fund-analysis

name	fund-analysis
description	当用户询问"分析基金"、"基金分析"、"评估基金"、"基金投资建议"、"选基金"、"推荐基金"、"fund analysis"，或提到"我的持仓"、"添加持仓"、"更新持仓"、"查看持仓"、"持仓列表"、"帮我记录基金"、"分析我的所有基金"、"帮我推荐基金"、"基金推荐"时使用此技能。通过多维度分析(技术面、基本面、舆情)为用户提供专业的基金投资建议，支持持仓列表管理（记忆、增删改查）、批量持仓组合分析和基于持仓分析的智能基金推荐。
version	1.2.1

基金分析技能

通过多维度深度分析,为用户提供专业的基金投资建议和详细的分析报告。

概述

此技能通过以下方式自动创建全面的基金分析报告:

• 从蛋卷基金API获取基金基础信息、净值历史、持仓数据等
• 执行技术面分析(MA均线、多空排列、趋势判断)
• 分析持仓结构和基金经理资历
• 评估历史业绩和风险指标
• 分析舆情和市场情绪
• 生成精确的买卖点位建议
• 提供操作检查清单
• 生成结构化的Markdown分析报告

核心功能:

• ✅ 支持所有类型基金(股票型、债券型、混合型、指数型等)
• ✅ 多维度综合分析(技术面、基本面、舆情)
• ✅ 精确的买卖点位建议
• ✅ 完整的操作检查清单
• ✅ 专业的Markdown格式报告
• ✅ 持仓列表管理：记录、新增、更新、删除用户持仓（持久化本地存储）
• ✅ 批量持仓分析：一键分析用户所有持仓基金
• ✅ 智能基金推荐：基于多维度评分为用户推荐优质基金

---

持仓管理

📌 持仓管理概述

用户可以维护一份私人持仓列表，技能会将其持久化保存到本地 JSON 文件（data/portfolio.json），跨会话记忆。支持以下操作：

操作	自然语言示例	对应命令
查看持仓	"查看我的持仓" / "我持有哪些基金"	portfolio
新增持仓	"添加持仓 008975 易方达蓝筹精选混合"	add 008975 [名称]
更新持仓	"更新持仓 008975，持有10万份，成本净值1.5"	add 008975 ...（覆盖更新）
删除持仓	"删除持仓 008975" / "我卖掉了008975"	remove 008975
分析全部	"分析我所有持仓" / "帮我看看持仓情况"	portfolio-analyze

🔄 持仓管理交互流程

Step 1 — 理解用户意图

当用户提到持仓相关内容时，识别意图：

• 含"我持有"、"我买了"、"添加持仓"、"记录一下" → 新增/更新持仓
• 含"我卖了"、"已清仓"、"删除持仓"、"去掉" → 删除持仓
• 含"我的持仓"、"持仓列表"、"查看" → 展示持仓列表
• 含"分析我所有"、"持仓分析"、"组合分析" → 批量分析

Step 2 — 提取持仓信息

从用户输入中提取：

• fund_code：6位数字（必填）
• fund_name：基金名称（可选）
• shares：持有份额（可选，如"10万份" → 100000）
• cost_nav：买入净值/成本净值（可选）
• cost_amount：买入金额（可选，如"投了5万" → 50000）
• note：备注（可选）

Step 3 — 执行持仓操作

根据意图运行对应方法：

from scripts.fund_analyzer import FundAnalyzer

analyzer = FundAnalyzer()

# 新增/更新持仓
result = analyzer.portfolio_add(
    fund_code="008975",
    fund_name="易方达蓝筹精选混合",
    shares=100000,
    cost_nav=1.5000,
    cost_amount=50000,
    note="长期持有"
)
print(result)

# 查看持仓列表
print(analyzer.portfolio_list())

# 删除持仓
print(analyzer.portfolio_remove("008975"))

# 批量分析所有持仓
report = analyzer.portfolio_analyze_all()
print(report)

Step 4 — 展示结果

将返回的 Markdown 内容直接展示给用户。

💡 典型对话示例

示例1：用户首次告知持仓

用户: 我持有易方达蓝筹精选混合(008975)和中欧医疗健康(003095)，帮我记录一下
操作: 
  analyzer.portfolio_add("008975", fund_name="易方达蓝筹精选混合")
  analyzer.portfolio_add("003095", fund_name="中欧医疗健康")
响应: 展示更新后的持仓列表

