What makes A Stock Daily Market Sense notable?

1.3K downloads. Trust evidence available

How should A Stock Daily Market Sense be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

A Stock Daily Market Sense

基于 Tushare Pro A 股日线与 Baostock 风格指数生成盘后市场研报。当用户要求分析每日或历史盘面、指数与市场风格、情绪和成交额集中度、赚钱效应与上涨主线、即时及短中期催化、主线细分线路、爆量下跌，或容量上涨、全市场月线平台突破、10:30 前涨停、折扣启动等特征分组时使用；也用于特征分组量化回... Skill: A Stock Daily Market Sense Owner: chinfi-codex Summary: 基于 Tushare Pro A 股日线与 Baostock 风格指数生成盘后市场研报。当用户要求分析每日或历史盘面、指数与市场风格、情绪和成交额集中度、赚钱效应与上涨主线、即时及短中期催化、主线细分线路、爆量下跌，或容量上涨、全市场月线平台突破、10:30 前涨停、折扣启动等特征分组时使用；也用于特征分组量化回... Tags: latest:2.0.2 Version history: v2.0.2 | 2026-07-14T02:23:00.100Z | user Add PostgreSQL-backed market workflows, catalyst and subline mining, lifecycle and factor analysis, and updated HTML re

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.3k

Updated

Oct 10, 2026

Version

2.0.2

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.3K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.3K downloadsadoption · observed Oct 10, 2026
Latest release: 2.0.2release · observed Jul 14, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s175ywf2hg7sy9p90712m993ah83g0p6:a-stock-daily-market-sense

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/snapshot"

Documentation

CLAWHUB

129,759 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: a-stock-daily-market-sense
description: 基于 Tushare Pro A 股日线与 Baostock 风格指数生成盘后市场研报。当用户要求分析每日或历史盘面、指数与市场风格、情绪和成交额集中度、赚钱效应与上涨主线、即时及短中期催化、主线细分线路、爆量下跌，或容量上涨、全市场月线平台突破、10:30 前涨停、折扣启动等特征分组时使用；也用于特征分组量化回溯与相对收益因子挖掘。本 skill 先生成确定性证据包，再由模型按模块判断与写作；脚本不调用 LLM，外部消息不得改变量价确定的主线星级，不套用现成行业/概念分类，不提供买卖建议。
---

# Tushare Daily Market Sense

## 目标

基于 Tushare 日线、指数、成交额与本地情绪历史，为 A 股盘后复盘生成结构化研报：盘面趋势、成交额集中度、赚钱效应与上涨主线、爆量下跌风险、特征分组分析。

不做单股基本面深度研究、港股/美股/基金/期货/加密分析、超短线交易决策、自动下单、组合优化或买卖建议。脚本只负责取数、计算、筛选、切分 JSON；主题归纳、风险措辞和研报写作由模型完成。

