Skills Plugins MCP Prompt Model 博客 我的中心

daymade-sector-research

A股行业投研工作流:全板块 Top N 涨幅标的计算、公告窗口检索(周/月)、市场情绪证据分级判断,并以 Agent Team 并行执行 + fresh-context 对抗验证。 触发场景(命中任一即读本 skill): - 「XX 行业 Top N / Top 10 标的」(如「医药行业今天的 Top 10 标的」) - 「这些标的最近一周 / 一个月发过哪些公告」 - 「判断 XX 行业 / 板块现在的市场情绪怎么样」 - 「用 Agent Team / 多 agent 做行业投研」或要求对行业研究结论做对抗性验证 - 需要「基于证据、基于数据」的板块级研究交付(成分股 → 行情 → 公告 → 情绪 → 验证 → 报告) 核心能力:东财 push2 成分股 → 新浪实时快照涨幅排序(scripts/top_n_pipeline.py);巨潮 cninfo + 东财公告双源交叉,沪深+北交所统一通道(scripts/ann_query.py);情绪证据 L1(一手行情)/L2(带时间戳媒体)/L3(未核实标题)分级;Agent Team 并行编排与验证纪律。全程国内公开数据源,无付费依赖;Gangtise 官方 skill 为可选增强(需积分,缺失时走公开源 pivot)。 最高纪律(用户原话):没有十足把握的事,宁可标注不确定,不可给错误答案。