示例2：用户更新持仓细节

用户: 更新一下，008975我买了10万份，成本净值是1.52，总共投了15.2万
操作:
  analyzer.portfolio_add("008975", shares=100000, cost_nav=1.52, cost_amount=152000)
响应: 展示更新后的持仓条目和完整列表

示例3：用户卖出基金

用户: 我已经卖掉了003095
操作:
  analyzer.portfolio_remove("003095")
响应: 确认删除，展示剩余持仓列表

示例4：分析全部持仓

用户: 帮我分析一下我所有持仓基金
操作:
  report = analyzer.portfolio_analyze_all()
响应: 展示组合分析报告，报告结构：
  1. 持仓总结摘要表（操作建议、涨跌幅、净值、持仓收益、收益率、近1年收益、核心结论一览）
  2. 目录（可点击跳转到每只基金的详细章节）
  3. 持仓列表（成本等基础信息）
  4. 各基金详细分析报告（含 HTML 锚点，支持目录跳转）

📁 持仓数据存储

• 文件位置: data/portfolio.json
• 格式: JSON 数组，每条记录包含 fund_code、fund_name、shares、cost_nav、cost_amount、note、current_nav、current_profit、current_return_rate、added_at、updated_at
• 持久化: 每次增删改操作后自动保存，跨会话保留
• 示例:

[
  {
    "fund_code": "008975",
    "fund_name": "易方达蓝筹精选混合",
    "shares": 100000.0,
    "cost_nav": 1.52,
    "cost_amount": 152000.0,
    "note": "长期持有",
    "current_nav": 1.4850,
    "current_profit": -3500.00,
    "current_return_rate": -2.30,
    "added_at": "2026-03-07 15:00:00",
    "updated_at": "2026-03-07 16:30:00"
  }
]

---

使用方法

基本使用

当用户询问基金分析相关问题时,使用以下命令:

cd /Users/weijiahao03/AI/AI_workshop/.catpaw/skills/skills-market/fund-analysis
python scripts/fund_analyzer.py <基金代码>

示例:

python scripts/fund_analyzer.py 008975

用户交互流程

1. 收集基金代码

   • 询问用户要分析的基金代码(6位数字)
   • 示例: 008975(易方达蓝筹精选混合)

2. 执行分析

   • 运行分析脚本
   • 等待分析完成(约30-60秒)

3. 呈现报告

   • 将生成的Markdown报告展示给用户
   • 保存报告到文件

4. 保存位置

   • 报保存在 examples/ 目录
   • 文件名格式: fund_analysis_{基金代码}_{时间戳}.md

分析维度说明

1. 技术面分析

分析内容:

• 移动平均线: MA5、MA10、MA20、MA60
• 多空排列: 判断多头/空头/无明确形态
• 技术信号: 突破、破位、超买、超卖等信号
• 趋势判断: 上升、下降、震荡
• 近期收益率: 30天、60天、90天涨跌幅

解读要点:

• 多头排列 + 上升趋势 = 强烈买入信号
• 空头排列 + 下降趋势 = 卖出信号
• 超买信号 = 注意风险,不宜追高
• 超卖信号 = 可能是买入机会

2. 持仓分析

分析内容:

• 前十大重仓股: 展示基金主要持仓
• 持仓集中度: 前10大持仓占比
• 行业分布: 主要投资行业
• 持仓风格: 价值型/成长型/平衡型

解读要点:

• 持仓集中度 > 60% = 集中度高,波动大
• 持仓集中度 < 40% = 分散投资,风险较低
• 成长型 = 关注成长股,波动较大
• 价值型 = 关注低估值股票,相对稳健

3. 基金经理分析

分析内容:

• 从业年限: 投资经验
• 管理该基金年限: 对该基金的了解程度
• 管理基金数量: 投资者可以评估基金经理的精力分配
• 历史业绩: 平均收益率和最大回撤
• 资深程度: 是否为资深基金经理

解读要点:

• 从业年限 > 5年 = 经验丰富
• 管理该基金 > 3年 = 对基金了解深入
• 年化收益 > 10% = 表现优秀
• 最大回撤 < 20% = 风险控制较好

4. 业绩分析

分析内容:

• 各时间段收益率: 1月、3月、6月、1年、3年、5年
• 年化收益率: 长期平均收益
• 最大回撤: 历史最大亏损
• 同类排名: 相对同类基金的表现
• 超额收益: 相对基准的收益

解读要点:

