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

合并二+四为一整条管道：15分周期+盯盘判断+自动入自选+Dashboard展示

Browse Source
This commit is contained in:
知微
2026-06-21 01:02:16 +08:00
parent d05db31700
commit f85f940364
1 changed files with 160 additions and 306 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/market-screening-pipeline.md
+160 -306
View File
@@ -1,382 +1,236 @@
# 全市场潜力股筛选 - LLM调用流程与提示词文档
# 全市场潜力股挖掘系统
## 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。
全自动管道：盘中每15分钟采集全市场数据 → 检测异动 → 搜新闻分析 → 我判断 → 出推荐。
数据采集层（market_watch.py）为 no_agent 脚本，不调 LLM，只拉 API 写数据库。
所有数据存入 `mofin.db`（SQLite），统一供 Dashboard 市场模块展示。
---
## 一、数据源准备（15:30，no_agent，不调LLM）
## 一、时序总览
```
交易日 9:00-15:00，每15分钟一轮
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
:43 → 数据采集（no_agent，~40秒）
:45 → 趋势检测（no_agent，~5秒）
:48 → 小果情报处理（no_agent，~30秒）
↓
:00/:15/:30/:45 → 盯盘 cron（我，LLM）
读 signal_news → 判断 → 更新候选池 → 推老爸
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
16:00 → 市场精选推荐（我，收盘汇总）
```
---
## 二、数据采集（:43，no_agent）
### market_watch.py
对 A 股 90 个行业板块逐个拉取同花顺（akshare）数据，写入 `mofin.db` 两张表：
拉同花顺90个行业板块，写入 `mofin.db`：
**market_snapshots**（每次采集一条）：
- timestamp（采集时间）
- source（ths/eastmoney）
- up_ratio（上涨板块占比%）
- mood（bullish/neutral/bearish）
**market_snapshots**（每次一条）：
| 字段 | 说明 |
|------|------|
| timestamp | 采集时间 |
| source | ths / eastmoney |
| up_ratio | 上涨板块占比(%) |
| mood | bullish / neutral / bearish |
**sector_snapshots**（每条记录一个板块）：
- snapshot_id ← 关联 market_snapshots.id
- name（板块名，如"半导体"）
- change_pct（涨跌幅%）
- up_count / down_count（涨跌家数）
- net_inflow（资金净流入亿）
- lead_stock / lead_stock_change（领涨股）
**兼容说明**：`source=eastmoney` 时原始 change 是万分比（如 596 = 5.96%），需 ÷100；`source=ths` 时已是百分比。
**sector_snapshots**（每条一个板块，关联 snapshot_id）：
| 字段 | 说明 |
|------|------|
| name | 板块名，如"半导体" |
| change_pct | 涨跌幅(%) |
| up_count / down_count | 上涨/下跌家数 |
| net_inflow | 资金净流入(亿) |
| lead_stock | 领涨股名 |
| lead_stock_change | 领涨股涨跌幅 |
---
## 二、LLM 入口
## 三、趋势检测（:45，no_agent）
### 2.1 定时触发
### trend_detector.py
```
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
Tools: terminal, file, web, search
```
读取最新 snapshot，检测17种信号，写入 `sector_signals` 表。
### 2.2 完整 Prompt
以下为 cron prompt 的完整内容（2026-06-20 更新，SQLite 版）：
```
## 任务：每日全市场潜力股精选 + 星级推荐
收盘后执行。全部通过 mofin.db SQLite 读数据。
### 第1步：读数据
运行以下SQL获取数据：
```
sqlite3 /home/hmo/MoFin/data/mofin.db "SELECT ms.timestamp, ms.up_ratio, ms.mood, ss.name, ss.change_pct, ss.up_count, ss.down_count, ss.net_inflow, ss.lead_stock, ss.lead_stock_change FROM market_snapshots ms JOIN sector_snapshots ss ON ms.id=ss.snapshot_id WHERE ms.id=(SELECT MAX(id) FROM market_snapshots) ORDER BY ABS(ss.change_pct) DESC"
