alphapai-research

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
# 非默认服务地址时追加：--set-url https://your-host

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：

# 基础问答（Flash 模式，默认）
python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何？"

# Think 模式（Wide Search，更广泛检索）
python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何？" --mode Think

# 多轮对话
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"

# 联网搜索 + 时间范围
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：

# 检索和召回点评和Q&A类型数据
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

# 检索和召回全类型完整内容
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）

# Step 1：查询公告列表，获取 report-id 等信息
python scripts/alphapai_client.py report --code 603380.SH

# Step 2：调用业绩点评
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

1. 确认配置存在（config --show）
2. 执行 qa 命令，回答和引用来源直接输出
3. 格式化呈现给用户

工作流2：获取原始数据自定义分析

1. 确认配置存在
2. 执行 recall 命令，根据需求选择 --type 和时间范围
3. 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）

1. 确认配置存在
2. 执行 report --code <CODE> 查询公告列表，获取 stockReportId、stockReportTitle、stockReportPeriod、reportType
3. 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

1. 确认配置存在
2. 根据场景选择 --mode，按接口三参数表传入必填项
3. 格式化呈现回答和引用来源

工作流5：图表搜索

1. 确认配置存在
2. 执行 image --query "..." 搜索相关图表
3. 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：

1. 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
2. 解析远程版本：读取返回文档 frontmatter 中的 version 字段
3. 读取本地版本：读取当前 SKILL.md frontmatter 中的 metadata.version 字段
4. 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