mx-skill-cc

东方财富妙想金融技能集（mx-skills）

概述

本技能集是围绕东方财富金融数据库构建的一站式投研能力平台，包含 14 个专业化子技能。 本文件为 Router（路由层），负责根据用户意图匹配正确的子技能并调度执行。

核心原则：

• 不要自行编造金融数据或研究报告，必须通过调用脚本接口获取真实数据。
• 各子技能的详细指令（输入输出规范、错误处理、模板格式）存放在 references/ 目录下。
• 路由确定后，先读取对应 reference 文件，再执行对应脚本。

---

环境变量

变量名	说明	来源
EM_API_KEY	东方财富妙想 API Key（#1-#14 必需）	优先从环境变量读取；默认已配置在 {baseDir}/.env 中
EM_API_KEY_POOL	多 Token 配额轮换（逗号分隔，如 em_xxx,em_yyy）	可选；当前脚本仅读取 EM_API_KEY，多 Token 轮换需由上层封装实现
IWENCAI_API_KEY	iwencai NL 语义检索 Key（仅 #16 a_stock_research 的 NL 检索需要）	可选；申请见 https://www.iwencai.com/skillhub

如需自定义 Key，可设置环境变量覆盖：

export EM_API_KEY="your_key_here"

多 Token 配额轮换（推荐）

单 Token 每日调用限额约 50 次，高频场景下极易耗尽。建议由外层规划引擎实现 Token 池轮换：

export EM_API_KEY_POOL="em_xxx,em_yyy,em_zzz"

轮换策略建议：

• 优先级策略：按 Token 可靠性排序，优先使用高优先级 Token
• 均衡策略：轮询使用，避免单 Token 过早耗尽
• 耗尽降级：当所有 Token 配额用完时，自动降级到 BaoStock / yfinance 等备用数据源

注：mx-skills 原生脚本仅读取 EM_API_KEY，EM_API_KEY_POOL 的解析与轮换逻辑需由调用方（如 kimi_mx_agent.py 等封装层）实现。

---

调用配额与限额

每日调用限额

技能类别	限额	超限表现
所有技能（除金融数据查询外）	每个技能每日约 50 次	接口返回 rate limit、quota exceeded 或类似限流提示
金融数据查询	单次最多 5 个 实体	自动截取前 5 个实体，并在结果说明中提示

限额实战建议

1. 批量查询时控制实体数量：金融数据查询单次不超过 5 个股票/基金，超出需拆分为多次调用
2. 监控配额消耗：高频场景（如批量诊断、批量回测）建议由外层封装记录各 Token 当日已用次数
3. 预留余量：当单 Token 当日调用接近 45 次时，切换到备用 Token
4. 降级策略：所有 mx-skills 技能在配额耗尽或接口异常时，建议自动降级到 BaoStock / yfinance 等本地数据源

