{"id":"ad39e6ce-1baf-4696-9c2f-2a15b96506bc","entityType":"agent","slug":"clawhub-chinfi-codex-a-stock-daily-market-sense","name":"A Stock Daily Market Sense","canonicalUrl":"https://www.xpersona.co/agent/clawhub-chinfi-codex-a-stock-daily-market-sense","canonicalPath":"/agent/clawhub-chinfi-codex-a-stock-daily-market-sense","generatedAt":"2026-10-10T21:57:30.377Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T16:35:47.950Z","emptyReason":null},"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... 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","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.3K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s175ywf2hg7sy9p90712m993ah83g0p6:a-stock-daily-market-sense","sourceUrl":"https://clawhub.ai/chinfi-codex/a-stock-daily-market-sense","homepage":"https://clawhub.ai/chinfi-codex/skills/a-stock-daily-market-sense","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/chinfi-codex/a-stock-daily-market-sense","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/chinfi-codex/skills/a-stock-daily-market-sense","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":63,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"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..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T16:35:47.950Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T16:35:47.950Z","emptyReason":null},"stars":null,"forks":null,"downloads":1337,"packageName":null,"latestVersion":"2.0.2","tractionLabel":"1.3K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T16:35:47.950Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T16:35:47.950Z","lastCrawledAt":"2026-10-10T16:35:47.950Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T16:35:47.950Z","lastVerifiedAt":null,"highlights":[{"version":"2.0.2","createdAt":"2026-07-14T02:23:00.100Z","changelog":"Add PostgreSQL-backed market workflows, catalyst and subline mining, lifecycle and factor analysis, and updated HTML rendering.","fileCount":52,"zipByteSize":245089},{"version":"2.0.1","createdAt":"2026-05-11T11:24:28.143Z","changelog":"Clean runtime package and update Daily Market Sense skill metadata","fileCount":21,"zipByteSize":62434},{"version":"2.0.0","createdAt":"2026-05-01T02:42:47.669Z","changelog":"Bump skill metadata to 2.0.0 and publish runtime-only package.","fileCount":19,"zipByteSize":49137},{"version":"1.6.2","createdAt":"2026-04-25T15:02:15.671Z","changelog":"Rename skill from tushare-daily-market-sense to a-stock-daily-market-sense and compact SKILL.md for ClawHub publishing.","fileCount":4,"zipByteSize":23260}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s175ywf2hg7sy9p90712m993ah83g0p6:a-stock-daily-market-sense","setupComplexity":"low","setupSteps":["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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T21:57:30.373Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-chinfi-codex-a-stock-daily-market-sense/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T16:35:47.950Z","emptyReason":null},"readme":"Skill: A Stock Daily Market Sense\n\nOwner: chinfi-codex\n\nSummary: 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...