## 核心理念

成交额优先。所有强弱判断都要有成交额证据：上涨主线按成交额厚度确认，爆量下跌按放量异常与跌幅强度识别，特征分组按命中规则与成交额证据分开呈现。

主题主线由模型基于业务事实临时归纳，不套现成行业或概念标签。共同性不足时明确写“暂不构成主线”或“资金轮动”。

## 工作流程

1. 确定交易日：解析“今天/最近”或具体日期，默认只使用 `D` 及以前数据；只有用户明确要求后验时才允许 `--allow-future`。
2. 生成证据包：运行 `scripts/run_daily_panel.py`。脚本会直接调用数据管线，写出完整 evidence、个股 K 线展示数据（`kline_YYYYMMDD.json`）和模块级 JSON。
3. 生成首轮模块产物：模块 1、2、4、5 继续各自只读自己的 JSON、方法论与模板。模块 3 首轮只根据 `module3_money_effect.json` 归纳临时主题、父主题成员与候选细分成员，先写 `stars: null` 的 `module3_theme_map.json`；不要搜索，也不要在统计前凭手算锁星。有 subagent 时分发最小上下文，没有时按相同边界顺序执行。
4. 统计并锁定模块 3 星级：运行 `theme_group_stats.py` 生成 `module3_theme_stats.json`，再由模型严格按 Market Evidence Pack 与统计结果写回 `stars: 1/2/3`。星级锁定后，只对当日 ★★/★★★ 主线强制尝试搜索，并按宿主能力选读知识库或产业链资料；★ 级方向不搜索、不做产业推演、不进入 3.2。主 agent 将 Web 结果、可选的宿主知识证据与查询错误压缩成 `module3_enrichment_pack.json`。外部资料只用于解释催化、推演产业变量与挖掘细分线路，绝不回写或上调 3.1 星级。详细搜索、证据和评级纪律见 `references/methodology/catalyst_subline_mining.md`。
5. 聚合成稿：模块 3 第二阶段只读取 theme map、统计结果、enrichment pack、方法论与模板，完成 3.1 主线判定、3.2 催化与细分线路推演、3.3 领导股与弹性股。主 agent 再读取模块 1-5 输出、`assembled_checks.json` 与 `references/methodology/output_discipline.md`，补一句话盘面判断、风险传导提示和最终语气校准。搜索或知识查询失败不阻断日报，但要披露证据缺口并降低产业推演确定性。
6. 主线生命周期落库：报告定稿后，把当日 3.1 主线判定沉淀进 PG 生命周期台账。先运行 `python3 scripts/theme_lifecycle.py context --asof YYYYMMDD` 取注册表、各主线近期状态与 watchlist；模型完成别名归一（当日临时主题名 → canonical theme_id）和生命周期状态判定（低位启动/在场候选/主线确认/高位分歧/退潮/修复/再聚焦/沉寂），写出 `reports/lifecycle_YYYYMMDD.json` 后运行 `python3 scripts/theme_lifecycle.py record --input reports/lifecycle_YYYYMMDD.json` 落库。脚本只做确定性校验（枚举、状态机转移合法性、theme_id 存在性），判断留给模型；输入格式、状态机与判定基准见 `references/theme_lifecycle.md`。
7. 按需生成 HTML：当用户要求 HTML、网页、可视化报告或截图风格输出时，先完成并核对 `reports/report_YYYYMMDD.md`，再运行 `scripts/render_report_html.py` 生成同日期 HTML。HTML 是展示层产物，不新增研报判断、不删减 Markdown 正文；若同目录存在 `evidence_YYYYMMDD_utf8.json` 与 `kline_YYYYMMDD.json`，HTML 会自动读取指数 120 日 K 线与个股 K 线并插入对应正文附近；其中 5.2 全市场月线平台突破组改画**月线 K 线图**（多年底部箱体阴影 + 箱体上沿 pivot 水平线 + 突破月标记，数据来自 `kline_YYYYMMDD.json` 的 `monthly` 段），其余分组仍为 120 日日线。若 `theme_daily_state` 已有该日数据，HTML 还会在主线判定小节下方自动注入主线生命周期泳道图区块（近 22 个交易日，红 = 强势在场、绿 = 退潮、闪电 = 低位启动；`--lifecycle-days` 调窗口、`--no-lifecycle` 关闭）；区块只展示台账已落库数据，不新增判断。若 evidence 含风格序列，HTML 会在「市场风格」小节表格下方自动注入两张 60 日归一化对比图（规模轴五线 / 成长价值红利三线，起点=100），区块只展示 evidence 已有数据、不新增判断。
8. 证据包边界：`reports/evidence_YYYYMMDD_utf8.json` 是本 skill 的 Market Evidence Pack，只属于 skill 输出目录。即使宿主把最终趋势复盘写入其他知识系统，也不要把该证据包复制或登记成宿主原始来源；宿主知识查询只以可选 evidence pack 输入，不成为 core skill 的路径依赖。生命周期台账同理：它是 skill 域运行时数据，归 PG 管。
9. 清理临时产物：确认 `reports/report_YYYYM

scripts/_shared/html_report/README.md

# shared/html_report

仓库级 HTML 报告渲染框架。各报告型 skill 把 Markdown 研报 + JSON 证据包套成一份自包含的单页 HTML(图表不依赖外部 CDN)。

设计目标:**新 skill 出 HTML 只写一张"薄清单"**——怎么读自己的数据、画哪几张图——其余(命令行、Markdown→HTML、主题、校验、图表工具、染色/hero 装饰)全部由本包提供。

