[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7F67WE7QSQVMECFZ5YV57C4":3,"skill-same:01M7F67WE7QSQVMECFZ5YV57C4":52},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":24,"commitSha":25,"skillDirectory":26,"forksCount":27,"repositoryHtmlUrl":28,"repositoryHomepageUrl":6,"ownerHtmlUrl":29,"ownerBlogUrl":6,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M7F67WE7QSQVMECFZ5YV57C4","trading-agents",null,"个股深度投研分析（智能体自主版）— 拉取 QuantMind 本地数据（371维特征\u002F风险评分\u002F模型推理分数\u002F新闻）→ 多空子代理辩论 → 综合研判 → 生成 md 报告 → 导出 PDF 到平台「股票报告」页。任何大模型（deepseek\u002Fqwen\u002Fglm\u002Fopenai\u002Fminimax）都能执行，不依赖容器投研管线。在 QuantBot \u002F Claude Code 中深度分析股票时使用。触发词：投研分析、深度分析、个股分析、股票报告、生成报告、多空分析、AI分析师","lza6\u002FArmor-piercing-system-prompts","lza6","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F128880206?v=4","01M7EB3K7WPX5T28EJ2NVHE6EG","Chinese-tingfeng","01M7EB3K97E1KQ16QWKJMFNGX8",11,"MIT","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F05-技能与代理开发\u002Ftrading-agents\u002FSKILL.md",[],[],"2026-11-16 10:05:34",false,"---\nname: trading-agents\ndescription: \"个股深度投研分析（智能体自主版）— 拉取 QuantMind 本地数据（371维特征\u002F风险评分\u002F模型推理分数\u002F新闻）→ 多空子代理辩论 → 综合研判 → 生成 md 报告 → 导出 PDF 到平台「股票报告」页。任何大模型（deepseek\u002Fqwen\u002Fglm\u002Fopenai\u002Fminimax）都能执行，不依赖容器投研管线。在 QuantBot \u002F Claude Code 中深度分析股票时使用。触发词：投研分析、深度分析、个股分析、股票报告、生成报告、多空分析、AI分析师\"\n---\n\n> ## ⚙️ 运行环境契约（最高优先级，先于本文其余内容执行）\n>\n> 本技能可能运行在 **QuantBot（QwenPaw 容器）** 或**宿主机\u002F本地 Claude Code**。执行前先探测环境（`which docker`、API 连通性），并遵守以下映射规则：\n>\n> 1. **后端 API 地址**：QwenPaw \u002F 容器网络内一律用 `http:\u002F\u002Fquantmind:8000`（`quantmind` 是 docker 网络别名）；仅宿主机调试用 `http:\u002F\u002F127.0.0.1:8000`。正文中出现的 `127.0.0.1:8000`、`localhost:800x`，在 QwenPaw 环境下自动替换为 `http:\u002F\u002Fquantmind:8000`。\n> 2. **取数脚本执行**：凡 import 了 `pandas \u002F duckdb \u002F psycopg2 \u002F numpy \u002F sqlalchemy` 等重依赖或 `backend` 包的脚本，**必须在 quantmind 容器内执行**（QwenPaw 本地 venv 无这些依赖）：\n>    ```bash\n>    docker cp \u003C脚本路径> quantmind:\u002Ftmp\u002F\u003C脚本名> && docker exec -w \u002Fapp quantmind python3 \u002Ftmp\u002F\u003C脚本名> \u003C参数>\n>    ```\n>    脚本源三选一：宿主机 repo `skills\u002F\u003Cname>\u002Fscripts\u002F`、QwenPaw 工作区 `\u002Fapp\u002Fworking\u002Fworkspaces\u002Fdefault\u002Fskills\u002F\u003Cname>\u002Fscripts\u002F`、挂载目录 `\u002Fquantmind\u002Fskills\u002F\u003Cname>\u002Fscripts\u002F`。纯标准库脚本（无重依赖）可在 QwenPaw 本地直接跑。\n> 3. **报告落盘**：股票报告页可见的 MD\u002FPDF 报告，直接写 `\u002Fdata\u002Freports\u002Ftrading_agents\u002F{市场或类别}\u002F{股票名}\u002F`（`\u002Fdata` 是 QwenPaw 与 quantmind 容器共享的可读写挂载，**QwenPaw 直接 mkdir\u002Fcp 即可，不要 docker cp**）；过程数据 facts 写 `\u002Fdata\u002Freports\u002F\u003C类别>\u002F`。\n> 4. **MD → PDF 转换（按优先级降级）**：\n>    ① QwenPaw 本地直接跑 `python3 \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C输入.md> \u003C输出.pdf>`（扩展镜像已内置 reportlab + 中文字体，研报级排版，首选）；\n>    ② QwenPaw 环境缺依赖时，`docker exec -w \u002Fapp quantmind python3 backend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C输入.md> \u003C输出.pdf>`（扩展镜像已含 docker CLI）；\n>    ③ 以上都不可用时，**改用 QwenPaw 内置 `pdf` 技能**把 MD 转成 PDF；\n>    ④ 全部失败则只交付 MD，并明确告知用户 PDF 未能生成及原因。\n> 5. 本文中的 `~\u002F.claude`、`cp -r ... ~\u002F.claude\u002Fskills` 等说明仅适用于本地 Claude Code 维护者，**QuantBot 不要执行**。\n\n# 个股深度投研分析（智能体自主版）\n\n> **核心定位**：本技能由 **AI 智能体自己执行**（QuantBot \u002F Claude Code 等），**不依赖**容器内 TradingAgents 管线，**任何大模型都可以跑**。\n> 数据全部来自 QuantMind 本地 API（QuantDB 数据库），分析完成后智能体**自己组装 md 并导出 PDF**，报告自动出现在平台「股票报告」页。\n\n## 一、完整流程总览\n\n```\n用户: 深度分析 600519\n  ↓\n① 确认标的 + 市场（默认 A股）\n  ↓\n② 拉取本地数据（并行）：\n   - \u002Fresearch\u002Ffeatures\u002F{symbol}          371 维特征（估值\u002F技术\u002F动量\u002F资金流\u002F筹码\u002F概念）\n   - \u002Frisk\u002Fscore\u002F{symbol}                 6 维风险评分卡\n   - \u002Fmodels\u002Finference\u002Fstock\u002F{symbol}\u002Fhistory?days=180   模型推理分数历史\n   - \u002Fresearch\u002Fkline\u002F{symbol}?days=120    K线 + 均线\n   - \u002Fnews\u002Farticles?tickers=xxx           RSS 新闻（利好\u002F利空）\n   - \u002Fselection\u002Fdaily                     全市场排名（该股是否入选）\n  ↓\n③ 多空子代理辩论（至少 2 个子代理，不同立场，用不同数据视角）\n  ↓\n④ 综合研判（证据强度裁决，不是篇幅裁决）\n  ↓\n⑤ 组装 Markdown 报告（标题含股票名\u002F日期\u002F分析时间）\n  ↓\n⑥ 导出 PDF（容器内 md_to_pdf_report.py，TTF 内嵌中文字体）\n  ↓\n⑦ 保存到 \u002Fdata\u002Freports\u002Ftrading_agents\u002F{市场名}\u002F{股票名}\u002F  → 用户去「股票报告」页查看\n```\n\n## 二、认证\n\n```bash\nBASE=http:\u002F\u002F127.0.0.1:8000\nTOKEN=$(curl -s -X POST $BASE\u002Fapi\u002Fv1\u002Fauth\u002Flogin -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"username\":\"admin\",\"password\":\"admin123\",\"tenant_id\":\"default\"}' \\\n  | python3 -c \"import sys,json; print(json.load(sys.stdin).get('access_token',''))\")\nAUTH=\"Authorization: Bearer $TOKEN\"\nCT=\"Content-Type: application\u002Fjson\"\n```\n\n## 三、数据拉取（智能体必做）\n\n### 3.1 个股 371 维特征\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fresearch\u002Ffeatures\u002F600519.SH\"\n# 返回 15 大类: valuation\u002Ftechnical\u002Fmomentum\u002Fvolatility\u002Fliquidity\u002FfundFlow\u002F\n#            fundamental\u002Fstyle\u002Findustry\u002Fchip\u002Fconcept\u002Fmicrostructure\u002Fsentiment 等\n# 批量: POST \u002Fapi\u002Fv1\u002Fresearch\u002Fbatch-features {\"symbols\":[\"600519.SH\",\"000858.SZ\"]}\n```\n\n**symbol 格式**：A股 `600519.SH`；港股 `00700.HK`；美股 `AAPL`；区块链 `BTC`；期货 `Au99.99.FUT`。\n\n### 3.2 风险评分卡（6 维）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Frisk\u002Fscore\u002F600519.SH\"\n# 流动性\u002F波动\u002F趋势\u002F过热\u002F基本面\u002F状态 6 维度 + risk_level + veto 否决项\n```\n\n### 3.3 模型推理分数（历史趋势 + 最新 + 多模型）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Finference\u002Fstock\u002F600519.SH\u002Fhistory?days=180\"\n# 无 envelope 包裹，直接返回:\n# {\"symbol\",\"name\":\"贵州茅台\",\"industry\",\"board\",\"total\",\"items\":[...]}\n# items[]: {trade_date, fusion_score, signal_side, score_rank, run_id, signal_model_id, ...}\n# 规则: 分数上升→多方；高位回落→空方；最新 score_rank 越小越靠前\n```\n\n**多模型交叉（必做）**：平台有多个训练模型（不同训练期\u002F周期 T3\u002FT10\u002FT15\u002F融合 ensemble），**不只看默认模型**：\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\"          # 模型列表（含 model_id\u002Fmodel_type\u002F周期）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Fdefault\"  # 默认模型\n# 用 model_id 逐个拉该模型的历史序列（排名在该模型内计算）:\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Finference\u002Fstock\u002F600519.SH\u002Fhistory?days=180&model_id=xxx\"\n```\n**多模型分析三要素**：\n1. **共识度**：多模型同方向 = 高置信；分歧 = 报告单独说明分歧及原因\n2. **各自趋势**：每模型序列上升\u002F回落\u002F横盘（分数绝对值小 ≠ 无意义，看**变化方向**）\n3. **模型背离最值钱**：基本面好但模型持续 SELL、资金流出 → \"好公司 ≠ 好买点\"\n\n### 3.4 全市场排名（该股在候选池的位置）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fselection\u002Fdaily\"\n# 返回 {\"status\":\"success\",\"meta\":{...},\"market_state\":{...},\"candidates\":[...]}\n# meta.total_signals = 当日信号总数；market_state 含市场状态（牛\u002F熊市、仓位建议）\n# candidates 空 = 当天无入选（熊市空仓正常），报告要说明\"市场状态 + 该股未入选\"\n```\n\n### 3.5 K 线 + 均线\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fresearch\u002Fkline\u002F600519.SH?days=120\"\n# 近期走势位置：均线多空排列、支撑\u002F压力、放量\u002F缩量\n```\n\n### 3.6 新闻（RSS）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&limit=20\"\n# 按利好\u002F利空\u002F中性分类；时间线排序\n```\n\n**新闻深度参数**（`\u002Fnews\u002Farticles` 全量过滤能力）：\n```bash\n# 个股 + 行业双通道（个股没新闻 ≠ 行业没新闻）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&industries=白酒&limit=30\"\n# 强信号（|score|>=0.5）+ 情感过滤 + 事件标签\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&strong_only=true&sentiment=bullish\"\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&event_tags=解禁,减持\"\n# 最快定位最强多空新闻\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&sort=sentiment_bullish&limit=10\"\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&sort=sentiment_bearish&limit=10\"\n```\n\n**新闻用法三条**：\n1. **事件要后续印证**：公告增持 → 查资金流是否真流入；解禁 → 查筹码\u002F大宗\n2. **价值排序**：政策 > 公司重大事件 > 行业动态 > 分析师观点 > 情绪文\n3. **禁止编造**：无新闻标 `[数据缺失]` 并提醒加 RSS 源\n\n**⚠️ 若无新闻**：报告里标注 `[数据缺失: 个股新闻 0 条]`，并在回复中**提醒用户去后台「RSS 管理」或 Huntly 添加该股相关新闻源**（财联社、证券时报、新浪财经个股页等）。\n\n## 四、多空子代理（智能体必做）\n\n**至少组织 2 个子代理**（能 3~4 个更好），并行、立场相反：\n\n| 子代理 | 立场 | 数据视角 |\n|---|---|---|\n| 多方代理 | 找买入理由 | 估值低、技术转强、资金流入、行业催化、推理分数上升 |\n| 空方代理 | 找卖出\u002F回避理由 | 估值高、动量衰竭、筹码松动、解禁减持、推理分数走弱 |\n| 综合代理（可选） | 证据强度裁决 | 对比两方论据质量，用数据强度而非篇幅下结论 |\n\n**每个子代理必须引用具体数据**（PE 值、RSI、资金净流入、推理分数变化），禁止空泛形容词。