\n\nTags: latest:2.0.2\n\nVersion history:\n\nv2.0.2 | 2026-07-14T02:23:00.100Z | user\n\nAdd PostgreSQL-backed market workflows, catalyst and subline mining, lifecycle and factor analysis, and updated HTML rendering.\n\nv2.0.1 | 2026-05-11T11:24:28.143Z | user\n\nClean runtime package and update Daily Market Sense skill metadata\n\nv2.0.0 | 2026-05-01T02:42:47.669Z | user\n\nBump skill metadata to 2.0.0 and publish runtime-only package.\n\nv1.6.2 | 2026-04-25T15:02:15.671Z | user\n\nRename skill from tushare-daily-market-sense to a-stock-daily-market-sense and compact SKILL.md for ClawHub publishing.\n\nArchive index:\n\nArchive v2.0.2: 52 files, 245089 bytes\n\nFiles: references/cli_reference.md (3149b), references/market_data.csv (10122b), references/market_data.json (200084b), references/methodology/catalyst_subline_mining.md (8242b), references/methodology/factor_mining.md (9986b), references/methodology/module1_trend.md (2117b), references/methodology/module2_concentration.md (613b), references/methodology/module3_money_effect.md (5059b), references/methodology/module4_decline.md (960b), references/methodology/module5_feature_groups.md (6019b), references/methodology/output_discipline.md (2417b), references/report_template.md (14006b), references/template/section1.md (2019b), references/template/section2.md (526b), references/template/section3.md (3814b), references/template/section4.md (894b), references/template/section5.md (2991b), references/theme_lifecycle.md (5671b), scripts/_shared/db_core.py (10168b), scripts/_shared/db_ping.py (2706b), scripts/_shared/html_report/__init__.py (1361b), scripts/_shared/html_report/builder.py (8264b), scripts/_shared/html_report/chart_hook.py (647b), scripts/_shared/html_report/chartkit.js (8022b), scripts/_shared/html_report/chartkit.py (578b), scripts/_shared/html_report/cli.py (4669b), scripts/_shared/html_report/decorations.py (22374b), scripts/_shared/html_report/markdown_engine.py (12763b), scripts/_shared/html_report/README.md (6847b), scripts/_shared/html_report/safe_json.py (589b), scripts/_shared/html_report/text_validator.py (2995b), scripts/_shared/html_report/themes/claude.css (14631b), scripts/_shared/html_report/themes/default.css (14832b), scripts/_shared/html_report/themes/print.css (11985b), scripts/_shared/init_alpha_data.sql (16630b), scripts/_shared/POSTGRESQL.md (3063b), scripts/_shared/web_search/tavily_search.py (8886b), scripts/db_adapter.py (10909b), scripts/factor_backtest.py (40880b), scripts/factor_experiment.py (9977b), scripts/factor_lab.py (2650b), scripts/factor_providers.py (7403b), scripts/market_panel.py (234882b), scripts/render_report_html.py (55675b), scripts/returns_core.py (9526b), scripts/run_daily_panel.py (11270b), scripts/theme_group_stats.py (11642b), scripts/theme_lifecycle.py (37380b), scripts/web_search.py (1152b), skill-card.md (3285b), SKILL.md (19491b), _meta.json (145b)\n\nFile v2.0.2:SKILL.md\n\n---\nname: a-stock-daily-market-sense\ndescription: 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。