## 一张薄清单长什么样

```python
import sys
from pathlib import Path
sys.path.insert(0, str(Path(__file__).parent / "_shared"))

from html_report import (
    HtmlReportBuilder, ChartHook, RenderJob,
    render_report, PillDecoration, HeroDecoration,
)

def add_arguments(parser):                 # 可选:本 skill 额外的命令行参数
    parser.add_argument("--evidence", default=None)

def build_job(args) -> RenderJob:          # 唯一要写的:读数据 + 选图表
    md = Path(args.input).read_text(encoding="utf-8")
    evidence = load_my_evidence(args.evidence)        # 域:自己的 evidence schema
    charts = extract_my_payload(evidence)             # 域:整形成 JS 好用的 payload
    builder = HtmlReportBuilder(title=args.title or Path(args.input).stem,
                                theme=args.theme, meta_text="…")
    builder.add_decoration(PillDecoration(MY_PILL_RULES))   # 词表是数据
    builder.add_decoration(HeroDecoration(heading_prefix="核心判断"))
    builder.add_chart_hook(ChartHook(name="my-charts", payload=charts, js=MY_CHARTS_JS))
    out = Path(args.output) if args.output else Path(args.input).with_suffix(".html")
    return RenderJob(markdown_text=md, builder=builder, output_path=out,
                     summary={"…": "打印到 stdout 的诊断字段"})

if __name__ == "__main__":
    raise SystemExit(render_report(
        description="Render … to static HTML.",
        build_job=build_job, add_arguments=add_arguments))
```

`render_report` 统一负责:解析 `--input/--output/--title/--theme/--no-validate/--strict`、读 Markdown、跑 `build_job`、以"校验失败转 warning 不阻断"的策略渲染(`--strict` 才硬失败)、写文件、打印 JSON 摘要、把异常收成 `error: …` + 退出码 1。

## 四层结构

| 层 | 模块 | 职责 |
|---|---|---|
| CLI | `cli.py` | `render_report` / `RenderJob`,吃掉每个 skill 重复的 argparse + main 编排 |
| 装饰 | `decorations.py` | `PillDecoration` / `HeroDecoration` / `CollapsibleUpdatesDecoration` / `TimelineDecoration`,数据驱动,机制只一份 |
| 图表 | `chartkit.js` (`window.CK`) + `ChartHook` | 共享 SVG/DOM 工具 + 各 skill 自带的画图 JS |
| 外壳 | `builder.py` `markdown_engine.py` `text_validator.py` `themes/` | HTML 骨架、Markdown→HTML、文本保全校验、CSS 主题 |

## 装饰:换词表不换代码

```python
PillDecoration(rules=[(r"^(成长股|成熟龙头)$", "pill"),
                      (r"^(强|高)$", "pill neg")])          # 表格单元格按正则染成 pill
HeroDecoration(heading_prefix="一句话盘面判断",
               collect_tags=("P",), max_blocks=3,
               stop_at_numbered=True, number_units="%|pct|倍",
               keyword_pattern="上证|创业板|科创50")          # 把摘要标题升格成 hero 卡
CollapsibleUpdatesDecoration()      # ## 更新 YYYY-MM-DD：摘要 → 折叠卡(默认最新展开)
TimelineDecoration()                # 顶部 日期|版本号 表 + 文末 版本变更记录 表 → 可点版本时间轴
```

活报告(同一报告随时间多轮更新)用后两个装饰:更新章节折叠成带日期徽标 + 一句话摘要的卡片(id 为 `upd-<date>`,供其它组件跳转),两张版本表合成一条时间轴(节点弹出该版本主要变更/关键数字,可跳转对应更新卡;时间轴挂上后隐藏顶部两列表,不足 2 个版本不动作)。**添加顺序**:CollapsibleUpdates 在 Hero 之前(hero 收集遇 section/aside/blockquote 停止,不会吞卡),Timeline 在两者

