investor-distiller

name investor-distiller description 公众号投资博主蒸馏器。通过公众号文章数据，自动提取交易体系、市场判断、表达风格、内容深度、互动特征、热点图谱、 人设基因七维DNA，输出结构化风格画像 profile。 触发词：蒸馏投资博主、蒸馏大V、蒸馏公众号大V、分析投资博主风格、 提取交易体系、风格画像、投资博主蒸馏。 公众号投资博主蒸馏器 免责声明 ：本工具仅供学习研究使用，蒸馏产物为风格模拟参考，不构成任何投资建议。 所有生成内容必须标注「AI 风格模拟，不构成投资建议」。 📝 简介 自动化的公众号投资博主风格蒸馏工具。输入公众号微信号和文章数量，自动采集文章并提取七维DNA投资风格画像，输出结构化的交易体系、市场判断、表达风格等完整分析报告。 ✨ 功能特性 功能模块 能力描述 核心价值 文章自动采集 通过微信号批量拉取公众号历史文章，支持 20/60/100 篇三档 无需手动整理，一键获取完整素材 七维DNA蒸馏 提取交易体系、市场判断、表达风格、内容深度、互动特征、热点图谱、人设基因 结构化画像，可复用可对比 双层特征提取 表层（术语/个股频次）+ 思维层（分析工具/论证模式/语气量化） 不仅像博主说的话，更像博主的思考 质量校验闭环 三维度评分（个股/风格/体系），≥80% 准出，双层审计 画像准确性有保障 风格化模拟 基于画像生成风格一致的个股/市场分析，含数据来源标注与免责声明 可复现博主风格的分析输出 ⚠️ 蒸馏质量铁律 必须从raw全文逐篇提取，禁止依赖任何clean/NER中间层。 蒸馏准确性直接决定画像质量。经验表明，clean阶段的个股NER提取管线会遗漏大量信息（如一篇提及6只股票的文章可能只提取0-2只），导致画像基于不完整数据构建。因此： raw全文原则 ：所有提取（个股/短语/板块/风格）必须直接遍历raw文章正文，不经过任何预处理过滤 词典+别名匹配 ：个股提取使用完整词典（含口语化别名，如"上证指数"→"上证/大盘/沪指/A股"），确保宽松但准确 文章级板块计数 ：板块关注度按文章级别计数（每篇只计一次），比词频更准确反映博主真实关注方向 领域专用短语 ：使用投资领域专用关键词列表提取关键短语，比通用句子频次统计更精准 校验闭环 ：蒸馏完成后必须执行准确性校验（ --validate ），≥80%方可准出 七维DNA蒸馏结构 # 维度 回答什么 关键字段 1 交易体系 TA怎么交易？ 核心模式、选股逻辑、买卖信号、仓位管理 2 市场判断 TA怎么看市场？ 交易流派、板块偏好、持仓周期、多空条件 3 表达风格 TA怎么写/说？ 文章结构、标志性表达、标题/开头/结尾模式、语气 4 内容深度 TA写多少？ 平均字数、信息密度、复盘详细度、预判明确度 5 互动特征 TA怎么互动？ 读者互动、战绩展示、争议处理、免责声明 6 热点图谱 TA关注什么？ 核心赛道、龙头记忆、常用指标、资金面关注 7 人设基因 TA是谁？ 投资经历、哲学演变、里程碑事件、师承/影响源 蒸馏维度分支 蒸馏前需先判断博主属于长线还是短线交易者，再按对应维度侧重提取： 维度 长线 短线 投资哲学 价值投资/波段交易 龙头战法/情绪周期/题材驱动 核心能力 生意本质 + 估值 + 护城河 热点捕捉 + 情绪周期 + 量价关系 + 板块轮动 分析周期 年级别（10年持有视角） 日级别（隔日~2周） 数据驱动 财务报表 + 行业数据 盘面数据 + 资金流向 + 消息面 双层提取框架 蒸馏不仅提取「用了什么词」（表层），更要提取「怎么思考」（思维层）。