Investor Distiller

公众号投资博主蒸馏器

免责声明：本工具仅供学习研究使用，蒸馏产物为风格模拟参考，不构成任何投资建议。 所有生成内容必须标注「AI 风格模拟，不构成投资建议」。

📝 简介

自动化的公众号投资博主风格蒸馏工具。输入公众号微信号和文章数量，自动采集文章并提取七维DNA投资风格画像，输出结构化的交易体系、市场判断、表达风格等完整分析报告。

✨ 功能特性

⚠️ 蒸馏质量铁律

必须从raw全文逐篇提取，禁止依赖任何clean/NER中间层。

蒸馏准确性直接决定画像质量。经验表明，clean阶段的个股NER提取管线会遗漏大量信息（如一篇提及6只股票的文章可能只提取0-2只），导致画像基于不完整数据构建。因此：

1. raw全文原则：所有提取（个股/短语/板块/风格）必须直接遍历raw文章正文，不经过任何预处理过滤
2. 词典+别名匹配：个股提取使用完整词典（含口语化别名，如"上证指数"→"上证/大盘/沪指/A股"），确保宽松但准确
3. 文章级板块计数：板块关注度按文章级别计数（每篇只计一次），比词频更准确反映博主真实关注方向
4. 领域专用短语：使用投资领域专用关键词列表提取关键短语，比通用句子频次统计更精准
5. 校验闭环：蒸馏完成后必须执行准确性校验（--validate），≥80%方可准出

七维DNA蒸馏结构

蒸馏维度分支

蒸馏前需先判断博主属于长线还是短线交易者，再按对应维度侧重提取：

双层提取框架

蒸馏不仅提取「用了什么词」（表层），更要提取「怎么思考」（思维层）。二者缺一不可：

表层特征（自动量化，脚本产出）：

• 个股/板块/术语/短语 频次统计
• 标题/开头/结尾 模式识别
• 字数/发布频率/免责声明 基础统计

思维层特征（脚本检测+AI深度分析）：

多维资料采集（超越文章本身）

🔑 鉴权

前往 红狐 hub 获取 API Key，通过以下方式配置：

# 方式一：配置文件（如 OpenClaw 的 ~/.openclaw/openclaw.json）
{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

# 方式二：终端环境变量
export REDFOX_API_KEY="ak_xxxx..."

注册地址：redfox.hk/login

积分消耗参考：

前置要求

• Python 3.9+
• 依赖：pip install requests

执行流程

Phase 0: 环境准备

python "$SKILL_PATH/scripts/distill.py" --check-env

自动检查并提示安装缺失依赖（requests 等）。

Phase 0.5: 前置交互

触发蒸馏前，必须由用户明确以下信息：

1. 公众号微信号（如 zxgbtz）
   • 获取方式：打开公众号 → 点右上角 ··· → 更多信息 → 微信号
   • 注意：微信号不是公众号名称，是唯一的字母/数字ID
2. 文章数量档位（20 / 60 / 100）
   • 提示：数量越多积分消耗越多，但蒸馏精度越准。推荐60篇，100篇精度最佳（约50积分）

自动补充：博主背景资料（投资经历、师承、里程碑事件等）由 AI 通过 WebSearch 自动采集，无需用户提供。

Phase 1: 公众号文章采集

两步 API 流程：

Step 1：获取文章UUID列表

调用 POST https://redfox.hk/story/api/gzh/data/queryWorkList，每页返回20条，offset 步进为20，循环分页直到达到目标数量。

参数：account（微信号）、sortType: "2"、offset（从0开始，每页+20）。

Step 2：逐篇获取完整数据

对每个 UUID，调用 POST https://redfox.hk/story/api/gzh/data/workDetail 获取正文、摘要、词云等完整数据。

# 采集60篇文章
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz"  --count 60

# 采集100篇（高精度）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 100

输出标准化数据到 output/{博主名}/。

Phase 2: 多维资料整合分析

脚本自动完成基础统计分析（21项），AI 在此基础上执行多维资料整合：

信息丰富度分级（脚本自动评估）：

分析维度并行执行：

1. 表层内容分析 — 统计 + 词云 + 结构分析 + 交易术语 + 个股/板块频次
2. 思维层分析 — 核心分析工具 + 论证链模式 + 语气量化 + 数据引用密度 + 跨市场视角 + 信息密度
3. 社交互动分析 — 评论/回复/争论风格/社区关系
4. 人设背景分析 — 简介/里程碑/师承/投资哲学演变/推荐书籍
5. 投资观点追踪 — 历史预判/准确率/观点一致性/认错修正方式

Phase 3: 七维DNA蒸馏

Step A：生成数据底稿

脚本产出：

• output/{博主名}_统计数据.json — 结构化统计分析结果
• output/{博主名}_数据底稿.md — 结构化统计数据
• output/{博主名}_蒸馏任务.md — AI蒸馏任务清单
• output/{博主名}_画像.json — 结构化JSON画像（校验用）