• 1年收益 > 10% = 短期表现优秀
• 3年收益 > 15% = 中期表现优秀
• 5年收益 > 10% = 长期表现优秀
• 最大回撤 < 30% = 风险可控
• 同类排名 > 70% = 表现优异

5. 公告信息（原舆情分析简化）

说明:

• 由于公告标题关键词匹配难以准确反映市场情绪，已移除情绪评分
• 仅展示最近5条重要公告，供投资者参考
• 重要公告会标注类型（分红、限购、经理变更等）

展示内容:

• 最新公告: 最近5条公告标题和日期
• 重要标记: 💰 分红、🚫 限购、👤 经理变更、⚠️ 清盘风险等

6. 投资建议

分析内容:

• 核心结论: 一句话总结投资建议
• 操作建议: 买入/持有/卖出/观望
• 理想买点: 建议的买入价格区间
• 次要买点: 补仓机会
• 止盈位: 建议止盈价格
• 止损位: 建议止损价格
• 操作检查清单: 投资前的检查项目

解读要点:

• 买入: 综合得分高,建议积极配置
• 持有: 表现平稳,继续持有观察
• 卖出: 表现不佳,建议减仓或退出
• 观望: 趋势不明,等待明确信号

操作检查清单

在使用本技能进行基金分析前,请确保:

• 用户提供了有效的基金代码(6位数字)
• 了解了基金的类型和风险等级
• 确认了用户的风险承受能力
• 网络连接正常,可以访问蛋卷基金API
• 了解了基金分析的局限性

常见问题处理

问题1: 基金代码不存在

症状: 提示"基金代码不存在或格式错误"

解决方案:

1. 检查基金代码是否为6位数字
2. 确认基金代码是否正确
3. 提示用户在蛋卷基金或雪球网查询正确代码

问题2: 数据获取失败

症状: 提示"数据获取失败"或"API请求失败"

解决方案:

1. 检查网络连接
2. 确认pysnowball库路径配置正确
3. 尝试稍后重试
4. 查看日志文件获取详细错误信息

问题3: 分析速度慢

症状: 分析时间超过60秒

解决方案:

1. 检查网络速度
2. 查看日志确定哪个步骤慢
3. 可能是数据源响应慢,建议稍后重试

问题4: 部分数据缺失

症状: 报告中某些模块显示"数据暂不可用"

解决方案:

1. 这是正常现象,某些基金可能不提供所有数据
2. 不影响其他模块的分析
3. 在报告中明确标注了数据不可用

输出格式

分析报告使用Markdown格式,包含以下章节:

1. 投资建议摘要 - 快速了解核心建议
2. 基金基本信息 - 基金概况
3. 实时行情 - 当前净值和涨跌幅
4. 技术面分析 - MA均线、趋势、信号
5. 持仓分析 - 重仓股、行业分布
6. 基金经理分析 - 经验、业绩
7. 业绩分析 - 各时间段收益率
8. 舆情分析 - 新闻、情绪
9. 详细投资建议 - 买卖点位、检查清单
10. 免责声明 - 风险提示

数据来源

单只基金分析数据源

• 蛋卷基金API (通过pysnowball库)
  • 基金基础信息 (名称、类型、成立日期等)
  • 净值历史 (365天历史净值)
  • 持仓数据 (前十大持仓、行业分布等)
  • 基金经理信息 (名称、年限、资历等)
  • 业绩数据 (各时间段收益、最大回撤等)

推荐基金数据源

推荐基金列表来自以下来源（优先级顺序）：

1. 用户持仓列表 (优先)

   • 从本地 data/portfolio.json 读取
   • 包含用户已经添加的基金代码
   • 用途：推荐用户已有或相似风格的基金

2. 默认热门基金集合 (降级方案)

   • 包含10只代表性基金，涵盖不同风格：
     • 低波指数型 (007751)
     • 价值风格 (008975)
     • 行业主题 (003095, 110022)
     • 平衡配置 (017043, 470018)
     • 成长风格 (519674, 000968)
     • 趋势跟踪 (420018, 163402)
   • 用途：演示、基准对比

📌 数据来源说明

数据类型	来源	覆盖范围	更新频率
基金基础信息	蛋卷API	全市场基金	实时
历史净值	蛋卷API	最近365天	每日
持仓数据	蛋卷API	最近1-3个月	定期
经理信息	蛋卷API	实时	实时
业绩数据	蛋卷API	全历史	每日
舆情数据	东方财富	最近15条公告	实时
推荐基金列表	用户持仓 + 默认集合	10-N只	按需