---

依赖安装

首次使用前确保依赖已安装：

pip3 install httpx pandas openpyxl --user

---

路由决策表

根据用户意图，按优先级匹配子技能：

#	用户意图	子技能	Reference 文件	脚本路径
1	自然语言问答、概括性金融问题、"帮我查一下"/"分析一下"/"解释一下"	金融问答	references/mx_financial_assistant.md	scripts/mx_financial_assistant/generate_answer.py
2	查询结构化金融数据（股价、财报、估值、盘口等）	金融数据查询	references/mx_finance_data.md	scripts/mx_finance_data/get_data.py
3	搜索财经资讯、公告、研报、新闻、政策	金融资讯搜索	references/mx_finance_search.md	scripts/mx_finance_search/get_data.py
4	查询宏观经济数据（GDP、CPI、M2、PMI 等）	宏观数据查询	references/mx_macro_data.md	scripts/mx_macro_data/get_data.py
5	选股、选板块、选基金、筛选 ETF/可转债	智能选股	references/mx_stocks_screener.md	scripts/mx_stocks_screener/get_data.py
6	生成行业研究报告	行业研究	references/industry_research_report.md	scripts/industry_research_report/get_data.py
7	生成行业/个股跟踪报告（日报/周报/月报）	行业个股跟踪	references/industry_stock_tracker.md	scripts/industry_stock_tracker/generate_industry_stock_tracker_report.py
8	生成首次覆盖报告或深度研究报告	首次覆盖/深度研究	references/initiation_of_coverage_or_deep_dive.md	scripts/initiation_of_coverage_or_deep_dive/generate_deep_research_report.py
9	业绩点评、财报分析、季报/半年报/年报点评	业绩点评	references/stock_earnings_review.md + references/stock_earnings_review_business_logic.md	scripts/stock_earnings_review/（多步骤）
10	单只股票综合诊断（"怎么样"/"值得买吗"/"该卖吗"）	股票诊断	references/stock_diagnosis.md	scripts/stock_diagnosis/get_data.py
11	单只基金综合诊断	基金诊断	references/fund_diagnosis.md	scripts/fund_diagnosis/get_data.py
12	发现市场热点、今日热点、热股、活跃赛道	热点发现	references/stock_market_hotspot_discovery.md	scripts/stock_market_hotspot_discovery/get_data.py
13	可比公司分析、同业对比、经营+估值横向比较	可比公司分析	references/comparable_company_analysis.md	scripts/comparable_company_analysis/（get_data.py + excel_theme.py）
14	专题研究报告、主题投资、事件驱动研究	专题研究	references/topic_research_report.md	scripts/topic_research_report/get_data.py

补充能力层（仅 A 股）—— a-stock-data 互补/降级源

下列条目走内嵌 Python模式（约定 D，见下文），不走 scripts/ 子进程。所有 a-stock-data 层执行前必须先读 references/a_stock_data_common.md。

#	用户意图	子技能	Reference 文件	调用模式
15	A 股实时盘口/五档/涨跌停价/K线带 MA（mx 配额耗尽时也降级到这里）	A股行情层	references/a_stock_market_data.md	内嵌 Python（D）
16	A 股研报 PDF 下载、iwencai NL 主题检索、同花顺一致预期 EPS	A股研报层	references/a_stock_research.md	内嵌 Python（D）
17	A 股龙虎榜（个股/全市场）、限售解禁、北向资金、概念板块归属、同花顺题材归因、行业涨跌排名、个股资金流分钟级	A股信号层	references/a_stock_signals.md	内嵌 Python（D）
18	A 股融资融券、大宗交易、股东户数变化、分红送转历史、个股资金流 120 日	A股资金面/筹码层	references/a_stock_capital_flow.md	内嵌 Python（D）
19	A 股个股新闻、财联社快讯、东财全球资讯（mx 资讯搜索配额耗尽时降级）	A股新闻层	references/a_stock_news.md	内嵌 Python（D）
20	A 股财务 37 字段、F10 九大类、新浪三表（mx 金融数据查询配额耗尽时降级）	A股基础数据层	references/a_stock_fundamentals.md	内嵌 Python（D）
21	A 股巨潮公告全文检索（mx 资讯搜索配额耗尽时降级）	A股公告层	references/a_stock_filings.md	内嵌 Python（D）
22	A 股完整题材挖掘流水线：题材 Top3 + 个股 Top5 + 目标价 + 操作策略（建立在 a-stock-data 之上的分析层；#12 热点发现配额耗尽时降级到这里）	题材挖掘分析层	references/theme_miner.md	内嵌 Python（D，经 data_bridge 调 a-stock-data）

路由冲突时的优先级规则：

• 若用户请求包含明确的报告类型关键词（如"业绩点评""行业报告""深度研究"），优先按报告类型匹配。
• 若用户请求是笼统的问答型（如"帮我看看""分析一下"），优先走金融问答（#1），由金融问答内部再决定是否调用数据/搜索能力。
• 若用户明确要求数据/文件输出（如"导出 Excel""生成 CSV"），优先走对应的数据查询类技能。

mx-skills vs a-stock-data 路由优先级（A 股专用）

A 股 + 互补能力（龙虎榜 / 解禁 / 北向 / 题材归因 / 概念板块 / 融资融券 / 大宗交易 / 股东户数 / 分红送转 / iwencai NL 检索 / 实时盘口/五档）
  → 直接走 a-stock-data 对应层（#15-#21），mx-skills 无对等能力

