stock-analyzer

name stock_analyzer description 分析股票和市场。当用户想要分析单个或多个股票，或进行市场复盘时调用。 股票分析器 本技能基于 src/services/analyzer_service.py 的逻辑，提供分析股票和整体市场的功能。 输出结构 ( AnalysisResult ) 分析函数返回一个 AnalysisResult 对象（或其列表），该对象具有丰富的结构。以下是其关键组件的简要概述，并附有真实的输出示例： dashboard 属性包含核心分析，分为四个主要部分： core_conclusion : 一句话总结、信号类型和仓位建议。 data_perspective : 技术数据，包括趋势状态、价格位置、量能分析和筹码结构。 intelligence : 定性信息，如新闻、风险警报和积极催化剂。 battle_plan : 可操作的策略，包括狙击点（买/卖目标）、仓位策略和风险控制清单。 配置 ( Config ) 所有分析函数都可以接受一个可选的 config 对象。该对象包含应用程序的所有配置，例如 API 密钥、通知设置和分析参数。 如果未提供 config 对象，函数将自动使用从 .env 文件加载的全局单例实例。 参考: Config 函数 1. 分析单只股票 描述: 分析单只股票并返回分析结果。 何时使用: 当用户要求分析特定股票时。 输入: stock_code (str): 要分析的股票代码。 config (Config, 可选): 配置对象。默认为 None 。 full_report (bool, 可选): 是否生成完整报告。默认为 False 。 notifier (NotificationService, 可选): 通知服务对象。默认为 None 。 输出: Optional[AnalysisResult] 一个包含分析结果的 AnalysisResult 对象，如果分析失败则为 None 。 示例: from src.services.analyzer_service import analyze_stock # 分析单只股票 result = analyze_stock( "600989" ) if result: print ( f"股票: {result.name} ( {result.code} )" ) print ( f"情绪得分: {result.sentiment_score} " ) print ( f"操作建议: {result.operation_advice} " ) 参考: analyze_stock 2. 分析多只股票 描述: 分析一个股票列表并返回分析结果列表。 何时使用: 当用户想要一次分析多只股票时。 输入: stock_codes (List[str]): 要分析的股票代码列表。 config (Config, 可选): 配置对象。默认为 None 。 full_report (bool, 可选): 是否为每只股票生成完整报告。默认为 False 。 notifier (NotificationService, 可选): 通知服务对象。默认为 None 。 输出: List[AnalysisResult] 一个 AnalysisResult 对象列表。 示例: from src.services.analyzer_service import analyze_stocks # 分析多只股票 results = analyze_stocks([ "600989" , "000001" ]) for result in results: print ( f"股票: {result.name} , 操作建议: {result.operation_advice} " ) 参考: analyze_stocks 3. 执行大盘复盘 描述: 对整体市场进行复盘并返回一份报告。 何时使用: 当用户要求市场概览、摘要或复盘时。 输入: config (Config, 可选): 配置对象。默认为 None 。 notifier (NotificationService, 可选): 通知服务对象。默认为 None 。 输出: Optional[str] 一个包含市场复盘报告的字符串，如果失败则为 None 。 示例: from src.services.analyzer_service import perform_market_review # 执行大盘复盘 report = perform_market_review() if report: print (report) 参考: perform_market_review 模型与外部 Bot 若把 xAI Grok 当作 DSA 分析模型：配置 XAI_API_KEY + LITELLM_MODEL=xai/<官方模型ID> （LiteLLM 直连，非托管渠道），并用 python scripts/check_env.py --llm 验证。示例见 docs/LLM_CONFIG_GUIDE.md 。 2026-08-11 上线的 Grok Bot 是另一条路径：它是带 Skills / Routines / MCP / computer use 的 AI teammate，应通过 HTTP 调用本仓库的 analyze_stock / REST API，而不是把 Bot 本身配成 LiteLLM provider。对接说明见 docs/grok-bot-integration.md 。