{
  "markdown": "---\ntitle: Hot Money\nemoji: 📈\ncolorFrom: yellow\ncolorTo: gray\nsdk: docker\napp_port: 7860\npinned: false\n---\n\n<div align=\"center\">\n\n# Hot Money\n\n*\"51 个投资大佬帮你看盘，巴菲特和赵老哥终于坐在了同一张桌子上。\"*\n\n[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)\n[![Python 3.9+](https://img.shields.io/badge/Python-3.9%2B-blue.svg)](https://python.org)\n[![Claude Code](https://img.shields.io/badge/Claude%20Code-Skill-blueviolet)](https://claude.com/product/claude-code)\n[![Dimensions](https://img.shields.io/badge/Dimensions-22-brightgreen)]()\n[![Investors](https://img.shields.io/badge/Investors-51-orange)]()\n[![Methods](https://img.shields.io/badge/Institutional%20Methods-17-red)]()\n[![Self-Review](https://img.shields.io/badge/Self--Review-13%20checks-blueviolet)](skills/deep-analysis/scripts/lib/self_review.py)\n\nA 股 / 港股 / 美股 · 个股深度分析引擎 · **v3.3.2 GitHub issue #50/#51 hotfix · v3.3.1 Hermes 兼容修复 · v3.2.0 assemble_report -80% · v3.0.0 pipeline 默认**\n\n[安装](#安装) · [用法](#用法) · [三档深度](#-三档思考深度v2103-新增) · [Hermes 🆕](INSTALL-HERMES.md) · [评审团](#-51-位评审团) · [机构方法](#-17-种机构级方法) · [自查 gate](#-机械级自查-gatev29-起) · [报告截图](#-报告长什么样) · [FAQ](#-faq) · [Contributors](CONTRIBUTORS.md)\n\n**中文** | [English](README_EN.md)\n\n</div>\n\n---\n\n## 🚀 30 秒上手\n\n**任何 agent 里丢一句话 · 装好就能用**。详细装法见 [安装](#安装)。\n\n| 你用的 agent | 直接丢这句 |\n|---|---|\n| **Claude Code** | `/plugin marketplace add godisego/hot-money` 然后 `/plugin install stock-deep-analyzer@hot-money` |\n| **Codex / OpenAI CLI** | \"按 https://raw.githubusercontent.com/godisego/hot-money/main/.codex/INSTALL.md 装 Hot Money，分析 600519\" |\n| **Cursor** | `/add-plugin stock-deep-analyzer` |\n| **Gemini CLI** | `gemini extensions install https://github.com/godisego/hot-money` |\n| **Hermes** | `hermes skills install godisego/hot-money/skills/deep-analysis`（v3.3.1+ main 分支已直接支持 · 详见 [INSTALL-HERMES.md](INSTALL-HERMES.md)） |\n| **OpenClaw / 龙虾** | \"装 https://github.com/godisego/hot-money 这个股票分析技能\" |\n| **CLI 直用** | `git clone https://github.com/godisego/hot-money.git && cd hot-money && pip install -r requirements.txt && python run.py 贵州茅台` |\n\n装好后最常用 4 条命令（任何 agent 里直接说）：\n\n```\n/stock-deep-analyzer:analyze-stock 贵州茅台    ← 完整 22 维 × 51 评委分析（5-8min）\n/stock-deep-analyzer:quick-scan 002217         ← 30 秒速判\n/stock-deep-analyzer:scan-trap 002217          ← 杀猪盘排查\n/stock-deep-analyzer:dcf 600519                ← DCF 估值专项\n```\n\n> 💡 **当前最新稳定版 v3.3.2**：\n> - **v3.3.2** · 🆕 **GitHub issue #50 + #51 hotfix**（社区报告驱动）· #50 institutional 漏 import svg_sparkline 致 Stage 2 NameError · #51 XueQiu cubes_search.json endpoint 