技术架构

核心模块

1. DataFetcher - 数据获取模块

   • 并发获取多个数据源
   • 支持数据缓存
   • 错误处理和重试

2. TechnicalAnalyzer - 技术面分析

   • MA均线计算
   • 多空排列判断
   • 技术信号检测

3. HoldingAnalyzer - 持仓分析

   • 持仓集中度计算
   • 行业分布分析
   • 持仓风格判断

4. ManagerAnalyzer - 基金经理分析

   • 经验评估
   • 业绩计算
   • 资深程度判断

5. PerformanceAnalyzer - 业绩分析

   • 收益率计算
   • 风险指标计算
   • 相对排名计算

6. SentimentAnalyzer - 舆情分析

   • 新闻获取
   • 情绪分析
   • 关键词提取

7. InvestmentAdvisor - 投资建议

   • 综合评分
   • 买卖点位计算
   • 检查清单生成

8. ReportGenerator - 报告生成

   • Markdown格式化
   • 报告保存

性能优化

• 并发数据获取: 使用ThreadPoolExecutor并发获取6个数据源
• 数据缓存: 实时数据缓存5分钟,历史数据缓存24小时
• 错误隔离: 单个数据获取失败不影响其他模块

注意事项

1. 数据时效性:

   • 净值数据可能有1天延迟
   • 持仓数据可能有1-3个月延迟
   • 建议定期更新分析

2. 分析局限性:

   • 历史业绩不代表未来
   • 技术分析仅供参考
   • 市场环境变化可能影响判断

3. 投资风险:

   • 基金投资有风险
   • 建议分散投资
   • 根据风险承受能力选择基金

示例报告

完整的分析报告示例请查看 examples/ 目录。

---

智能基金推荐 ✨ (v1.2.0+)

📌 推荐功能概述

智能推荐系统基于用户持仓分析和多维度评分算法，为用户推荐优质基金。系统通过以下方式帮助用户优化投资组合：

1. 持仓风格分析 - 自动分析用户持仓的基金类型分布
2. 缺失补充 - 推荐不足的基金类型来平衡配置
3. 多维度评分 - 综合考虑技术面、基本面和舆情三个维度
4. 排重机制 - 自动排除已持仓的基金，避免重复购买

🎯 推荐维度

技术面评分 (50% 权重)

• 趋势权重 40%：上升=100分，震荡=70分，下降=40分
• 信号权重 40%：买入信号数量 × 10（上限100）
• 偏离度权重 20%：超买/超卖信号判断

基本面评分 (50% 权重)

• 收益权重 50%：近3年收益率（相对排名）
• 经理权重 30%：资深经理=90分，中等=70分，新手=50分
• 持仓权重 20%：持仓集中度 < 40%=100分，40-60%=70分，>60%=40分

公告信息（仅展示，不参与评分）

• 显示最近5条公告，不计算情绪分数

💻 使用方法

基本推荐命令

# 推荐中风险、长期投资的前10只基金
python scripts/fund_analyzer.py recommend --risk 中 --period long --top 10

# 推荐高风险、短期投资的前5只基金
python scripts/fund_analyzer.py recommend --risk 高 --period short --top 5

# 推荐低风险基金（不限投资期限）
python scripts/fund_analyzer.py recommend --risk 低

# 推荐任意风险的长期投资基金
python scripts/fund_analyzer.py recommend --period long

参数说明

参数	可选值	说明
--risk	低、中、高	风险偏好，不指定表示不筛选
--period	short、medium、long	投资期限（短期<1年、中期1-3年、长期>3年）
--top	数字，默认10	推荐基金数量

风险等级含义

等级	近1年收益	最大回撤	波动率	适合投资者
低	5-8%	< 10%	< 5%	保守型，风险承受能力弱
中	8-15%	10-20%	5-10%	平衡型，风险承受能力中等
高	> 15%	20-30%	> 10%	激进型，风险承受能力强