\n\n## 五、模型推理分数交叉验证（必做）\n\n分析结论必须结合平台模型对这只股票的**推理分数\u002F排名\u002F历史趋势**（端点返回见 3.3）：\n\n- `fusion_score` **持续上升 + score_rank 靠前** → 支持多方（技术面再确认）\n- 分数**高位回落 \u002F 排名下滑** → 支持空方（警惕追高）\n- 分数与多空辩论结论**背离**时，报告中单独说明分歧及原因\n- `signal_side` 是模型当时给出的操作信号（BUY\u002FHOLD\u002FSELL），一并引用\n- **多模型**：按 3.3 拉全部模型（含 ensemble）逐个比对——共识度高则置信度高；模型间分歧本身就是信息\n\n> 更深的全方位分析（估值历史分位\u002F财务三表\u002F资金筹码多口径\u002F行业共振分类），见 [[stock-market-analysis]] 技能的 REFERENCES\u002Fquantdb-full-analysis-design.md 七层框架。\n\n## 六、组装 Markdown 报告（版式规范，必遵守）\n\n```markdown\n# {股票名}({ticker}) 投研分析报告\n\n> **交易日期**: {YYYY-MM-DD}　|　**分析时间**: {YYYY-MM-DD HH:MM}　|　**市场**: {A股\u002F港股\u002F美股\u002F区块链\u002F期货}\n> **最终评级**: **{买入\u002F增持\u002F持有\u002F减持\u002F卖出}**\n\n---\n\n## 一、综合结论\n（3~5 句话：评级 + 核心逻辑 + 关键风险）\n\n## 二、模型推理信号\n- 最新分数: {x.xx}　|　180 天趋势: {上升\u002F回落\u002F横盘}\n- 全市场排名: {第 N 名 \u002F 未入选}\n- 与多空辩论一致性: {一致\u002F背离 + 说明}\n\n## 三、多空辩论\n### 多方观点\n（数据支撑的买入理由）\n### 空方观点\n（数据支撑的风险\u002F卖出理由）\n### 辩论裁决\n（综合代理结论）\n\n## 四、基本面分析\n（PE\u002FPB\u002FROE\u002F市值\u002F行业地位，来自 features 的 valuation + fundamental）\n\n## 五、技术面分析\n（K线形态\u002F均线\u002FRSI\u002FMACD\u002F量能，来自 kline + technical）\n\n## 六、资金与筹码\n（fundFlow 资金流向 + chip 筹码集中度）\n\n## 七、风险提示\n（risk\u002Fscore 的 6 维评分 + veto 否决项 + 风险等级）\n\n## 八、新闻舆情\n（利好\u002F利空\u002F中性分类表格；无新闻则标注数据缺失并提醒加新闻源）\n\n---\n\n> 本报告由 AI 智能体基于 QuantMind 本地数据自动生成（{分析时间}），仅供学习研究，不构成投资建议。\n```\n\n**硬性要求**：\n1. 标题 = **股票名 + ticker + 日期 + 分析时间**（缺一不可）\n2. 多空双方必须都有（不能只有一方）\n3. 模型推理分数\u002F排名\u002F趋势必须写进报告\n4. 数据要有具体数值，禁止只说\"较高\u002F较低\"\n\n## 七、导出 PDF（智能体自己执行）\n\n### 7.1 保存 md 到报告目录\n\n```bash\n# 目录结构: 市场文件夹 \u002F 股票名文件夹（A股市场 \u002F 美股市场 \u002F 港股市场 \u002F 区块链市场 \u002F 期货市场）\nmkdir -p \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\"\n# 文件名: {股票名}{代码}_{trade_date}_投研分析报告.md（股票名查不到时省略股票名）\n# 例: 贵州茅台600519_2026-08-15_投研分析报告.md\n```\n\n> QwenPaw 对 `\u002Fdata` 有直接读写权限（与 quantmind 容器共享挂载），md 直接写入即可，**无需 docker cp**；仅宿主机本地 Claude Code 场景目录 owner 是容器内 root 时，才用 `docker exec quantmind python` 落盘（见 FAQ）。\n\n### 7.2 转 PDF（首选 QwenPaw 本地，reportlab + 中文字体已内置）\n\n```bash\npython3 \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \\\n  \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.md\" \\\n  \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.pdf\"\n# 备选（本地缺依赖时）：\n# docker exec quantmind python \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C同上路径>\n```\n\n**PDF 特性**：A4、TTF 内嵌中文字体（任何 PDF 阅读器含浏览器 pdfjs 都正常渲染）、**粗体真实加粗**（正文文泉驿 MicroHei + 粗体 ZenHei 独立字重）、h1 居中大标题、h2 蓝色小节、表格深蓝表头 + 隔行底色。\n\n**字体回退链**（脚本自动探测）：`\u002Fapp\u002Fdocker\u002Ftraining\u002Ffonts\u002FWQYMicroHei.ttf`（+ `WQYZenHei.ttf`）→ `NotoSansCJK.ttf` → arphic\u002Fuming → NotoSerifCJK → STSong-Light（CID 不内嵌，仅兜底）。WQY ttf 放在宿主机 `docker\u002Ftraining\u002Ffonts\u002F` 即可，**bind mount 自动进容器，无需重建镜像**。\n\n**验证字体真正内嵌**（⚠️ reportlab 给子集字体加 `AAAAAA+` 前缀，直接 `grep 'WQY'` 字节串会误报 False，必须用 BaseFont 正则解析）：\n\n```bash\ndocker exec quantmind python -c \"\nimport re\ndata = open('\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.pdf','rb').read()\nbf = sorted(set(m.group(1).decode() for m in re.finditer(rb'\u002FBaseFont\\s*\u002F([A-Za-z0-9+_.-]+)', data)))\nprint('字体:', bf)\nprint('粗体 OK:', any('ZenHei' in f or 'CJK-Bold' in f for f in bf))\nprint('正文 OK:', any('MicroHei' in f or 'CJK' in f for f in bf))\n\"\n```\n\n**md 排版注意**：\n- 副标题分隔符用全角空格 `　`（`{date}　|　{time}`），脚本会将其替换为普通空格（reportlab 段落排版会丢弃全角空格）\n- 表格单元格内不要写 `|` 转义（脚本会移除）\n- 代码块三反引号正常转义渲染\n\n### 7.3 查股票名（标题需要）\n\n```bash\n# A股: QuantDB instrument_detail parquet（Symbol 格式 600519.SH）\ndocker exec quantmind python -c \"\nimport pandas as pd\ndf = pd.read_parquet('\u002Fdata\u002Fquantdb\u002F2_base_sector\u002Finstrument_detail\u002Finstrument_detail.parquet', columns=['Symbol','Name'])\nprint(df[df['Symbol']=='600519.SH']['Name'].iloc[0])\n\"\n# 港股\u002F美股: 板块 parquet\ndocker exec quantmind python -c \"\nimport pandas as pd\ndf = pd.read_parquet('\u002Fdata\u002Fquanthk\u002F2_base_sector\u002Fsector\u002F00700.HK.parquet')\nprint(df.columns.tolist())   # 找 name 列\n\"\n```\n\n**查不到名字时**：标题回退纯代码 `600519 投研分析报告`，不阻塞流程。