Tushare Daily Market Sense — TuShare 每日市场情绪

Tushare Daily Market Sense 目标 基于 Tushare 日线、指数、成交额与本地情绪历史，为 A 股盘后复盘生成结构化研报：盘面趋势、成交额集中度、赚钱效应与上涨主线、爆量下跌风险、特征分组分析、弱指数环境下的抗跌股。 不做单股基本面深度研究、港股/美股/基金/期货/加密分析、分钟级交易决策、自动下单、组合优化或买卖建议。脚本只负责取数、计算、筛选、切分 JSON；主题归纳、风险措辞和研报写作由模型完成。

核心理念 成交额优先。所有强弱判断都要有成交额证据：上涨主线按成交额厚度确认，爆量下跌按放量异常与跌幅强度识别，特征分组按命中规则与成交额证据分开呈现，抗跌股要求有至少 1 亿成交额证明资金参与。 主题主线由模型基于业务事实临时归纳，不套现成行业或概念标签。共同性不足时明确写“暂不构成主线”或“资金轮动”。

工作流程 确定交易日：解析“今天/最近”或具体日期，默认只使用 D 及以前数据；只有用户明确要求后验时才允许 --allow-future。 生成证据包：运行 scripts/run_daily_panel.py。脚本会直接调用数据管线，写出完整 evidence、轻量 report_context 和模块级 JSON。 选择撰写模式： 有 subagent 编排能力时，主 agent 将 6 个模块 JSON 分发给 6 个 subagent 并行撰写。 没有 subagent 能力时，按同样模块顺序单会话执行，每次只加载当前模块的 JSON、方法论和模板段。 聚合成稿：主 agent 读取 6 段输出、assembled_checks.json 与 reference/methodology/output_discipline.md，补一句话盘面判断、风险传导提示和最终语气校准。默认不做外部收评校验、不搜索第三方行情综述、不在报告中加入“外部校验参考”；只有用户明确要求时才补充外部来源。 清理临时产物：确认 reports/report_YYYYMMDD.md 已写入并可读后，删除同日期的临时证据与上下文文件，只保留最终报告。必须清理： reports/evidence_YYYYMMDD_utf8.json reports/evidence_YYYYMMDD_utf8.stderr.log reports/report_context_YYYYMMDD.json reports/module_context_YYYYMMDD/ 不要删除 reports/report_YYYYMMDD.md，不要跨日期批量清理，除非用户明确要求。

数据获取 环境变量： TUSHARE_TOKEN=your_token 运行脚本会先更新 reference/market_data.csv 再生成情绪趋势：AKShare stock_market_activity_legu() 提供情绪明细，Tushare daily 补充成交额和必要的上涨/下跌 fallback，Tushare daily_basic.circ_mv 用于计算流通市值加权的全市场换手率；因此环境中还需安装 akshare。 基础命令： cd C:\Users\chenh\OneDrive\skills\stock-skills\a-stock-daily-market-sense python scripts\run_daily_panel.py --asof 20260429 --lookback 120 --market-trend-days 90 --index 000300.SH 主要输出： reports/evidence_YYYYMMDD_utf8.json：完整证据包。 reports/report_context_YYYYMMDD.json：兼容旧流程的轻量上下文。 reports/module_context_YYYYMMDD/：供 subagent 分工的模块级 JSON。 这些文件是研报撰写过程中的临时产物。最终报告生成并核对后，应按工作流程第 5 步删除，只保留 reports/report_YYYYMMDD.md。

常用参数： 参数 含义 默认 --fetch-workers cache/API 获取线程数；排查限流时设为 1 6 --money-pct-threshold 赚钱效应最低当日涨幅 7.0 --money-amount-threshold 赚钱效应最低成交额，单位亿元 2.0 --decline-pct-max 爆量下跌最大当日涨幅 -3.0 --decline-volume-ratio 爆量下跌最低 20 日放量倍数 2.0 --low-lookback-days 低位放量触发回看窗口 5 --resilient-index-5d-max 抗跌股模块的弱指数 5 日门槛 -2.0

Subagent 编排契约 主 agent 先生成模块级 JSON，然后按下列最小上下文分发。每个 subagent 只看自己的模块数据，不读取其他模块数据。 模块 JSON 方法论 模板 1 盘面趋势 module1_market_trend.json reference/methodology/module1_trend.md reference/template/section1.md 2 集中度 module2_concentration.json reference/methodology/module2_concentration.md reference/template/section2.md 3 赚钱效应 module3_money_effect.json reference/methodology/module3_money_effect.md reference/template/section3.md 4 爆量下跌 module4_decline.json reference/methodology/module4_decline.md reference/template/section4.md 5 特征分组 module5_feature_groups.json reference/methodology/module5_feature_groups.md reference/template/section5.md 6 抗跌股 module6_resilient.json reference/methodology/module6_resilient.md reference/template/section6.md

聚合 agent 额外读取： assembled_checks.json：M3 赚钱效应池与 M4 爆量下跌池的确定性交叉检查。 reference/methodology/output_discipline.md：最终成稿纪律。 Python 不调用 Anthropic API、不调用任何 LLM、不硬编码模型名。Codex、Claude Code 或其他通用 agent 的 subagent 编排能力负责并行撰写。

输出规范 完整研报仍按六个模块输出。每段结论先行，表格只放关键证据，所有强弱判断必须有成交额或放量倍数支撑。不要写“板块轮动明显”这类空句；要写“候选数、合计成交额、最大主题占比、代表股成交额”。 每个一级大章节（1-6）里已有的总结/定性段落必须使用 Markdown 高亮样式 ==...== 包裹，例如“盘面定性”“拥挤度判断”“主线 vs 资金轮动结论”“风险传导提示”“特征分组一句话判断”“抗跌方向判断”。不要为了高亮额外新增“本节总结”段落；高亮的是原本就承担总结作用的段落。 禁止输出买卖建议。可以写“风险传导”“持续性待验证”“主线确认度”，不要写“买入/卖出/止损/目标价”。

示例 用户：复盘 2026-04-29 的 A 股盘面，重点看赚钱效应和低位放量。 执行： python scripts\run_daily_panel.py --asof 20260429 然后按 subagent 契约加载 reports/module_context_20260429/ 下的模块 JSON。若没有 subagent，就顺序加载每个模块的 JSON + 方法论 + 模板段，最后聚合为完整研报。