📊 推荐报告格式

推荐报告包含以下信息：

# 推荐基金列表（中风险，长期投资）

## 📊 推荐摘要
- 扫描基金数量: 500+
- 推荐基金数: 10
- 推荐时间: 2026-03-09 22:52:18
- 平均得分: 65.3/100

## 🏆 推荐基金

### #1 基金名称 (基金代码)
**综合评分**: ⭐⭐⭐⭐ 85.0/100

**维度评分**:
- 📈 技术面: 80/100 (上升趋势)
- 💰 基本面: 90/100 (3年收益 +50%，超越同类 85%)
- 📢 舆情: 85/100 (正面)

**推荐理由**: 基本面扎实，技术面强势，长期表现优异

**关键指标**:
- 近1年收益: +18.5%
- 最大回撤: -12.3%
- 基金经理: 张三（从业15年）

... （更多推荐基金）

## 📌 使用建议
- 建议定期更新分析，市场环境可能变化
- 根据个人风险承受能力调整选择
- 优先考虑排名前三的基金
- 结合自身投资目标和时间框架综合判断

## ⚠️ 免责声明
本推荐仅供参考，不构成投资建议。基金投资有风险，过往业绩不代表未来表现。
请根据自身风险承受能力进行投资决策。

🔄 推荐工作流

Step 1 — 持仓读取与分析

系统自动从 data/portfolio.json 读取用户持仓，分析如下：

• 识别已持有的基金代码
• 分类基金类型（股票型、混合型、债券型、指数型）
• 计算各类型基金的占比权重

Step 2 — 理解用户需求

识别用户的推荐意图：

• "帮我推荐基金" → 使用默认参数（所有风险等级、任意投资期限、Top 10）
• "推荐适合长期的基金" → period=long
• "推荐低风险基金" → risk=低
• "推荐5只高收益基金" → risk=高, top=5

Step 3 — 提取推荐参数

从用户输入中识别：

• risk_level：风险等级 (低/中/高)
• investment_period：投资期限 (short/medium/long)
• top_n：推荐数量（默认10）

Step 4 — 智能推荐流程

系统执行以下推荐策略（优先级顺序）：

1. 策略1 - 从蛋卷API获取热门基金 (如实现)
2. 策略2 - 基于持仓风格匹配推荐 ⭐
   • 分析用户持仓的风格分布
   • 推荐权重最低的风格基金
   • 自动排除已持仓基金
3. 策略3 - 使用默认热门基金库
   • 包含各风格的优质基金
   • 再次过滤排除持仓

Step 5 — 多维度评分

对候选基金进行评分：

• 技术面 (40%)：趋势、信号、偏离度
• 基本面 (40%)：收益率、基金经理、持仓集中度
• 舆情 (20%)：市场情绪评分

Step 6 — 风险和期限筛选

根据用户偏好筛选：

• 按风险等级分类
• 按投资期限匹配
• 返回Top N推荐

Step 7 — 展示结果

将推荐报告直接展示给用户，并保存到本地文件 (reports/YYYYMMDD/recommend_*.md)

💡 典型对话示例

示例1：用户要求基于持仓推荐补充基金

用户: 帮我分析一下持仓，然后推荐一些适合长期投资的基金来补充
背景: 用户持仓中债券型占33%，混合型占33%，股票型仅11%
操作: 
  1. 系统读取 data/portfolio.json 中的9只持仓基金
  2. 分析风格分布：混合型、债券型各3只，股票型1只，指数型2只
  3. 识别不足：股票型权重过低
  4. python scripts/fund_analyzer.py recommend --risk 中 --period long --top 10
响应: 推荐列表优先推荐股票型基金来补充不足，所有推荐都排除了9只持仓基金

示例2：用户要求高风险基金推荐

用户: 我比较激进，想要一些高收益的基金，推荐5只就可以
操作: python scripts/fund_analyzer.py recommend --risk 高 --top 5
响应: 
  1. 系统分析用户持仓
  2. 推荐5只高风险基金（均不在持仓中）
  3. 每只基金显示综合评分、维度评分和推荐理由
  例: "基金A - 85.0/100 分 (技术面80分，基本面90分，舆情85分)"

示例3：用户保守型投资者

用户: 我风险承受能力比较弱，给我推荐一些稳定的基金
操作: python scripts/fund_analyzer.py recommend --risk 低
响应: 
  1. 系统自动读取并排除持仓
  2. 推荐低风险、稳定收益的基金
  3. 优先推荐缺失的风格类型
  4. 保存报告到 reports/YYYYMMDD/recommend_低_*.md

示例4：用户查看持仓和推荐

用户: 分析我所有持仓基金，然后帮我推荐一些补充基金
操作:
  1. python scripts/fund_analyzer.py portfolio-analyze (分析所有持仓)
  2. python scripts/fund_analyzer.py recommend --risk 中 (基于持仓推荐)
响应: 
  1. 展示持仓组合分析报告
  2. 展示推荐基金列表（自动排除了已持仓基金）
  3. 帮助用户优化投资组合结构

