racing-quant-ai-赛马量化ai选股系统-x

内容来源：clawhub · 原始地址 · 查看安装指南

原始内容

name: racing-quant-ai description: 赛马量化AI选股系统，集成量化策略选股+个股智能推荐分析。从量化策略数据库筛选符合需求的策略，获取持仓个股，再进行深度分析，最终给出投资参考。触发词：量化选股，racing quant，策略选股，数据库选股，量化分析，AI选股。

Racing Quant AI 赛马量化AI选股系统

Overview

Racing Quant AI是一套集成化的A股量化选股分析系统，其本质是一个 「信号→资产」的智能匹配引擎。系统在三个层面产生信号（策略信号→持仓信号→交易信号），并通过四层匹配机制（用户需求→策略→标的→交易指令）完成从策略研究到交易执行的全链路闭环。

核心功能包含两大部分：

  1. 策略选股：从远程MySQL量化策略数据库中，根据用户需求智能匹配推荐量化策略，并获取策略对应的最新持仓股票
  2. 深度分析：对筛选出的持仓个股，使用结构化分析框架进行个股深度分析，给出客观的投资参考

整个工作流闭环：用户需求 → 匹配策略 → 获取持仓 → 个股分析 → 综合推荐

⚠️ 路演/系统说明时的叙事规范：不要从数据库表结构或技术架构讲起。必须围绕「信号」和「匹配」展开——每个功能点都要回答：它产生什么信号？信号怎么找到对应的资产？详见 references/signal-asset-matching-framework.md。

触发条件

当用户满足以下任意一种场景时，自动启用本skill：

  1. 用户要求"量化选股"、"AI选股"、"策略选股"
  2. 用户提到"racing quant"、"赛马量化"、"赛马量化AI"
  3. 用户需要从数据库选股并进行深度分析
  4. 用户要求根据量化策略推荐股票并分析
  5. 用户要求优化策略仓位管理（如调整单仓上限、分仓规则）或回测对比优化方案
  6. 用户要求修改或排查 racingai.top 网站功能（前端展示、后端API、数据库问题），包括 bug 修复、性能排查、页面异常

数据源（优先级：Tushare > akshare > baostock > 东方财富API）

🔴 数据校验铁律：所有行情、财务、资金数据必须来自实际数据源调用结果。数据获取失败时必须如实标注"数据获取失败"，严禁编造任何具体数值。违反此规则视为重大事故（参见陷阱#14）。

1. Tushare MCP（主数据源 - 优先使用）

  • 接入方式：MCP Server tushareMcp，工具前缀 mcp_tushareMcp_*
  • 覆盖范围：
    • 日线行情（OHLCV）：daily / pro_bar（含前复权）
    • 每日指标（PE/PB/换手率/市值）：daily_basic
    • 财务指标（ROE/净利率/毛利率等）：fina_indicator
    • 利润表/资产负债表：income / balancesheet
    • 个股资金流向：moneyflow
    • 龙虎榜：top_list / top_inst
    • 涨跌停价：stk_limit
    • 复权因子：adj_factor
    • 交易日历：trade_cal
    • 股票基本信息：stock_basic
  • 优势：专业金融数据接口，数据准确性和稳定性优于 akshare/baostock
  • 前提条件：Gateway 已配置 tushareMcp MCP Server 并成功发现工具

2. new-akshare-stock（第一备用）

  • 当 Tushare MCP 不可用（token失效、MCP连接失败、工具未注册）时自动切换
  • 覆盖行情、财务、资金流向、龙虎榜等A股量化数据

3. baostock（第二备用）

  • 当 akshare 也不可用时自动切换
  • 覆盖行情K线、财务、基础证券数据

4. 东方财富 Push API（兜底）

  • 当以上所有Python/MCP接口均不可用时，通过curl调用东方财富实时行情API

5. cn-web-search / wechat-article-search（辅助信息源）

  • 个股深度研究、行业动态、政策解读，优先返回微信公众号来源内容，自动备注文章标题

6. 赛马量化策略数据库

  • 实时获取策略持仓、历史绩效、因子暴露数据（MySQL远程连接，独立于行情数据源）

核心功能

功能1：策略数据库查询与选股

支持多种查询方式，包括直接查询、关键词搜索和互动偏好匹配，满足不同用户场景：

数据库配置

连接信息（远程公开量化策略库）：

  • 地址：47.121.180.199
  • 端口：3306
  • 账号：display
  • 密码：display999!
  • 数据库：db_strategy
  • 主表：strategy_information

主策略表字段说明

字段 类型 说明
strategy_table text 策略对应持仓数据表名称
strategy_name text 策略英文名称
strategy_id text 策略ID（唯一标识）
benchmark text 对标指数
owner_name text 策略创建人姓名
owner_id text 创建人ID
start_date datetime 策略开始回测时间
online_date datetime 策略上线时间
strategy_name_cn text 策略中文名称
strategy_summ text 策略简介
strategy_desc text 策略详细描述
strategy_cat text 策略分类（量价/基本面/事件驱动/量化选股等）
how_to_trade text 交易调仓规则
if_recommended bigint 是否推荐（1=推荐，0=不推荐）

策略持仓表字段说明

字段 类型 说明
trade_date text 交易日期
strategy_name text 策略名称
strategy_id text 策略ID
trading_info text 交易信息（持仓信息json，主键为证券代码、值为权重，举例 {'300001.SZ':'0.1'}）
trade_price text 交易价格（open/close）
update_time datetime 更新时间