二者缺一不可： 表层特征 （自动量化，脚本产出）： 个股/板块/术语/短语 频次统计 标题/开头/结尾 模式识别 字数/发布频率/免责声明 基础统计 思维层特征 （脚本检测+AI深度分析）： 分析维度 脚本检测内容 AI深度补充 核心分析工具 宏观经济/产业链/财报/技术面/资金面/情绪/政策 8类思维框架评分 提炼博主独有的分析链条（如"事件→产业拆解→A股影响"） 论证链模式 事件驱动/数据驱动/逻辑推演/类比推理/产业链分析/逆向思维 6类模式 还原博主典型论证步骤和推导逻辑 语气量化 感叹句/疑问句/第一人称/口语化 四类标记篇均数值，自动分类 判断文风温度（高/中/低），提炼情感表达策略 数据引用密度 每千字数据引用次数，自动分类（数据驱动型/主观判断型） 分析数据引用场景和方式 跨市场视角 美股/港股/A股/商品 四大市场引用检测 判断是否全球视角、多市场联动还是单一市场 信息密度 投资内容占比评估（干货型 vs 水文型） 区分深度分析和浅层评论 多维资料采集（超越文章本身） 资料类型 来源 丰富哪个维度 人设背景 简介/置顶帖/自我介绍 人设基因DNA 投资哲学演变 按时间线分析早期vs近期内容 人设基因DNA + 交易体系DNA 里程碑事件 公开提及的重大盈亏/转折点 人设基因DNA 师承/影响源 提及的大师/书籍/引用频率 人设基因DNA 社交互动画像 评论/回复/争论/社区关系 互动特征DNA 历史预判追踪 过去预判与实际走势对比 市场判断DNA 观点一致性 同一主题不同时间观点演变 市场判断DNA 🔑 鉴权 前往 红狐 hub 获取 API Key，通过以下方式配置： # 方式一：配置文件（如 OpenClaw 的 ~/.openclaw/openclaw.json） { "env" : { "REDFOX_API_KEY" : "ak_xxxx..." } } # 方式二：终端环境变量 export REDFOX_API_KEY= "ak_xxxx..." 注册地址： redfox.hk/login 积分消耗参考： 文章数量 约消耗积分 精度评估 20篇 ~8积分 基础了解，画像粗糙 60篇 ~25积分 推荐档位，画像较完整 100篇 ~50积分 高精度画像，特征稳定 前置要求 Python 3.9+ 依赖： pip install requests 执行流程 Phase 0: 环境准备 python " $SKILL_PATH /scripts/distill.py" --check-env 自动检查并提示安装缺失依赖（requests 等）。 Phase 0.5: 前置交互 触发蒸馏前，必须由用户明确以下信息： 公众号微信号 （如 zxgbtz ） 获取方式：打开公众号 → 点右上角 ··· → 更多信息 → 微信号 注意：微信号不是公众号名称，是唯一的字母/数字ID 文章数量档位 （20 / 60 / 100） 提示：数量越多积分消耗越多，但蒸馏精度越准。推荐60篇，100篇精度最佳（约50积分） 自动补充 ：博主背景资料（投资经历、师承、里程碑事件等）由 AI 通过 WebSearch 自动采集，无需用户提供。 Phase 1: 公众号文章采集 两步 API 流程： Step 1：获取文章UUID列表 调用 POST https://redfox.hk/story/api/gzhData/queryWorkList ，每页返回20条，offset 步进为20，循环分页直到达到目标数量。 参数： account （微信号）、 sortType: "_2" 、 offset （从0开始，每页+20）。 Step 2：逐篇获取完整数据 对每个 UUID，调用 POST https://redfox.hk/story/api/gzhData/queryWork 获取正文、摘要、词云等完整数据。 # 采集60篇文章 python " $SKILL_PATH /scripts/distill.py" --account "zshbtz" --count 60 # 采集100篇（高精度） python " $SKILL_PATH /scripts/distill.py" --account "zshbtz" --count 100 输出标准化数据到 output/{博主名}/ 。 