🛠️ 推荐引擎架构

核心模块

1. FundRecommender - 主推荐器

   • 读取用户持仓 (data/portfolio.json)
   • 分析持仓的风格分布
   • 执行智能推荐策略
   • 并发分析候选基金
   • 处理推荐逻辑

2. FundScorer - 基金评分器

   • 计算技术面、基本面、舆情三个维度的评分
   • 加权合成综合评分（0-100）
   • 判断基金风险等级

3. FundRanker - 基金排序器

   • 按综合评分排序
   • 按风险等级筛选
   • 按投资期限匹配
   • 返回Top N推荐基金

4. RecommendationCardGenerator - 推荐卡片生成

   • 生成格式化的推荐卡片
   • 展示维度评分和推荐理由
   • 提取关键指标

5. RecommendationReportGenerator - 推荐报告生成

   • 生成完整的推荐报告
   • 包含摘要、推荐列表、使用建议和免责声明
   • 自动保存到 reports/YYYYMMDD/recommend_*.md

✅ 推荐质量保证

持仓排重机制

系统实现多层次排重确保不推荐已持仓基金：

• 第1层：读取持仓代码集合
• 第2层：风格匹配时过滤持仓
• 第3层：默认基金库返回前再过滤
• 结果：推荐列表100%不包含持仓基金

属性基础测试

系统使用属性基础测试验证以下通用正确性属性：

1. 评分边界性 - 所有评分严格在 0-100 之间
2. 排序幂等性 - 重复排序结果一致
3. 最优保留 - 排序后评分最高的基金排在第一位
4. 排重完整性 - 所有推荐都不在持仓中

单元测试

• 17+ 个单元测试覆盖所有核心功能
• 测试评分算法、排序逻辑、报告生成
• 测试持仓风格分析和排重机制
• 全部测试通过，零失败

📁 推荐报告存储

• 文件位置: reports/YYYYMMDD/recommend_{风险等级}_{时间戳}.md
• 格式: Markdown
• 自动保存: 每次推荐后自动保存
• 跨会话保留: 报告持久化存储
• 示例: reports/20260309/recommend_中_20260309_233801.md

🚀 后续升级规划 (方案 C)

未来可升级为机器学习推荐 (方案 C)：

• 收集用户选择的基金和后续收益数据
• 训练机器学习模型
• 实现个性化推荐
• 预测用户持仓的未来表现

更新日志

v1.3.0 (2026-03-14)

• 📋 持仓组合报告新增"总结摘要"和"目录"
• 🗂 报告顶部自动生成持仓总结表（操作建议、日涨跌幅、当前净值、近1年收益、核心结论）
• 📊 操作分布统计（买入/持有/卖出各几只，一眼掌握组合状态）
• 📑 自动生成带锚点的目录，每条目录项显示操作建议和涨跌幅，点击可跳转对应基金报告
• 🔗 各基金报告标题前注入 HTML 锚点，实现文档内部精准定位
• 🔍 基于正则从报告正文提取关键元数据，无需修改分析流程

v1.2.1 (2026-03-09)

• 🎯 完善智能推荐基金功能
• ✅ 实现基于用户持仓的智能推荐
• 🔄 自动分析持仓风格分布，推荐缺失类型基金
• 🚫 多层次排重机制，确保不推荐已持仓基金
• 📊 完整的持仓风格分析和权重计算
• 🧪 新增持仓排重和风格匹配的单元测试
• 📖 更新 SKILL.md 和 README.md 文档
• 🏗️ 预留蛋卷API实时热门基金接口

v1.2.0 (2026-03-09)

• ✨ 新增智能推荐基金功能（基础版）
• 🎯 多维度综合评分（技术面 40% + 基本面 40% + 舆情 20%）
• 🔍 支持按风险等级和投资期限筛选
• 📊 生成详细的推荐报告和推荐卡片
• ✅ 17 个单元测试 + 3 个属性基础测试，全部通过
• 🏗️ 预留方案 C (机器学习推荐) 的升级接口
• 📁 推荐报告自动按日期分类保存

v1.1.0 (2026-03-07)

• 新增持仓列表管理功能（增删改查 + JSON 持久化）
• 新增批量持仓组合分析（portfolio_analyze_all）
• SKILL.md 加入持仓管理完整交互流程和对话示例
• description 新增持仓相关触发词

v1.0.0 (2026-03-07)

• 初始版本发布
• 实现多维度基金分析功能
• 支持所有类型基金
• 生成Markdown格式报告