支持的查询操作

  1. 获取全部策略列表：查询数据库中所有注册策略，展示策略基本信息
  2. 关键词搜索策略：根据关键词搜索策略名称/简介/描述，返回匹配结果
  3. 分类筛选：按策略分类（量价/基本面等）筛选策略
  4. 推荐策略筛选：只筛选标记为if_recommended=1的优质推荐策略
  5. 需求智能匹配：根据用户描述的投资需求，语义匹配最符合的策略
  6. 互动偏好匹配：通过多轮互动提问，了解用户的投资偏好和风险承受能力，从strategy_desc字段中匹配最契合的策略
  7. 获取最新持仓：根据选中的策略，查询对应持仓表获取最新一期持仓股票列表 备注：多策略命中时，仅列表展示，不自动择优，需用户确认后再获取持仓。

功能2：个股深度分析（5维度分析框架）

对策略输出的持仓股票，逐个进行结构化深度分析，遵循以下分析框架：

💡 深度分析模式选择：当用户要求使用"stock-research-sop"分析时，应加载 quant-finance 技能的 templates/stock-research-sop.md 模板，按三阶段（基本面->技术面->综合判断）执行，该SOP比本5维度框架更严格（含评分、盈亏比、投资者匹配）。本5维度框架适用于快速分析和批量持仓扫描。

维度1：核心交易数据

  • 最新股价、当日涨跌幅
  • 日内波动区间（最高价/最低价）
  • 成交量、成交额、换手率
  • 总市值
  • 估值指标（PE(TTM)、PB）

数据源：优先通过 Tushare MCP 获取；若 Tushare 不可用（token失效/MCP连接失败），切换至new-akshare-stock；再不可用切换至baostock。最终报告标注实际使用的数据源。 数据校验要求：所有量价、市值、估值基础字段，必须与调用数据源实时校验准确性，异常数据高亮备注。

维度2：股价走势回顾

分类展示不同周期涨跌幅：

  • 短期：近5日、近1个月
  • 中期：近3个月
  • 长期：近1年、近5年

数据源：优先通过 Tushare MCP 获取；若 Tushare 不可用（token失效/MCP连接失败），切换至new-akshare-stock；再不可用切换至baostock。最终报告标注实际使用的数据源。 数据校验要求：多周期涨跌幅历史量价数据，需匹配数据源原始口径核验计算逻辑，杜绝偏差。

维度3：资金面分析

  • 近期主力资金流向（净流入/净流出）
  • 主力持仓成本对比当前股价
  • 机构控盘度
  • 关键支撑位/压力位

数据源：优先通过 Tushare MCP 获取；若 Tushare 不可用（token失效/MCP连接失败），切换至new-akshare-stock；再不可用切换至baostock。最终报告标注实际使用的数据源。 数据校验要求：主力资金流向明细，严格校验数据源原始流水数据，异常波动单独标注。

维度4：基本面核心分析

  • 估值对比：当前PE/PB对比行业平均，判断高估/低估
  • 业绩表现：近期营收、净利润增速，增长稳定性
  • 业务亮点：核心优势、新增长点
  • 风险提示：客观列出潜在风险（高负债、政策风险、行业周期等）

数据源：优先通过 Tushare MCP（fina_indicator / income / balancesheet）获取财务数据；若 Tushare 不可用，切换至new-akshare-stock获取公开财务数据；再不可用切换至baostock获取。结合cn-web-search搜索最新公开信息和机构研报，优先返回微信公众号来源内容，自动备注文章标题 数据校验要求：营收、净利润、PE/PB 等财务核心指标，必须对照数据源原始财报字段精准校验，保证基本面数据真实可溯源。

维度5：综合评价

  • 短期趋势判断，基于资金面和技术面数据
  • 长期投资价值评价，基于基本面分析和估值水平
  • 不同类型投资者参考建议（保守/稳健/激进）
  • 必须添加免责声明：明确说明"分析结果仅供学习交流，不构成任何投资建议，投资有风险，入市需谨慎"
  • 必须标注：本次行情/财务/资金数据实际来源（new-akshare-stock 或 baostock）

完整工作流程

工作流优先级：用户有明确选股需求 / 指定策略→直接自动执行；无任何需求→触发互动提问； 补充匹配兜底规则：若关键词 / 偏好 / 分类筛选匹配出 2 条及以上策略，仅展示【策略名称 + 中文简介】列表给到用户，等待用户手动选定具体策略后，再执行拉取持仓、个股分析流程，不自动默认选中任意策略。

标准工作流（用户给出投资需求）

1. 连接数据库 → 查询所有策略
2. 根据用户需求，智能匹配最符合的1-3个策略
3. 对匹配的每个策略，获取其最新一期持仓股票（通常前10-20只）
4. 对持仓股票逐个进行个股深度分析（如用户没有指定数量，则默认前5只）
5. 整理汇总：策略信息 → 持仓列表 → 个股分析报告 → 综合总结
6. 输出完整报告，报告格式严格按照如下输出：
   - 策略信息（名称/ID/简介/描述）
   - 持仓列表（股票代码/名称/占比）
   - 个股分析（每只股票按照5维度分析框架输出）
   - 综合总结（策略优势、风险提示、投资建议）
   - 信息来源注释（公开研报、微信公众号深度报告标题）
   - 免责声明（分析结果仅供学习交流，不构成投资建议，投资有风险，入市需谨慎）