下线 → 改 query/v1/search/cube/stock.json (致谢 @chenxiang-bj / @bilieebiliee1-design / @Kylin824)\n> - **v3.3.1** · Hermes 兼容回归修复（v3.x 重构期 main 缺 hermes 适配 · 群友报错根因）· main 分支现在直接支持 `hermes skills install`\n> - **v3.3.0** · 分支整合 · segmental 渲染层 cherry-pick 到 v3.2 架构 · 22 个 stale 分支清理（仅保留 main + hermes-compat）\n> - **v3.2.0** · `assemble_report.py` 2964 → 587 行（-80%）· 拆 5 个 `lib/report/*.py` 子模块\n> - **v3.1.0** · `run_real_test.py` 2105 → 735 行（-65%）· 1228 行纯函数迁到 `lib/pipeline/score_fns.py`\n> - **v3.0.0** · pipeline 架构默认启用（`python run.py <ticker>` 默认走新路径 · `UZI_LEGACY=1` 回老路径）\n>\n> 两个巨文件合计 **5069 → 1322 行 (-74%)** · 332 tests 全过 · 真机 e2e 002217 resume 10s 出报告 · v2.x 所有 API 100% 向后兼容.\n>\n> v2.15 系列继续保留：capital_flow universe cache（100x 加速）· school_scores 按流派打分 · 混合公式 + 极化拉伸.\n>\n> **Hermes 用户旧版残留可能报错** · 重装一次即解决（`hermes skills uninstall` 然后 install 4 个 skill）· 详见 [INSTALL-HERMES.md](INSTALL-HERMES.md).\n\n---\n\n## 这是啥\n\n一句话：输入一只股票，Claude 变成你的私人分析师，跑完 22 个维度的数据、调 17 种华尔街分析模型、让 51 个投资风格完全不同的大佬各自打分，最后吐出一份 600KB 的 Bloomberg 风格报告。\n\n```\n/stock-deep-analyzer:analyze-stock 国盾量子\n```\n\n5-8 分钟后你会得到：\n- **一份 HTML 报告** — 可以直接用浏览器打开，自包含，离线也能看\n- **一张朋友圈竖图** — 1080×1920，直接发\n- **一张微信群战报** — 1920×1080\n- **一段话摘要** — 复制粘贴就能发群里\n\n## 为什么做这个\n\n之前看一只票的流程：东方财富翻基本面 → 同花顺看 K 线 → 雪球刷大 V 说了啥 → 研报系统找卖方观点 → Excel 算个 DCF → 结果买进去还是亏。\n\n这些活儿本质上就是\"搜集信息 → 多角度分析 → 给个结论\"，让 AI 全干了不行吗？\n\n市面上看了一圈，要么是输出三段废话的 GPT wrapper，要么是用不起的机构终端。Anthropic 出了个 [financial-services-plugins](https://github.com/anthropics/financial-services-plugins)，方法论很好（DCF / Comps / LBO 那套），但完全是美股视角 + 全要付费数据源。\n\n所以自己搓了一个。**全免费数据源，零 API key，A 股直接能跑。**\n\n---\n\n## 安装\n\n不管你用什么 agent，**都是丢一句话过去就行**：\n\n### Claude Code\n\n```\n/plugin marketplace add godisego/hot-money\n/plugin install stock-deep-analyzer@hot-money\n```\n\n装好后说 `/stock-deep-analyzer:analyze-stock 贵州茅台`。\n\n> ⚠️ **必须带 `stock-deep-analyzer:` 命名空间前缀**\n>\n> Claude Code 装 plugin 后，所有 skill/command 都以 `stock-deep-analyzer:` 开头。\n> 部分环境下短名（`/analyze-stock`）不会被自动解析——稳妥起见请一律用全名：\n>\n> - `/stock-deep-analyzer:analyze-stock <ticker>`\n> - `/stock-deep-analyzer:quick-scan <ticker>`\n> - `/stock-deep-analyzer:scan-trap <ticker>`\n> - `/stock-deep-analyzer:dcf <ticker>`\n> - `/stock-deep-analyzer:ic-memo <ticker>`\n> - `/stock-deep-analyzer:investor-panel <ticker>`\n> - `/stock-deep-analyzer:trap-detector <ticker>`\n> - `/stock-deep-analyzer:deep-analysis <ticker>`\n> - 等全部 14 条\n>\n> Cursor / Gemini CLI / Codex 同理：**一律用 `/stock-deep-analyzer:<cmd>` 全名**，\n> 避免短名解析失败。\n\n### Codex\n\n直接对 Codex 说：\n\n> 请按照 https://raw.githubusercontent.com/godisego/hot-money/main/.codex/INSTALL.md 的指引安装 UZI-Skill，然后帮我深度分析 贵州茅台。