\n---\n\n# Tushare Daily Market Sense\n\n## 目标\n\n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。\n\n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。\n\n## 核心理念\n\n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。\n\n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”。\n\n## 工作流程\n\n1. 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`。\n2. 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。\n3. 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。\n4. 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`。\n5. 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。\n6. 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`。\n7. 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。\n8. 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。\n9. 清理临时产物：确认 `reports/report_YYYYMMDD.md`（及按需生成的 HTML）已写入并可读后，运行一条确定性清理命令，不要手工逐个删文件：\n\n ```bash\n python3 scripts/run_daily_panel.py --cleanup YYYYMMDD\n ```\n\n 该命令删除同日期的 evidence、kline、stderr 日志、lifecycle 输入、report_context 与 module_context 目录，永远不会碰 `report_YYYYMMDD.md` / `report_YYYYMMDD.html`（生命周期数据已持久化在 PG，不受清理影响）。不要跨日期批量清理，除非用户明确要求。\n\n## 特征因子挖掘（量化回溯 · 按需研究流程）\n\n这是独立于每日日报的一条研究线：**你提一个特征分组，skill 在分组之上做额外因子挖掘，给出分组内的\"叠加条件最优解\"**。不进日报，想挖时才跑。完整方法论、基准表、spec 格式、最优解选择 rubric 见 `references/methodology/factor_mining.md`。\n\n脑/手边界照旧：脚本 `scripts/factor_backtest.py` 只铺确定性证据（历史回放命中、6 格前向相对收益、因子分层、单/配对候选叠加条件 + 过拟合护栏标记），**不挑\"最优解\"、不下结论**；读证据、选叠加条件、写归因与 caveat 是模型的活。\n\n流程（两处人工，其余自动）：\n\n1. **你提分组**：内置组直接点名（如折扣启动）；新组用大白话给硬条件，模型译成 filter spec 给你确认。\n2. **脚本回放 + 回测 + 铺网格**：\n ```bash\n # 内置折扣启动（多日序列组，复用生产函数，语义同线上）\n python3 scripts/factor_backtest.py --group discount_relaunch --min-n 15\n # 自定义单日特征阈值组（含容量上涨式），用 spec\n python3 scripts/factor_backtest.py --group custom --spec my_group.json\n ```\n 产物：`reports/factor_mining__.json`（证据包，gitignore，跑完即临时）。\n3. **模型选最优叠加解**：读 JSON，按 reference §四 rubric（稳健优先于大 Δ、看 `oos_balance` 与中位数胜率、深度≤2、经济逻辑）选定叠加条件，写 `reports/factor_mining__.md`。\n4. **你决定要不要用**：把结果作为研究参考，或手动把叠加条件提级成分组生产阈值；脚本不替你改生产。\n\n口径要点：进场 T+1 开盘/尾盘 × 持有 T+3/T+5/T+10，后复权；相对收益挂**板块/市值匹配基准**（科创→科创50、创业→创业板指、主板按市值→沪深300/中证500/中证1000），沪深300 作宽基对照。脚本默认会把信号窗口缺失的 `daily_basic` 从 Tushare 回补入库（需 `TUSHARE_TOKEN`）。折扣启动要完整 200 日历史，信号只落在数据最近端、样本偏小——所以护栏与诚实 caveat 是骨架，结论按\"单一环境证据扫描、非统计定论\"来写。挖矿证据分**决策包**（≤150KB，模型读：结论 + 每条过闸条件 ≤3 例证）与 `_detail.json`（整列 signals，按需读）；每次挖矿自动登记进 PG `factor_experiment_log`（可查、可判分，见下）。\n\n需要回看已跑过的实验或补人工判定时，使用 `factor_lab.py experiments` 查询 PG `factor_experiment_log`。实验台账只记录挖矿参数、样本数、过闸数量、证据路径与人工 verdict，不进入每日日报。