
      "passed": true/false,
      "missing_files": []
    },
    "content_quality": {
      "passed": true/false,
      "issues": []
    },
    "style_comparison": {
      "passed": true/false,
      "overall_score": 0.85,
      "dimension_scores": {}
    }
  },
  "final_verdict": "PASS/NEED_FIX/FAIL",
  "recommendations": []
}

Step 1：获取基础素材

本文档为具体Skill（如"收评writer"）的操作Phase 1

当具体Skill执行时，按此步骤获取市场数据和热点资讯

元skill生成具体Skill时，将此步骤复制到生成物的 references/step1.md

---

目标

获取撰写文章所需的全部基础素材，包括市场行情数据和影响市场的热点资讯。

---

素材清单

素材类型	内容	来源
指数行情	上证/深证/创业板当日收盘数据	akshare/东方财富
成交额	两市总成交额及环比变化	akshare
热点资讯	重大政策、事件快讯	同花顺/东方财富
板块表现	行业/概念板块涨跌幅排行	东方财富
资金流向	北向资金、主力资金动向	Wind/东方财富

---

操作命令

获取市场数据

# 获取上一交易日市场数据（默认）
python scripts/fetch_market_data.py

# 获取指定日期数据
python scripts/fetch_market_data.py 2026-03-25

# 输出JSON格式（用于后续处理）
python scripts/fetch_market_data.py --json

数据输出

{
  "date": "2026-03-25",
  "indices": {
    "000001": {"name": "上证指数", "close": 4065.0, "change_pct": 0.09, "amount": 2.5},
    "399001": {"name": "深证成指", "close": 11500.0, "change_pct": -0.35, "amount": 3.2},
    "399006": {"name": "创业板指", "close": 2300.0, "change_pct": -1.08, "amount": 1.5}
  },
  "market_summary": {
    "rise_count": 1,
    "fall_count": 2,
    "total_amount": 7.2,
    "market_type": "分化"
  }
}

---

热点资讯获取

热点资讯需要人工/AI从以下来源收集：

1. 政策面：证监会官网、央行官网、统计局 2. 资金面：北向资金公开数据、主力资金流向 3. 事件面：重要财经新闻、公告

收集维度：

事件名称
官方来源
影响板块（利好/利空）
影响时长（短期/中期/长期）

---

素材准备检查清单

[ ] 三大指数收盘数据完整（上证、深证、创业板）
[ ] 成交额数据获取
[ ] 重大政策/事件已收集（至少2-3条）
[ ] 板块表现数据（如有）
[ ] 资金流向数据（如有）

---

下一步

进入 Step 2：撰写文章初稿

基础素材准备完毕后，基于分析框架和数据撰写文章初稿。

Step 2：撰写文章初稿

本文档为具体Skill（如"收评writer"）的操作Phase 2

当具体Skill执行时，按此步骤基于分析框架和数据撰写初稿

元skill生成具体Skill时，将此步骤复制到生成物的 references/step2.md

---

目标

基于Step 1获取的市场数据和分析框架，撰写出符合格式规范的评论文章初稿。

---

分析框架（数据→事件→逻辑→结论→建议）

Step 1数据 → 事件影响分析 → 逻辑推理 → 结论判断 → 操作建议

---

文章结构规范

标准6段式结构

段落	功能	固定开头语	字数
第1段	市场概述	昨日A股市场...	100-150字
第2段	事件分析	近期事件层面...	150-200字
第3段	外围传导	关联市场方面...	100-150字
第4段	技术分析	走势结构上...	100-150字
第5段	资金板块	鱼群方面...	150-200字
第6段	操作建议	操作思路上...	100-150字

标题格式

【{栏目名称}·{文章类型}】{核心观点标题}
——本栏目为"{作者}"观点{收评/早评}

示例：

【年年有鱼·市场评论】节前收官在即，鱼群高低切换待春归
——本栏目为"于晴于理"观点收评

---

数据使用规范

必须遵循的原则

1. 精确数值：指数涨跌幅精确到小数点后两位（如+0.09%） 2. 对比表达：使用"环比""较前一日""占比"等对比词 3. 来源标注：关键数据标注来源（如"根据东方财富数据显示"） 4. 具体而非模糊：用"2.15万亿"而非"约2万亿"