\n\n### OpenClaw / 龙虾\n\n对龙虾说：\n\n> 帮我安装 https://github.com/godisego/hot-money 这个股票分析技能，装好后分析 贵州茅台。\n\n### Cursor\n\n```\n/add-plugin stock-deep-analyzer\n```\n\n然后说\"分析 贵州茅台\"。\n\n### Gemini CLI\n\n```bash\ngemini extensions install https://github.com/godisego/hot-money\n```\n\n### OpenCode\n\n对 OpenCode 说：\n\n> 请按照 https://raw.githubusercontent.com/godisego/hot-money/main/.opencode/INSTALL.md 安装并分析 贵州茅台。\n\n### Windsurf / Devin / 其他 Agent\n\n丢这句话进去：\n\n> 克隆 https://github.com/godisego/hot-money ，读 AGENTS.md 了解怎么用，帮我深度分析 贵州茅台。\n\n### 📱 不在电脑前？\n\n对任何 agent 说：\n\n> 分析 贵州茅台，用远程模式，生成一个公网链接让我手机能看。\n\nagent 会自动用 `--remote` 启动 Cloudflare Tunnel，给你一个 `https://xxx.trycloudflare.com` 链接。\n\n---\n\n## 用法\n\n### 完整深度分析（5-8 分钟）\n\n```\n/stock-deep-analyzer:analyze-stock 水晶光电\n/stock-deep-analyzer:analyze-stock 002273\n/stock-deep-analyzer:analyze-stock 00700.HK\n/stock-deep-analyzer:analyze-stock AAPL\n```\n\n### 专项命令\n\n> 都要加 `/stock-deep-analyzer:` 前缀才保证执行得通。\n\n| 命令 | 干嘛的 |\n|---|---|\n| `/stock-deep-analyzer:dcf 600519` | DCF 估值 · WACC + 5×5 敏感性表 |\n| `/stock-deep-analyzer:comps 002273` | 同行对标 · PE/PB 分位分析 |\n| `/stock-deep-analyzer:lbo 600519` | LBO 测试 · PE 买方能赚多少 IRR |\n| `/stock-deep-analyzer:initiate 002273` | 机构首次覆盖报告 · JPM/GS 格式 |\n| `/stock-deep-analyzer:ic-memo 002273` | 投委会备忘录 · 三情景回报 |\n| `/stock-deep-analyzer:earnings 002273` | 财报解读 · beat/miss 检测 |\n| `/stock-deep-analyzer:catalysts 002273` | 催化剂日历 · 未来 60 天 |\n| `/stock-deep-analyzer:thesis 002273` | 投资逻辑追踪 · 5 支柱监控 |\n| `/stock-deep-analyzer:screen 002273` | 5 套量化筛选 · value/growth/quality |\n| `/stock-deep-analyzer:dd 002273` | 尽调清单 · 5 工作流 21 项 |\n| `/stock-deep-analyzer:quick-scan 002273` | 30 秒速判 |\n| `/stock-deep-analyzer:panel-only 600519` | 只看 51 评委投票 |\n| `/stock-deep-analyzer:scan-trap 002273` | 杀猪盘排查 |\n| `/stock-deep-analyzer:segmental-model 300308` | 🆕 分业务收入 bottom-up 建模 · 3 情景 × 3 年 projection · 对 DCF 反向校验 |\n\n---\n\n## 🎯 评分校准（v2.11）\n\n用户反馈\"茅台 47 分\"、\"没超过 65 分\"—— 诊断发现两处公式偏严苛，v2.11 校准：\n\n| 改动 | 旧 (v2.9.1) | 新 (v2.11) | 影响 |\n|---|---|---|---|\n| **verdict 阈值** | 85/70/55/40 | **80/65/50/35** | 从未有股能 ≥85（\"值得重仓\"档空设），下调 5 分让白马/真强股进\"可以蹲一蹲\"档 |\n| **consensus neutral 权重** | 0.5（半权） | **0.6** | 51 评委里价值派+游资 35 人偏保守，neutral 权重 0.5 让白马 consensus 仅 37，0.6 更贴近\"不坑但不是心头好\"的真实语义 |\n\n公式（未变）：`overall = fund_score × 0.6 + consensus × 0.4`\n\n典型白马（如茅台）预期：\n- v2.9.1：`fund=62 consensus=45 → overall 55 → 观望优先`\n- v2.11：`fund=62 consensus=50 → overall 57 → 观望优先`（但更接近\"可以蹲一蹲\"边界，白马行情启动时容易进 65）\n\n两档合计影响 ~5-8 分。**真正的坑仍会 < 35 → 回避**，分数辨识度不降反升。