\n\n## 数据获取\n\n环境变量：\n\n```bash\nTUSHARE_TOKEN=your_token\nALPHA_DB_BACKEND=postgresql\nALPHA_PG_URL=postgresql://alpha_user:alpha_pass@/alpha_data?host=/tmp\nTAVILY_API_KEY=your_token # 催化搜索主路径；缺失时可由宿主 Web Search 降级\n```\n\n数据库连接统一走 `scripts/_shared/db_core.py`（开发仓库中为 `shared/data/db_core.py`）。首次进入任意 Agent 环境时先运行 `python3 scripts/_shared/db_ping.py --alpha-schema`；源仓库开发态用 `python3 ../../shared/data/db_ping.py --alpha-schema`。如果不能使用 Unix socket，再把 `ALPHA_PG_URL` 改为 `postgresql://alpha_user:alpha_pass@localhost:5432/alpha_data`。\n\n运行脚本会先更新 `references/market_data.csv`，并同步维护派生文件 `references/market_data.json`，再生成情绪趋势：盘面情绪计数默认由 Tushare `daily` 直接计算，其中涨跌停数按**板制规则精确判定**——未复权前收盘 ×(1±板块限幅) 四舍五入到分后与收盘价比对（主板 10%、主板 ST 5%、创业/科创 20%、北交所 30%），口径为收盘封板、不含盘中炸板，`limit_detection` 字段标注判定方式；搜狐涨跌停历史页仅在主路径不可用时作为 fallback；Tushare `margin` 汇总 T-1 交易日融资净买入，Tushare `daily` 与 `daily_basic.circ_mv` 计算流通市值加权的全市场换手率。市场风格代理指数使用 Baostock `query_history_k_data_plus`，默认覆盖超大盘、沪深300、中证500、中证1000、国证2000、中证红利、300成长、300价值；历史数据缓存在 PG 的 `stock_index_daily` 表（以 bs_code 为 ts_code），每次运行只向 Baostock 增量取缺口，Baostock 不可用时直接用缓存窗口出摘要。个股日线、复权因子（`stock_adj_factor`）、daily_basic、交易日历同样全部缓存在 PG。因此环境中还需安装 `baostock`（`akshare` 为历史遗留可选依赖）。\n\n基础命令（在 skill 根目录下执行）：\n\n```bash\npython3 scripts/run_daily_panel.py --asof 20260429 --lookback 120 --market-trend-days 90 --index 000300.SH\n```\n\n模块 3 首轮完成临时主题映射后，先用下列原子命令补充确定性统计；模型据此锁星后才运行搜索：\n\n```bash\npython3 scripts/theme_group_stats.py \\\n --context reports/module_context_YYYYMMDD/module3_money_effect.json \\\n --mapping reports/module_context_YYYYMMDD/module3_theme_map.json \\\n --output reports/module_context_YYYYMMDD/module3_theme_stats.json\npython3 scripts/web_search.py \"主题 事件 YYYY-MM-DD\" --topic news \\\n --start-date YYYY-MM-DD --end-date YYYY-MM-DD --max-results 6\n```\n\n`theme_group_stats.py` 只统计模型已分组的成员；`web_search.py` 只返回结构化搜索结果。两者都不做主题、催化或产业强弱判断。\n\n主要输出：\n\n- `reports/evidence_YYYYMMDD_utf8.json`：完整证据包（紧凑 JSON，metadata 含 `stage_timings_seconds` 各阶段耗时与 `fetch_gaps` 各端点缺失交易日清单；任一端点缺日非空时必须在报告中显式说明）。\n- `reports/kline_YYYYMMDD.json`：个股 K 线展示层数据，只供 HTML 渲染使用，模型撰写不读取。\n- `reports/module_context_YYYYMMDD/`：供 subagent 分工的模块级 JSON。\n- `references/market_data.json`：`market_data.csv` 的全量派生 JSON，按交易日升序保留所有列、清洗数值并提供 `series` 给 HTML 趋势图使用。\n\n这些文件中，evidence、kline、lifecycle 输入和 module_context 是研报撰写过程中的临时产物。最终报告生成并核对后，按工作流程第 9 步用 `--cleanup` 一键删除，只保留 `reports/report_YYYYMMDD.md`、按需生成的 `reports/report_YYYYMMDD.html`，以及长期维护的 `references/market_data.csv` / `references/market_data.json`。\n\nHTML 输出命令：\n\n```bash\npython3 scripts/render_report_html.py --input reports/report_20260429.md [--theme default|claude|print]\n```\n\n默认输出 `reports/report_20260429.html`，并将 `references/market_data.json` 内嵌到 HTML 中。本地浏览器可直接打开，图表不依赖外部 CDN。`--theme` 默认 `default`（AlphaVault 站点 / Google Material）；`--theme claude` 为 Claude.ai 暖色风格；`--theme print` 为黑白衬线、A4 友好，适合导出 PDF 或邮件附件。