\n\n### 7.4 验证导出成功\n\n```bash\nls -la \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F{股票名}\u002F\" | grep {ticker}\n# 或调用列表接口确认（报告档案页同源）:\ncurl -s \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Flist\" | python3 -m json.tool | grep {ticker}\n```\n\n## 八、告知用户（收尾话术）\n\n分析完成后，智能体回复用户必须包含：\n1. **最终评级 + 一句话核心逻辑**\n2. **多空分歧要点**（双方各自最强论据）\n3. **模型推理分数印证**（当前分数\u002F趋势\u002F排名）\n4. **\"报告已导出 PDF，请到「股票报告」页查看\"** ← 用户要求：最后提示导出 PDF\n\n## 九、股票报告页（文件管理 API）\n\n```bash\n# 列出所有报告（市场文件夹 → 股票名子文件夹 → 文件，二级结构）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Flist\"\n# 返回 folders[]: {name: 市场名, files[]: 市场目录直属文件, subfolders[]: {name: 股票名, files[]}}\n\n# PDF 预览（浏览器 iframe 内联）: $BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fpdf\u002F{filename}\n# filename 只需文件名（如 贵州茅台600519_2026-08-15_投研分析报告.pdf），\n# 后端递归搜索任意层级，同名取修改时间最新\n\n# 删除文件（可多选，递归搜索任意层级）\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fdelete\" \\\n  -d '{\"files\":[\"贵州茅台600519_2026-08-15_投研分析报告.pdf\"]}'\n\n# 新建文件夹 \u002F 移动文件 \u002F 删除文件夹（folder 支持「市场\u002F股票名」两级路径）\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fcreate-folder\" -d '{\"folder\":\"重点观察\"}'\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fmove\" \\\n  -d '{\"files\":[\"贵州茅台600519_2026-08-15_投研分析报告.pdf\"],\"target_folder\":\"A股市场\u002F贵州茅台\"}'\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fdelete-folder\" -d '{\"folder\":\"重点观察\"}'\n```\n\n## 十、可选的容器投研管线（备用模式）\n\n> 平台还有一条**容器内 TradingAgents 管线**（7 AI 分析师 → 质量门控 → 多空辩论 → 风控 → 最终决策），但**依赖容器内 LLM Key 配置**（minimax\u002Fopenai 等），Key 没配好会 401。\n> 管线可正常运行时，分析完成**自动导出** md+PDF（后端 report_exporter.py 已内置）。\n\n```bash\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Fanalyze\" \\\n  -d '{\"ticker\":\"600519\",\"trade_date\":\"2026-08-15\",\"market\":\"CN\"}'\n# → analysis_id，然后循环:\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Fprogress\u002F{analysis_id}\"   # 直到 is_complete\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Freport\u002F{analysis_id}\"     # 拿 stage_reports\n```\n\n**智能体选择模式**：\n- 默认用**自主模式**（本技能第 2~8 节）—— 任何大模型都能跑，不依赖管线 Key\n- 管线 Key 可用且用户明确要\"7 分析师全管线\"时，用备用模式，取 stage_reports 后仍按本技能第 6 节版式组装 md + 导出 PDF\n\n## 十一、相关技能\n\n- **[[stock-market-analysis]]** — 量化因子深度分析（371 字段 + 风险评分 + 数据导出）\n- **[[batch-inference-analysis]]** — 模型推理信号选股\n- **[[quantmind-operations]]** — RSS 新闻、模型推理\n- **[[quantdb-sdk]]** — QuantDB 数据查询（28 数据集）\n- **[[simulation-trading]]** — 分析结论落地模拟\u002F实盘交易\n\n## 十二、常见问题\n\n| 现象 | 处理 |\n|---|---|\n| features 接口返回空 | 检查 symbol 格式（A股必须带 .SH\u002F.SZ\u002F.BJ）；用 batch-features 批量试 |\n| 新闻为空 | 报告标注数据缺失 + 提醒用户加 RSS 新闻源（后台 RSS 管理\u002FHuntly） |\n| 股票名查不到 | 标题回退纯代码；US\u002FHK 查 sector parquet 的 name 列 |\n| PDF 转不出来 | 确认容器 `docker exec quantmind python -c \"import reportlab\"`；字体回退链见 7.2（WQY 在宿主机 `docker\u002Ftraining\u002Ffonts\u002F`，bind mount 进容器 `\u002Fapp\u002Fdocker\u002Ftraining\u002Ffonts\u002F`） |\n| 股票报告页找不到报告 | 目录名必须用 **`A股市场`（无空格）**，与后端 `report_exporter.py::_MARKET_NAMES` 一致；新结构为「市场文件夹\u002F股票名文件夹\u002F{股票名}{代码}_{日期}_投研分析报告.{md,pdf}」 |\n| 报告目录写不进 | 宿主机目录 owner 是容器内 root：md 先写 `\u002Ftmp` 再 `docker cp` 进容器，或用 `docker exec quantmind python` 直接落盘 |\n| 推理分数接口 404 | 该股近期无推理记录，报告中注明\"无最近推理数据\" |\n","> ## ⚙️ 运行环境契约（最高优先级，先于本文其余内容执行）\n>\n> 本技能可能运行在 **QuantBot（QwenPaw 容器）** 或**宿主机\u002F本地 Claude Code**。执行前先探测环境（`which docker`、API 连通性），并遵守以下映射规则：\n>\n> 1. **后端 API 地址**：QwenPaw \u002F 容器网络内一律用 `http:\u002F\u002Fquantmind:8000`（`quantmind` 是 docker 网络别名）；仅宿主机调试用 `http:\u002F\u002F127.0.0.1:8000`。正文中出现的 `127.0.0.1:8000`、`localhost:800x`，在 QwenPaw 环境下自动替换为 `http:\u002F\u002Fquantmind:8000`。\n> 2. **取数脚本执行**：凡 import 了 `pandas \u002F duckdb \u002F psycopg2 \u002F numpy \u002F sqlalchemy` 等重依赖或 `backend` 包的脚本，**必须在 quantmind 容器内执行**（QwenPaw 本地 venv 无这些依赖）：\n>    ```bash\n>    docker cp \u003C脚本路径> quantmind:\u002Ftmp\u002F\u003C脚本名> && docker exec -w \u002Fapp quantmind python3 \u002Ftmp\u002F\u003C脚本名> \u003C参数>\n>    ```\n>    脚本源三选一：宿主机 repo `skills\u002F\u003Cname>\u002Fscripts\u002F`、QwenPaw 工作区 `\u002Fapp\u002Fworking\u002Fworkspaces\u002Fdefault\u002Fskills\u002F\u003Cname>\u002Fscripts\u002F`、挂载目录 `\u002Fquantmind\u002Fskills\u002F\u003Cname>\u002Fscripts\u002F`。纯标准库脚本（无重依赖）可在 QwenPaw 本地直接跑。\n> 3. **报告落盘**：股票报告页可见的 MD\u002FPDF 报告，直接写 `\u002Fdata\u002Freports\u002Ftrading_agents\u002F{市场或类别}\u002F{股票名}\u002F`（`\u002Fdata` 是 QwenPaw 与 quantmind 容器共享的可读写挂载，**QwenPaw 直接 mkdir\u002Fcp 即可，不要 docker cp**）；过程数据 facts 写 `\u002Fdata\u002Freports\u002F\u003C类别>\u002F`。