用户指定策略名称/ID工作流

1. 根据用户提供的策略名称/ID，从数据库查询策略详细信息，返回匹配到的策略信息包括名称/ID
2. 获取该策略最新持仓列表
3. 对持仓股票进行个股深度分析（如用户没有指定数量，则默认前5只）
4. 输出完整报告，报告格式严格按照如下输出：
   - 策略信息（名称/ID/简介/描述）
   - 持仓列表（股票代码/名称/占比）
   - 个股分析（每只股票按照5维度分析框架输出）
   - 综合总结（策略优势、风险提示、投资建议）
   - 信息来源注释（公开研报、微信公众号深度报告标题）
   - 免责声明（分析结果仅供学习交流，不构成投资建议，投资有风险，入市需谨慎）

用户只想查询策略工作流

1. 根据用户条件（关键词/分类）筛选策略
2. 输出策略列表和基本信息，供用户选择
3. 用户选择后再进行下一步获取持仓和分析（如用户没有指定数量，则默认前5只）
4. 输出完整报告，报告格式严格按照如下输出：
   - 策略信息（名称/ID/简介/描述）
   - 持仓列表（股票代码/名称/占比）
   - 个股分析（每只股票按照5维度分析框架输出）
   - 综合总结（策略优势、风险提示、投资建议）
   - 信息来源注释（公开研报、微信公众号深度报告标题）
   - 免责声明（分析结果仅供学习交流，不构成投资建议，投资有风险，入市需谨慎）

互动偏好匹配工作流（在不明确用户偏好时，优先使用）

1. 主动提问了解用户的投资偏好，包括：
   - 投资周期偏好（短期/中期/长期）
   - 风险承受能力（保守/稳健/激进）
   - 选股风格偏好（价值成长/红利低波/动量趋势/事件驱动）
   - 行业偏好（是否有特定看好或回避的行业）
   - 其他特殊需求
2. 将用户回答的偏好转化为搜索关键词，在strategy_desc字段中进行语义匹配
3. 按匹配度排序，推荐最符合的3-5个策略
4. 请用户确认选择哪个策略
5. 用户确认后，获取策略最新持仓并进行个股分析（如用户没有指定数量，则默认前5只）
6. 输出完整报告，报告格式严格按照如下输出：
   - 策略信息（名称/ID/简介/描述）
   - 持仓列表（股票代码/名称/占比）
   - 个股分析（每只股票按照5维度分析框架输出）
   - 综合总结（策略优势、风险提示、投资建议）
   - 信息来源注释（公开研报、微信公众号深度报告标题）
   - 免责声明（分析结果仅供学习交流，不构成投资建议，投资有风险，入市需谨慎）

策略持仓→交易执行（QMT下单）

当用户要求将策略持仓直接推送到交易系统（QMT）时，启用此工作流。

工作流程

1. 连接MySQL策略数据库 → 获取指定策略的最新持仓（代码+权重）
2. 调用东方财富批量API获取实时行情（前20只的现价/涨跌幅/昨收）
3. 加载当前持仓快照（如有）
4. 计算买卖指令：
   - 买入：按权重分配资金，考虑现存仓位，100股取整
   - 卖出：全量换仓模式下，不在目标持仓中的股票全部卖出
5. 风险检查：涨跌停偏离、最低金额、单只仓位上限
6. 输出交易指令JSON或通过xtquant实际下单

脚本位置

  • ~/.hermes/scripts/racing_to_qmt.py — 一体化生成+执行脚本
  • 详情见 references/trading-execution-pipeline.md

关键命令

# 生成指令（Hermes端）
python3 ~/.hermes/scripts/racing_to_qmt.py --mode=generate-only \\
    --strategy="短周期机器学习时序交叉版" --capital=100000 --top-n=10

# 执行下单（QMT端，需安装xtquant）
python racing_to_qmt.py --mode=execute --account=1234567890
  1. "你好！为了给你推荐最合适的量化策略，可以先回答几个问题吗？"
  2. "你的投资周期更倾向于哪种？（短期/中期/长期）"
  3. "你的风险承受能力大概是什么水平？（保守/稳健/激进）"
  4. "你更喜欢哪种选股风格？比如：价值成长/红利低波/动量趋势/事件驱动..."
  5. "有没有特别看好或者想要回避的行业？"
  6. "还有其他特殊需求吗？"