样式模板由仓库通用 `shared/html_report`（同步到 `scripts/_shared/html_report/`）提供，与 `a-stock-analyzer` 共用。\n\n常用参数（赚钱效应/爆量/容量/折扣阈值、`--fetch-workers`、`--cleanup` 等）与\n`factor_backtest.py` / `factor_lab.py` / `render_report_html.py` 的参数集中在 `references/cli_reference.md`。\n\n## Subagent 编排契约\n\n主 agent 先生成模块级 JSON，然后按下列最小上下文分发。每个 subagent 只看自己的模块数据，不读取其他模块数据。\n\n| 模块 | JSON | 方法论 | 模板 |\n|---|---|---|---|\n| 1 盘面趋势 | `module1_market_trend.json` | `references/methodology/module1_trend.md` | `references/template/section1.md` |\n| 2 集中度 | `module2_concentration.json` | `references/methodology/module2_concentration.md` | `references/template/section2.md` |\n| 3 赚钱效应（首轮） | `module3_money_effect.json` | `references/methodology/module3_money_effect.md` | 先输出临时主题短名单与 `stars: null` 的 `module3_theme_map.json` |\n| 4 爆量下跌 | `module4_decline.json` | `references/methodology/module4_decline.md` | `references/template/section4.md` |\n| 5 特征分组 | `module5_feature_groups.json` | `references/methodology/module5_feature_groups.md` | `references/template/section5.md` |\n\n模块 1、2、4、5 互不读取。模块 3 使用两阶段契约：首轮只做临时主题与成员映射；统计脚本完成后，由模型按量价 rubric 写回并锁定星级；第二阶段只读取已锁星的 `module3_theme_map.json`、`module3_theme_stats.json`、`module3_enrichment_pack.json`、模块 3 方法论和 `references/template/section3.md`，不回读其他模块的完整 JSON。Skill 只规定最小上下文边界，不规定 subagent 数量、并发槽位或模型。\n\n聚合 agent 额外读取：\n\n- `assembled_checks.json`：M3 赚钱效应池与 M4 爆量下跌池的确定性交叉检查。\n- `references/methodology/output_discipline.md`：最终成稿纪律。\n\nPython 不调用 Anthropic API、不调用任何 LLM、不硬编码模型名。Codex、Claude Code 或其他通用 agent 的 subagent 编排能力负责撰写；知识 evidence pack 是宿主可选输入，不在 core skill 中硬编码知识库路径或图谱实现。\n\n## 输出规范\n\n完整研报按五个模块输出。每个判断段先给自然语言结论，再选择少量关键证据支撑；表格承载细项数据，段落解释这些数据意味着进攻、分歧、退潮、修复、拥挤还是扩散。所有强弱判断都要能回到成交额、放量倍数、涨跌幅、相对收益或回撤证据，但不要把所有可用指标塞进同一段。模块 3 的主题分组只作为内部推理步骤，不输出单独的主题分组陈列表，赚钱效应总览后直接进入主线判定。\n\n**文风默认（项目级硬性要求）：**\n\n- **文风讲人话，减少机械与僵硬。** 像跟懂行的人当面把一件事讲清楚那样写，句子通顺、有逻辑衔接，该解释因果和给判断时把话说透。避免模板腔、翻译腔和套话——别成段堆砌\"综上所述\"\"值得注意的是\"\"总体来看\"，别把每条都写成生硬的\"主语+动词+宾语\"公式句，也别为了凑结构把话说断、只丢关键词。\n- **同项罗列优先用 list，但每条要说人话。** 同一维度的多个条目（多个信号、多只个股观察点、多项风险传导）拆成 bullet 或编号，一条一项，别塞进一个长段落；但每条用完整通顺的话写，不要退化成\"字段A - 字段B - 字段C\"式的横杠拼接。结构化对照（指标 × 数值、分组 × 判定）才用表格。\n\n文风目标：僵硬度约 5/10。报告应像一位有经验的盘后研究员在做复盘：先给人能立刻理解的盘面状态，再用少量关键数字支撑，最后给出下一交易日需要验证的条件。避免把所有可用指标都塞进段落；同一自然段最多放 2-3 个核心数字，其余数字放表格。\n\n每个一级大章节（1-5）里已有的总结/定性段落必须使用 Markdown 高亮样式 `==...==` 包裹，例如“指数趋势判断”“市场风格判断”“盘面定性”“拥挤度判断”“主线 vs 资金轮动结论”“风险传导提示”“特征分组一句话判断”。不要为了高亮额外新增“本节总结”段落；高亮的是原本就承担总结作用的段落。\n\n禁止输出买卖建议。可以写“风险传导”“持续性待验证”“主线确认度”，不要写“买入/卖出/止损/目标价”。\n\nHTML 输出只改变呈现方式：必须保留 Markdown 研报中的所有文字、表格、引用和免责声明。`==...==` 高亮段落在 HTML 中渲染为浅蓝提示块；正文前可以增加 `market_data.json` 驱动的趋势图区域。若可读取同日期 evidence，HTML 可以在“指数趋势”正文附近插入上证指数、创业板指数、科创50 的 120 日 K 线图，并在图中展示成交金额柱；也可以在 3.3、5.2、5.3、5.4 股票明细表下方插入表内股票的 120 日 K 线图；若 evidence 含风格序列，还可以在“市场风格”表格下方插入两张 60 日归一化对比图（规模轴五线 / 成长价值红利三线，起点=100）。这些图表只展示 evidence 中已有的 OHLC、成交金额与风格指数收盘序列数据，不得新增与 Markdown 不一致的分析结论。\n\n## 示例\n\n用户：`复盘 2026-04-29 的 A 股盘面，重点看赚钱效应和容量上涨。