```
```
sqlite3 /home/hmo/MoFin/data/mofin.db "SELECT c.code, c.name, c.sector, c.reason, c.entry_range, c.stop_loss, c.target, c.zhiwei_star, c.promoted, c.dropped, (SELECT score FROM candidate_score_history WHERE code=c.code ORDER BY created_at DESC LIMIT 1) as latest_score FROM candidates c ORDER BY c.zhiwei_star DESC NULLS LAST"
```
### 第2步：全市场分析
用板块数据分析：
- 市场情绪（涨跌比、mood字段）
- 领涨行业（涨幅前5，看涨跌家数比、资金流入）
- 领跌行业（跌幅前3）
- 判断哪些板块是真趋势、哪些是一日游
### 第3步：筛选潜力股
从领涨行业中基于你对A股的了解，选出2-3只候选股。
用腾讯API查实时价：`curl -s --noproxy '*' "http://qt.gtimg.cn/q=sh{code}"` 或 `sz{code}`
每只给：评分1-10、推荐理由、入场区间、止损价、目标价
### 第4步：更新候选池
将本次结果与candidates表合并：
- 新候选 → INSERT（最新评分写入candidate_score_history）
- 已有候选 → INSERT新的评分记录到candidate_score_history
- 连续3次评分下降 → candidates.trend_warning=true
- 平均分<5或7天未更新 → candidates.dropped=true
### 第5步：出推荐
从candidates中选最佳（未淘汰、未推荐过、最新评分>=7）：
- 给星级写入candidates.zhiwei_star
- candidates.promoted=true
### 输出格式
最终回复三段式推送给老爸：
【📊 今日市场】判断/热门行业/风险行业
【⚡ 潜力股推荐】股票名(代码) ★星级 | 入场X~X | 止损X | 目标X | 理由
【📋 候选池状态】活跃X只，今日新增X只，已推荐X只
禁止：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
| 顺序 | 工具 | 用途 |
|------|------|------|
| 1 | terminal sqlite3 | 查 mofin.db 获取板块快照 |
| 2 | terminal sqlite3 | 查 mofin.db 获取候选池 |
| 3 | terminal curl 腾讯API | 验证候选股实时价格 |
| 4 | terminal sqlite3 | INSERT INTO candidate_score_history |
| 5 | terminal sqlite3 | UPDATE candidates SET zhiwei_star/promoted |
| 6 | 最终回复 | 输出三段式报告 |
### 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
由 LLM 执行时自行判断：
- 候选评分连续 3 次下降 → candidates.trend_warning=true
- 近 3 次平均分 < 5 → candidates.dropped=true
- 距上次更新超过 7 天 → candidates.dropped=true
- dropped 的候选保留在池中供追溯，不再参与推荐
---
## 四、实时信号检测与小果情报处理（新增）
### 4.1 概述
在每10分的 market_watch 数据采集之外，增加一条实时信号处理链路：
```
market_watch（每10分）→ mofin.db
│
▼
trend_detector（no_agent，每10分）
│ SQL扫最新 snapshots → 发现异常信号
│ 定位领涨股/成分股/持仓股/自选股
│ 写入 sector_signals
│
▼
小果情报处理（no_agent，每10分）
│ 读未处理 signals
│ curl 搜新闻（板块+个股+持仓+自选）
│ 调本地 LLM 逐篇分析情感
│ 写入 signal_news
│
▼
知微（盘中即时 + 收盘汇总）
│ 读 signal_news → 判断真伪
│ 紧急利空 → 盘中推老爸
│ 确认利好 → 更新 candidates
│ 16:00 → 整合到每日推荐
```
### 4.2 trend_detector — 信号检测规则
完整信号体系，按检测维度分5类共17种信号：
按5类维度划分：
**A. 资金流信号**
| 信号 | 逻辑 | 严重性 |
|------|------|--------|
| A1 资金异动 | 单次净流入/出 > 近10次均值 + 3σ | high(>5σ) / medium(3-5σ) |
| A2 持续资金流入 | 同一板块连续≥3次净流入且逐次递增 | low |
| A3 持续资金流出 | 同一板块连续≥3次净流出且逐次扩大 | low |
| A4 资金转向 | 净流入从正转负或负转正，方向切换 | medium |
| A2 持续资金流入 | 连续≥3次净流入且逐次递增 | low |
| A3 持续资金流出 | 连续≥3次净流出且逐次扩大 | low |