工具调用规范

  1. 数据校验强制要求（铁律）：获取个股量价行情、财务估值、资金流向核心数据时，优先使用 Tushare MCP 获取专业金融数据，严格对照当前生效数据源（Tushare/new-akshare-stock/baostock）做字段核验，确保股价、市值、PE/PB、营收利润、主力资金等关键数值完整无误；异常空值、离谱极值需标注说明。严禁编造任何具体数值，严禁沿用错误数据。数据获取失败时必须如实标注"数据获取失败"。 违反此规则视为重大事故（参见陷阱#14）。
  2. 数据库查询：使用Node.js连接MySQL数据库，参考scripts目录下的数据库连接模板
  3. 获取行情数据：优先通过 Tushare MCP（daily / daily_basic / pro_bar）获取最新股价和各周期涨跌幅数据；Tushare 不可用时切换至new-akshare-stock；再不可用切换至baostock
  4. 获取主力资金流向：优先通过 Tushare MCP（moneyflow）获取每日主力资金数据；Tushare 不可用时切换至new-akshare-stock；再不可用切换至baostock
  5. 基础信息搜索：分析前先使用cn-web-search搜索股票最新公开信息、机构研报和市场数据
  6. 深度报告搜索：添加wechat-article-search深度搜索机制，搜索微信公众号最新发布的个股深度研究报告，获取市场最新观点和深度分析内容，并在最终报告中明确注释引用的公众号文章/深度报告标题
  7. 融合分析：整合量化策略数据库信息、行情数据、主力资金数据、公开市场数据和微信公众号深度研究报告内容，进行多维度融合分析
  8. 严格框架：严格按照5维度分析框架整理输出，不遗漏风险提示
  9. 风险优先：必须同时列出优势和风险，不做片面推荐
  10. 输出格式适配：用户可能要求不同场景的输出格式。若用户要求"雪球讨论区/评论区发帖格式"，输出应遵循：纯文本、无Markdown表格（用对齐文本替代）、用▍/▸/⚠/◆等Unicode符号增强可读性、段落短小精悍、口语化表达（"一句话：…"、"别装看不见"）、避免过度学术化措辞、风险清单用数字编号简洁列出、末尾保留免责声明。核心原则：像一篇有深度的球友帖子，不是研报。
  11. 信息标注：分析过程中引用的公开研报和公众号深度文章，需要在报告末尾注明信息来源
  12. 数据源标注：每份报告必须标注本次量化数据来源（Tushare MCP / new-akshare-stock / baostock），注明实际使用的具体接口
  13. 免责声明：所有分析结果末尾必须带有免责声明

陷阱与注意事项

环境依赖安装

  • akshare 和 baostock 不一定预装在 hermes venv 中
  • hermes venv python 路径：/home/ubuntu/.hermes/hermes-agent/venv/bin/python3
  • 安装步骤：先 python3 -m ensurepip（venv 可能没有 pip），再 python3 -m pip install akshare baostock
  • 必须在 venv python 下安装，系统 python3 的 --break-system-packages 安装不会对 hermes 生效

网络限制与数据源降级

  • akshare 的东方财富实时接口（stock_zh_a_spot_em、stock_zh_a_hist）可能因服务器网络限制返回 RemoteDisconnected 错误
  • baostock 连接也可能超时（login 成功但 query 超时），但批量K线查询通常稳定（每次query约1秒）
  • 多股票批量分析的最优数据源组合：
    • baostock：批量K线+技术指标（MA/MACD/RSI）——最稳定，for循环批量查询不超时
    • akshare：仅用stock_individual_fund_flow（资金流向）和stock_news_em（新闻）——最稳定的两个接口
    • akshare：stock_financial_abstract_ths（财务摘要）——可用但注意indicator参数
    • 执行方式：将Python脚本write_file到/tmp再执行，不要用python3 -c传递含中文的复杂代码——shell引号嵌套+中文字符极易SyntaxError
  • 降级方案：当 akshare/baostock Python 接口不可用时，使用 web_fetch 通过东方财富 Push API 获取实时行情：
    • 实时行情：https://push2.eastmoney.com/api/qt/stock/get?secid=0.300308&fields=f43,f44,f45,f46,f47,f48,f50,f51,f52,f55,f57,f58,f60,f116,f117,f162,f167,f170,f171
    • 字段映射：f43=最新价, f44=最高, f45=最低, f46=今开, f47=成交量, f48=成交额, f50=量比, f57=代码, f58=名称, f60=昨收, f116=总市值, f117=流通市值, f162=PE, f167=PB, f170=换手率, f171=涨跌幅
    • 沪市股票 secid 前缀用 1.，深市用 0.

财务数据 API 陷阱

  • stock_financial_abstract_ths(symbol, indicator="按报告期") 默认按时间正序排列，head(4) 返回最早的数据而非最新的
  • 应使用 indicator="按年度" 并 tail(4) 获取最近4年数据
  • 或始终用 tail() 而非 head() 取最新数据

资金流向数据可靠性

  • stock_individual_fund_flow 接口通常稳定可用，即使实时行情接口不通
  • 可优先获取资金流向数据，作为行情数据的补充参考（含每日收盘价）

基本原则

  1. 遵守规范：严格按照既定流程和标准执行各项操作
  2. 客观中立：只整理公开信息和量化策略结果，不做主观判断
  3. 风险提示：风险提示清晰可见，不隐藏负面信息
  4. 信息来源：所有数据来自公开渠道和量化策略数据库
  5. 责任豁免：始终声明不构成投资建议，投资风险自负
  6. 容错降级：量化数据源支持自动降级切换（Tushare -> akshare -> baostock -> 东方财富API），保证系统稳定可用
  7. 数据真实性铁律：严禁编造数据。数据获取失败时必须如实标注，不得用任何估算值、猜测值或模型生成值替代真实数据。报告中每个数值必须可溯源至具体数据源调用