数据表达模板

上证指数微涨0.09%，深证成指下跌0.35%，创业板指下跌1.08%
两市成交额2.15万亿元，较前一日缩量约300亿元
北向资金净流出约50亿元

---

句式规范

条件判断句（必须使用）

若没有增量资金配合，指数将维持震荡
若成交量不能有效放大，突破前高难度较大
外围市场若持续走弱，A股大概率跟随调整

概率性表达（必须使用）

大概率、或、可能、倾向于、值得关注

禁止使用

❌ 暴涨、暴跌、肯定、绝对、必然
❌ 推荐买入、赶紧买、满仓梭哈
❌ 抄底、逃顶

---

初稿撰写检查清单

[ ] 标题格式正确（含【】主标题 + ——副标题）
[ ] 第1段包含市场概述（指数+成交额）
[ ] 第2段包含事件/政策分析
[ ] 第3段包含外围市场传导
[ ] 第4段包含技术走势分析
[ ] 第5段包含资金/板块分析（含特色比喻"鱼群"）
[ ] 第6段包含操作建议
[ ] 每段开头语符合固定格式
[ ] 使用条件判断句（如"若...则..."）
[ ] 使用概率性表达（大概率/或/可能）
[ ] 整体篇幅在800-1200字范围内
[ ] 无绝对化表达

---

下一步

进入 Step 3：写作风格润色

初稿完成后，基于提取的写作风格进行精细润色。

Step 3：写作风格润色

本文档为具体Skill（如"收评writer"）的操作Phase 3

当具体Skill执行时，按此步骤基于微观特征进行风格润色

元skill生成具体Skill时，将此步骤复制到生成物的 references/step3.md

---

目标

严格按照提取的写作风格（微观特征），对初稿进行润色，确保风格一致性。

---

润色工具

{风格名}创作风格_微观特征.md — 微观特征详细说明
{风格名}创作风格.md — 完整风格指南

---

句式特征检查

表达规范化

原始表达	润色后	原因
涨了	微涨	更专业
跌了	下跌	更规范
有动作	呈现...动作	更准确
涨了很多	大幅上涨	避免绝对化
跌了很多	大幅下跌	避免绝对化

数据引导句式

必须添加数据来源引导：

根据东方财富数据显示...
根据Wind数据显示...
根据证监会XX文件...

条件判断句式

确保每段至少有一处条件判断：

若没有增量资金，指数将维持震荡
若成交量不能有效放大，突破前高难度较大

---

词汇特征检查

专业术语使用

必须使用的专业术语：

缩量、放量、震荡、轮动、催化、避险、分化、高低切换
突破、支撑、压力、趋势、均线、背离
净流入、净流出、防御性调仓、进攻性布局
逢低布局、控制仓位、高抛低吸、分散风险

谨慎词使用

必须使用的谨慎词：

大概率、或、可能、倾向于、值得关注、有望、建议

特色比喻词

根据风格配置使用（如有）：

鱼群（资金流向）、鲸鱼（大资金）、压舱石（稳健板块）
跷跷板（板块轮动）、风向标（领先指标）、领头羊（领先板块）

禁止用词

❌ 暴涨、暴跌（改为：大幅上涨/下跌）
❌ 肯定、绝对、必然（改为：大概率、或）
❌ 推荐买入、赶紧买、满仓梭哈
❌ 抄底、逃顶

---

标志性表达检查

确保使用风格特有的标志性表达：

段落	标志性表达
市场概述	昨日A股市场...
事件分析	近期事件层面...
外围市场	关联市场方面...
技术分析	走势结构上...
资金板块	鱼群方面...
操作建议	操作思路上...
结尾	风险提示固定格式 + 品牌呼号

---

情感语气检查

情感强度控制

低情感强度：冷静理性，数据说话
中性偏稳健：避免乐观或悲观极端
间接传递情绪：通过数据和分析体现态度

语气特点

客观陈述：用数据和市场事实说话
谨慎表达：避免极端化判断
专业但易懂：不过于学术化
有立场但不固执：有明确观点，但留有余地

---

润色检查清单

句式特征

[ ] "涨了" → "微涨"
[ ] "跌了" → "下跌"
[ ] "有动作" → "呈现...动作"
[ ] 添加数据引导句（"根据...数据显示"）
[ ] 使用条件判断句（"若...则..."）