\n> 4. **MD → PDF 转换（按优先级降级）**：\n>    ① QwenPaw 本地直接跑 `python3 \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C输入.md> \u003C输出.pdf>`（扩展镜像已内置 reportlab + 中文字体，研报级排版，首选）；\n>    ② QwenPaw 环境缺依赖时，`docker exec -w \u002Fapp quantmind python3 backend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C输入.md> \u003C输出.pdf>`（扩展镜像已含 docker CLI）；\n>    ③ 以上都不可用时，**改用 QwenPaw 内置 `pdf` 技能**把 MD 转成 PDF；\n>    ④ 全部失败则只交付 MD，并明确告知用户 PDF 未能生成及原因。\n> 5. 本文中的 `~\u002F.claude`、`cp -r ... ~\u002F.claude\u002Fskills` 等说明仅适用于本地 Claude Code 维护者，**QuantBot 不要执行**。\n\n# 个股深度投研分析（智能体自主版）\n\n> **核心定位**：本技能由 **AI 智能体自己执行**（QuantBot \u002F Claude Code 等），**不依赖**容器内 TradingAgents 管线，**任何大模型都可以跑**。\n> 数据全部来自 QuantMind 本地 API（QuantDB 数据库），分析完成后智能体**自己组装 md 并导出 PDF**，报告自动出现在平台「股票报告」页。\n\n## 一、完整流程总览\n\n```\n用户: 深度分析 600519\n  ↓\n① 确认标的 + 市场（默认 A股）\n  ↓\n② 拉取本地数据（并行）：\n   - \u002Fresearch\u002Ffeatures\u002F{symbol}          371 维特征（估值\u002F技术\u002F动量\u002F资金流\u002F筹码\u002F概念）\n   - \u002Frisk\u002Fscore\u002F{symbol}                 6 维风险评分卡\n   - \u002Fmodels\u002Finference\u002Fstock\u002F{symbol}\u002Fhistory?days=180   模型推理分数历史\n   - \u002Fresearch\u002Fkline\u002F{symbol}?days=120    K线 + 均线\n   - \u002Fnews\u002Farticles?tickers=xxx           RSS 新闻（利好\u002F利空）\n   - \u002Fselection\u002Fdaily                     全市场排名（该股是否入选）\n  ↓\n③ 多空子代理辩论（至少 2 个子代理，不同立场，用不同数据视角）\n  ↓\n④ 综合研判（证据强度裁决，不是篇幅裁决）\n  ↓\n⑤ 组装 Markdown 报告（标题含股票名\u002F日期\u002F分析时间）\n  ↓\n⑥ 导出 PDF（容器内 md_to_pdf_report.py，TTF 内嵌中文字体）\n  ↓\n⑦ 保存到 \u002Fdata\u002Freports\u002Ftrading_agents\u002F{市场名}\u002F{股票名}\u002F  → 用户去「股票报告」页查看\n```\n\n## 二、认证\n\n```bash\nBASE=http:\u002F\u002F127.0.0.1:8000\nTOKEN=$(curl -s -X POST $BASE\u002Fapi\u002Fv1\u002Fauth\u002Flogin -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"username\":\"admin\",\"password\":\"admin123\",\"tenant_id\":\"default\"}' \\\n  | python3 -c \"import sys,json; print(json.load(sys.stdin).get('access_token',''))\")\nAUTH=\"Authorization: Bearer $TOKEN\"\nCT=\"Content-Type: application\u002Fjson\"\n```\n\n## 三、数据拉取（智能体必做）\n\n### 3.1 个股 371 维特征\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fresearch\u002Ffeatures\u002F600519.SH\"\n# 返回 15 大类: valuation\u002Ftechnical\u002Fmomentum\u002Fvolatility\u002Fliquidity\u002FfundFlow\u002F\n#            fundamental\u002Fstyle\u002Findustry\u002Fchip\u002Fconcept\u002Fmicrostructure\u002Fsentiment 等\n# 批量: POST \u002Fapi\u002Fv1\u002Fresearch\u002Fbatch-features {\"symbols\":[\"600519.SH\",\"000858.SZ\"]}\n```\n\n**symbol 格式**：A股 `600519.SH`；港股 `00700.HK`；美股 `AAPL`；区块链 `BTC`；期货 `Au99.99.FUT`。\n\n### 3.2 风险评分卡（6 维）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Frisk\u002Fscore\u002F600519.SH\"\n# 流动性\u002F波动\u002F趋势\u002F过热\u002F基本面\u002F状态 6 维度 + risk_level + veto 否决项\n```\n\n### 3.3 模型推理分数（历史趋势 + 最新 + 多模型）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Finference\u002Fstock\u002F600519.SH\u002Fhistory?days=180\"\n# 无 envelope 包裹，直接返回:\n# {\"symbol\",\"name\":\"贵州茅台\",\"industry\",\"board\",\"total\",\"items\":[...]}\n# items[]: {trade_date, fusion_score, signal_side, score_rank, run_id, signal_model_id, ...}\n# 规则: 分数上升→多方；高位回落→空方；最新 score_rank 越小越靠前\n```\n\n**多模型交叉（必做）**：平台有多个训练模型（不同训练期\u002F周期 T3\u002FT10\u002FT15\u002F融合 ensemble），**不只看默认模型**：\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\"          # 模型列表（含 model_id\u002Fmodel_type\u002F周期）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Fdefault\"  # 默认模型\n# 用 model_id 逐个拉该模型的历史序列（排名在该模型内计算）:\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fmodels\u002Finference\u002Fstock\u002F600519.SH\u002Fhistory?days=180&model_id=xxx\"\n```\n**多模型分析三要素**：\n1. **共识度**：多模型同方向 = 高置信；分歧 = 报告单独说明分歧及原因\n2. **各自趋势**：每模型序列上升\u002F回落\u002F横盘（分数绝对值小 ≠ 无意义，看**变化方向**）\n3. **模型背离最值钱**：基本面好但模型持续 SELL、资金流出 → \"好公司 ≠ 好买点\"\n\n### 3.4 全市场排名（该股在候选池的位置）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fselection\u002Fdaily\"\n# 返回 {\"status\":\"success\",\"meta\":{...},\"market_state\":{...},\"candidates\":[...]