DeepseekModel Curated skill Quality Excellent · 90 v1.0.0

Get

https://deepseekmodel.com/api/download.php?id=daymade-claude-code-skills-daymade-financial-daymade-sector-research-skill-md&format=skill
Download .skill Standard format with system_prompt and model_config, ready for any agent framework
The actual content of the system_prompt field in the .skill file.
name daymade-sector-research description A股行业投研工作流:全板块 Top N 涨幅标的计算、公告窗口检索(周/月)、市场情绪证据分级判断,并以 Agent Team 并行执行 + fresh-context 对抗验证。 触发场景(命中任一即读本 skill): - 「XX 行业 Top N / Top 10 标的」(如「医药行业今天的 Top 10 标的」) - 「这些标的最近一周 / 一个月发过哪些公告」 - 「判断 XX 行业 / 板块现在的市场情绪怎么样」 - 「用 Agent Team / 多 agent 做行业投研」或要求对行业研究结论做对抗性验证 - 需要「基于证据、基于数据」的板块级研究交付(成分股 → 行情 → 公告 → 情绪 → 验证 → 报告) 核心能力:东财 push2 成分股 → 新浪实时快照涨幅排序(scripts/top_n_pipeline.py);巨潮 cninfo + 东财公告双源交叉,沪深+北交所统一通道(scripts/ann_query.py);情绪证据 L1(一手行情)/L2(带时间戳媒体)/L3(未核实标题)分级;Agent Team 并行编排与验证纪律。全程国内公开数据源,无付费依赖;Gangtise 官方 skill 为可选增强(需积分,缺失时走公开源 pivot)。 最高纪律(用户原话):没有十足把握的事,宁可标注不确定,不可给错误答案。 A股行业投研 Skill 对某个申万行业/东财板块做一次完整投研交付: Top N 涨幅标的 → 公告窗口检索 → 市场情绪判断 → Agent Team 对抗验证 → 综合报告 。 铁律(每次执行都必须遵守,违反代价最高) 宁可标注不确定,不可给错误答案 (用户原话,最高纪律)。没有十足把握的事实写「不确定/未核实」,不编、不猜、不省略来源。推断与观察必须分开表述。 基于证据、基于数据 。每个结论 trace 到一手数据源(API 返回 / CSV 落盘 / 官方公告);汇报数值时从工具输出原文照抄,禁凭印象转写。 证据分级 L1–L3 :L1 一手行情(交易所/行情接口实时值);L2 带时间戳的媒体/公告报道;L3 未核实标题或传闻。判断情绪时只允许 L1/L2 承重,L3 只能作为「待核实线索」列出。 0 条双向读 :月窗口公告 0 条 ≠ 真无公告。必须扩宽窗(90 天)+ 第二数据源核对,证明「真无」或发现参数错误,才能下结论。 双源交叉 :公告检索必须巨潮 + 东财两源对照;单一数据源发现的「重要公告」也要在另一源确认存在,不一致必须如实标注。 盘中快照标注漂移 :盘中取的行情数值是瞬时快照会漂移,任何引用必须带快照时间戳,报告里注明「盘中快照」。 数值照抄落盘 CSV :中间数值必须落盘(脚本输出 CSV / agent 落盘文件),报告引用时照抄 CSV 值,不凭对话记忆。 Agent Team 编排纪律 :见 references/agent-orchestration.md ——子代理显式 model:'sonnet' ;SendMessage 交付协议;每条 finding 带可证伪锚点;验证用 fresh-context 对抗性 agent;禁 spawn 重复 agent。 工作流(五阶段) Phase 0 数据能力侦察 → 必要时 pivot 公开源 Phase 1 并行三 agent:Top N 名单 / 涨跌幅分桶分布 / 情绪证据清单 Phase 2 公告检索:Top N 全标的 × 周窗口 + 月窗口,双源交叉 Phase 3 对抗验证:fresh-context agent 复核假设(用户原话:「看哪些假设是错的」) Phase 4 综合报告:名单 + 公告 + 情绪分级 + 显式不确定标注 Phase 0 — 数据能力侦察(Gangtise pivot 决策) 若用户点名 Gangtise(或其官方 skill),先侦察可用性再决定数据源: 对照实验判「额度」 :同一凭据某些端点可用(如 quote.py 、 stockpool.py 、 get_industries.py )而内容搜索端点全报 POINT_NOT_ENOUGH → 这是积分不足的整体性解释,同一凭据一通一挂已否定「网络/配置问题」;若不同端点表现不一致,别急着下「额度耗尽」结论,做对照实验(换端点/换参数/最小请求)。 pivot 决策表 :内容搜索不可用 → Top N 改东财成分股+新浪快照;公告改 cninfo+东财;情绪改公开行情+媒体。侦察结论与 pivot 决策 必须告知用户 ,不静默切换数据源。 完整侦察矩阵(各端点实测形态、积分报错、对照实验)→ references/gangtise-scout.md Phase 1 — 并行三 agent 派 3 个并行 agent(显式 sonnet),每个 prompt 附可证伪锚点要求: Agent 交付物 数据链 Top N 名单 top{N}_{board}_{日期}.csv scripts/top_n_pipeline.py (东财成分股 → 新浪快照 → 涨幅排序) 涨跌分桶分布 distribution_{board}_{日期}.csv + 市场宽度结论 全板块快照按 6 分桶(>5%/2-5%/0-2%/0%/-2-0%/<-2%)+ up/down/flat 汇总,六桶 count 加和必须等于 total 情绪证据清单 分层证据表(L1/L2/L3 各列) 一手行情 + 媒体检索 行情与板块接口细节 → references/market-data.md ;情绪证据方法与信源 → references/sentiment-evidence.md 。 