_meta.json

{
  "ownerId": "kn7450t2xk0c4fzwzv90194pgd82q8yk",
  "slug": "a-stock-daily-market-sense",
  "version": "2.0.2",
  "publishedAt": 1783995780100
}

references/cli_reference.md

# CLI 参数参考

本 skill 各脚本的常用参数集中在这里，SKILL.md 正文只留指引。

## `run_daily_panel.py`（每日复盘证据）

| 参数 | 含义 | 默认 |
|---|---|---:|
| `--fetch-workers` | cache/API 获取线程数；排查限流时设为 1 | 6 |
| `--index-kline-days` | HTML 上证/创业板/科创50 K 线展示窗口，独立于 `--market-trend-days` | 120 |
| `--money-pct-threshold` | 赚钱效应最低当日涨幅 | 7.0 |
| `--money-amount-threshold` | 赚钱效应最低成交额，单位亿元 | 2.0 |
| `--decline-pct-max` | 爆量下跌最大当日涨幅 | -3.0 |
| `--decline-volume-ratio` | 爆量下跌最低 20 日放量倍数 | 2.0 |
| `--capacity-market-cap-threshold` | 容量上涨最低总市值，单位亿元，严格大于 | 70.0 |
| `--capacity-amount-threshold` | 容量上涨最低成交额，单位亿元，严格大于 | 5.0 |
| `--capacity-pct-threshold` | 容量上涨最低当日涨幅，严格大于 | 8.0 |
| `--feature-sample-limit` | 模块 5 每组最大样本数 | 60 |
| `--discount-market-cap-threshold` | 折扣启动最低总市值，单位亿元，严格大于 | 80.0 |
| `--discount-amount-threshold` | 折扣启动最低成交额，单位亿元，严格大于 | 5.0 |
| `--discount-pct-threshold` | 折扣启动最低当日涨幅，严格大于 | 7.0 |
| `--discount-min` | 折扣启动前高折扣下界（前高之后最低价/前高收盘价），严格大于 | 0.6 |
| `--discount-max` | 折扣启动前高折扣上界，严格小于 | 0.85 |
| `--discount-high-lookback` | 折扣启动"前高"回看交易日数（取该窗口内收盘价最高日） | 200 |
| `--discount-low-recency-days` | 折扣启动回撤最低点须落在大涨日前几个交易日内（最低点新鲜度） | 5 |
| `--discount-pre-contraction-max` | 折扣启动调整缩量上限（前5日均额/前20日均额） | 0.9 |
| `--discount-volume-expansion-min` | 折扣启动当日重新放量下限（amount_vs_prev5_ratio，相对前5日缩量期） | 2.0 |
| `--cleanup YYYYMMDD` | 删除该日期临时产物（evidence/kline/context/module_context + 因子挖掘临时包），保留 report md/html | — |

## `factor_backtest.py`（特征因子挖掘）

见 `references/methodology/factor_mining.md` §五。要点：`--group discount_relaunch|custom`、`--spec FILE`、
`--min-n`、`--entry/--horizon` 选目标格、`--skip-backfill` 快速冒烟、`--refresh-basic` 修脏缓存。
产物：决策包 `factor_mining_<group>_<asof>.json`（≤150KB）+ `_detail.json`（整列 signals）。

## `factor_lab.py`（因子实验台账）

每次 `factor_backtest.py` 挖矿会把确定性摘要写入 PG `factor_experiment_log`。`factor_lab.py` 只负责查询实验和补人工 verdict：

| 命令 | 作用 |
|---|---|
| `experiments --recent N` | 列最近挖矿实验 |
| `experiments --set-verdict <g>@<w>@<hash前缀> --verdict adopted\|rejected\|observing [--note ..]` | 人工判分（只改 verdict 与说明） |