| A4 资金转向 | 净流入从正转负或负转正 | medium |
**B. 涨跌结构信号**
| 信号 | 逻辑 | 严重性 |
|------|------|--------|
| B1 涨跌比反转 | 上涨占比变化 > 30个百分点（如30%→70%） | medium |
| B2 持续走强 | 连续≥3次采集涨幅排全市场前10 | low |
| B3 持续走弱 | 连续≥3次采集跌幅排全市场前10 | low |
| B4 普涨背离 | 板块涨幅 > 3% 但上涨家数 < 50% | medium |
| B5 极端分化 | 板块内上涨/下跌家数比 > 5:1 或 < 1:5 | medium |
| B1 涨跌比反转 | 上涨占比变化 > 30个百分点 | medium |
| B2 持续走强 | 连续≥3次涨幅排全市场前10 | low |
| B3 持续走弱 | 连续≥3次跌幅排全市场前10 | low |
| B4 普涨背离 | 涨 > 3% 但上涨家数 < 50% | medium |
| B5 极端分化 | 涨跌家数比 > 5:1 或 < 1:5 | medium |
**C. 领涨/成分股信号**
| 信号 | 逻辑 | 严重性 |
|------|------|--------|
| C1 领涨股更替 | 领涨股与前2次采集不同（换龙头了） | medium |
| C2 领涨股极端涨幅 | 领涨股单次涨跌幅 > 15%（消息驱动） | medium |
| C1 领涨股更替 | 领涨股与前2次采集不同 | medium |
| C2 领涨股极端涨幅 | 领涨股单次涨跌幅 > 15% | medium |
**D. 趋势拐点信号**
| 信号 | 逻辑 | 严重性 |
|------|------|--------|
| D1 趋势反转(多→空) | 连续≥3次净流入后突然转净流出 | high |
| D2 趋势反转(空→多) | 连续≥3次净流出后突然转净流入（吸筹） | high |
| D3 量价背离(涨) | 板块涨 > 2% 但资金净流出 > 均值2倍 | medium |
| D4 量价背离(跌) | 板块跌 > 2% 但资金净流入 > 均值2倍（埋伏） | medium |
| D1 趋势反转(多→空) | 连续≥3次净流入后突然转流出 | high |
| D2 趋势反转(空→多) | 连续≥3次净流出后突然转入流 | high |
| D3 量价背离(涨) | 涨 > 2% 且资金净流出 > 均值2倍 | medium |
| D4 量价背离(跌) | 跌 > 2% 且资金净流入 > 均值2倍 | medium |
**E. 关联信号**
| 信号 | 逻辑 | 严重性 |
|------|------|--------|
| E1 板块轮动 | 前3强势板块集体换血（前次TOP3全部跌出前10） | medium |
| E2 产业链联动 | 同产业链多个板块同时触发A/B/D类信号 | low |
| E3 持仓关联 | 持仓股所在板块触发任何 high 信号 | high |
| E1 板块轮动 | 前次TOP3全部跌出前10 | medium |
| E2 产业链联动 | 同产业链多板块同时触发A/B/D类 | low |
| E3 持仓关联 | 持仓股所在板块触发任何high信号 | high |
检测到信号后，收集以下信息写入 `sector_signals`：
- signal_type, sector, severity (high/medium/low)
- related_stocks — 该板块的领涨股+成分股（从 stock_sectors 表查）
- holdings_in_sector — signal 板块中属于持仓的股票（查 holdings 表）
- watchlist_in_sector — signal 板块中属于自选的股票（查 watchlist_stocks 表）
- trigger_reason — 一句话触发原因
写入 `sector_signals` 时附带：
- related_stocks — 该板块的领涨股 + 成分股（从 stock_sectors 查）
- holdings_in_sector — 该板块中的持仓股（查 holdings 表）
- watchlist_in_sector — 该板块中的自选股（查 watchlist_stocks 表）
### 4.3 小果情报处理流程
---
trend_detector 完成后的下一步，由小果处理每一条未处理的 signal。
## 四、小果情报处理（:48，no_agent）
### xiaoguo_news_processor.py
读取未处理 signal（每次1条），做3件事：
**第1步：搜新闻**
对小果来说，一条 signal 需要搜索的范围：
- 板块层面：搜"板块名 + 行业/政策/走势"
- 领涨股：本次 signal 的领涨股
- related_stocks 中的每一只
- holdings_in_sector 中的每一只（如有持仓股）
- watchlist_in_sector 中的每一只（如有自选股）
用 akshare 搜 signal 涉及的每只股票的最新新闻。
搜索范围：领涨股 + 成分股 + 持仓股 + 自选股
去重后取前5篇，含标题 + 正文全文。
搜索方式：curl 调百度/新浪公开新闻源，取标题（不要求全文）。
**第2步：小果 LLM 分析**
模型：Qwen3.6-27B-MTPLX-Optimized-Speed（192.168.1.122:18003）
每次送5篇，逐篇给完整摘要 + 情感（positive/negative/neutral）。
单次调用约 10-15 秒，直接输出 JSON。
**第2步：调小果本地 LLM 逐篇分析**
**第3步：写入 signal_news**
对每篇新闻标题，小果本地 LLM 做：