Phase 2 — 公告检索 对 Top N 全标的查公告,周窗口(近 7 天)与月窗口(近 31 天)互斥分桶: # 脚本路径按本 skill 安装目录(SKILL.md 同级目录下的 scripts/)执行,示例用相对路径仅指 skill 包内 cd <本 skill 安装目录> env -u http_proxy -u https_proxy -u all_proxy -u HTTP_PROXY -u HTTPS_PROXY -u ALL_PROXY \ python3 scripts/ann_query.py --codes 002219,600613,920946 \ --end 2026-08-13 --out-dir /path/out \ --universe-csv /path/top10_xxx.csv 脚本内置:巨潮 orgId 一律 topSearch 解析(禁按市场自拼,深市双形态/沪市前导零/科创板 gfbj 均实测拼错即假阴)、B 股(900/200 开头)自动转对应 A 股代码检索、双源交叉与类型回填、两源翻页、月窗 0 条自动扩宽窗判据(宽窗最新日期 vs 月窗起点)、URL 抽查。orgId 陷阱与接口形态 → references/cninfo-announcements.md 。 分桶规则 :公告日期落在周窗口内标 1周 ,否则(仍在月窗口内)标 1月 ,互斥不重复。输出表头: 股票代码,股票名称,公告标题,公告日期,公告类型(如有),公告URL,时间窗口(1周|1月) 。 必做验证 :① 双源交叉(巨潮 vs 东财)计数一致;② 0 条标的扩宽窗确认「真无」;③ 两源覆盖不完全一致(部分投关类公告仅东财有、部分巨潮也收录),东财独有条目补并集并按 URL 域名标注来源。 Phase 3 — 对抗验证(用户原话:「看哪些假设是错的」) 派 2 个 fresh-context 对抗性 agent(不 fork,不共享本会话上下文),各自带验证轴: 验证轴 1 · 方法论与数值 :Top N 名单重算(独立重跑数据链)、分桶统计重算(六桶 count 加和 = total)、快照时间戳核对 验证轴 2 · 公告完整性与情绪证据强度 :抽查公告月窗口是否漏检、情绪结论逐条检查是否 L1/L2 承重、有无未标注的推断 每个 agent 的 finding 必须带可证伪锚点(具体数值/URL/命令输出),prompt 中明令「编造不如标不确定」。验证结果在综合报告中单独成节: 哪些假设被推翻、哪些被确认、哪些无法验证 。编排细节 → references/agent-orchestration.md 。 Phase 4 — 综合报告 交付结构: 数据源与 pivot 披露 :用了哪些源、哪些不可用、为何 pivot Top N 名单 :表格(排名/代码/名称/涨幅/价格/成交额)+ 快照时间戳 公告清单 :周/月分桶,按标的聚合,标注来源与交叉验证结果 情绪判断 :L1–L3 分层呈现,结论明确标注证据等级;证据不足的维度写「不确定:无 L1/L2 证据」 验证结果 :对抗验证发现、假设推翻清单 不确定项清单 :所有未达「十足把握」的条目显式列出 报告数值一律照抄落盘 CSV,禁止凭记忆转写。 环境约束 国内站点(东财/新浪/巨潮)curl/脚本必须去代理: env -u http_proxy -u https_proxy -u all_proxy -u HTTP_PROXY -u HTTPS_PROXY -u ALL_PROXY Python 用 uv run --no-project 或系统 python3(脚本 stdlib only) 新浪快照返回 GBK 编码,需 Referer https://finance.sina.com.cn ;东财公告接口可不带 Referer(实测);北交所公告不单独走 bse.cn(官网接口三重失效,走巨潮 gfbj 通道) 若 push2 域名解析进 198.18.0.0/15(代理 TUN fake-IP),去代理无效,须修代理分流或用 curl --resolve 直连真实 IP(见 references/market-data.md)
Keywords that activate this skill. Click one to copy it.

This skill does not provide trigger words.

The downloaded .skill package contains the following fields.
Field Description
formatFormat tag (skill/v1)
skill_idUnique skill ID
nameSkill name
versionVersion
descriptionDescription
categoryCategories (array)
trigger_wordsTrigger words
tagsTags
sourceSource
source_urlSource URL (this page)
exported_atExported at (set per download)
system_promptSystem prompt body
model_configModel config: provider / model / temperature / max_tokens / top_p
examplesExamples
install_guideImport guide for Coze / Dify / Claude / custom frameworks
The same skill can be exported in different platform formats.
.skill Standard format with system_prompt and model_config, ready for any agent framework Download
.skillpro Enhanced format with scripts, tools, dependencies and hooks Download
.json Plain JSON export with system_prompt and model parameters only Download
Coze Markdown with frontmatter, for Coze platform import Download
Dify Dify DSL, import directly after creating an app Download

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

验证码 --

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。