Phase 2: 多维资料整合分析 脚本自动完成基础统计分析（21项），AI 在此基础上执行多维资料整合： 信息丰富度分级 （脚本自动评估）： 等级 特征 应对策略 A 级 （信息充裕） ≥60篇、高信息密度、多维度数据充分 反面检验 ：博主看多时，聪明人为什么看空？ B 级 （信息适中） 20-59篇、部分维度数据不足 每个推算结论标注置信度 C 级 （信息稀缺） <20篇、低信息密度 第一性原理提问 ，不拼凑"看起来完整"的画像 分析维度并行执行： 表层内容分析 — 统计 + 词云 + 结构分析 + 交易术语 + 个股/板块频次 思维层分析 — 核心分析工具 + 论证链模式 + 语气量化 + 数据引用密度 + 跨市场视角 + 信息密度 社交互动分析 — 评论/回复/争论风格/社区关系 人设背景分析 — 简介/里程碑/师承/投资哲学演变/推荐书籍 投资观点追踪 — 历史预判/准确率/观点一致性/认错修正方式 Phase 3: 七维DNA蒸馏 Step A：生成数据底稿 脚本产出： output/{博主名}_统计数据.json — 结构化统计分析结果 output/{博主名}_数据底稿.md — 结构化统计数据 output/{博主名}_蒸馏任务.md — AI蒸馏任务清单 output/{博主名}_画像.json — 结构化JSON画像（校验用） Step B：AI生成风格画像 AI 读取蒸馏任务，按七维DNA框架生成最终产物： 风格画像文件 ： output/{博主名}_风格画像.md 包含7大章节，每个章节必须包含： 具体特征描述（非空话） 原文证据引用（至少2条） 可复用的规则/模板 蒸馏置信度标注（高/中/低） Step C：风格化分析输出规范 当使用蒸馏画像生成风格化的个股/市场分析时，输出必须包含以下两部分： 1. 数据来源与局限表格 数据项 来源 说明 （示例）股价 XX 元、涨跌 ±XX% 东方财富/雪球（日期） 收盘价，非实时盘中数据；不同平台可能有分钟级延迟 （示例）PE XX 倍 / EPS XX 中财网/财报（季度） 基于最新可获取财报数据，可能因业绩变动而失真 （示例）定增 XX 亿 公司公告（日期） 尚处预案阶段，存在审批不确定性 （示例）负债 XX 亿 财报时点数据 当前负债状况可能已变化 并附加局限声明： 以上行情数据为公开平台聚合数据，非交易所直连实时数据；基本面数据基于最新可获取财报，可能与当前实际经营状况存在差异。 2. ⚠️ AI 风格模拟免责段落 ⚠️ AI 风格模拟，不构成投资建议。 本文为 AI 基于对「{博主名}」公众号的七维DNA蒸馏画像生成的风格模拟内容，与原大V本人无关。文中所有观点、判断、推荐均不代表{博主名}本人立场，亦不构成任何买入/卖出/持有建议。股市有风险，投资需谨慎。 Phase 4: 质量校验 蒸馏准确性校验（硬性准出标准） python " $SKILL_PATH /scripts/distill.py" --validate --author "博主名" --sample 10 三维度评分体系： 校验维度 说明 权重 A. 个股提及 画像声明的常提及个股是否在文章中真实出现 40% B. 风格特征 标志性表达、标题模式、开头/结尾模式、字数范围是否匹配 35% C. 投资体系 核心流派、持仓周期、板块偏好是否与文章一致 25% 准出标准：综合准确率 ≥ 80% ≥ 80%：蒸馏通过，画像可用于风格模拟 < 80%：需补充蒸馏——仔细阅读raw全文，更新画像中不准确的字段后重新校验 任一维度低于60%：该维度需要完全重写 蒸馏质量软性检查（双层审计） 审计分两层： 表层特征 权重 60%， 思维层特征 权重 40%。二者缺一不可——表层保证「像博主说的话」，思维层保证「像博主的思考」。 