A 股 + 重叠能力（基础行情 / 个股新闻 / 个股财务 / 公告检索）
  → 默认走 mx-skills 主路（#1-#14）
  → 若脚本 stdout/stderr 出现限流字样则降级到 a-stock-data 对应层：
     - `quota exceeded` / `rate limit` / `调用次数已达上限` / HTTP 429
  → 降级映射：
     - mx_finance_data 配额耗尽 → a_stock_market_data + a_stock_fundamentals
     - mx_finance_search 配额耗尽 → a_stock_news + a_stock_filings

非 A 股（港股/美股/基金/宏观/可转债/ETF/全市场选股/AI 报告生成）
  → 强制 mx-skills，**禁用** a-stock-data 降级（a-stock-data 仅覆盖 A 股）

A 股题材挖掘（#12 热点发现 vs #22 题材挖掘分析层）
  → 简单「今天什么板块/方向热」总览 → 默认 mx-skills #12（付费 API，快）
  → 完整链路「题材 Top3 + 个股 Top5 + 目标价 + 操作策略」 → #22 题材挖掘分析层（免费，a-stock-data 供数，打分透明）
  → #12 配额耗尽（限流字样）→ 降级到 #22
  → #22 是分析层，单向依赖 a-stock-data（#15-#21）；其价格预测为启发式模型（非回测），仅作相对排序参考

---

通用调用规范

脚本执行方式

所有脚本通过 {baseDir} 引用 skill 根目录：

python3 {baseDir}/scripts/<子技能目录>/<脚本名>.py [参数]

重要约束：

• 禁止使用任何「后台执行、稍后汇报」的方式运行脚本。
• 必须在当前会话中同步等待命令完成，获取 stdout 结果后再继续。

输出规范

各脚本 stdout 输出格式不一致，调用方必须根据技能类型正确解析：

A. JSON 输出类（金融问答 / 行业研究 / 首次覆盖 / 专题研究 / 业绩点评）

{"ok": true, "answer": "...", "references": [...]}

• 优先提取 ok=true 的成功结果
• 若 ok=false 或包含 message 字段，必须原样透传 message，不得改写或替换
• 禁止在接口失败时编造数据或报告内容

B. 文件路径输出类（金融数据查询 / 宏观数据 / 智能选股）

stdout 输出文本行，非 JSON：

文件: /path/to/miaoxiang/mx_finance_data/mx_finance_data_xxx.xlsx
描述: /path/to/miaoxiang/mx_finance_data/mx_finance_data_xxx_description.txt
行数: 42

• 通过正则提取 文件:、描述: 后的绝对路径
• 错误信息输出到 stderr，以 错误: 开头

C. 内容文本输出类（股票诊断 / 基金诊断 / 热点发现 / 可比公司分析）

stdout 直接输出 Markdown 内容文本，同时会在指定目录生成 .md 文件：

Saved: /path/to/miaoxiang/stock_diagnosis/stock_diagnosis_xxx.md
{Markdown 内容}

• 通过正则提取 Saved: 后的文件路径
• Markdown 内容可直接展示给用户

D. 内嵌 Python 直接执行类（a-stock-data 补充层 #15-#21）

不走 scripts/ 子进程，模型直接读 reference 文件、复制内嵌的 Python 代码段，用 python3 -c "..." 执行：

# 例：执行 a_stock_signals.md 中的"龙虎榜"代码块
python3 -c "
import requests
UA='Mozilla/5.0 ...'
DATACENTER_URL='https://datacenter-web.eastmoney.com/api/data/v1/get'
def eastmoney_datacenter(...): ...
def dragon_tiger_board(code, trade_date, look_back=30): ...
print(dragon_tiger_board('002475', '2026-05-17'))
"