核心词汇

[ ] 使用专业术语（缩量、震荡、轮动、催化、避险）
[ ] 使用谨慎词（大概率、或、可能、倾向于）
[ ] 使用特色比喻（如风格配置有）
[ ] 移除绝对化表达（暴涨、暴跌、肯定、绝对）

标志性表达

[ ] "走势结构上"引入技术分析段
[ ] "鱼群方面"作为资金流向段开头
[ ] "操作思路上"引入操作建议段
[ ] 固定结尾格式（风险提示 + 品牌呼号）

情感语气

[ ] 保持低情感强度，冷静理性
[ ] 中性偏稳健，避免极端
[ ] 通过数据和分析间接传递情绪

---

润色禁止事项

❌ 改变核心观点和判断逻辑
❌ 改变段落结构
❌ 删除或修改数据信息
❌ 增加新的观点或分析内容
❌ 大幅重组段落顺序

---

下一步

进入 Step 4：HTML可视化输出

润色完成后，使用HTML模板生成可视化海报。

Step 4：HTML可视化输出

本文档为具体Skill（如"收评writer"）的操作Phase 4

当具体Skill执行时，按此步骤使用HTML模板生成可视化海报

元skill生成具体Skill时，将此步骤复制到生成物的 references/step4.md

---

目标

将润色后的文章内容填充到HTML模板中，生成可分享的视觉化海报。

---

HTML模板

模板文件：references/{风格名}html海报模板.html

模板使用 Tailwind CSS 构建，无需额外安装。

---

模板变量说明

必填变量

变量名	说明	示例
`{{BRAND_NAME}}`	品牌/栏目名称	年年有鱼
`{{AUTHOR_NAME}}`	作者姓名	于晴于理
`{{ARTICLE_TYPE}}`	文章类型	收评/早评
`{{HEADLINE}}`	主标题	节前收官在即，鱼群高低切换待春归
`{{SUBTITLE}}`	副标题（——本栏目为...）	——本栏目为"于晴于理"观点收评
`{{PUBLISH_DATE}}`	发布日期	2026年3月25日
`{{RISK_DISCLOSURE}}`	风险提示文字	本内容仅供参考，不构成投资建议...
`{{SUBSCRIPTION_CTA}}`	签约引导语	解锁更多内容

内容区变量（根据文章段落）

变量名	对应段落
`{{MARKET_SUMMARY}}`	第1段：市场概述
`{{EVENT_ANALYSIS}}`	第2段：事件分析
`{{PERIPHERY_MARKET}}`	第3段：外围市场
`{{TECH_ANALYSIS}}`	第4段：技术分析
`{{FUND_FLOW}}`	第5段：资金板块
`{{OPERATION_SUGGESTION}}`	第6段：操作建议

数据卡片变量

变量名	说明	示例
`{{INDEX_DATA}}`	指数数据JSON	见下方格式
`{{FUND_DATA}}`	资金流向数据	见下方格式

---

数据卡片格式

指数数据

<div class="data-card bg-rice-paper rounded-lg p-3 border border-light-gray">
    <div class="flex justify-between items-center mb-1">
        <span class="text-xs text-silver-gray">上证指数</span>
        <span class="text-xs text-silver-gray">2月6日</span>
    </div>
    <div class="font-mono text-2xl font-bold text-daiqing">4065</div>
    <div class="text-xs text-silver-gray mt-1">震荡延续</div>
</div>

JSON格式数据

如果使用JavaScript动态渲染：

const indexData = [
    { name: "上证指数", value: "4065", change: "+0.09%", date: "2月6日", status: "震荡" },
    { name: "深证成指", value: "11500", change: "-0.35%", date: "2月6日", status: "分化" },
    { name: "两市成交额", value: "2.15", unit: "万亿", subtext: "-300亿", trend: "↓缩量" }
];

---

操作流程

方式一：手动替换

1. 打开 references/{风格名}html海报模板.html 2. 搜索 {{VARIABLE_NAME}} 3. 替换为实际内容 4. 保存为新文件（如 output_20260325.html）

方式二：脚本渲染

如果项目包含 render_html.py：

python scripts/render_html.py \
    --template references/{风格名}html海报模板.html \
    --data ./market_data_20260325.json \
    --article ./article_final.md \
    --output ./poster_20260325.html

---

生成后检查

[ ] 所有 {{VARIABLE_NAME}} 已被替换（无遗留）
[ ] 标题显示正确
[ ] 风险提示完整
[ ] 品牌信息正确
[ ] 日期正确
[ ] 整体布局正常