}\n# meta.total_signals = 当日信号总数；market_state 含市场状态（牛\u002F熊市、仓位建议）\n# candidates 空 = 当天无入选（熊市空仓正常），报告要说明\"市场状态 + 该股未入选\"\n```\n\n### 3.5 K 线 + 均线\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fresearch\u002Fkline\u002F600519.SH?days=120\"\n# 近期走势位置：均线多空排列、支撑\u002F压力、放量\u002F缩量\n```\n\n### 3.6 新闻（RSS）\n\n```bash\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&limit=20\"\n# 按利好\u002F利空\u002F中性分类；时间线排序\n```\n\n**新闻深度参数**（`\u002Fnews\u002Farticles` 全量过滤能力）：\n```bash\n# 个股 + 行业双通道（个股没新闻 ≠ 行业没新闻）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&industries=白酒&limit=30\"\n# 强信号（|score|>=0.5）+ 情感过滤 + 事件标签\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&strong_only=true&sentiment=bullish\"\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&event_tags=解禁,减持\"\n# 最快定位最强多空新闻\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&sort=sentiment_bullish&limit=10\"\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Fnews\u002Farticles?tickers=600519&sort=sentiment_bearish&limit=10\"\n```\n\n**新闻用法三条**：\n1. **事件要后续印证**：公告增持 → 查资金流是否真流入；解禁 → 查筹码\u002F大宗\n2. **价值排序**：政策 > 公司重大事件 > 行业动态 > 分析师观点 > 情绪文\n3. **禁止编造**：无新闻标 `[数据缺失]` 并提醒加 RSS 源\n\n**⚠️ 若无新闻**：报告里标注 `[数据缺失: 个股新闻 0 条]`，并在回复中**提醒用户去后台「RSS 管理」或 Huntly 添加该股相关新闻源**（财联社、证券时报、新浪财经个股页等）。\n\n## 四、多空子代理（智能体必做）\n\n**至少组织 2 个子代理**（能 3~4 个更好），并行、立场相反：\n\n| 子代理 | 立场 | 数据视角 |\n|---|---|---|\n| 多方代理 | 找买入理由 | 估值低、技术转强、资金流入、行业催化、推理分数上升 |\n| 空方代理 | 找卖出\u002F回避理由 | 估值高、动量衰竭、筹码松动、解禁减持、推理分数走弱 |\n| 综合代理（可选） | 证据强度裁决 | 对比两方论据质量，用数据强度而非篇幅下结论 |\n\n**每个子代理必须引用具体数据**（PE 值、RSI、资金净流入、推理分数变化），禁止空泛形容词。\n\n## 五、模型推理分数交叉验证（必做）\n\n分析结论必须结合平台模型对这只股票的**推理分数\u002F排名\u002F历史趋势**（端点返回见 3.3）：\n\n- `fusion_score` **持续上升 + score_rank 靠前** → 支持多方（技术面再确认）\n- 分数**高位回落 \u002F 排名下滑** → 支持空方（警惕追高）\n- 分数与多空辩论结论**背离**时，报告中单独说明分歧及原因\n- `signal_side` 是模型当时给出的操作信号（BUY\u002FHOLD\u002FSELL），一并引用\n- **多模型**：按 3.3 拉全部模型（含 ensemble）逐个比对——共识度高则置信度高；模型间分歧本身就是信息\n\n> 更深的全方位分析（估值历史分位\u002F财务三表\u002F资金筹码多口径\u002F行业共振分类），见 [[stock-market-analysis]] 技能的 REFERENCES\u002Fquantdb-full-analysis-design.md 七层框架。\n\n## 六、组装 Markdown 报告（版式规范，必遵守）\n\n```markdown\n# {股票名}({ticker}) 投研分析报告\n\n> **交易日期**: {YYYY-MM-DD}　|　**分析时间**: {YYYY-MM-DD HH:MM}　|　**市场**: {A股\u002F港股\u002F美股\u002F区块链\u002F期货}\n> **最终评级**: **{买入\u002F增持\u002F持有\u002F减持\u002F卖出}**\n\n---\n\n## 一、综合结论\n（3~5 句话：评级 + 核心逻辑 + 关键风险）\n\n## 二、模型推理信号\n- 最新分数: {x.xx}　|　180 天趋势: {上升\u002F回落\u002F横盘}\n- 全市场排名: {第 N 名 \u002F 未入选}\n- 与多空辩论一致性: {一致\u002F背离 + 说明}\n\n## 三、多空辩论\n### 多方观点\n（数据支撑的买入理由）\n### 空方观点\n（数据支撑的风险\u002F卖出理由）\n### 辩论裁决\n（综合代理结论）\n\n## 四、基本面分析\n（PE\u002FPB\u002FROE\u002F市值\u002F行业地位，来自 features 的 valuation + fundamental）\n\n## 五、技术面分析\n（K线形态\u002F均线\u002FRSI\u002FMACD\u002F量能，来自 kline + technical）\n\n## 六、资金与筹码\n（fundFlow 资金流向 + chip 筹码集中度）\n\n## 七、风险提示\n（risk\u002Fscore 的 6 维评分 + veto 否决项 + 风险等级）\n\n## 八、新闻舆情\n（利好\u002F利空\u002F中性分类表格；无新闻则标注数据缺失并提醒加新闻源）\n\n---\n\n> 本报告由 AI 智能体基于 QuantMind 本地数据自动生成（{分析时间}），仅供学习研究，不构成投资建议。\n```\n\n**硬性要求**：\n1. 标题 = **股票名 + ticker + 日期 + 分析时间**（缺一不可）\n2. 多空双方必须都有（不能只有一方）\n3. 模型推理分数\u002F排名\u002F趋势必须写进报告\n4. 数据要有具体数值，禁止只说\"较高\u002F较低\"\n\n## 七、导出 PDF（智能体自己执行）\n\n### 7.1 保存 md 到报告目录\n\n```bash\n# 目录结构: 市场文件夹 \u002F 股票名文件夹（A股市场 \u002F 美股市场 \u002F 港股市场 \u002F 区块链市场 \u002F 期货市场）\nmkdir -p \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\"\n# 文件名: {股票名}{代码}_{trade_date}_投研分析报告.md（股票名查不到时省略股票名）\n# 例: 贵州茅台600519_2026-08-15_投研分析报告.md\n```\n\n> QwenPaw 对 `\u002Fdata` 有直接读写权限（与 quantmind 容器共享挂载），md 直接写入即可，**无需 docker cp**；仅宿主机本地 Claude Code 场景目录 owner 是容器内 root 时，才用 `docker exec quantmind python` 落盘（见 FAQ）。\n\n### 7.2 转 PDF（首选 QwenPaw 本地，reportlab + 中文字体已内置）\n\n```bash\npython3 \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \\\n  \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.md\" \\\n  \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.pdf\"\n# 备选（本地缺依赖时）：\n# docker exec quantmind python \u002Fapp\u002Fbackend\u002Fscripts\u002Fmd_to_pdf_report.py \u003C同上路径>\n```\n\n**PDF 特性**：A4、TTF 内嵌中文字体（任何 PDF 阅读器含浏览器 pdfjs 都正常渲染）、**粗体真实加粗**（正文文泉驿 MicroHei + 粗体 ZenHei 独立字重）、h1 居中大标题、h2 蓝色小节、表格深蓝表头 + 隔行底色。\n\n**字体回退链**（脚本自动探测）：`\u002Fapp\u002Fdocker\u002Ftraining\u002Ffonts\u002FWQYMicroHei.ttf`（+ `WQYZenHei.ttf`）→ `NotoSansCJK.ttf` → arphic\u002Fuming → NotoSerifCJK → STSong-Light（CID 不内嵌，仅兜底）。