资源

references/

  • signal-asset-matching-framework.md — 信号-标的匹配框架：对外路演的核心叙事规范，三层信号体系+四层匹配机制，禁止从架构讲起
  • portfolio-analysis-workflow.md — 全持仓深度分析的可复用工作流（数据采集→5维度分析→报告输出），含数据源可靠性、陷阱与报告模板
  • trading-execution-pipeline.md — 策略持仓→QMT交易执行流水线，含 racing_to_qmt.py 脚本用法、模式对比、交易规则配置
  • strategy-drawdown-analysis.md — 策略历史回撤分析方法论：月度持仓快照、换手率统计、持仓集中度追踪、ETF涨跌幅与持仓时长相关性分析
  • strategy-drawdown-analysis.md — 策略历史回撤分析方法论：查询任意策略在指定时间段内的持仓变化、换手率、持仓集中度，并关联ETF/个股价格走势解释回撤原因

references/

  • position-sizing-optimization.md — 策略仓位优化回测框架：从MySQL拉取历史持仓→东方财富获取价格→模拟原始vs优化策略→对比指标。含最优参数(10%单仓上限+50%总仓位保底)回测验证结果
  • fintech-codebase-structure.md — racingai.top网站(Go+React)代码结构、开发规范、部署流程。当用户要求修改网站功能时参考

scripts/

references/

  • multi-stock-analysis-workflow.md - 多股票批量深度分析的完整工作流模板（数据源组合、技术指标计算、分析框架、Feishu导出）
  • concept-stock-analysis-workflow.md - 概念股/主题驱动产业链分析工作流（搜索->识别标的->产业链分层->批量行情采集->综合研判->持仓交叉分析），含超节点算力产业链实战案例
  • tsauto_run-strategy-inventory.md — 用户自研量化仓库 warwickInv/tsauto_run 的完整策略储备清单（数据ETL→因子工程→ML多因子模型20+变体→择时策略5种→行业轮动→运维辅助），私有Gitee仓库需token访问

scripts/

包含可直接运行的数据库查询脚本：

  • check-json.js：检查JSON格式正确性
  • desc-table.js：输出策略描述表格
  • get-positions-correct.js：获取策略最新正确持仓列表
  • get-positions.js：获取策略持仓列表（原始版）
  • get-positions-json.js：获取持仓JSON格式
  • get-position-table.js：输出持仓表格
  • list-recommended.js：列出所有推荐策略
  • read-strategies.js：读取策略信息
  • strategy-history-analysis.js：查询指定策略在任意时间段的持仓变化历史（月度快照+换手率+持仓数趋势），用法：node strategy-history-analysis.js <strategy_id> <start_date> <end_date>

依赖

  • Node.js 环境
  • mysql2 包：用于连接MySQL量化策略数据库（必须在 scripts/ 目录下 npm install mysql2，旧版 mysql 包不可用）
  • Tushare MCP（主数据源）：MCP Server tushareMcp 已在 config.yaml 中配置，提供专业金融数据（行情/财务/资金流向/龙虎榜等）。需 Gateway 重启后自动发现工具。若 MCP 连接失败则自动降级至下方备用数据源
  • new-akshare-stock技能：第一备用数据源（行情、财务、资金流向、龙虎榜等A股量化数据）
  • baostock技能：第二备用数据源（行情、财务、基础证券数据，自动降级使用）
  • cn-web-search技能：用于获取个股最新公开信息和机构研报
  • wechat-article-search 深度搜索：搜索微信公众号最新深度研究报告
  • stock-analysis 技能：提供结构化个股分析框架，自动适配 Tushare / new-akshare-stock / baostock 数据源

坑与陷阱（实战经验）

14. 数据幻觉事故防范（2026-07-24 重大事故修复）

事故复盘：每日持仓分析cron job（8c5674a53206）使用 portfolio_report.py 脚本采集行情。当 akshare 的 stock_zh_a_spot_em() 接口返回 RemoteDisconnected 时，脚本输出全 N/A。下游 LLM（deepseek-v4-flash）在收到全 N/A 数据后，没有如实报告失败，而是编造了一整套虚假行情数据（成交额、涨跌幅、换手率、大宗交易等全部捏造），推送至飞书群。

根因：

  1. 脚本无降级方案（akshare 失败即全军覆没）
  2. Prompt 无防幻觉护栏（未禁止编造数据）
  3. 盘前9:00运行取实时行情（市场未开，数据无效）

修复措施（已实施 v2.1）：

  1. 脚本降级：portfolio_report.py 主数据源改为 baostock（稳定可靠），登录一次批量查询，3秒完成14只标的采集
  2. Prompt 硬护栏：在 cron prompt 中添加 5 条数据完整性要求，明确禁止编造数据
  3. 状态报告：脚本输出开头包含采集状态摘要（成功/失败计数），失败品种标注"数据获取失败"

铁律：任何分析报告中，行情数据只能来自脚本采集的表格。如果数据为 N/A/获取失败，必须如实标注，严禁编造任何具体数字。违反此规则视为重大事故。

15. Tushare MCP 数据源使用规范（2026-07-24 新增）

Tushare MCP 作为主数据源的调用优先级：

  1. 优先调用 mcp_tushareMcp_* 系列工具获取行情、财务、资金数据
  2. Tushare MCP 连接失败时（工具未注册/连接超时/token失效），自动降级至 new-akshare-stock 技能
  3. akshare 不可用时再降级至 baostock 技能
  4. 所有 Python 接口不可用时，使用东方财富 Push API（curl方式）兜底