• 执行前必读 references/a_stock_data_common.md（含 UA、DATACENTER_URL、eastmoney_datacenter() helper、ticker 归一化），它是 Layer 1-7 所有代码段的依赖
• 输出是 Python 值/dict/list/DataFrame，不写文件——直接 print() 或在 Python 内组装 Markdown 后展示
• 鉴权：除 iwencai 外全部免费免 key；iwencai 需 IWENCAI_API_KEY 环境变量（仅 #16 研报 NL 检索需要）
• 依赖：pip install mootdx requests pandas stockstats（与 mx-skills 的 httpx pandas openpyxl 并存）
• 仅 A 股：港股、美股、基金、宏观禁用此模式，强制回到 #1-#14

超时配置

脚本	默认超时	说明
金融问答	600 秒	深度思考模式可能耗时更长
金融数据查询	600 秒	多实体查询耗时增加
其他技能	600 秒	报告生成类技能（行业研究、首次覆盖等）建议预留充足超时

外层调用时建议设置超时 >= 120 秒，避免因网络波动导致过早中断。

数学公式格式

所有子技能输出中的数学公式严格遵循：

• 行内公式：\(...\)（不使用 $...$）
• 行间公式：\[...\]

---

各子技能快速调用索引

1. 金融问答（mx-financial-assistant）

# 标准模式
python3 {baseDir}/scripts/mx_financial_assistant/generate_answer.py --query "用户问题"

# 深度思考模式
python3 {baseDir}/scripts/mx_financial_assistant/generate_answer.py --query "用户问题" --deep-think

2. 金融数据查询（mx-finance-data）

python3 {baseDir}/scripts/mx_finance_data/get_data.py --query "贵州茅台最近一年营收和净利润"

输出：Excel（多 sheet）+ 描述 txt。

3. 金融资讯搜索（mx-finance-search）

python3 {baseDir}/scripts/mx_finance_search/get_data.py "寒武纪最新研报与公告"

输出：txt 文本文件。

4. 宏观经济数据查询（mx-macro-data）

python3 {baseDir}/scripts/mx_macro_data/get_data.py --query "中国近五年GDP"

输出：CSV（按频率分文件）+ 描述 txt。

5. 智能选股（mx-stocks-screener）

python3 {baseDir}/scripts/mx_stocks_screener/get_data.py --query "股价大于100元，主力流入，成交额排名前50" --select-type "A股"

输出：CSV + 描述 txt。

6. 行业研究报告（industry-research-report）

python3 {baseDir}/scripts/industry_research_report/get_data.py --query "半导体"

输出：PDF + DOCX + 分享链接。

7. 行业/个股跟踪报告（industry-stock-tracker）

python3 {baseDir}/scripts/industry_stock_tracker/generate_industry_stock_tracker_report.py --query "跟踪新能源汽车板块"

输出：PDF + DOCX + 分享链接。

8. 首次覆盖/深度研究（initiation-of-coverage-or-deep-dive）

python3 {baseDir}/scripts/initiation_of_coverage_or_deep_dive/generate_deep_research_report.py --query "东方财富深度研究"

输出：PDF + DOCX + 分享链接。

9. 业绩点评（stock-earnings-review）——分步骤编排

# 第一步：实体识别
python3 {baseDir}/scripts/stock_earnings_review/validate_entity.py --query "东方财富 业绩点评"

# 第二步：获取报告期候选
python3 {baseDir}/scripts/stock_earnings_review/normalize_report_period.py \
  --secu-code 300059 --market-char SZ --class-code 002001

# 第三步：生成点评（外层模型选择 reportDate 后调用）
python3 {baseDir}/scripts/stock_earnings_review/call_review_api.py \
  --secu-code 300059 --market-char SZ --class-code 002001 \
  --report-date 2025-12-31 --secu-name 东方财富

10. 股票诊断（stock-diagnosis）

python3 {baseDir}/scripts/stock_diagnosis/get_data.py --query "东方财富股票咋样"

输出：Markdown 诊断报告（本地 .md 文件）。

1

---

Content truncated.