Menü
A股价值投资分析工具，提供股票筛选、个股深度分析、行业对比和估值计算功能。基于价值投资理论，使用akshare获取公开财务数据，适合低频交易的普通投资者。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
舆情监控技能，最终产出舆情报告。当用户问「某事件/话题舆情如何」「舆论怎么样」「做舆情分析」「运行舆情分析」或按关键词/平台爬取并生成舆情报告时，使用本技能。约定：凡舆情相关意图即执行全流程（爬取→情感分析→生成报告）。爬取由本技能完成；情感分析由主 Agent 按提示词自主判断；报告由 generate_report 生成。
查询Boss直聘职位信息。当用户想要搜索Boss直聘上的职位、筛选特定公司规模的岗位时使用此skill。
查询豆瓣电影热门影评信息。当用户想要查询某部电影的豆瓣影评、用户评价、热门短评时使用此skill。
查询Moltbook（Agent社区）热门帖子信息。当用户想要查询Agent社区热帖、最新讨论、热门话题时使用此skill。
查询微博热搜信息。当用户想要查询微博热搜榜、文娱热搜、热度排行时使用此skill。
自动化浏览器交互，用于网页测试、表单填写、截图和数据提取。当用户需要浏览网站、与网页交互或提取信息时使用。
| name | 中国A股分析工具 |
| description | A股价值投资分析工具，提供股票筛选、个股深度分析、行业对比和估值计算功能。基于价值投资理论，使用akshare获取公开财务数据，适合低频交易的普通投资者。 |
基于价值投资理论的中国A股分析工具，面向低频交易的普通投资者。
当用户请求以下操作时调用此skill：
pip install akshare pandas numpy
在执行任何分析前，先检查akshare是否已安装：
python -c "import akshare; print(akshare.__version__)"
如果未安装，提示用户安装：
pip install akshare
筛选符合条件的股票
个股深度财务分析
同行业横向对比分析
内在价值测算与安全边际计算
用户请求筛选股票时使用。
向用户询问筛选条件。提供以下选项供用户选择或自定义：
估值指标：
盈利能力：
成长性：
股息：
财务安全：
筛选范围：
python scripts/stock_screener.py \
--scope "hs300" \
--pe-max 15 \
--roe-min 15 \
--debt-ratio-max 60 \
--dividend-min 2 \
--output screening_result.json
参数说明：
--scope: 筛选范围 (all/hs300/zz500/cyb/kcb/custom:600519,000858,...)--pe-max/--pe-min: PE范围--pb-max/--pb-min: PB范围--roe-min: 最低ROE--growth-min: 最低增长率--debt-ratio-max: 最大资产负债率--dividend-min: 最低股息率--output: 输出文件路径读取 screening_result.json 并以表格形式呈现给用户：
| 代码 | 名称 | PE | PB | ROE | 股息率 | 评分 |
|---|---|---|---|---|---|---|
| 600519 | 贵州茅台 | 25.3 | 8.5 | 30.2% | 2.1% | 85 |
用户请求分析某只股票时使用。
询问用户：
python scripts/data_fetcher.py \
--code "600519" \
--data-type all \
--years 5 \
--output stock_data.json
参数说明：
--code: 股票代码--data-type: 数据类型 (basic/financial/valuation/holder/all)--years: 获取多少年的历史数据--output: 输出文件python scripts/financial_analyzer.py \
--input stock_data.json \
--level standard \
--output analysis_result.json
参数说明：
--input: 输入的股票数据文件--level: 分析深度 (summary/standard/deep)--output: 输出文件python scripts/valuation_calculator.py \
--input stock_data.json \
--methods dcf,ddm,relative \
--discount-rate 10 \
--growth-rate 8 \
--output valuation_result.json
参数说明：
--input: 股票数据文件--methods: 估值方法 (dcf/ddm/relative/all)--discount-rate: 折现率(%)--growth-rate: 永续增长率(%)--margin-of-safety: 安全边际(%)--output: 输出文件读取分析结果，参考 templates/analysis_report.md 模板生成中文分析报告。
报告结构（标准级）：
询问用户：
python scripts/data_fetcher.py \
--codes "600519,000858,002304" \
--data-type comparison \
--output industry_data.json
或按行业获取：
python scripts/data_fetcher.py \
--industry "白酒" \
--top 10 \
--output industry_data.json
python scripts/financial_analyzer.py \
--input industry_data.json \
--mode comparison \
--output comparison_result.json
| 指标 | 贵州茅台 | 五粮液 | 洋河股份 | 行业均值 |
|---|---|---|---|---|
| PE | 25.3 | 18.2 | 15.6 | 22.4 |
| ROE | 30.2% | 22.5% | 20.1% | 18.5% |
| 毛利率 | 91.5% | 75.2% | 72.3% | 65.4% |
| 评分 | 85 | 78 | 75 | - |
询问用户估值参数（或使用默认值）：
DCF模型参数：
DDM模型参数：
相对估值参数：
python scripts/valuation_calculator.py \
--code "600519" \
--methods all \
--discount-rate 10 \
--terminal-growth 3 \
--forecast-years 5 \
--margin-of-safety 30 \
--output valuation.json
| 估值方法 | 内在价值 | 当前价格 | 安全边际价格 | 结论 |
|---|---|---|---|---|
| DCF | ¥2,150 | ¥1,680 | ¥1,505 | 低估 |
| DDM | ¥1,980 | ¥1,680 | ¥1,386 | 低估 |
| 相对估值 | ¥1,850 | ¥1,680 | ¥1,295 | 合理 |
在分析过程中自动检测以下异常信号：
应收账款异常
现金流背离
存货异常
毛利率异常
关联交易
股东减持
根据行业分类提供政策相关提示：
所有脚本输出JSON格式，便于后续处理：
{
"code": "600519",
"name": "贵州茅台",
"analysis_date": "2025-01-25",
"level": "standard",
"summary": {
"score": 85,
"conclusion": "低估",
"recommendation": "建议关注"
},
"financials": { ... },
"valuation": { ... },
"risks": [ ... ]
}
生成结构化的中文Markdown报告，参考 templates/analysis_report.md。
如果akshare数据获取失败，提示用户：
提示用户检查股票代码是否正确，提供可能的匹配建议。
对于新上市股票或财务数据不完整的情况，说明数据限制并基于可用数据进行分析。