知微
12 KiB
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 写数据库。
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 mofin.db 两张表：
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）
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。
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
Tools: terminal, file, web, search
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
# 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30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30分）→ mofin.db
│
▼
trend_detector（no_agent，每30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30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
# 每次运行检测以下6类信号：
# 1. 资金异动：单次净流入 > 近20次均值 + 3σ
# 2. 涨跌比反转：上涨占比从 <30% 跳到 >70%
# 3. 领涨股更替：领涨股与前2次采集不同
# 4. 趋势拐点：连续N次净流入 → 突然转流出
# 5. 量价背离：板块涨但资金流出 / 跌但资金流入
# 6. 普涨背离：板块大涨但上涨家数 <50%
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
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。
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）
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：调小果本地 LLM 逐篇分析
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
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-OptiQ-4bit（192.168.1.122:18003）
每次调用内容：
输入：同一 signal 的 3-5 条新闻标题
任务：逐条分析（摘要 + 情感） + 总体判断
注意： 该模型会先输出思考过程再输出 JSON。JSON 在回复末尾，需从 response 中提取最后的完整 JSON 对象（跳过 thinking process 部分）。
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
-- 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'))
);
五、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 │
│ → 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
六、数据库表结构
核心表
| 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 |
| 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
-- 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;
七、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，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 |