hmo/MoFin
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

MoFin 初始提交

Browse Source 
完整数据采集+分析管道：
- market_watch.py：90行业板块采集（同花顺/东方财富）
- 市场精选推荐 cron：全市场分析+候选池+星级推荐
- price_monitor.py：持仓/自选高频价格监控
- refresh_mtf_cache.py：多周期K线缓存
- 策略评估/知识萃取管道

文档：docs/ 含完整需求+架构设计
注意：尚未配置 git remote，笑笑接手后自行配置
This commit is contained in:
知微 (MoFin)
2026-06-20 12:04:21 +08:00
commit aa0f740381
950 changed files with 189006 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/market-screening-pipeline.md
+225
View File
@@ -0,0 +1,225 @@
# 全市场潜力股筛选 - LLM调用流程与提示词文档
## 概述
本流程在收盘后（16:00）通过一个 LLM cron（市场精选推荐-每日）一次性完成。全程只有一个 LLM 入口：**我（知微，deepseek-v4-flash）** 根据 cron prompt 的指令逐步执行。
数据采集层（market_watch.py）为 no_agent 脚本，不调 LLM，只拉 API 写文件。
---
## 一、数据源准备（15:30，no_agent，不调LLM）
### market_watch.py
对 A 股 90 个行业板块逐个拉取同花顺（akshare）数据，写入 `market.json`：
```json
{
"timestamp": "2026-06-19 15:30",
"source": "ths", // 数据来源：ths/eastmoney
"total_sectors": 90,
"up_ratio": 27.8, // 上涨板块占比(%)
"mood": "bearish", // bullish/neutral/bearish
"top_gainers": [...], // 涨幅前5
"top_losers": [...], // 跌幅前3
"sectors": [
{
"name": "半导体", // 板块名称
"change": 2.29, // 涨跌幅(%)
"up_count": 131, // 上涨家数
"down_count": 46, // 下跌家数
"net_inflow": 120.97, // 资金净流入(亿)
"lead_stock": "晶升股份", // 领涨股名
"lead_stock_change": 20.01 // 领涨股涨跌幅(%)
},
...
],
"insights": [...] // 旧管道残留，可忽略
}
```
注意：`source` 为 `eastmoney` 时，`change` 单位是万分比（如 596 = 5.96%），需除以 100；`source` 为 `ths` 时已是百分比。
---
## 二、LLM 入口
### 2.1 定时触发
```
cron 任务: 市场精选推荐-每日
job_id: 759064f56c03
时间: 0 16 * * 1-5（交易日16:00）
模型: deepseek-v4-flash（通过 Hermes gateway，hermes-agent model name）
Tools: terminal, file, web, search
```
### 2.2 完整 Prompt
以下为 cron prompt 的完整内容。LLM（即我）按照这个提示一步步执行，每一步的思考过程不对外输出，最终产出是写入数据文件 + 返回报告文本。
```
## 任务：每日全市场潜力股精选 + 星级推荐
收盘后执行。分三步，每一步都要出具体结果，不能输出模板示例。
### 第1步：读数据
读 /home/hmo/web-dashboard/data/market.json：
- sectors[] — 全行业板块数据（名称、涨跌幅、涨跌家数、资金流入、领涨股）
- source — 数据来源（ths 或 eastmoney，影响涨跌幅单位：ths已是百分比，EM需除以100）
读 /home/hmo/web-dashboard/data/candidate_pool.json — 历史候选池
### 第2步：全市场筛选
用 market.json 的板块数据做分析：
**2a 市场判断**
分析涨跌比、领涨板块特征，输出一句话判断：强势/中性/弱势 + 理由。
写入 market.json 的 market_verdict 和 verdict_reason 字段。
**2b 选热门行业**
从涨幅前10板块中选出2-3个你最看好的行业。
标准：不只看出涨幅，还要看涨跌家数比（上涨家数远大于下跌家数）、资金流入为正、不是一日游。
每个行业给一句话理由。
写入 market.json 的 hot_sectors 字段。
**2c 选危险行业**
从跌幅前5板块中选出1-2个需回避的行业。
写入 market.json 的 danger_sectors 字段。
**2d 查个股**
对每个热门行业，用腾讯API查该行业知名龙头股的当前价格：
`curl -s --noproxy '*' "http://qt.gtimg.cn/q=sh{代码}"` 或 `sz{代码}`
