stock-analyzer

name	stock_analyzer
description	分析股票和市场。当用户想要分析单个或多个股票，或进行市场复盘时调用。

股票分析器

本技能基于 src/services/analyzer_service.py 的逻辑，提供分析股票和整体市场的功能。

输出结构 (AnalysisResult)

分析函数返回一个 AnalysisResult 对象（或其列表），该对象具有丰富的结构。以下是其关键组件的简要概述，并附有真实的输出示例：

dashboard 属性包含核心分析，分为四个主要部分：

1. core_conclusion: 一句话总结、信号类型和仓位建议。
2. data_perspective: 技术数据，包括趋势状态、价格位置、量能分析和筹码结构。
3. intelligence: 定性信息，如新闻、风险警报和积极催化剂。
4. battle_plan: 可操作的策略，包括狙击点（买/卖目标）、仓位策略和风险控制清单。

配置 (Config)

所有分析函数都可以接受一个可选的 config 对象。该对象包含应用程序的所有配置，例如 API 密钥、通知设置和分析参数。

如果未提供 config 对象，函数将自动使用从 .env 文件加载的全局单例实例。

参考: Config

函数

1. 分析单只股票

描述: 分析单只股票并返回分析结果。

何时使用: 当用户要求分析特定股票时。

输入:

• stock_code (str): 要分析的股票代码。
• config (Config, 可选): 配置对象。默认为 None。
• full_report (bool, 可选): 是否生成完整报告。默认为 False。
• notifier (NotificationService, 可选): 通知服务对象。默认为 None。

输出: Optional[AnalysisResult] 一个包含分析结果的 AnalysisResult 对象，如果分析失败则为 None。

示例:

from src.services.analyzer_service import analyze_stock

# 分析单只股票
result = analyze_stock("600989")
if result:
    print(f"股票: {result.name} ({result.code})")
    print(f"情绪得分: {result.sentiment_score}")
    print(f"操作建议: {result.operation_advice}")

参考: analyze_stock

2. 分析多只股票

描述: 分析一个股票列表并返回分析结果列表。

何时使用: 当用户想要一次分析多只股票时。

输入:

• stock_codes (List[str]): 要分析的股票代码列表。
• config (Config, 可选): 配置对象。默认为 None。
• full_report (bool, 可选): 是否为每只股票生成完整报告。默认为 False。
• notifier (NotificationService, 可选): 通知服务对象。默认为 None。

输出: List[AnalysisResult] 一个 AnalysisResult 对象列表。

示例:

from src.services.analyzer_service import analyze_stocks

# 分析多只股票
results = analyze_stocks(["600989", "000001"])
for result in results:
    print(f"股票: {result.name}, 操作建议: {result.operation_advice}")

参考: analyze_stocks

3. 执行大盘复盘

描述: 对整体市场进行复盘并返回一份报告。

何时使用: 当用户要求市场概览、摘要或复盘时。

输入:

• config (Config, 可选): 配置对象。默认为 None。
• notifier (NotificationService, 可选): 通知服务对象。默认为 None。

输出: Optional[str] 一个包含市场复盘报告的字符串，如果失败则为 None。

示例:

from src.services.analyzer_service import perform_market_review

# 执行大盘复盘
report = perform_market_review()
if report:
    print(report)

参考: perform_market_review

模型与外部 Bot

• 若把 xAI Grok 当作 DSA 分析模型：配置 XAI_API_KEY + LITELLM_MODEL=xai/<官方模型ID>（LiteLLM 直连，非托管渠道），并用 python scripts/check_env.py --llm 验证。示例见 docs/LLM_CONFIG_GUIDE.md。
• 2026-08-11 上线的 Grok Bot 是另一条路径：它是带 Skills / Routines / MCP / computer use 的 AI teammate，应通过 HTTP 调用本仓库的 analyze_stock / REST API，而不是把 Bot 本身配成 LiteLLM provider。对接说明见 docs/grok-bot-integration.md。