---

输出

生成完成后，可：

1. 直接打开：在浏览器中查看效果 2. 截图分享：使用浏览器截图工具 3. 打印PDF：浏览器打印功能导出

---

完整流程结束

恭喜！文章从数据获取到可视化输出已完成。

最终输出物：

article_final.md — 文章终稿（Markdown）
poster_YYYYMMDD.html — 可视化海报（HTML）

风格画像模板

本文档由投顾写作Skill工厂自动生成

模板文件，具体内容在训练时填充

---

基本信息

- 文章类型：{收评/开盘前瞻/...}
- 训练样本：{X}篇
- 训练日期：{YYYY-MM-DD}
- 作者：{姓名}

---

核心模式（≥80%文章一致）

标题格式

{提取结果}

段落结构

{提取结果}

分析逻辑

{提取结果}

固定表达

{提取结果}

数据规范

{提取结果}

---

标准模式（50-79%文章一致）

{提取结果}

---

可选变体（<50%文章一致）

{个性化选项}

---

训练样本清单

序号	日期	文章标题	核心亮点
1	{date}	{title}	{highlight}
2	{date}	{title}	{highlight}
3	{date}	{title}	{highlight}

市场数据获取固化模块

本模块为投顾写作Skill工厂的固化模块

提供A股市场数据获取的标准接口和LLM驱动指南

生成具体Skill时，本模块内容将复制到对应 scripts/market_data.md

---

功能定位

投顾文章需要准确的市场数据作为撰写基础。本模块定义： 1. 必需数据：撰写文章必须获取的数据类型 2. API接口：akshare数据获取接口映射 3. 容错策略：多数据源fallback机制 4. 输出格式：标准化JSON输出格式

---

必需数据类型

撰写市场评论前，必须获取以下数据：

数据类型	用途	优先级
三大指数行情	市场概述段（涨跌幅、点位、成交额）	必需
两市成交额	判断资金活跃度	必需
板块表现	鱼群/资金流向段	推荐
北向资金	资金流向参考（如可用）	可选
热点资讯	事件分析段素材	推荐

---

akshare API 映射

指数行情

# 上证指数
ak.index_zh_a_hist(symbol="000001", period="daily", start_date=date, end_date=date)
# 返回字段：收盘、开盘、最高、最低、成交量、成交额、涨跌幅

# 深证成指
ak.index_zh_a_hist(symbol="399001", period="daily", start_date=date, end_date=date)

# 创业板指
ak.index_zh_a_hist(symbol="399006", period="daily", start_date=date, end_date=date)

关键字段：

收盘 / close - 收盘点位
涨跌幅 / change_pct - 涨跌幅百分比
成交额 / amount - 成交额（元）

北向资金

ak.stock_hsgt_north_net_flow_in_em(symbol="北向", start_date=date, end_date=date)

重要限制：东方财富北向资金API通常仅支持获取当日或近期数据，查询历史日期可能返回空值。

处理规则：

若北向资金数据为null、0或unavailable，直接忽略该部分内容
不虚构北向资金数据
可用其他资金流向数据（如融资融券余额）作为替代

板块数据

# 行业板块涨跌排行
ak.stock_board_industry_name_em()
# 返回字段：板块名称、涨跌幅、成交额、上涨家数、下跌家数

市场统计

# 个股涨跌统计
ak.stock_zh_a_spot_em()
# 可计算：涨停家数、跌停家数、上涨家数、下跌家数

---

多数据源容错策略

当主数据源失败时，按以下顺序 fallback：

指数数据 fallback 链

东方财富EM (stock_zh_index_daily_em)
    ↓ 失败
腾讯股票API (stock_zh_index_daily_tx)
    ↓ 失败
中证指数 (index_zh_a_hist)
    ↓ 失败
返回 error 状态，文章中标注"数据获取失败"

