jiucai-capture

name	jiucai-capture
description	A股主题跟踪 — 从韭菜公社抓取市场热点、产业链、异动板块、最新段子，AI 结构化提取后进行多维分析。
author	kirkluokun
version	0.2.0
allowed-tools	Bash(uv:*), Bash(python3:*), Bash(gemini:*)
metadata	{"openclaw":{"requires":{"bins":["uv"]},"install":[{"id":"uv","kind":"uv","label":"Install dependencies (uv)","script":"cd {skillDir} && uv sync && uv run playwright install chromium"}]}}
triggers	["韭菜公社","市场热点","产业链","异动板块","最新段子","A股主题","看看韭菜","热门板块","市场关注","有什么异动","最新市场"]

A股主题跟踪（韭菜公社数据源）

从韭菜公社（jiuyangongshe.com）实时抓取 A 股市场数据，通过 Gemini AI 结构化提取股票、主题、投资逻辑，帮助用户快速掌握市场动态。

首次安装

cd {skillDir} && uv sync && uv run playwright install chromium

环境要求

API Key 存储在 {skillDir}/.env。所有抓取命令统一使用以下前缀：

cd {skillDir} && source .env && export GEMINI_API_KEY

---

数据获取策略（先查库，再抓取）

核心原则：不要每次都去网站抓取。优先查数据库。

1. 默认行为 — 先查数据库（data/themes.db），直接使用 scripts/query_*.py 查询
2. 触发抓取的条件（满足任一即可）：
   • 用户明确说"最新"、"帮我抓"、"更新一下"、"去网站看看"
   • 数据库中没有当天的数据（查询结果为空）
3. 判断数据库是否有当天数据：

   cd {skillDir} && uv run python -c "
   import sqlite3; conn = sqlite3.connect('data/themes.db')
   cur = conn.cursor()
   cur.execute(\"SELECT COUNT(*), GROUP_CONCAT(DISTINCT source) FROM articles WHERE publish_date = date('now', 'localtime')\")
   count, sources = cur.fetchone()
   print(f'今日数据: {count} 条, 来源: {sources or \"无\"}')
   "
   

4. 如果需要抓取，再执行对应场景的 fetch 命令

---

意图识别与任务路由

根据用户的自然语言提问，判断属于以下哪种场景，然后执行对应的操作流程。 注意：每个场景的"抓取"步骤仅在需要时执行（见上方数据获取策略）。

场景 1：市场热点 / 产业链关注度

触发词：市场热点、热门板块、产业链、关注度最高、当前什么主题火

操作流程：

1. 抓取最新产业链数据：

   cd {skillDir} && source .env && export GEMINI_API_KEY && uv run python -m a_stock_watcher.cli fetch --source industry_chain
   

2. 查询产业链排名 + 关联股票：

   cd {skillDir} && uv run python scripts/query_industry_chain.py
   

3. 汇报格式：按排名列出产业链名称、热度标记、核心逻辑、关联股票

---

场景 2：异动板块

触发词：有什么异动、异动板块、涨停分析、今天异动、板块异动

操作流程：

1. 抓取最新异动数据：

   cd {skillDir} && source .env && export GEMINI_API_KEY && uv run python -m a_stock_watcher.cli fetch --source action
   

2. 查询异动板块（按日期分组）：

   cd {skillDir} && uv run python scripts/query_action.py
   

3. 汇报格式：按日期分组，列出每天的异动板块标题、涉及个股、解析文字

---

场景 3：最新段子 / 市场资讯

触发词：最新段子、最新市场、有什么新的、看看韭菜公社、市场怎么样、最近有什么

操作流程：

1. 拉取 5 页最新内容：

   cd {skillDir} && source .env && export GEMINI_API_KEY && uv run python -m a_stock_watcher.cli fetch --source study_hot
   

   注意：此命令需启动 Playwright 浏览器逐篇渲染，耗时约 5-15 分钟。请提前告知用户需要等待。

2. 查询近2天段子 + 主题热度统计：

   cd {skillDir} && uv run python scripts/query_latest.py
   

3. 汇报格式：
   • 先列出近2天的文章标题、投资逻辑、关联股票
   • 最后附上 Top 10 主题热度统计
   • 用自然语言总结市场情绪和热点方向

---

场景 4：查询特定股票 / 主题

触发词：XX 股票怎么样、关于 XX 的文章、XX 主题有哪些股票

操作流程（无需抓取，直接查数据库）：

cd {skillDir} && uv run python scripts/query_stock.py <股票名称或代码>

示例：

uv run python scripts/query_stock.py 贵州茅台
uv run python scripts/query_stock.py 600519

---

场景 5：查看数据库统计

触发词：数据库状态、有多少数据、统计信息

cd {skillDir} && source .env && export GEMINI_API_KEY && uv run python -m a_stock_watcher.cli stats

---

脚本清单

脚本	用途	需要抓取？
scripts/query_industry_chain.py	产业链排名 + 关联股票	先 fetch industry_chain
scripts/query_action.py	异动板块（按日期分组）	先 fetch action
scripts/query_latest.py	近2天段子 + 主题热度	先 fetch study_hot
scripts/query_stock.py <关键词>	按股票名/代码查文章	否（直接查库）

数据库结构

位置：{skillDir}/data/themes.db（SQLite）

表名	关键字段	用途
articles	id, source, title, content, publish_date, logic_summary, relevance	文章主表
stocks	id, code, name	股票实体（去重）
themes	id, name, category	主题实体（去重）
article_stocks	article_id, stock_id, context, logic	文章↔股票关联
article_themes	article_id, theme_id	文章↔主题关联

• source 字段值：study_hot / industry_chain / action
• relevance 字段：0-10，AI 评估的 A 股相关性（<5 已被过滤不入库）

汇报原则

1. 先数据后观点：先呈现客观数据（标题、股票、逻辑），再给出总结
2. 按热度排序：优先展示出现频率高的主题和股票
3. 时间敏感：段子和异动强调时效性，产业链关注长期趋势
4. 中文汇报：所有输出使用中文
5. 精简有力：避免大段引用原文，提炼核心信息

注意事项

• 每次抓取 study_hot 约需 5~15 分钟（Playwright 浏览器渲染 + AI 解析），请提前告知用户等待
• 如果登录态过期（抓取失败），运行：cd {skillDir} && uv run python -m a_stock_watcher.auth
• 数据库查询脚本是即时的，不需要 GEMINI_API_KEY
• 抓取命令必须 source .env 加载环境变量