Tushare 接口与原数据源的映射关系：

数据需求 Tushare 接口 原 akshare/baostock 接口
日线行情(OHLCV) daily / pro_bar(前复权) stock_zh_a_hist / query_history_k_data_plus
每日指标(PE/PB/换手率/市值) daily_basic stock_zh_a_spot_em
财务指标(ROE/净利率等) fina_indicator stock_financial_abstract_ths
利润表 income 同上
资产负债表 balancesheet 同上
个股资金流向 moneyflow stock_individual_fund_flow
龙虎榜 top_list / top_inst stock_lhb_detail_em
涨跌停价 stk_limit 无直接对应
复权因子 adj_factor baostock adjustflag参数
交易日历 trade_cal tool_trade_date_hist_sina
股票基本信息 stock_basic stock_info_a_code_name

注意事项：

  • Tushare MCP 工具需 Gateway 重启后才能发现注册，新会话中才能使用
  • 检查 Tushare MCP 是否可用：观察是否有 mcp_tushareMcp_* 前缀工具
  • Tushare 的日期格式为 YYYYMMDD（如 20260724），需注意与 akshare（YYYY-MM-DD）和 baostock（YYYY-MM-DD）的格式差异
  • Tushare 部分高级接口需要更高积分权限，若返回权限不足错误，降级至 akshare/baostock
  • 数据校验：从 Tushare 获取数据后，与降级数据源进行关键字段交叉验证（如最新价、PE），确保数据一致性

1. 首次使用必须安装依赖

# Node.js 依赖（必须在 scripts/ 目录下执行）
cd ~/.hermes/skills/racing-quant-ai/scripts && npm install mysql2

# Python 依赖（hermes venv 需要先安装 pip 再装 akshare）
python3 -m ensurepip
python3 -m pip install akshare baostock

如果跳过此步骤，所有数据库脚本和行情接口都会报 MODULE_NOT_FOUND。

2. akshare 接口不稳定 — 必须准备降级方案

接口可靠性矩阵（2026-05 实测）：

接口 可用性 说明
stock_zh_a_spot_em() ❌ 高频 RemoteDisconnected，不可作唯一数据源
stock_zh_a_hist() ⚠️ 同样受连接问题影响
fund_etf_spot_em() ⚠️ 部分可用，但部分ETF返回NaN（如纳指ETF、现金流ETF），沪市ETF较稳定。当stock_zh_a_spot_em失败时此接口仍可尝试
stock_individual_fund_flow() ✅ 最可靠的akshare接口，含每日收盘价和主力净流入
stock_financial_abstract_ths() ✅ 可用，indicator="按年度" 取近年数据，勿用"按报告期"（返回2008年起旧数据）
stock_news_em() ✅ 个股新闻稳定可用，返回标题+时间
index_us_stock_sina() ⚠️ 可用但返回全量历史数据（数万行），需 tail() 截取，否则极耗内存
黄金价格接口 ❌ gold_price_history、fx_spot_quote 等均不可用

baostock 接口可靠性（2026-05 实测）：

接口 可用性 说明
query_history_k_data_plus() — 个股 ✅ 个股K线稳定，前复权取最新价
query_history_k_data_plus() — ETF ⚠️ 仅返回近~120天数据，不支持长历史回测！回测ETF需用东方财富历史K线API（见下方）
query_profit_data() ✅ 盈利能力数据稳定
query_growth_data() ✅ 成长能力数据稳定
query_balance_data() ✅ 偿债能力数据稳定

降级链路：Tushare MCP（daily/daily_basic/pro_bar）-> akshare实时行情 -> baostock K线（个股，前复权取最新价）-> 东方财富Push API

  • ⚠️ 东方财富Push API（curl方式）在hermes环境下返回空响应，不可用！需通过akshare/baostock Python接口获取
  • ⚠️ baostock ETF K线仅返回近120天，不支持长历史回测
  • 若所有Python接口均不可用，可尝试 web_fetch 抓取东方财富网页版

东方财富历史K线API（回测/长历史数据专用）

当需要完整的历史K线数据（如策略回测、多年度涨跌幅计算）时，使用以下API：

# API: https://push2his.eastmoney.com/api/qt/stock/kline/get
# 参数: secid={market}.{code}&fields1=f1,f2,f3&fields2=f51,f52,f53&klt=101&fqt=1&beg=YYYYMMDD&end=YYYYMMDD
# market: 1=沪市, 0=深市
# fields2: f51=date, f52=open, f53=close (还有f54=high, f55=low)
# klt=101=日线, fqt=1=前复权

import subprocess, json
url = f"https://push2his.eastmoney.com/api/qt/stock/kline/get?secid={market}.{code}&fields1=f1,f2,f3&fields2=f51,f52,f53&klt=101&fqt=1&beg=20230601&end=20260701"
result = subprocess.run(['curl', '-s', '--connect-timeout', '10', '--max-time', '15', url], capture_output=True, text=True, timeout=20)
data = json.loads(result.stdout)
klines = data.get('data', {}).get('klines', [])  # ["2023-06-01,1.474,1.523", ...]