北向资金 fallback 链

东方财富EM (stock_hsgt_north_net_flow_in_em)
    ↓ 失败/无历史数据
返回 null，文章中直接忽略北向资金相关内容

---

标准化输出格式

指数行情输出

{
  "indices": [
    {
      "code": "000001",
      "name": "上证指数",
      "date": "2026-03-25",
      "close": 4065.0,
      "change": 3.65,
      "change_pct": 0.09,
      "amount": 2500000000000,
      "amount_str": "2.50万亿",
      "status": "success"
    },
    {
      "code": "399001",
      "name": "深证成指",
      "close": 11500.0,
      "change": -40.25,
      "change_pct": -0.35,
      "amount": 3200000000000,
      "amount_str": "3.20万亿",
      "status": "success"
    },
    {
      "code": "399006",
      "name": "创业板指",
      "close": 2300.0,
      "change": -25.08,
      "change_pct": -1.08,
      "amount": 1500000000000,
      "amount_str": "1.50万亿",
      "status": "success"
    }
  ],
  "market_summary": {
    "rise_count": 1,
    "fall_count": 2,
    "market_type": "分化",
    "total_amount": 7.2,
    "total_amount_str": "7.20万亿",
    "status": "success"
  }
}

板块表现输出

{
  "sectors": {
    "top_risers": [
      {"name": "银行", "change_pct": 0.85, "amount": 320000000000},
      {"name": "石油", "change_pct": 0.72, "amount": 180000000000}
    ],
    "top_fallers": [
      {"name": "科技", "change_pct": -2.15, "amount": 450000000000},
      {"name": "新能源", "change_pct": -1.88, "amount": 380000000000}
    ]
  },
  "status": "success"
}

资金流向输出

{
  "north_bound": {
    "net_flow": 5000000000,
    "net_flow_str": "净流入50亿元",
    "status": "success|unavailable|null"
  },
  "status": "success"
}

---

LLM 驱动模式

当 akshare 不可用或需要快速获取数据时，LLM 可通过搜索获取数据：

搜索获取策略

1. 指数行情：搜索"上证指数 2026-03-25 收盘" 2. 板块排行：搜索"A股板块 2026-03-25 涨幅排行" 3. 资讯事件：搜索"2026年3月25日 A股重大消息"

搜索结果使用规范

搜索结果作为补充参考，优先使用 akshare 获取的精确数据
搜索获取的数据需标注来源（如"根据东方财富数据显示"）
搜索结果可能存在延迟，重要数据需多源交叉验证

---

数据质量检查

获取数据后，撰写前必须验证：

1. 完整性：三大指数数据是否全部获取 2. 有效性：涨跌幅是否为有效数值（非NaN） 3. 一致性：指数点位与涨跌幅方向是否匹配（涨→点位上升） 4. 时效性：数据日期是否为指定交易日

异常处理

异常情况	处理方式
指数数据缺失	标注"数据获取失败"，避免涉及该指数
涨跌幅为0或异常	检查数据源，更换数据接口
北向资金不可用	直接忽略，不虚构
节假日无数据	使用最近交易日数据，并标注

---

依赖

必需：akshare >= 1.18.0, pandas >= 1.3.0
可选：requests（用于搜索模式）

---

注意事项

1. 数据精度：指数涨跌幅精确到小数点后两位，成交额单位统一为"亿元"或"万亿元" 2. 历史查询：腾讯数据源仅支持当日快照，历史查询用东方财富EM源 3. 频率限制：东方财富API可能有访问频率限制，批量查询添加适当延迟 4. 容错优先：任何数据获取失败都不应阻断文章撰写，使用"数据获取失败"标注

合规红线模块（固化）

本模块为通用合规规则，所有生成的Skill均强制集成

不需要从案例中提取，直接使用

---

禁止表达清单

市场预测类（绝对禁止）

❌ 必将大涨、必将大跌
❌ 确定上涨、确定下跌
❌ 一定涨、一定跌
❌ 必然会、必定会

操作承诺类（绝对禁止）

❌ 推荐买入、推荐卖出
❌ 赶紧买、赶紧卖
❌ 满仓梭哈
❌ 抄底、逃顶

绝对化词汇（谨慎使用）

❌ 暴涨、暴跌
❌ 极好、极差
❌ 完全、彻底
❌ 只能、必须（操作建议中）

---

谨慎表达规则

概率性表达（推荐使用）

✅ 大概率
✅ 或
✅ 可能
✅ 倾向于
✅ 值得关注

操作建议表达

✅ 建议关注
✅ 可以考虑
✅ 逢低布局
✅ 控制仓位
✅ 分散风险

---

风险提示格式

每篇文章结尾必须包含：

本内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
市场有风险，投资需谨慎。

---

数据来源标注

必须标注来源的数据

指数行情：✅ "根据官方行情数据显示"
资金流向：✅ "根据官方行情数据显示"
政策文件：✅ "根据证监会XX文件"
新闻报道：✅ "根据XX媒体报道"

