| name | alphapai-research |
| description | Alpha派金融投研平台API技能，用于调用Alpha派（AlphaPai/PaiPai）的投资研究接口。覆盖五大核心能力：投研知识问答、投研数据检索、投资研究Agent（公司一页纸/业绩点评/调研大纲/主题选股/投资逻辑/可比公司/观点Challenge/行业一页纸/个股选基/主题选基/画图）、股票公告列表查询、投研图表搜索。当用户提到AlphaPai、Alpha派、PaiPai、投研问答、召回数据、公司一页纸、行业一页纸、业绩点评、调研大纲、投资逻辑、可比公司、选基、搜图表等关键词时，务必使用本skill。 |
| metadata | {"version":1} |
AlphaPai Research Skill
基于Alpha派（AlphaPai）Open API 的投研能力技能。所有 API 调用均通过 scripts/alphapai_client.py 的 CLI 完成，无需手动编写请求代码。
输出原则
Alpha派各接口的返回内容均由专业投研模型生成，质量高、格式完整，调用完成后应将原始输出直接呈现给用户，不做二次加工：
- 禁止总结或压缩：不得将原文缩写为摘要，不得用自己的语言改写
- 禁止截断：无论内容多长，必须完整输出，不得以"以上为主要内容"等方式省略
- 保留原始格式：Markdown 标题层级、加粗、列表、表格、引用块等结构一律原样保留
- 引用来源随正文输出：若接口返回了参考来源（文档标题、日期、评分等），紧随正文完整呈现
若用户明确要求"总结"或"提炼"，则在完整输出原文之后，再额外附上总结，而非替代原文。
数据背景
Alpha派是讯兔科技开发的金融投研 AI 应用，具有丰富的投研场景数据。不同数据源对应不同质量与特征，对专业用户的判断至关重要：
- 路演纪要：A股上市公司业绩会、券商路演、专家交流等一线会议内容
- 券商点评：分析师每日给机构投资者发送的点评（时效性高，质量参差不齐）
- 微信公众号：投研相关公众号及上市公司官方公众号内容
- 券商研报：国内外券商分析师撰写的研究报告
- 公司公告：上市公司在交易所发布的官方公告（最权威口径）
- 图表与数据：公告/研报图片、表格，及EDB宏观/行业/个股时序数据
首次使用：配置 API Key
python scripts/alphapai_client.py config --set-key YOUR_API_KEY
查看当前配置：
python scripts/alphapai_client.py config --show
如用户未提供 api_key，向其说明：可在 Alpha 派💻电脑端获取，或联系客户经理。不要在对话中回显完整 api_key。
接口一：投研知识问答
向 Alpha派的投研助手 PaiPai 提问，获取答案。按照输出原则完整呈现回答正文与引用来源，不做二次总结。
python scripts/alphapai_client.py qa --question "问题内容" [选项]
| 选项 | 说明 |
|---|
--question / -q | 问题内容（必填） |
--mode Flash|Think | 问答模式（默认 Flash）：Flash=简单搜索问答，一问一搜一答；Think=Wide Search，一问多搜一答 |
--context MSG [MSG ...] | 多轮对话历史，按顺序传入 |
--web-search | 开启联网搜索 |
--deep-reasoning | 开启深度推理 |
--start YYYY-MM-DD | 数据筛选开始日期 |
--end YYYY-MM-DD | 数据筛选结束日期 |
--json | 输出原始JSON（供程序解析） |
示例：
python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何？"
python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何？" --mode Think
python scripts/alphapai_client.py qa \
--question "对行业的影响呢？" \
--context "云南缺电对哪些公司会造成影响？" "影响主要集中在高耗能行业"
python scripts/alphapai_client.py qa \
--question "近期新能源车销量趋势" \
--web-search --start 2025-01-01 --end 2025-03-01
接口二：投研知识检索（基于RAG技术）
获取会被送入大模型的原始底层原始数据，适合自行加工或构建自定义 RAG 流程。
python scripts/alphapai_client.py recall --query "查询问题" [选项]
| 选项 | 说明 |
|---|
--query / -q | 查询问题（必填） |
--type TYPES | 数据类型，逗号分隔（不传则全类型） |
--no-cutoff | 返回截断前完整内容（默认截断，与送入大模型的数据一致） |
--start YYYY-MM-DD | 数据筛选开始日期 |
--end YYYY-MM-DD | 数据筛选结束日期 |
--json | 输出原始JSON（供程序解析） |
示例：
python scripts/alphapai_client.py recall \
--query "贵州茅台2024年市值" \
--type comment,qa \
--start 2025-01-01 --end 2025-03-20
python scripts/alphapai_client.py recall --query "宁德时代电池技术" --no-cutoff
recallType 枚举值
选择 --type 参数时，根据用户意图选择合适的数据类型：
| 类型值 | 含义 | 特点 |
|---|
comment | 券商点评 | 时效性最强，分析师每日发送，质量参差不齐 |
roadShow | 路演会议纪要 | 业绩会、券商路演、专家交流，一线投研内容 |
roadShow_ir | 上市公司官方路演纪要 | 官方披露，量少 |
