# Market Debrief Cn > A股收盘后深度日报自动生成工具。自动采集当日行情数据（AkShare）和新闻事件（Tavily）， 通过多 Agent 并行分析架构（宏观+情绪 / 板块+资金 / 技术+估值+预判）， 生成一份带量化锚点和独立判断的交互式 HTML 日报。 固定 Financial Times 三文鱼粉风格，6个分析模块 + 顶部仪表盘横条。 当用户提到以下内容时触发：「A股日报」「市场复盘」「盘脉日报」「A股复盘」「今日市场分析」 「跑一期日报」「生成日报」「做今天的复盘」，或指定日期如「帮我做2026年3月11日的日报」。 - Skill: `keluojun/market-debrief-cn` (Agent Skill, multi-file: 3 files) - Install (CLI): `npx skillmds@latest add keluojun/market-debrief-cn` - Raw SKILL.md: https://api.skillmd.com/api/skills/keluojun/market-debrief-cn/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Web & Frontend - Author: KeLuoJun (https://skillmd.com/u/keluojun) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/keluojun/market-debrief-cn --- # A股深度日报生成器 > 核心目标不是「描述今天发生了什么」，而是「理解今天市场在定价什么、定价是否合理、明天可能发生什么」。 ## 执行流程 ``` Phase 1: 确认日期 → 数据采集（akshare + tavily） Phase 2: 三个 Subagent 并行分析 Phase 3: 渲染 Agent 整合输出 HTML ``` ## 路径约定（强制） - `SKILL_ROOT`：market-debrief-cn skill 目录（即当前 `SKILL.md` 所在目录） - `ASSETS_DIR`：`SKILL_ROOT/assets`（所有 JSON 中间产物固定写这里） - `PROJECT_ROOT`：本次运行 skill 的项目根目录（最终 HTML 固定写这里） 不允许把 HTML 写入 `ASSETS_DIR`，也不允许把 JSON 中间产物写入 `PROJECT_ROOT`。 --- ## Phase 1: 数据采集（主协调 Agent） ### Step 1: 确认目标日期 解析用户意图，确认目标交易日期。默认为最近一个已收盘的交易日。 ### Step 2: 运行数据采集脚本 ```bash python scripts/fetch_market_data.py --date YYYYMMDD ``` 脚本自动拉取 12 类数据（详见 `references/akshare-api.md`）： - 指数日线（6大指数近一年）、指数PE估值、全A PB - 全市场资金流向（超大/大/中/小单）、行业资金流向 - 涨停池/跌停池/炸板池/强势连板股 - 北向资金、两融余额、国债收益率、龙虎榜机构/个股统计、市场广度摘要（上涨/下跌家数） 脚本**自动写入** `SKILL_ROOT/assets/market_data_YYYY-MM-DD.json`（目录不存在时自动创建）。 ⚠️ 东方财富数据源偶尔限流导致个别接口失败（返回空数组）——脚本已内置容错，失败项会在 stderr 显示 `[WARN]`，并记录在输出 JSON 的 `_failed_items` 字段中。若关键数据缺失，可等待 10 秒后重跑。 ### Step 3: 搜索新闻事件 使用 Tavily 搜索当日关键事件，自动执行 7 组查询（政策、板块、外盘、宏观、机构观点、北向资金、突发事件）。 **Windows（推荐，跨平台）**： ```bash python scripts/search_news.py --date YYYY-MM-DD ``` **Linux / macOS**： ```bash bash scripts/search_news.sh '{"date": "YYYY-MM-DD"}' ``` 两个脚本输出格式完全相同，**自动写入** `SKILL_ROOT/assets/news_data_YYYY-MM-DD.json`。其中： - `results`：去噪+去重+按质量排序后的新闻列表（优先用于分析） - `query_batches`：各查询原始回包（用于追溯） - `_failed_queries`：失败查询数量 ⚠️ 需要 Tavily API token。