Step B：AI生成风格画像

AI 读取蒸馏任务，按七维DNA框架生成最终产物：

风格画像文件：output/{博主名}_风格画像.md

包含7大章节，每个章节必须包含：

• 具体特征描述（非空话）
• 原文证据引用（至少2条）
• 可复用的规则/模板
• 蒸馏置信度标注（高/中/低）

Step C：风格化分析输出规范

当使用蒸馏画像生成风格化的个股/市场分析时，输出必须包含以下两部分：

1. 数据来源与局限表格

并附加局限声明：

以上行情数据为公开平台聚合数据，非交易所直连实时数据；基本面数据基于最新可获取财报，可能与当前实际经营状况存在差异。

2. ⚠️ AI 风格模拟免责段落

⚠️ AI 风格模拟，不构成投资建议。 本文为 AI 基于对「{博主名}」公众号的七维DNA蒸馏画像生成的风格模拟内容，与原大V本人无关。文中所有观点、判断、推荐均不代表{博主名}本人立场，亦不构成任何买入/卖出/持有建议。股市有风险，投资需谨慎。

Phase 4: 质量校验

蒸馏准确性校验（硬性准出标准）

python "$SKILL_PATH/scripts/distill.py" --validate --author "博主名" --sample 10

三维度评分体系：

准出标准：综合准确率 ≥ 80%

• ≥ 80%：蒸馏通过，画像可用于风格模拟
• < 80%：需补充蒸馏——仔细阅读raw全文，更新画像中不准确的字段后重新校验
• 任一维度低于60%：该维度需要完全重写

蒸馏质量软性检查（双层审计）

审计分两层：表层特征权重 60%，思维层特征权重 40%。二者缺一不可——表层保证「像博主说的话」，思维层保证「像博主的思考」。

表层检查（60%）：

思维层检查（40%）：

综合评分 > 70 分准出（软性），< 70 分打回重新蒸馏。

校验执行规则

• 每次画像更新后必须执行校验
• 每月全量校验所有博主画像
• 增量同步获取新文章后，如新文章涉及画像未覆盖的个股/板块，需更新画像

使用方式

自然语言触发（推荐）

直接对 AI 说：

蒸馏公众号 zshbtz

AI 会自动执行 Phase 0 → 4 完整流程。

命令行

# 蒸馏（60篇文章，推荐档位）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 60

# 高精度蒸馏（100篇）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 100

# 蒸馏后校验画像准确性（≥80%准出）
python "$SKILL_PATH/scripts/distill.py" --validate --author "财躺平" --sample 10

# 环境检查
python "$SKILL_PATH/scripts/distill.py" --check-env

数据与合规原则

• 禁止LLM编造交易记录、持仓数据、交割单等未公开信息
• 严格区分原文/原帖与AI蒸馏结论
• 交叉验证文章描述与实际市场数据（如有）
• 所有蒸馏产物标注蒸馏置信度
• 盘面数据必须实时采集，禁止 LLM 编造涨跌停、资金流向等数据
• 所有面向用户的 AI 生成投资分析输出，必须包含两段固定声明：
  1. [数据来源与局限] 表格 — 逐项标注引用的股价、PE、定增、负债等关键数据的来源平台及具体局限（详见 Phase 3 Step C）
  2. [AI 风格模拟，不构成投资建议] 段落 — 明确标注为 AI 基于蒸馏画像的风格模拟，与原大V本人无关，不构成任何买入/卖出/持有建议（详见 Phase 3 Step C 固定模板）

文件结构

investor-distiller/
├── SKILL.md                          # 本文件
├── scripts/
│   ├── distill.py                    # 主蒸馏脚本（调度+统计+校验）
│   └── gzh.py                        # 公众号数据采集（queryWorkList + workDetail）
├── assets/
│   └── profile_template.md           # 七维DNA风格画像输出模板
├── references/
│   └── 蒸馏维度规范.md                # 七维DNA详细规范
└── output/                           # 蒸馏产物输出目录
    ├── {博主名}_uuids.json             # UUID 缓存（避免重复扣积分）
    ├── {博主名}_统计数据.json          # 脚本统计分析结果
    ├── {博主名}_完整文章.json          # 完整正文落盘（供校验/AI精读）
    ├── {博主名}_数据底稿.md            # 结构化数据底稿
    ├── {博主名}_蒸馏任务.md            # AI蒸馏任务清单
    ├── {博主名}_画像.json              # 结构化JSON画像（校验用）
    ├── {博主名}_风格画像.md            # AI生成的七维DNA画像
    └── {博主名}_校验报告_YYYYMMDD.json # 准确性校验报告

依赖

pip install requests