---
name: stock-advisor
description: |
  A股投资分析全自动流水线。触发场景：(1) 用户上传K线图或财报截图要求分析，(2) 用户提供A股股票代码或名称要求分析（如"分析一下平安银行"、"帮我看看000001"、"XX值得投资吗"），(3) 用户说"股票分析"、"投资分析"、"stock advisor"、"帮我分析股票"。
author: 甲木
version: v1.1
---

# A股投资顾问 (Stock Advisor)

全自动编排型投资分析流水线。用户只需提供股票截图或代码，系统自动完成技术面分析、基本面分析、多维交叉验证、私董会决策讨论，最终输出精美排版的投资报告。

## 流水线架构

```
用户输入（截图 / 股票代码）
        │
        ▼
  ① 技术面分析 → ② 基本面分析 → ③ 多维交叉验证 → ④ 私董会讨论 → ⑤ 排版输出
```

## 启动流程

### 首次使用：投资风格档案

检查 memory 中是否存在用户投资风格档案。如不存在，提 3-4 个简短问题：

1. **风险偏好**：保守 / 稳健 / 激进？
2. **投资周期**：短线（1-2周）/ 中线（1-3月）/ 长线（3月以上）？
3. **关注行业**：有没有特别关注的行业板块？
4. **仓位上限**：单只股票最大仓位占比？

用户可选择跳过，后续在私董会环节自然补充。收集到的信息保存到 memory。

### 识别入口模式

根据用户输入自动判断：

- **截图模式**：用户上传了图片（K线图、财报截图）→ 图像识别 + AKShare 交叉验证
- **代码模式**：用户提供了股票代码或名称 → 纯 AKShare 数据驱动

两种模式均进入同一流水线，差异仅在数据获取方式。

---

## 模块一：技术面分析

### 截图模式

1. **图像识别**：从 K 线图中提取：
   - 股票名称和代码
   - 当前股价
   - K 线形态（近 5 日表现）
   - 均线排列状态（MA5/MA10/MA20）
   - MACD 状态（DIF/DEA 位置关系、柱状图趋势）

2. **AKShare 交叉验证**：用识别出的股票代码调用脚本获取精确数据
   ```bash
   python scripts/technical_analysis.py --symbol <股票代码> --days 120
   ```

3. **冲突处理**：若图像识别与 API 数据有差异，以 API 数据为准，在报告中标注差异

### 代码模式

直接调用脚本获取数据并计算指标：
```bash
python scripts/technical_analysis.py --symbol <股票代码> --days 120
```

### 输出：技术面速读表格

| 维度 | 指标 | 数值 | 信号 |
|------|------|------|------|
| 趋势 | MA20/MA60 | — | 上升/震荡/下降 |
| MACD | DIF/DEA | — | 金叉/死叉/多头/空头 |
| KDJ | K/D/J | — | 超买/超卖/中性 |
| RSI | RSI14 | — | 超买/超卖/中性 |
| 布林带 | 上轨/中轨/下轨 | — | 突破/偏多/偏空 |
| 支撑压力 | 支撑位/压力位 | — | — |

---

## 模块二：基本面分析

### 截图模式

1. **图像识别**：从财报截图提取关键指标（营收、净利润、ROE、毛利率等）
2. **AKShare 补充**：拉取 PE/PB/PS 估值数据、行业对比数据
   ```bash
   python scripts/fundamental_analysis.py --symbol <股票代码>
   ```

### 代码模式

直接调用脚本：
```bash
python scripts/fundamental_analysis.py --symbol <股票代码>
```

### 合并输出

**综合评级表格：**

| 维度 | 评分 | 判断 |
|------|------|------|
| 技术面 | X/5 | 趋势方向 + 关键信号 |
| 基本面 | X/5 | 盈利能力 + 估值水平 |
| 资金面 | X/5 | 成交量变化趋势 |
| **综合评级** | — | 强烈推荐/推荐/中性/谨慎/回避 |

**操作建议：**
- 短期（1-2周）策略
- 中期（1-3月）策略
- 关键支撑位和压力位

---

## 模块三：多维交叉验证

使用内置 WebSearch 工具搜索以下信息：

1. **研报观点**：搜索 `"<股票名称> 研报 <当前年份>"` 获取机构评级和目标价
2. **行业动态**：搜索 `"<所属行业> 行业趋势 <当前年份>"` 了解上下游变化
3. **重大新闻**：搜索 `"<股票名称> 最新消息"` 排查重大利好/利空事件
4. **政策影响**：搜索相关产业政策、监管动态