表层检查（60%）： 检查项 通过标准 权重 层级 标志性表达命中率 > 40% 10% 表层 交易体系覆盖度 > 70% 10% 表层 文章结构匹配度 > 60% 10% 表层 盘面指标覆盖 > 50% 10% 表层 语气一致性 偏差 < 20% 10% 表层 交易术语覆盖 > 50% 10% 表层 思维层检查（40%）： 检查项 通过标准 权重 层级 核心思维匹配度 > 60%（核心分析工具关键词覆盖） 15% 思维层 论证方式匹配 > 60%（论证链关键词覆盖） 15% 思维层 哲学价值观体现 > 50%（投资格言自然融入分析逻辑） 10% 思维层 综合评分 > 70 分准出（软性），< 70 分打回重新蒸馏。 校验执行规则 每次画像更新后 必须执行校验 每月 全量校验所有博主画像 增量同步获取新文章后，如新文章涉及画像未覆盖的个股/板块，需更新画像 使用方式 自然语言触发（推荐） 直接对 AI 说： 蒸馏公众号 zshbtz AI 会自动执行 Phase 0 → 4 完整流程。 命令行 # 蒸馏（60篇文章，推荐档位） python " $SKILL_PATH /scripts/distill.py" --account "zshbtz" --count 60 # 高精度蒸馏（100篇） python " $SKILL_PATH /scripts/distill.py" --account "zshbtz" --count 100 # 蒸馏后校验画像准确性（≥80%准出） python " $SKILL_PATH /scripts/distill.py" --validate --author "财躺平" --sample 10 # 环境检查 python " $SKILL_PATH /scripts/distill.py" --check-env 数据与合规原则 禁止LLM编造 交易记录、持仓数据、交割单等未公开信息 严格区分 原文/原帖 与 AI蒸馏结论 交叉验证文章描述与实际市场数据（如有） 所有蒸馏产物标注蒸馏置信度 盘面数据必须实时采集， 禁止 LLM 编造涨跌停、资金流向等数据 所有面向用户的 AI 生成投资分析输出，必须包含两段固定声明 ： [数据来源与局限] 表格 — 逐项标注引用的股价、PE、定增、负债等关键数据的来源平台及具体局限（详见 Phase 3 Step C） [AI 风格模拟，不构成投资建议] 段落 — 明确标注为 AI 基于蒸馏画像的风格模拟，与原大V本人无关，不构成任何买入/卖出/持有建议（详见 Phase 3 Step C 固定模板） 文件结构 investor-distiller/ ├── SKILL.md # 本文件 ├── scripts/ │ ├── distill.py # 主蒸馏脚本（调度+统计+校验） │ └── gzh.py # 公众号数据采集（queryWorkList + queryWork） ├── assets/ │ └── profile_template.md # 七维DNA风格画像输出模板 ├── references/ │ └── 蒸馏维度规范.md # 七维DNA详细规范 └── output/ # 蒸馏产物输出目录 ├── {博主名}_uuids.json # UUID 缓存（避免重复扣积分） ├── {博主名}_统计数据.json # 脚本统计分析结果 ├── {博主名}_完整文章.json # 完整正文落盘（供校验/AI精读） ├── {博主名}_数据底稿.md # 结构化数据底稿 ├── {博主名}_蒸馏任务.md # AI蒸馏任务清单 ├── {博主名}_画像.json # 结构化JSON画像（校验用） ├── {博主名}_风格画像.md # AI生成的七维DNA画像 └── {博主名}_校验报告_YYYYMMDD.json # 准确性校验报告 依赖 pip install requests