禁止

❌ 模糊来源："据悉"、"有消息称"（必须核实）
❌ 无来源数据

---

合规检查清单

生成内容后自检：

[ ] 无绝对化市场预测词汇
[ ] 无操作承诺性语句
[ ] 有风险提示
[ ] 关键数据有来源标注
[ ] 使用概率性表达（大概率/或/可能）

#!/usr/bin/env python3
"""
投顾写作Skill工厂 - 市场数据获取固化模块

功能：
1. 获取A股市场主要指数数据（上证、深证、创业板）
2. 获取板块行情数据
3. 获取资金流向数据
4. 格式化输出供写作使用

用法：
python market_data.py [日期]
python market_data.py 2026-03-25

依赖：
pip install akshare pandas requests
"""

import argparse
import json
import sys
from datetime import datetime, timedelta
from typing import Dict, Any, Optional, List

# 尝试导入akshare，如果失败则使用模拟数据
try:
    import akshare as ak
    HAS_AKSHARE = True
except ImportError:
    HAS_AKSHARE = False
    print("⚠️ 警告: akshare未安装，将使用模拟数据")
    print("   安装命令: pip install akshare")


# ============ 数据获取函数 ============

def get_previous_trading_day(date_str: Optional[str] = None) -> str:
    """获取指定日期的前一个交易日"""
    if date_str:
        target = datetime.strptime(date_str, "%Y-%m-%d")
    else:
        target = datetime.now()

    # 简单实现：如果是周末，往前找
    while target.weekday() >= 5:  # 5=Saturday, 6=Sunday
        target -= timedelta(days=1)

    return target.strftime("%Y-%m-%d")


def fetch_index_data(symbol: str, name: str, date: str) -> Dict[str, Any]:
    """获取单个指数数据"""
    result = {
        "name": name,
        "symbol": symbol,
        "date": date,
        "status": "unknown",
    }

    if not HAS_AKSHARE:
        result["status"] = "mock"
        result["close"] = 3000.0 + hash(date) % 1000
        result["change"] = 0.5
        result["change_pct"] = 0.5
        result["volume"] = 250000000000
        result["amount"] = 2500000000000
        return result

    try:
        if symbol == "000001":  # 上证指数
            df = ak.index_zh_a_hist(symbol="000001", period="daily", start_date=date, end_date=date)
        elif symbol == "399001":  # 深证成指
            df = ak.index_zh_a_hist(symbol="399001", period="daily", start_date=date, end_date=date)
        elif symbol == "399006":  # 创业板指
            df = ak.index_zh_a_hist(symbol="399006", period="daily", start_date=date, end_date=date)
        else:
            df = ak.index_zh_a_hist(symbol=symbol, period="daily", start_date=date, end_date=date)

        if df is not None and len(df) > 0:
            row = df.iloc[-1]
            result["close"] = float(row.get("收盘", row.get("close", 0)))
            result["open"] = float(row.get("开盘", row.get("open", 0)))
            result["high"] = float(row.get("最高", row.get("high", 0)))
            result["low"] = float(row.get("最低", row.get("low", 0)))
            result["volume"] = float(row.get("成交量", row.get("volume", 0)))
            result["amount"] = float(row.get("成交额", row.get("amount", 0)))

            # 计算涨跌幅
            prev_close = float(row.get("前收盘", row.get("pre_close", result["close"])))
            if prev_close > 0:
                result["change"] = result["close"] - prev_close
                result["change_pct"] = (result["change"] / prev_close) * 100

            result["status"] = "success"
        else:
            result["status"] = "no_data"

    except Exception as e:
        result["status"] = "error"
        result["error"] = str(e)

    return result


def fetch_market_data(date: Optional[str] = None) -> Dict[str, Any]:
    """获取市场数据主函数"""
    if not date:
        date = get_previous_trading_day()
    else:
        date = get_previous_trading_day(date)

    result = {
        "date": date,
        "indices": {},
        "market_summary": {},
        "status": "unknown",
    }

    # 获取三大指数
    indices = [
        ("000001", "上证指数"),
        ("399001", "深证成指"),
        ("399006", "创业板指"),
    ]

    for symbol, name in indices:
        result["indices"][symbol] = fetch_index_data(symbol, name, date)