关键坑：必须用 subprocess.run(['curl', ...]) 而非 urllib.request.urlopen — 批量请求时urllib会大量失败（"Remote end closed connection"），curl带重试机制可靠。每个请求间隔0.15秒，3次重试。

3. Node.js 内联脚本在 terminal 中有转义陷阱

  • 在 terminal(command="node -e '...'") 中写复杂 SQL 查询时，shell 引号嵌套极易出错
  • 推荐做法：先用 write_file 写入 /tmp/xxx.js，然后 cp 到 scripts/ 目录再执行（因为 scripts/ 下已有 node_modules）

4. 策略持仓扫描的正确做法

  • 查询某只股票是否被策略持有时，不能仅查当前推荐策略（if_recommended=1）
  • 应全库扫描所有36个策略的 trading_info LIKE '%股票代码%'
  • 当前不持有不代表历史上没持有过 — 历史持仓回溯能提供重要的量化信号（集体清仓时间点）

6. trading_info 字段在 mysql2 中返回为 Object 而非 String

  • mysql2 默认会自动解析 JSON 类型的列，trading_info 字段返回时已经是 JavaScript 对象，不是字符串
  • 对 Object 调用 .substring() 会报 row.trading_info?.substring is not a function
  • 正确处理方式：
let holdings = row.trading_info;
if (typeof holdings === 'string') {
    try { holdings = JSON.parse(holdings); } catch(e) { holdings = {}; }
}
// holdings 现在是对象，直接用 Object.keys(holdings) 即可
  • 如果用 JSON.stringify(row.trading_info) 反而会把已解析的对象再序列化成字符串，导致双重编码

7. 策略网页为 React SPA，curl 无法获取内容

  • http://racingai.top/strategy/{id} 是 Vite + React 前端，curl 只返回空壳 HTML
  • 需要直接查询策略数据库获取策略信息和持仓数据（strategy_information 表 + 对应 strategy_table）
  • 策略ID映射：URL中的 /strategy/stgetf0001 → strategy_id = 'stgetf0001' → 查询 strategy_information 表获取 strategy_table 名

8. 仓位优化代码必须放在信号生成脚本中

⚠️ 用户曾明确要求：撤销推送到 fintech 仓库 dev_hermes 分支的所有前后端改动，改为只改信号脚本。

  • 仓位调整逻辑（如分层仓位管理）直接写在 stgetf0001_huaxia_pool.py 等信号生成脚本中
  • 绝不在 fintech 前后端展示层修改——前后端只负责读取和展示 trading_info 中的权重值，不参与仓位计算
  • 部署到 quant-ai-4u 项目的 dev_hermes 分支，不要推到 fintech 仓库
  • 优化完成后用户通常要求生成非常详细的总结报告（"不要遗漏任何点"），详见 references/position-sizing-optimization.md 第6-7节。报告须包含四大部分+9个分析维度+市场温度计ASCII可视化，并上传至飞书文档

9. 后端日志不在 journalctl 中

  • fintech-backend.service 的 StandardOutput/StandardError 重定向到 /var/log/fintech/backend.log
  • journalctl -u fintech-backend 只显示 systemd 层面的启停/崩溃日志，看不到 Go 应用 log.Printf 输出
  • 正确做法：tail -50 /var/log/fintech/backend.log 查看应用日志

10. GORM 全局 MAX(date) 反模式导致数据查不到

  • 不同策略的监控数据更新日期可能不一致（如 stg000006 到 7-11，其他策略到 7-10）
  • GetLatestStrategyMonitoring 先取全局 MAX(calculate_date)，再用该日期查特定策略 -> 大部分策略 record not found -> 500 错误 -> 净值曲线无法显示
  • 正确做法：MAX 查询加 WHERE strategy_id = ? 条件；批量查询用 INNER JOIN 子查询
  • 详见 references/fintech-codebase-structure.md 的「调试指南」章节

12. cronjob 工具 action='update' 会覆盖 prompt（2026-07 实测）

  • cronjob(action='update') 不是只读操作——传入 prompt 参数会立即覆盖现有 prompt
  • ⚠️ 绝对不要用 cronjob(action='update', prompt='test') 来"查看"当前 prompt，这会直接把生产 prompt 替换为 "test"
  • 查看完整 prompt 的正确方法：直接读取 ~/.hermes/cron/jobs.json 文件（read_file 工具），其中 prompt 字段包含完整内容
  • cronjob(action='list') 返回的 prompt_preview 字段是被截断的，不足以查看全貌
  • 如果已误覆盖：检查 ~/.hermes/cron/output/<job_id>/ 目录下的历史输出 .md 文件，其中 ## Prompt 段落包含原始 prompt 全文

13. 融资融券/北向资金 akshare API 陷阱（2026-07 实测）

  • stock_margin_detail_szse() 不接受 code 参数，必须传 date 获取全量数据再过滤
  • stock_hsgt_individual_em() 参数名是 symbol 不是 stock，且返回数据可能严重滞后（实测仅返回2024-08数据）
  • 融资融券数据可用 stock_margin_detail_szse(date="20260717") 后过滤目标股票
  • 龙虎榜用 stock_lhb_detail_em(start_date, end_date) 后过滤，大盘股通常不在龙虎榜
  • 完整API调用示例见 quant-finance 技能的 references/technical-indicators-computation.md

8. 东方财富 ETF 名称/价格批量查询

  • ETF 名称：push2.eastmoney.com/api/qt/stock/get?secid={market}.{code}&fields=f57,f58（f57=代码, f58=名称）
  • 历史K线：push2his.eastmoney.com/api/qt/stock/kline/get?secid={market}.{code}&fields1=f1,f2,f3&fields2=f51,f52,f53,f54,f55,f56&klt=101&fqt=1&beg={YYYYMMDD}&end={YYYYMMDD}
    • klines 格式：date,open,close,high,low,volume
  • secid 前缀：沪市 1.，深市 0.
  • 部分请求会失败（Remote end closed connection without response），需 retry 或间隔 time.sleep(0.5-1)
  • 详见 references/strategy-drawdown-analysis.md