## `render_report_html.py`（HTML 展示层）

`--input reports/report_YYYYMMDD.md`、`--theme default|claude|print`。见 SKILL.md「数据获取」HTML 段。

references/market_data.json

{
  "metadata": {
    "source_csv": "references/market_data.csv",
    "generated_at": "2026-06-28 18:23:21",
    "sort": "trade_date_ascending",
    "window_start": "20251114",
    "window_end": "20260626"
  },
  "columns": [
    "日期",
    "上涨",
    "涨停",
    "下跌",
    "跌停",
    "平盘",
    "活跃度",
    "情绪值",
    "成交额",
    "融资净买入",
    "全市场换手率"
  ],
  "records": [
    {
      "日期": "20251114",
      "trade_date": "20251114",
      "上涨": 1961.0,
      "涨停": 89.0,
      "下跌": 3323.0,
      "跌停": 9.0,
      "平盘": 154.0,
      "活跃度": 36.46,
      "情绪值": 36.46,
      "成交额": 1980381884.0,
      "融资净买入": -14818381779.0,
      "全市场换手率": 2.0216
    },
    {
      "日期": "20251117",
      "trade_date": "20251117",
      "上涨": 2584.0,
      "涨停": 100.0,
      "下跌": 2726.0,
      "跌停": 12.0,
      "平盘": 127.0,
      "活跃度": 47.8,
      "情绪值": 47.8,
      "成交额": 1930321103.0,
      "融资净买入": 6203695015.0,
      "全市场换手率": 1.9755
    },
    {
      "日期": "20251118",
      "trade_date": "20251118",
      "上涨": 1278.0,
      "涨停": 62.0,
      "下跌": 4106.0,
      "跌停": 38.0,
      "平盘": 56.0,
      "活跃度": 23.6,
      "情绪值": 23.6,
      "成交额": 1945958605.0,
      "融资净买入": 1076793187.0,
      "全市场换手率": 2.0099
    },
    {
      "日期": "20251119",
      "trade_date": "20251119",
      "上涨": 1200.0,
      "涨停": 62.0,
      "下跌": 4175.0,
      "跌停": 33.0,
      "平盘": 67.0,
      "活跃度": 22.22,
      "情绪值": 22.22,
      "成交额": 1742665765.0,
      "融资净买入": -6009363856.0,
      "全市场换手率": 1.801
    },
    {
      "日期": "20251120",
      "trade_date": "20251120",
      "上涨": 1453.0,
      "涨停": 49.0,
      "下跌": 3850.0,
      "跌停": 23.0,
      "平盘": 138.0,
      "活跃度": 26.81,
      "情绪值": 26.81,
      "成交额": 1722634730.0,
      "融资净买入": -7262266892.0,
      "全市场换手率": 1.7927
    },
    {
      "日期": "20251121",
      "trade_date": "20251121",
      "上涨": 354.0,
      "涨停": 32.0,
      "下跌": 5072.0,
      "跌停": 105.0,
      "平盘": 18.0,
      "活跃度": 6.53,
      "情绪值": 6.53,
      "成交额": 1983599376.0,
      "融资净买入": -30505273536.0,
      "全市场换手率": 2.1224
    },
    {
      "日期": "20251124",
      "trade_date": "20251124",
      "上涨": 4228.0,
      "涨停": 77.0,
      "下跌": 1104.0,
      "跌停": 34.0,
      "平盘": 108.0,
      "活跃度": 76.92,
      "情绪值": 76.92,
      "成交额": 1740350183.0,
      "融资净买入": -4258451204.0,
      "全市场换手率": 1.8562
    },
    {
      "日期": "20251125",
      "trade_date": "20251125",
      "上涨": 4300.0,
      "涨停": 92.0,
      "下跌": 993.0,
      "跌停": 8.0,
      "平盘": 145.0,
      "活跃度": 79.02,
      "情绪值": 79.02,
      "成交额": 1826169390.0,
      "融资净买入": 2529287846.0,
      "全市场换手率": 1.9274
    },
    {
      "日期": "20251126",
      "trade_date": "20251126",
      "上涨": 1692.0,
      "涨停": 76.0,
      "下跌": 3593.0,
      "跌停": 9.0,
      "平盘": 149.0,
      "活跃度": 31.51,
      "情绪值": 31.51,
      "成交额": 1797190474.0,
      "融资净买入": 4587527473.0,
      "全市场换手率": 1.8961
    },
    {
      "日期": "20251127",
      "trade_date": "20251127",
      "上涨": 2790.0,
      "涨停":

Github ReposUpdated 1d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.