    # 计算市场整体情况
    all_success = all(idx.get("status") == "success" for idx in result["indices"].values())

    if all_success:
        # 上涨/下跌/平盘计数
        rises = sum(1 for idx in result["indices"].values() if idx.get("change_pct", 0) > 0)
        falls = sum(1 for idx in result["indices"].values() if idx.get("change_pct", 0) < 0)

        total_amount = sum(idx.get("amount", 0) for idx in result["indices"].values())
        avg_change = sum(idx.get("change_pct", 0) for idx in result["indices"].values()) / len(indices)

        result["market_summary"] = {
            "rise_count": rises,
            "fall_count": falls,
            "total_amount": total_amount,
            "avg_change_pct": avg_change,
            "market_type": "普涨" if rises > falls else ("普跌" if falls > rises else "分化"),
        }
        result["status"] = "success"
    else:
        result["status"] = "partial"
        result["market_summary"] = {
            "rise_count": 0,
            "fall_count": 0,
            "market_type": "数据获取失败",
        }

    return result


def format_market_report(data: Dict[str, Any]) -> str:
    """格式化市场数据为可读报告"""
    if data.get("status") == "error":
        return f"❌ 数据获取失败: {data.get('error', '未知错误')}"

    date = data.get("date", "未知日期")
    lines = [
        f"=== A股市场数据 ({date}) ===",
        "",
        "【主要指数】",
    ]

    for symbol, idx in data.get("indices", {}).items():
        name = idx.get("name", symbol)
        status = idx.get("status", "unknown")

        if status == "success":
            close = idx.get("close", 0)
            change = idx.get("change", 0)
            change_pct = idx.get("change_pct", 0)
            amount = idx.get("amount", 0)

            direction = "▲" if change > 0 else ("▼" if change < 0 else "―")
            change_str = f"{direction}{abs(change):.2f}点({change_pct:+.2f}%)"

            # 格式化成交额
            if amount >= 100000000000:
                amount_str = f"{amount/100000000000:.2f}万亿元"
            else:
                amount_str = f"{amount/100000000:.2f}亿元"

            lines.append(f"  {name}: {close:.2f} {change_str} 成交额{amount_str}")
        else:
            lines.append(f"  {name}: 数据获取失败({status})")

    summary = data.get("market_summary", {})
    if summary:
        lines.extend([
            "",
            "【市场概况】",
            f"  整体态势: {summary.get('market_type', '未知')}",
        ])

    return "\n".join(lines)


# ============ CLI入口 ============

def main():
    parser = argparse.ArgumentParser(description="获取A股市场数据")
    parser.add_argument("date", nargs="?", default=None, help="交易日期(YYYY-MM-DD)，默认为上一交易日")
    parser.add_argument("--json", action="store_true", help="输出JSON格式")
    parser.add_argument("--format", choices=["report", "json", "raw"], default="report", help="输出格式")

    args = parser.parse_args()

    # 获取数据
    data = fetch_market_data(args.date)

    # 根据格式输出
    if args.format == "json" or args.json:
        print(json.dumps(data, ensure_ascii=False, indent=2))
    elif args.format == "raw":
        for symbol, idx in data.get("indices", {}).items():
            print(f"{symbol}: {idx}")
    else:
        print(format_market_report(data))

    # 返回状态码
    return 0 if data.get("status") == "success" else 1


if __name__ == "__main__":
    sys.exit(main())

Related skills

Wind Mcp SkillGive their AI coding agent instant access to comprehensive Chinese and global equity, fund, bond, and macroeconomic data from Wind.63.5k71

Upgrade StripeSafely upgrade their Stripe API version and SDKs without introducing breaking changes.53.1k1.7k

Recipe Create Expense TrackerInstantly create a ready-to-use Google Sheets expense tracker with headers, sample data, and sharing permissions.24.1k30.1k

Backtesting FrameworksCreate realistic event-driven backtesters that simulate order execution, slippage, commissions, and position tracking before committing capital to a trading strategy.13.3k38.4k

Grimoire PolymarketQuery live Polymarket odds, search events, and manage conditional order flow directly from Claude or Cursor without leaving the IDE.11.9k6

CoinglassGive their AI coding agents real-time access to crypto derivatives market data such as funding rates, open interest, long/short ratios, liquidations, and futures OHLC h11.3k21

Finance & Tradingfinance