- 内容摘要（一段话，不限字数）
- 情感分类：利好 / 利空 / 中性
- 判断依据一句话
| 字段 | 说明 |
|------|------|
| signal_id | 关联 sector_signals |
| overall_sentiment | 总体情感（利好/利空/中性） |
| summary | 汇总摘要 |
| key_articles | JSON [{title, sentiment, summary}] |
| searched_stocks | 本次搜了哪些股票 |
**第3步：汇总（所有文章处理完后）**
- 总体情感判断
- 一段简短的总结
写入 `signal_news` 表。
**第4步：交知微盘中判断**
signal_news 写入后，知微立即读取：
- severity=high + sentiment=利空 → 盘中即时推送给老爸
- 确认利好信号 → 更新 candidates（加候选或升星级）
- 不确定的 → 标记待观察，累积到16:00汇总
### 4.4 小果 LLM 调用设计
**模型：** Qwen3.6-27B-MTPLX-Optimized-Speed（192.168.1.122:18003）
- 单次调用约 10-15 秒，无 thinking process 泄漏，直接输出 JSON
- 备用：Qwen3.6-27B-OptiQ-4bit（较慢，约 40-50 秒，输出带 thinking 过程需后处理）
**每次调用内容：**
```
输入：同一 signal 的 3-5 条新闻（标题 + 全文，akshare正文通常80-150字）
任务：给每篇完整摘要（不限字数） + 情感（positive/negative/neutral）
```
**注意：** MTPLX-Optimized-Speed 直接输出 JSON，无需后处理。备用模型 OptiQ-4bit 会先输出思考过程，JSON 在回复末尾。
**节流规则：**
- 同一板块同一 signal 类型24小时内已有 signal_news 记录 → 跳过
- 每次只处理未 processed 的 signals
- 无未处理 signals → 本轮跳过
### 4.5 新增表结构
```sql
-- 信号表
CREATE TABLE IF NOT EXISTS sector_signals (
id INTEGER PRIMARY KEY AUTOINCREMENT,
signal_type TEXT NOT NULL,
sector TEXT NOT NULL,
severity TEXT DEFAULT 'medium',
related_stocks TEXT, -- JSON [{code, name, change_pct}]
holdings_in_sector TEXT, -- JSON，持仓股
watchlist_in_sector TEXT, -- JSON，自选股
trigger_reason TEXT,
snapshot_id INTEGER, -- 触发的 snapshot
processed INTEGER DEFAULT 0,
detected_at TEXT DEFAULT (datetime('now','localtime'))
);
-- 小果情报表
CREATE TABLE IF NOT EXISTS signal_news (
id INTEGER PRIMARY KEY AUTOINCREMENT,
signal_id INTEGER REFERENCES sector_signals(id),
sector TEXT NOT NULL,
overall_sentiment TEXT,
summary TEXT,
key_articles TEXT, -- JSON [{title, sentiment, summary, reason}]
searched_stocks TEXT, -- JSON，本次搜了哪些股
created_at TEXT DEFAULT (datetime('now','localtime'))
);
```
**节流规则：** 同一板块同一signal类型24小时内已有 → 跳过。无未处理 signals → 本轮跳过。
---
## 五、完整数据流
## 五、知微判断与决策（:00/:15/:30/:45，LLM cron）
盯盘 cron prompt 中包含信号处理逻辑。
### 5.1 处理流程
```
┌────────────────────────────────────────────────────────┐
│ 15:30 数据采集层（no_agent） │
│ │
│ market_watch.py │
│ → akshare 拉取同花顺90个行业板块 │
│ → INSERT INTO market_snapshots + sector_snapshots │
└──────────────────────┬─────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────┐
│ 16:00 LLM层（deepseek-v4-flash，单次cron调用） │
│ │
│ SELECT mofin.db 板块数据 │
│ → 分析涨跌比 → 市场判断 │
│ → 选热门行业 → 选危险行业 │
│ → 腾讯API查实时价 │
│ → 筛选候选股 │
│ → INSERT评分历史 + UPDATE候选状态 │
│ → 给最终星级 → 输出报告 │
└──────────────────────┬─────────────────────────────────┘
│
▼
老爸收到三段式报告
进入盯盘 cron 后：
────────────────────────────────────────