使用示例

示例1：列出所有推荐策略

cd ./scripts && node list-recommended.js

示例2：获取指定策略最新持仓并分析N只个股（N默认为5）

1. 获取持仓（通过策略名称，支持模糊匹配）
cd ./scripts && node get-positions-correct.js "短周期机器学习" 20
脚本执行流程：
- 先在 strategy_information 表查找匹配的策略
- 获取对应的 strategy_table 名称
- 查询该表的最新持仓数据
2. 对每只个股调用公开信息搜索
3. 调用微信文章深度搜索，获取最新公众号深度研究报告
4. 融合公开信息与深度报告内容，整理分析结果，并注释引用的公众号文章标题
5. 输出完整报告，末尾注明信息来源并添加免责声明

完整运行示例（如本文档编写过程）

  1. 用户要求："现在开始对前5只重仓个股进行深度分析"
  2. 执行node list-recommended.js获取推荐策略列表
  3. 执行node get-positions-correct.js "策略名称" 20获取最新20只持仓（脚本会自动反查strategy_table）
  4. 逐个对前5只股票调用公开搜索获取基础基本面信息
  5. 逐个对前5只股票调用微信文章深度搜索，获取最新公众号深度研究报告
  6. 融合整合公开信息与深度报告内容，按照结构化分析框架整理输出分析报告
  7. 在报告中注释引用的公众号文章/深度报告标题，并注明信息来源，最后添加免责声明

上架信息

  • 作者：Warwick
  • 分类：金融/量化选股
  • 标签：A股, 量化, 选股, 基本面分析, 深度分析, 投资
  • 版本：1.10.0
  • 更新日志：
    • v1.10.0 (2026-07-24): 数据源架构重构--Tushare MCP 升为主数据源（覆盖行情/财务/资金流向/龙虎榜），原 new-akshare-stock 降为第一备用，baostock 为第二备用，东方财富API为兜底。新增数据校验铁律强调（严禁编造数据，失败必标注）。降级链路更新为4级：Tushare -> akshare -> baostock -> 东方财富API。依赖列表和工具调用规范同步更新。
    • v1.9.3 (2026-07-23): 新增陷阱#12（cronjob工具action='update'会覆盖prompt，绝对不要用来"查看"prompt，正确方式是read_file读取jobs.json）；新增 references/concept-stock-analysis-workflow.md（概念股/主题驱动产业链分析工作流，含超节点算力产业链实战案例，覆盖搜索->分层->采集->研判->持仓交叉分析6步法）。
    • v1.9.2 (2026-07-20): 新增陷阱#11（融资融券/北向资金akshare API参数陷阱）；功能2新增stock-research-sop深度分析模式选择说明，当用户要求"stock-research-sop"分析时引导加载quant-finance技能模板。
    • v1.9.1 (2026-07-13): fintech-codebase-structure.md 新增「基础设施与运维」章节（nginx/systemd/双数据库/Entity表名映射/API路由总览）和「调试指南」章节（排查流程+GORM MAX(date)反模式）。SKILL.md 新增陷阱#9（后端日志不在journalctl）和#10（GORM全局MAX(date)反模式），触发条件扩展覆盖网站bug排查。
    • v1.9.0 (2026-07-02): 仓位优化报告规范——position-sizing-optimization.md 新增第7节：详细报告撰写规范。用户明确要求"不要遗漏任何点"，报告须包含四大部分（回撤分析/直觉验证/单仓上限对比/方案D深度回测）、9个分析维度、市场温度计ASCII可视化、飞书文档上传步骤。退回简略报告并要求补充所有数据点，是用户偏好强信号。
    • v1.8.0 (2026-07-02): 仓位优化落地生产部署——position-sizing-optimization.md 新增第5-6节（生产部署代码+Git流程+优化后总结报告工作流）。SKILL.md 新增陷阱#8：仓位优化代码必须放在信号生成脚本中，禁止在fintech前后端展示层修改。
    • v1.6.0：全量新增双数据源自动降级（new-akshare-stock→baostock），所有分析维度统一兜底，报告强制标注数据来源，强制校验数据准确性。
    • v1.5.0 (2026-03-31): 将直接读取akshare接口更改为调用成熟skill；集成微信文章深度搜索机制，支持搜索公众号最新发布的个股深度研究报告，并融合深度内容进行分析，自动注释引用的报告名称，提供更丰富的市场观点和深度分析内容
    • v1.4.0 (2026-03-30): get-positions-correct.js脚本升级，支持通过策略名称（strategy_name_cn）自动反查strategy_table，无需手动指定表名，使用更便捷
    • v1.3.0 (2026-03-30): 主力资金数据获取升级为akshare接口，可直接获取准确的单日/近5日/近20日/近一月主力净流入数据，资金面分析数据更精准
    • v1.2.0 (2026-03-30): 行情数据获取方式升级为akshare接口，自动获取准确的最新股价和各周期涨跌幅数据，数据来源更稳定可靠
    • v1.1.0 (2026-03-28): 添加微信文章深度搜索机制，支持搜索公众号最新发布的个股深度研究报告，并融合深度内容进行分析，自动注释引用的报告名称

本页内容由上游仓库自动镜像，如有疑问请访问原始仓库。