优先级：`TAVILY_API_KEY` 环境变量（支持 `tvly-...` 格式）→ `~/.mcp-auth/` JWT 缓存。若两者均不可用，脚本会报错退出——必须先解决认证问题再继续（见 Step 4 双源要求）。 ### Step 3.5: 运行量化分析引擎（新增） 在完成行情数据采集后，运行分析脚本对原始数据做预处理，输出结构化量化指标： ```bash python scripts/analyze_market.py --date YYYYMMDD ``` 脚本**自动写入** `SKILL_ROOT/assets/analysis_YYYY-MM-DD.json`，包含： | 模块 | 预计算内容 | | ----------- | ------------------------------------------------------------------------ | | 情绪评分 | 综合分（0-100）、散户/机构拆解分、各分项得分、60日成交额百分位 | | 技术矩阵 | 6指数 MA5/10/20/60/120/250 值及偏离度、均线排列判断、量比、K线形态识别 | | 支撑/压力位 | MA位/斐波那契38.2%/50%/61.8%/VWAP30日/整数关口，距当前价%标注 | | 涨跌拆解 | 隔夜涨幅=开盘/前收-1（反映消息面）、日内涨幅=收盘/开盘-1（反映盘中行为） | | 行业分析 | 四分类强弱表、成长/价值均涨幅差、资金净流入 TOP3/BOTTOM3 行业 | | 涨停生态 | 封板率、连板分布、最高连板数+名称、主题集中度、赚钱效应评级 | | 资金结构 | 超大/大/中/小单净流入（亿元）、机构/散户行为类型判断、资金迁移类型 | | 估值 & ERP | 各指数 PE 历史百分位、全A PB、ERP%（含60日均值/标准差/信号） | | 北向资金 | 当日净额、20日序列、20日累计、趋势描述 | 若脚本运行失败（`numpy`/`pandas` 未安装等），可跳过此步——AI 将从原始 market_data JSON 直接分析，但准确度会有所下降。依赖：`pip install numpy pandas` ### Step 4: 准备数据包 读取 `SKILL_ROOT/assets/market_data_YYYY-MM-DD.json`、`SKILL_ROOT/assets/analysis_YYYY-MM-DD.json` 和 `SKILL_ROOT/assets/news_data_YYYY-MM-DD.json`，构建三个 Subagent 的数据子集。 **⚠️ 双源强制要求**：三个 Subagent 必须同时持有 akshare 行情数据和 tavily 新闻数据。若 `news_data` 文件不存在或为空，必须先执行 Step 3 搜索新闻，**不允许**跳过新闻采集直接进入 Phase 2。两类数据是报告深度的双支柱，缺少任一类都会导致分析仅停留在数字描述层面。 **检查采集状态**： - 若 `market_data["_failed_items"]` 非空，记录失败项列表（例：`["index pe", "lhb"]`） - 若 `news_data["_failed_queries"] > 0`，记录失败查询数 - 将以上信息汇总为 `data_warnings` 传递给渲染 Agent，用于最终回复告知用户 --- ## Phase 2: 三 Subagent 并行分析 **使用 subagent 并行启动三个分析任务**。每个 subagent 的 prompt 包含：角色定义 + 对应数据子集 + 分析任务清单 + 输出格式。 分析框架详见 → `references/analysis-framework.md` **所有 Subagent 的核心输出要求**：除了量化数据字段，每个模块必须输出 `analysis_text` 叙述字段（见 analysis-framework.md 各 Subagent JSON schema）。叙述字段必须双源融合——同时引用 akshare 数字和 tavily 新闻事件，推断市场参与者动机，不只描述现象。 **强制要求**：Module 1 和 Module 6 必须额外输出“预期差 / 明日验证点 / 证伪条件”结构。不能只解释今天发生了什么，还必须说明：市场原先在定价什么、今天新增信息改了什么、明天看什么来证明这个判断对或错。 ### Subagent A: 宏观事件解读师 × 情绪量化分析师 **模块**: Module 1（宏观定价扫描）+ Module 2（市场情绪温度计） **提供数据**: tavily 新闻、`analysis.sentiment`（各分项得分、综合分、散户/机构分、60日百分位）、`analysis.northbound`（趋势描述）、`market_data`（涨跌停原始数据、两融） **核心任务**: - 从新闻中筛选有效事件，判断定价完成度（已充分/未充分/过度） - 对最关键的 1-2 个事件补充“预期差框架”：市场原预期、今日新增信息、盘面反应、预期差判断、明日验证点、证伪条件 - 更新宏观三维坐标（经济动能/流动性/风险偏好） - **直接使用** `analysis.sentiment.composite_score` 作为综合情绪分（无需重算） - 确认散户/机构分歧类型（使用 `analysis.sentiment.divergence_type`） - 判断情绪趋势斜率（加速上行/高位走平/拐头下行/筑底反弹） **输出**: JSON（结构见 analysis-framework.md「Subagent A」节） ### Subagent B: 板块策略师 × 资金流向分析师 **模块**: Module 3（板块结构性分析）+ Module 4（资金路线图） **提供数据**: `analysis.industry`（四分类表、成长/价值风格、资金流向TOP/BOTTOM3、迁移类型）、`analysis.limit_up_ecology`（封板率、连板分布、主题集中度、赚钱效应）、`analysis.fund_structure`（机构/散户行为类型、超大单趋势）、`market_data.lhb_jgmmtj`、`market_data.lhb_stocks` **核心任务**: - **直接使用** `analysis.industry.heatmap` 做行业四分类（无需重算） - **直接使用** `analysis.industry.style` 输出成长/价值量化对比 - TOP 2 板块深度解剖（驱动力/轮动周期/资金主体/持续性评级） - **直接使用** `analysis.limit_up_ecology` 涨停板生态指标 - 基于 `analysis.fund_structure.behavior_type` + `market_data.lhb_jgmmtj/lhb_stocks` 解读资金意图 **输出**: JSON（结构见 analysis-framework.md「Subagent B」节） **输出**: JSON（结构见 analysis-framework.md「Subagent B」节） ### Subagent C: 技术分析师 × 估值研究员 × 情景规划师 **模块**: Module 5（技术形态与估值）+ Module 6（次日预判与历史镜像） **提供数据**: `analysis.technical`（MA矩阵、均线排列、量比、K线形态、支撑/压力位、日内/隔夜拆解）、`analysis.valuation`（PE百分位、ERP信号）、指数原始日线序列（用于图表渲染） **核心任务**: - **直接使用** `analysis.technical[指数].ma_arrangement`、`ma_deviations`、`kline_pattern` 输出技术矩阵 - **直接使用** `analysis.technical[指数].supports/resistances` 列出支撑/压力位（已附计算依据） - **直接使用** `analysis.valuation.erp.erp_signal` 输出 ERP 信号 - **直接使用** `analysis.valuation.index_pe[指数].pe_zone` 输出估值水位档位 - 基于以上量化锚点，构建三情景概率判断（概率之和=100%，各附可观测触发条件） - 每个情景必须写明“它在验证哪条市场叙事”，以及“出现什么信号时该情景失效” - 历史镜像匹配 + 上期预判回顾 **输出**: JSON（结构见 analysis-framework.md「Subagent C」节） --- ## Phase 3: 渲染 Agent 生成 HTML 收集三份 JSON 后，交给渲染 Agent。 ### 深度分析指令（最高优先级） **1. 交叉证伪机制（Cross-Validation）** 禁止简单复读新闻中的利好与利空。必须执行新闻事件与盘面数据的交叉对比： - 若**新闻大肆渲染某热点**（如“某板块重磅利好”），必须立即去查阅 `market_data.lhb_jgmmtj`（龙虎榜机构买卖）或 `analysis.industry.fund_flow_top3_outflow`： - 如果机构/主力在**高位净卖出**（新闻火热但资金撤退），强烈提示**【风险提示：情绪高潮但主力资金背离 / 借利好兑现】**。 - 如果新闻利好与龙虎榜机构净买入**共振**，判定为**【主线确认】**。 **2. 必须建立因果链条** 禁止仅罗列“指数涨跌”或“新闻标题”。所有结论必须符合 `数据(Data) + 事件(Event) -> 归因(Attribution) -> 验证(Verification)` 的结构。 - ❌ 错误：今日半导体板块上涨，主力流入。 - ✅ 正确：半导体板块上涨3.2%，主力净流入15亿（数据），主要受昨夜英伟达财报超预期驱动（事件），确认了AI硬件端的景气度外溢（归因），需关注明日是否缩量分歧（验证）。 **3. 必须使用量化锚点与速率(Velocity)** - **情绪与加速度**：必须引用 `composite_score`、`divergence`（散户/机构分歧）以及 `momentum_velocity`（加速度）。 - **量价配合**：必须引用 `analysis.technical` 中的 `volume_price_desc` 判断量价关系（如缩量下跌、放量滞涨等）。 - **资金**：必须引用 `northbound`（北向）与 `sector_fund_flow`（内资）的背离或共振，且留意机构/散户流向。 - **预期管理**：梳理未来3天的宏观数据或财报发布窗口，给出具体落地验证点。 **4. 数据失败处理** 若 `market_data` 中存在 `_failed_items`，必须在报告开头显著位置（引用块）提示：“⚠️ 部分数据源（如龙虎榜）暂时不可用，相关模块分析可能受限”。 HTML 设计规范详见 → `references/html-design-spec.md` ### 渲染要点 1. **冲突检查**：若三份 JSON 数据矛盾，以 Subagent C 数据为准 2. **统一视角**：最终报告不出现 Agent 角色名，以统一研究报告形式呈现 3. **模块标题用结论式句式**（如「资金从消费向科技大迁移，赚钱效应持续修复」） 4. **FT 风格固定**：三文鱼粉底色系（`#FAF7F2`），涨红（`#C0392B`）跌蓝深（`#1A2E3E`），espresso header（`#1C0F08`） 5. **字体**：`"Georgia", "Noto Serif SC", "PingFang SC"` 优先，展现权威感 6. **单文件输出**：不引用本地资源，ECharts 通过 CDN 加载 7. **body 最大宽度 1100px**，水平居中，内边距 48px/40px，辅助文字≥11px 8. **所有数字使用等宽字体**（`SFMono-Regular, Menlo, Consolas`） 9. **卡片圆角 12-16px**，投影 `0 4px 16px rgba(0,0,0,0.08)` 10. **必须渲染叙述区块**：每个模块必须包含来自 `analysis_text` 的 `.insight-block` 深度解读段落，禁止只渲染数字表格/图表而省略文字分析。叙述区块 CSS 组件见 `html-design-spec.md「深度叙述区块」`节。 11. **禁止排版漂移**：顶部仪表盘、图表区、表格区必须使用固定组件容器（`.dashboard-strip`、`.viz-card`、`.table-wrap`、`.chart-frame`），禁止裸露图表直接贴在模块根节点下。 12. **禁止元素重叠**：仪表盘 gauge、K 线图、Sankey、表格必须有明确高度；若数据不足导致图表拥挤，降级为 stat card / badge / 简化表，不允许文字与图表互相覆盖。 13. **响应式强制要求**：桌面端按 2-3 列信息栅格布局；当视口 < 900px 时统一降为单列，顶部指数卡改为 2 列网格，禁止 6 个指数横向挤压在一行。 14. **视觉层次强制要求**：每个模块必须遵循「标题区 → 一句话结论 → 核心图表区 → 深度解读 → 次级表格/清单」的顺序，禁止把图表、长段落、表格随机穿插。 15. **优先美观而非堆砌**：宁可减少一个次级组件，也要保证主图表和关键数字排版整齐、留白充足、模块高度均衡。 16. **图表必须自带解释与交互（深度优化要求）**：所有的单独 `.chart-frame` 顶部必须带有醒目的文字标签（HTML 标题或说明段落），告知用户正在看什么指标（如：`
主力30日净流入趋势