### 交叉验证逻辑

- 将搜索结果与模块一、二的分析进行对比
- 如有矛盾信号（如技术面看涨但研报看空），**明确标注分歧点**并分析可能原因
- 补充模块一二未覆盖的风险因素

### 输出：投资决策报告草稿

整合前三个模块的分析结果，生成结构化的投资决策报告草稿，作为私董会的讨论输入。

---

## 模块四：私董会决策讨论

调用 `peers-advisory-group` Skill 的核心机制，将投资决策报告草稿作为讨论议题。

**详细指南见 [references/advisory-board.md](references/advisory-board.md)**，包含幕僚阵容、5维度分析结构、观点碰撞模板、投资风格适配规则。

### 核心流程

1. 通过 WebSearch 搜索四位幕僚（巴菲特/马斯克/盖茨/乔布斯）最新动态
2. 将模块一~三的完整报告作为讨论议题
3. 每位幕僚按 **5维度结构** 输出深度分析：核心判断 → 数据论据 → 类比案例 → 风险警示 → 最后一句话建议
4. 输出 **2-3 个观点碰撞**（不同投资哲学的分歧与争论）
5. 根据用户投资风格档案（如有）生成 **个性化建议**
6. 综合四位幕僚观点，输出最终投资结论

### 自动化模式

默认由系统代替用户回答幕僚提问（基于分析数据 + 用户风格档案）。如用户主动发言，系统暂停自动代答，将对话权交给用户。

---

## 模块五：排版与输出

### 步骤一：整理报告 Markdown

将最终分析结果整理为以下结构：

```markdown
# [股票名称]([代码]) 投资分析报告

> 报告日期：YYYY-MM-DD | 综合评级：XX

## 技术面分析
[模块一输出]

## 基本面分析
[模块二输出]

## 多维交叉验证
[模块三输出]

## 私董会纪要
### 巴菲特观点
[观点摘要]
### 马斯克观点
[观点摘要]
### 比尔·盖茨观点
[观点摘要]
### 乔布斯观点
[观点摘要]
### 最终结论
[综合结论]

## 操作建议
- 短期策略（1-2周）
- 中期策略（1-3月）
- 仓位建议
- 止损位

## 风险提示
投资有风险，以上分析仅供参考，不构成投资建议。据此操作，风险自担。
```

### 步骤二：杂志排版

调用 `magazine-layout` Skill，指定 **"大胆社论"（Bold Editorial）** 风格，将 Markdown 转为精美 HTML 文件。

保存 HTML 到本地：`~/stock-reports/<股票代码>-<日期>.html`

### 步骤三：转换 PDF

执行转换脚本：
```bash
python scripts/html_to_pdf.py ~/stock-reports/<股票代码>-<日期>.html
```

输出 PDF 文件：`~/stock-reports/<股票代码>-<日期>.pdf`

### 步骤四：上传飞书云文档

调用 `lark-doc` Skill，将报告内容创建为飞书云文档：
- 文档标题：`[股票名称] 投资分析报告 - YYYY-MM-DD`
- 返回文档链接给用户

### 最终输出给用户

```
分析完成！

本地 PDF：~/stock-reports/<代码>-<日期>.pdf
飞书文档：<飞书链接>

综合评级：XX
核心结论：[一句话总结]
```

---

## 依赖

| 组件 | 用途 |
|------|------|
| AKShare (Python) | A股行情、K线、财务数据获取 |
| `a-share-analyst` scripts | 技术分析、数据获取基础脚本 |
| WebSearch（内置） | 研报、行业、新闻搜索 |
| `peers-advisory-group` Skill | 私董会决策讨论 |
| `magazine-layout` Skill | 杂志风格 HTML 排版 |
| `lark-doc` Skill | 飞书云文档上传 |
| Playwright (Python) | HTML 转 PDF |

## 脚本清单

| 脚本 | 功能 |
|------|------|
| `scripts/technical_analysis.py` | 技术指标计算（复用 a-share-analyst） |
| `scripts/fetch_market_data.py` | 市场数据获取（复用 a-share-analyst） |
| `scripts/fundamental_analysis.py` | 基本面分析（新增） |
| `scripts/html_to_pdf.py` | HTML 转 PDF（新增） |

## 参考文件

| 文件 | 内容 |
|------|------|
| `references/report-structure.md` | 报告结构模板 |
| `references/image-prompts.md` | 图像识别提示词模板 |