roadShow_us | 美股 earnings 纪要 | 美股上市公司业绩会 |
roadShow_od | 私域会议纪要 | 内部渠道 |
report | 国内券商研报 | 深度分析，时效性较低 |
foreign_report | 海外券商研报 | 摩根、花旗等头部机构 |
wechat_public_article | 微信公众号 | 行业资讯及上市公司官方公众号 |
ann | 上市公司官方公告 | 最权威口径，交易所披露 |
vps | 基金定期报告 | 基金持仓、季报等 |
table | 公告/研报数据表格 | 结构化表格数据 |
image | 研报图片 | 产业链图示、指标对比图表 |
qa | 调研/路演中提取的Q&A | 结构化问答对 |
edb | EDB时序数据库 | 宏观、行业、个股时间序列数据 |
接口三：股票 Agent
POST /alpha/open-api/v1/paipai/stock/agent — SSE 流式，响应结构同接口一。业绩点评场景需先通过接口四获取公告ID。
输出要求：严格遵照输出原则。Agent 生成内容通常较长（千字以上），必须完整输出全文，不得以任何形式截断、摘要或改写。Markdown 格式（标题、表格、加粗、列表）和参考来源原样保留。
mode 1 — 个股业绩点评
根据公司公告、业绩会路演、研报，对公司最新财务报告进行点评。
必填： --stock CODE:NAME --report-type TYPE --report-id ID --report-title TITLE --report-period PERIOD（公告信息先用 report 命令查询）
可选： --concern TEXT（用户关注方向）
python scripts/alphapai_client.py report --code 603380.SH
python scripts/alphapai_client.py agent --mode 1 \
--question "易德龙2025年一季报业绩点评" --stock 603380.SH:易德龙 \
--report-type 季报 --report-id HANNC002658114224 \
--report-title "易德龙:2025年第一季度报告" --report-period "2025年一季报"
mode 2 — 公司一页纸
基于最新公告、路演、研报、点评，对公司进行初步完整分析。
必填： --stock CODE:NAME
可选： --language 中文|英文（美股公司可选）--template-text TEXT（自定义公司一页纸模板，默认为空）
python scripts/alphapai_client.py agent --mode 2 \
--question "亿纬锂能（300014.SZ）的公司一页纸" --stock 300014.SZ:亿纬锂能
mode 3 — 个股调研大纲
快速生成调研一家公司时应该问的问题清单。
必填： --stock CODE:NAME
可选： --template-text TEXT（调研大纲中希望关注的内容要点，默认为空）
python scripts/alphapai_client.py agent --mode 3 \
--question "巨星科技（002444.SZ）的调研问题大纲" --stock 002444.SZ:巨星科技
mode 5 — 主题选股
根据事件、主题、关键词筛选相关股票。（template 值自动设为 1，无需手动传）
必填： --template-text TEXT（选股主题，与 --question 保持一致）
python scripts/alphapai_client.py agent --mode 5 \
--question "和白酒相关的公司" --template-text "和白酒相关的公司"
mode 7 — 投资逻辑
梳理一家公司近期事件，提炼投资逻辑。
必填： --stock CODE:NAME
可选： --template-text TEXT（关注的分析要点、维度、指标，默认为空）--only-answer（仅返回最终答案，不返回中间过程）
python scripts/alphapai_client.py agent --mode 7 \
--question "亿纬锂能（300014.SZ）的公司投资逻辑" --stock 300014.SZ:亿纬锂能
mode 8 — 可比公司
从业务经营、产业链位置上，检索最具对标性的其他公司。（template 值自动设为 1，无需手动传）
必填： --stock CODE:NAME
可选： --concern TEXT（对比过程中关注的话题，如产品参数、技术路线、估值、盈利等）
python scripts/alphapai_client.py agent --mode 8 \
--question "比亚迪（002594.SZ）的可比公司" --stock 002594.SZ:比亚迪
mode 9 — 观点 Challenge
利用Alpha派信息，对用户观点进行逻辑挑战，启发多角度思考。（template 值自动设为 1，无需手动传）
必填： --template-text TEXT（待 Challenge 的观点，与 --question 中观点描述保持一致）
可选： --concern TEXT（关注焦点，进一步限定 Challenge 范围）--start / --end YYYY-MM-DD（检索信息时间范围）
python scripts/alphapai_client.py agent --mode 9 \
--question "Challenge该观点：小米汽车未来的增长" \
--template-text "小米汽车未来的增长" \
--concern "YU7" --start 2024-10-25 --end 2025-10-24
mode 11 — 行业一页纸
基于最新公告、路演、研报、点评，对一个行业进行初步完整分析（细粒度行业通常更佳）。
必填： --industry NAME（行业名称）
可选： --template-text TEXT（自定义行业一页纸模板，默认为空）
python scripts/alphapai_client.py agent --mode 11 \