1. 读最近15分钟的 signal_news（高严重性优先）
│
2. 逐条判断：
│
├── severity=high 且 sentiment=利空
│ → 检查持仓中是否有该板块个股
│ → 有 → 推老爸（风险预警）
│ → 无 → 记入待观察
│
├── severity=high 且 sentiment=利好 且置信
│ → 查腾讯API实时价
│ → 判断入场条件是否成熟（现价在合理区间）
│ ├── 可操作 → 给星级+策略 → 插入candidates
│ │ → 同时加入 watchlist_stocks 表（自动入自选）
│ │ → 推老爸（今日推荐）
│ └── 需等待 → 标记待观察，记录入场条件
│
└── severity=medium/low
→ 累积，收盘汇总
│
3. 照常做持仓/自选盯盘输出
如果本轮有紧急推荐，单独推一条消息；盯盘报告里不加额外篇幅
```
### 5.2 推送给老爸的规则
只在以下情况才推：
| 情况 | 推送内容 | 渠道 |
|------|---------|------|
| 持仓股板块出现利空 | 风险预警+建议操作 | 立即推 |
| 发现高置信潜力股，现价在买入区内 | 推荐+星级+入场策略 | 立即推 |
| 常规盯盘报告 | 三段式600字以内 | 定时走cron |
### 5.3 自动加入自选
当确认一只新的潜力股（不在持仓且不在自选）时：
- 写入 candidates 表
- 同时 INSERT INTO watchlist_stocks
- 这样 Dashboard 自选模块和策略引擎都能看到
---
## 六、数据库表结构
## 六、收盘汇总（16:00，LLM cron）
### 核心表
### 市场精选推荐-每日
读当日所有 signals + news + candidates，做：
1. 综合当日信号 → 市场判断
2. 从 candidates 中选出未推荐过且评分 >= 7 的
3. 给最终星级（5.0/4.5/4.0/3.5/3.0）
4. 输出三段式报告
报告格式同前。
---
## 七、数据库表
### 市场信号相关表
| 表 | 用途 | 关键字段 |
|----|------|---------|
| market_snapshots | 每次采集元信息 | id, timestamp, up_ratio, mood |
| sector_snapshots | 板块快照 | snapshot_id, name, change_pct, net_inflow |
| sector_signals | 检测到的异常信号 | type, sector, severity, related_stocks, processed |
| signal_news | 小果情报分析 | signal_id, overall_sentiment, summary, key_articles |
| candidates | 候选池 | code, zhiwei_star, promoted, dropped |
| candidate_score_history | 评分变更历史 | code, score, source, created_at |
### 关联查询示例
### 自选自动写入
```sql
-- 最新板块排行
SELECT ss.name, ss.change_pct, ss.net_inflow, ss.up_count, ss.down_count, ss.lead_stock
FROM sector_snapshots ss
JOIN market_snapshots ms ON ss.snapshot_id = ms.id
WHERE ms.id = (SELECT MAX(id) FROM market_snapshots)
ORDER BY ABS(ss.change_pct) DESC;
-- 候选池最新评分
SELECT c.code, c.name, c.sector, c.zhiwei_star, c.promoted,
(SELECT score FROM candidate_score_history
WHERE code = c.code ORDER BY created_at DESC LIMIT 1) as latest_score
FROM candidates c
WHERE c.dropped = 0
ORDER BY c.zhiwei_star DESC NULLS LAST;
```
新确认的潜力股自动写入 `watchlist_stocks` 表，Dashboard 自选模块即时可见。
---
## 七、与其他管道的关系
## 八、Dashboard 市场模块展示
| 管道 | 时间 | 关系 |
|------|------|------|
| 市场数据采集 (market_watch) | 每10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，本管道可选参考 |
| 策略评估-每日 | 21:00 | 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输入 |
mofin.db 中的所有数据直接在 Dashboard 上展示：
| Dashboard 页面 | 数据源 | 刷新频率 |
|---------------|--------|---------|
| 行业热点 | market_snapshots + sector_snapshots 最新一次 | 每15分 |
| 知微洞察 | signal_news（当日汇总） | 每15分 |
| 潜力股挖掘 | candidates（zhiwei_star 非空） | 实时 |
| 自选股 | watchlist_stocks | 实时 |