`）；严禁生成没有任何文字说明“裸图表”；对于时序折线/柱状图必须强制开启 `dataZoom` 以供拖拽缩放；必须配置带有单位（% 或 亿元）的 `tooltip { trigger: 'axis' }` 和 `legend`。 17. **必须显式渲染“市场在交易什么”**：在顶部摘要区或 Module 1 中，固定展示 `module1.expectation_gap` 的主叙事摘要。 18. **必须显式渲染“明日验证点”**：在 Module 6 的情景区中展示每个情景的 `validates` 与 `invalidation`，禁止只渲染概率和区间。 ### 页面结构 ``` [顶部仪表盘横条] 三行布局：品牌行 | 指数行（6个指数）| 概览行（成交/情绪/涨停/北向） [Module 1] 宏观定价扫描 ← Subagent A [Module 2] 市场情绪温度计 ← Subagent A [Module 3] 板块结构性分析 ← Subagent B [Module 4] 资金路线图 ← Subagent B [Module 5] 技术形态与估值 ← Subagent C [Module 6] 次日预判与历史镜像 ← Subagent C [页脚] 数据来源声明 + 免责声明 ``` ### 可视化清单（强制要求） | 模块 | 图表 | 引擎 | 尺寸 | 交互 | | ---- | -------------------------------------------------- | ------------------- | ------------- | ------------------ | | M1 | 事件定价状态徽章表 | CSS badge | — | — | | M1 | 外盘市场胶囊行 | CSS pill | — | — | | M2 | 综合情绪仪表盘（大） + 散户/机构仪表盘（小×2） | ECharts gauge | 350px / 220px | tooltip | | M2 | 5日情绪折线（含markArea过热区） | ECharts line | 200px mini | hover | | M2 | 分项评分进度条表 | CSS | — | — | | M3 | 行业涨跌幅横向条形图（全行业排序） | ECharts bar | tall 460px | dataZoom+tooltip | | M3 | 轮动5阶段进度条（含脉冲动画） | CSS | — | — | | M3 | 涨停生态雷达图 | ECharts radar | half 280px | tooltip | | M4 | 资金结构分组柱状图（四类资金） | ECharts bar | full 380px | tooltip | | M4 | 主力资金30日走势折线 | ECharts line | mini 200px | hover | | M4 | 资金迁移桑基图 | ECharts sankey | full 380px | emphasis adjacency | | M5 | K线图（60日，含MA5/20/60+量能附图，Tab切换三指数） | ECharts candlestick | tall 460px | dataZoom+tab | | M5 | 多指数PE百分位彩色轨道（4条） | CSS | — | hover data-pct | | M5 | ERP双轴折线（近2年） | ECharts line | full 380px | tooltip markLine | | M6 | 三情景概率分段条 | CSS | 44px | — | | M6 | 情景卡片accordion（3张可展开） | HTML/CSS/JS | — | click toggle | | M6 | 观测清单交互表（优先级badge） | CSS badge+table | — | — | **原则**：每个模块至少含 **2个** 可视化组件（图表或交互组件），禁止出现纯文字罗列的模块。 ### 输出文件 将最终 HTML 写入**PROJECT_ROOT（运行 skill 的项目根目录）**： ``` market-debrief-YYYY-MM-DD.html ``` > 数据中间产物继续存放于 `SKILL_ROOT/assets/`，最终成品 HTML 单独放在 `PROJECT_ROOT`，便于直接预览、分享和版本比对： > > - `SKILL_ROOT/assets/market_data_YYYY-MM-DD.json` — 原始行情数据 > - `SKILL_ROOT/assets/analysis_YYYY-MM-DD.json` — 量化指标分析结果（新） > - `SKILL_ROOT/assets/news_data_YYYY-MM-DD.json` — 新闻搜索结果 > - `PROJECT_ROOT/market-debrief-YYYY-MM-DD.html` — 最终日报 **输出动作要求**：渲染完成后，必须显式执行“写入 PROJECT_ROOT HTML 文件”这一步，不允许把最终 HTML 留在 `SKILL_ROOT/assets/`、临时目录或对话内联代码块中。 --- ## 内容质量红线 **禁用表达**（出现即重写）： | ❌ 禁止 | ✅ 替代 | | ---------------- | ---------------------------------------- | | 市场情绪有所回暖 | 情绪综合分从52升至65 | | 需关注风险 | 若明日上证跌破4050（MA20），触发悲观情景 | | 可能震荡上行 | 核心情景（60%）：上证4100-4160区间震荡 | | 技术面显示支撑 | MA60（3980点）构成近期强支撑，距当前3.8% | | 资金面较为活跃 | 今日成交1.06万亿，为20日均值的1.12倍 | **每期必含量化锚点**： 1. 情绪综合分（含散户/机构拆解） 2. 资金迁移净额 3. 沪深300 PE 历史百分位 4. 关键支撑/压力位 + 计算依据 5. 三情景概率（和=100%）+ 触发条件 6. 上期预判准确度（若有） --- ## 语言规范 **先说好还是不好，再说为什么。** 每个模块标题和首句即结论。 **保留英文**：PE、PB、ERP、MA、ETF、MLF、EPS、ROE、CPI、PMI **必须中文**：所有分析结论、图表标题、评价性用语、方向性判断 **禁止出现**：「总而言之」「需要指出的是」「值得注意的是」「总体来看」「综上所述」 --- ## 数据失败项告知（必须执行） 生成报告完毕后，在最终回复中**必须以中文明确告知用户**： 1. **若所有数据均采集成功**：说明「本期数据采集完整，所有 12 类行情数据和新闻查询均成功」 2. **若存在失败项**：列出具体失败内容，例如： > ⚠️ 本期数据采集部分失败，以下内容未能获取，相关模块分析准确度可能受影响： > > - **行情数据**：龙虎榜机构统计（lhb_jgmmtj）或龙虎榜个股统计（lhb_stocks）、指数PE（index pe） > - **新闻查询**：2/4 个查询无有效返回 **来源**：读取 `SKILL_ROOT/assets/market_data_YYYY-MM-DD.json` 中的 `_failed_items` 字段，以及 `SKILL_ROOT/assets/news_data_YYYY-MM-DD.json` 中的 `_failed_queries` 字段。 --- ## 参考文件索引 | 需要什么 | 去哪找 | | ----------------------------------- | ---------------------------------- | | AkShare 接口参数与字段 | `references/akshare-api.md` | | 六模块分析框架 + Subagent JSON 格式 | `references/analysis-framework.md` | | HTML 设计规范 + 色彩/排版/组件 | `references/html-design-spec.md` | ## 脚本索引 | 脚本 | 用途 | 依赖 | | ------------------------------ | ------------------------------------------------- | ---------------- | | `scripts/fetch_market_data.py` | AkShare 行情原始数据一键采集 → JSON | akshare, pandas | | `scripts/analyze_market.py` | 量化指标计算引擎：情绪/技术/估值/行业/资金 → JSON | numpy, pandas | | `scripts/search_news.py` | Tavily 新闻搜索 → JSON（Windows / 跨平台推荐） | requests, Tavily | | `scripts/search_news.sh` | Tavily 新闻搜索 → JSON（Linux / macOS） | jq, curl, Tavily | 依赖安装：`pip install akshare numpy pandas requests`、`jq` + `curl`（Bash，可选）、Tavily API token（可选）