WQY ttf 放在宿主机 `docker\u002Ftraining\u002Ffonts\u002F` 即可，**bind mount 自动进容器，无需重建镜像**。\n\n**验证字体真正内嵌**（⚠️ reportlab 给子集字体加 `AAAAAA+` 前缀，直接 `grep 'WQY'` 字节串会误报 False，必须用 BaseFont 正则解析）：\n\n```bash\ndocker exec quantmind python -c \"\nimport re\ndata = open('\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F贵州茅台\u002F贵州茅台600519_2026-08-15_投研分析报告.pdf','rb').read()\nbf = sorted(set(m.group(1).decode() for m in re.finditer(rb'\u002FBaseFont\\s*\u002F([A-Za-z0-9+_.-]+)', data)))\nprint('字体:', bf)\nprint('粗体 OK:', any('ZenHei' in f or 'CJK-Bold' in f for f in bf))\nprint('正文 OK:', any('MicroHei' in f or 'CJK' in f for f in bf))\n\"\n```\n\n**md 排版注意**：\n- 副标题分隔符用全角空格 `　`（`{date}　|　{time}`），脚本会将其替换为普通空格（reportlab 段落排版会丢弃全角空格）\n- 表格单元格内不要写 `|` 转义（脚本会移除）\n- 代码块三反引号正常转义渲染\n\n### 7.3 查股票名（标题需要）\n\n```bash\n# A股: QuantDB instrument_detail parquet（Symbol 格式 600519.SH）\ndocker exec quantmind python -c \"\nimport pandas as pd\ndf = pd.read_parquet('\u002Fdata\u002Fquantdb\u002F2_base_sector\u002Finstrument_detail\u002Finstrument_detail.parquet', columns=['Symbol','Name'])\nprint(df[df['Symbol']=='600519.SH']['Name'].iloc[0])\n\"\n# 港股\u002F美股: 板块 parquet\ndocker exec quantmind python -c \"\nimport pandas as pd\ndf = pd.read_parquet('\u002Fdata\u002Fquanthk\u002F2_base_sector\u002Fsector\u002F00700.HK.parquet')\nprint(df.columns.tolist())   # 找 name 列\n\"\n```\n\n**查不到名字时**：标题回退纯代码 `600519 投研分析报告`，不阻塞流程。\n\n### 7.4 验证导出成功\n\n```bash\nls -la \"\u002Fdata\u002Freports\u002Ftrading_agents\u002FA股市场\u002F{股票名}\u002F\" | grep {ticker}\n# 或调用列表接口确认（报告档案页同源）:\ncurl -s \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Flist\" | python3 -m json.tool | grep {ticker}\n```\n\n## 八、告知用户（收尾话术）\n\n分析完成后，智能体回复用户必须包含：\n1. **最终评级 + 一句话核心逻辑**\n2. **多空分歧要点**（双方各自最强论据）\n3. **模型推理分数印证**（当前分数\u002F趋势\u002F排名）\n4. **\"报告已导出 PDF，请到「股票报告」页查看\"** ← 用户要求：最后提示导出 PDF\n\n## 九、股票报告页（文件管理 API）\n\n```bash\n# 列出所有报告（市场文件夹 → 股票名子文件夹 → 文件，二级结构）\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Flist\"\n# 返回 folders[]: {name: 市场名, files[]: 市场目录直属文件, subfolders[]: {name: 股票名, files[]}}\n\n# PDF 预览（浏览器 iframe 内联）: $BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fpdf\u002F{filename}\n# filename 只需文件名（如 贵州茅台600519_2026-08-15_投研分析报告.pdf），\n# 后端递归搜索任意层级，同名取修改时间最新\n\n# 删除文件（可多选，递归搜索任意层级）\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fdelete\" \\\n  -d '{\"files\":[\"贵州茅台600519_2026-08-15_投研分析报告.pdf\"]}'\n\n# 新建文件夹 \u002F 移动文件 \u002F 删除文件夹（folder 支持「市场\u002F股票名」两级路径）\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fcreate-folder\" -d '{\"folder\":\"重点观察\"}'\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fmove\" \\\n  -d '{\"files\":[\"贵州茅台600519_2026-08-15_投研分析报告.pdf\"],\"target_folder\":\"A股市场\u002F贵州茅台\"}'\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Ffiles\u002Fdelete-folder\" -d '{\"folder\":\"重点观察\"}'\n```\n\n## 十、可选的容器投研管线（备用模式）\n\n> 平台还有一条**容器内 TradingAgents 管线**（7 AI 分析师 → 质量门控 → 多空辩论 → 风控 → 最终决策），但**依赖容器内 LLM Key 配置**（minimax\u002Fopenai 等），Key 没配好会 401。\n> 管线可正常运行时，分析完成**自动导出** md+PDF（后端 report_exporter.py 已内置）。\n\n```bash\ncurl -s -X POST -H \"$AUTH\" -H \"$CT\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Fanalyze\" \\\n  -d '{\"ticker\":\"600519\",\"trade_date\":\"2026-08-15\",\"market\":\"CN\"}'\n# → analysis_id，然后循环:\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Fprogress\u002F{analysis_id}\"   # 直到 is_complete\ncurl -s -H \"$AUTH\" \"$BASE\u002Fapi\u002Fv1\u002Ftrading-agents\u002Freport\u002F{analysis_id}\"     # 拿 stage_reports\n```\n\n**智能体选择模式**：\n- 默认用**自主模式**（本技能第 2~8 节）—— 任何大模型都能跑，不依赖管线 Key\n- 管线 Key 可用且用户明确要\"7 分析师全管线\"时，用备用模式，取 stage_reports 后仍按本技能第 6 节版式组装 md + 导出 PDF\n\n## 十一、相关技能\n\n- **[[stock-market-analysis]]** — 量化因子深度分析（371 字段 + 风险评分 + 数据导出）\n- **[[batch-inference-analysis]]** — 模型推理信号选股\n- **[[quantmind-operations]]** — RSS 新闻、模型推理\n- **[[quantdb-sdk]]** — QuantDB 数据查询（28 数据集）\n- **[[simulation-trading]]** — 分析结论落地模拟\u002F实盘交易\n\n## 十二、常见问题\n\n| 现象 | 处理 |\n|---|---|\n| features 接口返回空 | 检查 symbol 格式（A股必须带 .SH\u002F.SZ\u002F.BJ）；用 batch-features 批量试 |\n| 新闻为空 | 报告标注数据缺失 + 提醒用户加 RSS 新闻源（后台 RSS 管理\u002FHuntly） |\n| 股票名查不到 | 标题回退纯代码；US\u002FHK 查 sector parquet 的 name 列 |\n| PDF 转不出来 | 确认容器 `docker exec quantmind python -c \"import reportlab\"`；字体回退链见 7.2（WQY 在宿主机 `docker\u002Ftraining\u002Ffonts\u002F`，bind mount 进容器 `\u002Fapp\u002Fdocker\u002Ftraining\u002Ffonts\u002F`） |\n| 股票报告页找不到报告 | 目录名必须用 **`A股市场`（无空格）**，与后端 `report_exporter.py::_MARKET_NAMES` 一致；新结构为「市场文件夹\u002F股票名文件夹\u002F{股票名}{代码}_{日期}_投研分析报告.