`\n\n执行：\n\n```bash\npython3 scripts/run_daily_panel.py --asof 20260429\n```\n\n然后按 subagent 契约加载 `reports/module_context_20260429/` 下的模块 JSON。若没有 subagent，就顺序加载每个模块的 JSON + 方法论 + 模板段，最后聚合为完整研报。\n\nFile v2.0.2:scripts/_shared/html_report/README.md\n\n# shared/html_report\n\n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)。\n\n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。\n\n## 一张薄清单长什么样\n\n```python\nimport sys\nfrom pathlib import Path\nsys.path.insert(0, str(Path(__file__).parent / \"_shared\"))\n\nfrom html_report import (\n HtmlReportBuilder, ChartHook, RenderJob,\n render_report, PillDecoration, HeroDecoration,\n)\n\ndef add_arguments(parser): # 可选:本 skill 额外的命令行参数\n parser.add_argument(\"--evidence\", default=None)\n\ndef build_job(args) -> RenderJob: # 唯一要写的:读数据 + 选图表\n md = Path(args.input).read_text(encoding=\"utf-8\")\n evidence = load_my_evidence(args.evidence) # 域:自己的 evidence schema\n charts = extract_my_payload(evidence) # 域:整形成 JS 好用的 payload\n builder = HtmlReportBuilder(title=args.title or Path(args.input).stem,\n theme=args.theme, meta_text=\"…\")\n builder.add_decoration(PillDecoration(MY_PILL_RULES)) # 词表是数据\n builder.add_decoration(HeroDecoration(heading_prefix=\"核心判断\"))\n builder.add_chart_hook(ChartHook(name=\"my-charts\", payload=charts, js=MY_CHARTS_JS))\n out = Path(args.output) if args.output else Path(args.input).with_suffix(\".html\")\n return RenderJob(markdown_text=md, builder=builder, output_path=out,\n summary={\"…\": \"打印到 stdout 的诊断字段\"})\n\nif __name__ == \"__main__\":\n raise SystemExit(render_report(\n description=\"Render … to static HTML.\",\n build_job=build_job, add_arguments=add_arguments))\n```\n\n`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。\n\n## 四层结构\n\n| 层 | 模块 | 职责 |\n|---|---|---|\n| CLI | `cli.py` | `render_report` / `RenderJob`,吃掉每个 skill 重复的 argparse + main 编排 |\n| 装饰 | `decorations.py` | `PillDecoration` / `HeroDecoration` / `CollapsibleUpdatesDecoration` / `TimelineDecoration`,数据驱动,机制只一份 |\n| 图表 | `chartkit.js` (`window.CK`) + `ChartHook` | 共享 SVG/DOM 工具 + 各 skill 自带的画图 JS |\n| 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 |\n\n## 装饰:换词表不换代码\n\n```python\nPillDecoration(rules=[(r\"^(成长股|成熟龙头)$\", \"pill\"),\n (r\"^(强|高)$\", \"pill neg\")]) # 表格单元格按正则染成 pill\nHeroDecoration(heading_prefix=\"一句话盘面判断\",\n collect_tags=(\"P\",), max_blocks=3,\n stop_at_numbered=True, number_units=\"%|pct|倍\",\n keyword_pattern=\"上证|创业板|科创50\") # 把摘要标题升格成 hero 卡\nCollapsibleUpdatesDecoration() # ## 更新 YYYY-MM-DD：摘要 → 折叠卡(默认最新展开)\nTimelineDecoration() # 顶部 日期|版本号 表 + 文末 版本变更记录 表 → 可点版本时间轴\n```\n\n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-`,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 在两者之后。带 `.css` 的装饰由 `add_decoration` 自动合并样式。\n\n裸 JS 逃生舱仍在:`builder.add_ui_decoration(js_string)`。\n\n## 结构化 callout 块\n\n`markdown_engine` 认识注册在 `_STRUCTURED_BLOCKS` 的多行块——`==深度调研发现｜徽标A｜徽标B` 与 `==跟踪事项｜ID｜类型｜状态：…`(以 `==` 行收尾),渲染成 `