--question "白酒的行业一页纸" --industry 白酒
mode 12 — 个股选基
根据个股及公募基金定期报告，查找持仓个股权重最高的基金。
必填： --stock-list CODE:NAME [...] --report-date DATE --fund-type TYPE
可选： --if-annual 0|1（是否年报，默认0）
python scripts/alphapai_client.py agent --mode 12 \
--question "环旭电子、中际旭创、卓胜微的持仓基金" \
--report-date 2025-09-30 --fund-type 全部 \
--stock-list 601231.SH:环旭电子 300308.SZ:中际旭创 300782.SZ:卓胜微
mode 13 — 主题选基
根据事件、主题、关键词筛选相关基金。
必填： --report-date DATE --fund-type 全部|主动|指数|ETF
可选： --if-annual 0|1
python scripts/alphapai_client.py agent --mode 13 \
--question "2025三季报持有房地产的主动基金有哪些？" \
--report-date 2025-09-30 --fund-type 主动
mode 15 — 画图
分析用户 query 并以图片方式展示调研结果，一图胜千言。
必填： --picture-color 主色HEX 辅色HEX --picture-style PPT风格|科普风格
--picture-color 固定传两个 HEX 值（主色、辅色），不含 # 前缀，如 2A66F6 A5A8AF，不可多传或少传。
可选： --source 0|1（0=仅图片，1=图文，默认0）
python scripts/alphapai_client.py agent --mode 15 \
--question "黄金" --picture-color 2A66F6 A5A8AF --picture-style 科普风格
接口四：获取股票公告列表
查询某只股票在交易所公开的公告列表，用于获取业绩点评所需的公告ID。
python scripts/alphapai_client.py report --code <STOCK_CODE> [--json]
示例：
python scripts/alphapai_client.py report --code 603380.SH
接口五：搜图表
从研报和公告中搜索相关图片和表格。
python scripts/alphapai_client.py image --query "搜索内容" [选项]
| 选项 | 说明 |
|---|
--query / -q | 搜索内容（必填） |
--files-range CODE [...] | 来源类型代码（可多个，默认不限制）：3=内资研报 8=外资研报 6=公告 9=三方研报 |
--topk N | 返回数量(1-100，默认50) |
--recall-mode MODE | 召回模式: both(默认)/vector_only/es_only |
--llm-rank | 使用LLM重排序 |
--start / --end YYYY-MM-DD | 发布日期范围 |
--json | 输出原始JSON |
示例：
python scripts/alphapai_client.py image --query "新能源车销量趋势" --topk 10 --start 2025-01-01
典型工作流
工作流1：投研问答
- 确认配置存在（
config --show）
- 执行
qa 命令，回答和引用来源直接输出
- 格式化呈现给用户
工作流2：获取原始数据自定义分析
- 确认配置存在
- 执行
recall 命令，根据需求选择 --type 和时间范围
- 使用
--json 输出原始数据供后续脚本处理
工作流3：个股业绩点评（Agent）
- 确认配置存在
- 执行
report --code <CODE> 查询公告列表，获取 stockReportId、stockReportTitle、stockReportPeriod、reportType
- 执行
agent --mode 1 并传入上述公告信息，得到业绩点评
工作流4：其他 Agent 场景
- 确认配置存在
- 根据场景选择
--mode，按接口三参数表传入必填项
- 格式化呈现回答和引用来源
工作流5：图表搜索
- 确认配置存在
- 执行
image --query "..." 搜索相关图表
- 从返回的
imageUrl 获取图片链接展示给用户
升级 Skill
当用户说"帮我升级 alphapai-research skill"或类似意图时，执行以下流程：
- 获取远程版本信息：通过 WebFetch 工具拉取安装指引文档：
https://open-api.rabyte.cn/alpha/open-api/v1/file/api-docs/install.md
- 解析远程版本：读取返回文档 frontmatter 中的
version 字段
- 读取本地版本：读取当前
SKILL.md frontmatter 中的 metadata.version 字段
- 版本对比与决策：
- 远程版本 == 本地版本 → 告知用户"alphapai-research 已是最新版本（vX.X.X），无需升级。"流程结束
- 远程版本 > 本地版本 → 按照远程
install.md 中的 升级安装 流程执行
- 远程版本 < 本地版本 → 告知用户"本地版本高于远程版本，可能使用了预发布版，跳过升级。"流程结束
升级安装的具体步骤（下载、解压、备份、替换、验证）完全遵照远程 install.md 文档中的指引执行，无需硬编码在此处。
参考文件
| 文件 | 内容 | 何时读取 |
|---|
references/api_reference.md | 完整 API 字段定义、响应结构、枚举值（含5个接口） | 调试异常响应、需要完整字段说明、参数含义不明时 |
scripts/alphapai_client.py | CLI 源码 + 可导入的 AlphaPaiClient 类 | 需要模块化/程序化调用，或排查 CLI 底层行为时 |