{md,pdf}」 |\n| 报告目录写不进 | 宿主机目录 owner 是容器内 root：md 先写 `\u002Ftmp` 再 `docker cp` 进容器，或用 `docker exec quantmind python` 直接落盘 |\n| 推理分数接口 404 | 该股近期无推理记录，报告中注明\"无最近推理数据\" |\n",{"name":5,"description":7},"main","d69096e239f2a89aabc2cd078c47664a9d3b1e11","05-技能与代理开发\u002Ftrading-agents",3,"https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts","https:\u002F\u002Fgithub.com\u002Flza6","个人vx：Tf00798\r\n个人✈：@TFGY999","2026-10-08 14:29:22",{"source":8,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add lza6\u002FArmor-piercing-system-prompts --skill trading-agents",{"tool":38,"command":39},"bunx","bunx skills add lza6\u002FArmor-piercing-system-prompts --skill trading-agents",{"tool":41,"command":42},"pnpm","pnpm dlx skills add lza6\u002FArmor-piercing-system-prompts --skill trading-agents","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F05-技能与代理开发\u002Ftrading-agents\u002FSKILL.md",true,[46],{"path":47,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":50,"sourceHtmlUrl":51},"references\u002Fpipeline-mode.md","REFERENCE","参考文档",16602,"https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F05-技能与代理开发\u002Ftrading-agents\u002Freferences\u002Fpipeline-mode.md",[53,60,65,72,79,86],{"skillNo":54,"name":55,"nameZh":6,"description":56,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":57,"categories":58,"keywords":59,"publishedAt":19},"01M7FFG485KY83TD6HSC4YPCMC","obsidian-clipper-template-creator","Guide for creating templates for the Obsidian Web Clipper. Use when you want to create a new clipping template, understand available variables, or format clipped content.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobsidian-clipper-template-creator\u002FSKILL.md",[],[],{"skillNo":61,"name":55,"nameZh":6,"description":56,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":62,"categories":63,"keywords":64,"publishedAt":19},"01M7FFG0T6AZ0STEJPSB3CX84K","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobsidian-clipper-template-creator-antigravity-awesome-skills-main\u002FSKILL.md",[],[],{"skillNo":66,"name":67,"nameZh":6,"description":68,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":69,"categories":70,"keywords":71,"publishedAt":19},"01M7FFFY0QEM14SKWPDYGMXM2P","python-api","Programmatic Object-Detection-Metrics API guidance for BoundingBox, BoundingBoxes, Evaluator, enums, coordinate conversion, AP\u002FmAP semantics, and source-style import diagnostics.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002Fsub-skills\u002Fpython-api\u002FSKILL.md",[],[],{"skillNo":73,"name":74,"nameZh":6,"description":75,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":76,"categories":77,"keywords":78,"publishedAt":19},"01M7FFFVZQZ2GJ0C0TGP7JHD20","file-evaluation","Folder-based PASCAL VOC AP\u002FmAP evaluation from ground-truth and detection text files.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002Fsub-skills\u002Ffile-evaluation\u002FSKILL.md",[],[],{"skillNo":80,"name":81,"nameZh":6,"description":82,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":83,"categories":84,"keywords":85,"publishedAt":19},"01M7FFFSFNYSE77SJ6PE1CK2DA","object-detection-metrics","Guides legacy Object-Detection-Metrics PASCAL VOC AP\u002FmAP evaluation from detection text folders and direct Python API classes.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002FSKILL.md",[],[],{"skillNo":87,"name":88,"nameZh":6,"description":89,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":90,"categories":91,"keywords":92,"publishedAt":19},"01M7FFFP0GCK1RVXBCPQ8APBMT","nx-workspace-patterns","Configure and optimize Nx monorepo workspaces. Use when setting up Nx, configuring project boundaries, optimizing build caching, or implementing affected commands.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fnx-workspace-patterns\u002FSKILL.md",[],[]]