解析格式：vt_sh代码="1~名称~...~第4字段=当前价~...~第32字段=涨跌幅"
用真实价格辅助判断。
选2-3只候选股，每只给出：
- 评分 1-10（9-10强趋势+最佳时机；7-8板块向好+安全边际；5-6有逻辑但需等入场）
- 推荐理由一句话
- 入场区间（具体数字）
- 止损价（具体数字）
- 目标价（具体数字）
### 第3步：更新候选池 + 出推荐
将上述结果与 candidate_pool.json 合并：
- 新的候选股 → 新增（xiaoguo_score填评分，num_observations=1）
- 已有候选 → 更新评分，追加评分历史，num_observations+1
- 连续3次评分下降 → trend_warning=true
- 平均分<5或7天未更新 → dropped=true
从候选池中选出最佳推荐（满足：未淘汰、未推荐过、评分>=7）：
- 用你的知识做最终验证
- 给星级：5.0/4.5/4.0/3.5/3.0
- 写入 zhiwei_star、zhiwei_reviewed=true
- promoted=true
### 输出格式
最终回复必须包含以下内容，直接发给老爸：
【📊 今日市场】
判断：强势/中性/弱 — 一句话理由
热门行业：xxx（理由）、xxx（理由）
风险行业：xxx（理由）
【⚡ 潜力股推荐】
按星级排序，每只格式：
股票名(代码) ★星级 | 所属板块
入场区间 X~X | 止损 X | 目标 X
理由：一句话
【📋 候选池状态】
活跃X只，今日新增X只，已推荐X只，淘汰X只
没有符合条件的就说"今日无符合条件的新标的"。
禁止使用：可关注、可考虑、建议观察、试试、谨慎关注、择机
```
---
## 三、执行细节
### 3.1 LLM 工具调用序列
在实际执行中，LLM 会依次调用以下工具：
| 顺序 | 工具 | 用途 |
|------|------|------|
| 1 | read_file market.json | 读板块数据 |
| 2 | read_file candidate_pool.json | 读历史候选池 |
| 3 | read_file xiaoguo_insights.json | 读当日情感（可选） |
| 4 | terminal curl 腾讯API | 验证候选股实时价格（每只一次） |
| 5 | write_file candidate_pool.json | 写回更新后的候选池 |
| 6 | write_file market.json | 写回 market_verdict/hot_sectors 等 |
| 7 | 最终回复 | 输出报告文本 |
### 3.2 腾讯API调用示例
```bash
# 沪市股票
curl -s --noproxy '*' "http://qt.gtimg.cn/q=sh688981"
# 返回: v_sh688981="1~中芯国际~688981~140.50~..."
# 字段[3]=当前价, 字段[32]=涨跌幅
# 深市股票
curl -s --noproxy '*' "http://qt.gtimg.cn/q=sz002371"
```
### 3.3 候选池治理规则（硬编码在 LLM 指令中）
由 LLM 在执行第3步时自行判断：
- 候选评分连续 3 次下降 → trend_warning=true
- 近 3 次平均分 < 5 → dropped=true
- 距上次更新超过 7 天 → dropped=true
- dropped 的候选保留在池中供追溯，不再参与推荐
---
## 四、完整数据流
```
┌────────────────────────────────────────────────────────┐
│ 15:30 数据采集层（no_agent） │
│ │
│ market_watch.py │
│ → akshare 拉取同花顺90个行业板块 │
│ → 写入 /data/market.json │
└──────────────────────┬─────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────┐
│ 16:00 LLM层（deepseek-v4-flash，单次cron调用） │
│ │
│ 读 market.json │
│ → 分析涨跌比 → market_verdict │
│ → 选热门行业 → hot_sectors │
│ → 选危险行业 → danger_sectors │
│ → 写回 market.json │
│ │
│ 读 candidate_pool.json │
│ → 腾讯API查实时价 → 验证候选 │
│ → 合并新候选、更新评分、淘汰劣质 │
│ → 写回 candidate_pool.json │
│ → 给最终星级 → 输出报告 │
└──────────────────────┬─────────────────────────────────┘
│
▼
老爸收到三段式报告
```
---
## 五、与其他管道的关系
| 管道 | 时间 | 关系 |
|------|------|------|
| 市场数据采集 (market_watch) | 每30分 | 本管道的唯一数据源 |
| 市场精选推荐 (本管道) | 16:00 | 依赖 market_watch 的最新一次写入 |
| 小果情感分析 | 16:00 | 独立管道，结果写入 xiaoguo_insights.json，本管道可选读取 |
| 策略评估-每日 | 21:00 | 与本管道无关，独立评估持仓策略 |
| 知识萃取 | 16:30 | 本管道的输出可作为知识萃取的输入 |