\n\n诊断字段 `panel.json::consensus_formula.version = \"v2.11 · (bullish + 0.6*neutral) / active\"` 可审计。\n\n回归测试：`tests/test_v2_11_scoring_calibration.py` 8 个用例。\n\n完整校准记录见 [BUGS-LOG.md v2.11.0 章节](docs/BUGS-LOG.md#v2110-2026-04-18--评分校准--用户反馈驱动)。\n\n---\n\n## 🎚️ 三档思考深度（v2.10.3 新增）\n\n给用户自己选择分析力度——快想 / 正常 / 深挖：\n\n```bash\npython run.py 600519 --depth lite     # ⚡ 速判模式（1-2 分钟）\npython run.py 600519                   # 📊 标准分析（5-8 分钟）· 默认\npython run.py 600519 --depth deep      # 🔬 深度研究（15-20 分钟）\n```\n\n或通过环境变量：\n\n```bash\nexport UZI_DEPTH=lite       # 或 medium / deep\npython run.py 600519\n```\n\n### 三档差异一览\n\n| 维度 | ⚡ **lite** 速判 | 📊 **medium** 标准 | 🔬 **deep** 机构级 |\n|---|---|---|---|\n| **预计耗时** | 1-2 分钟 | 5-8 分钟 | 15-20 分钟 |\n| **fetcher 维度** | 核心 7 维 | 全 22 维 | 全 22 维 + 强化 fallback |\n| **评委数量** | 10 位代表 | 51 位完整 | 51 位 + **Bull-Bear 结构化辩论** |\n| **机构方法** | 只 DCF | 全 17 种 | 全 17 种 + **Segmental Build-Up** |\n| **ddgs 定性查询** | **全 skip**（省 token）| 按需 · 预算 30 次 | 跑满 · 预算 60 次 |\n| **fund_holders** | Top 5 完整业绩 | Top 20 完整 + 其余清单 | Top 100 完整 |\n| **自查 gate** | critical block | critical block · warning 可 ack | 两级都 block |\n| **Playwright 兜底**（v2.13.1） | ❌ 完全禁用 | opt-in · `UZI_PLAYWRIGHT_ENABLE=1` · **6 维**（4_peers/8_materials/15_events/17_sentiment/7_industry/14_moat） | ✅ 默认启用 · **10 维**（medium 6 + 3_macro/13_policy/18_trap/19_contests）· 首次 y/n 交互装 Chromium |\n| **Token 消耗（Codex）** | 最省 | 中等 | 最大 |\n| **适用场景** | 随手看 / 老板临时问 / 预判 ETF 成分股 | 日常深度分析 · 写研报 | 投委会备忘录 · 建仓前深挖 |\n\n### 自动降级策略\n\n- **第一次安装** / `.cache/_global` 空时 → 自动切 lite（省首次冷启动时间）\n- **网络预检 3+ 域不通** → 自动切 lite（避免卡死）\n- 手动 `--depth` 始终覆盖自动判定\n\n### 实战选择\n\n| 问题 | 推荐档位 |\n|---|---|\n| \"帮我看看这只票能不能买\" | `medium`（默认） |\n| \"15 分钟内给我个结论\" | `lite` |\n| \"老板明天投委会要看\" | `deep`（含 Bull-Bear 辩论 + bottom-up segmental） |\n| \"ETF 代码输进去了（系统会提示选成分股）\" | `lite`（成分股快速预判）|\n| \"Codex 环境 / 首次安装\" | 不用管 · 自动 lite |\n\n### 命令映射（隐式档位）\n\n| 命令 | 隐式档位 |\n|---|---|\n| `/stock-deep-analyzer:quick-scan 600519` | lite |\n| `/stock-deep-analyzer:panel-only 600519` | lite |\n| `/stock-deep-analyzer:analyze-stock 600519` | medium（默认）|\n| `/stock-deep-analyzer:ic-memo 600519` | deep |\n| `/stock-deep-analyzer:initiate 600519` | deep |\n\n---\n\n## 🎭 51 位评审团\n\n不是模板话术。每个人有自己的**量化规则集**（共 180 条），给出的建议必须引用具体命中了哪条：\n\n| 组 | 风格 | 人数 | 代表人物 |\n|---|---|---|---|\n| A | 经典价值 | 6 | 巴菲特 · 格雷厄姆 · 芒格 · 费雪 · 邓普顿 · 卡拉曼 |\n| B | 成长投资 | 4 | 林奇 · 欧奈尔 · 蒂尔 · 木头姐 |\n| C | 宏观对冲 | 5 | 索罗斯 · 达里奥 · 霍华德马克斯 · 德鲁肯米勒 · 罗伯逊 |\n| D | 技术趋势 | 4 | 利弗莫尔 · 米内尔维尼 · 达瓦斯 · 江恩 |\n| E | 中国价投 | 6 | 段永平 · 张坤 · 朱少醒 · 谢治宇 · 冯柳 · 邓晓峰 |\n| F | A 股游资 | 23 | 章盟主 · 赵老哥 · 炒股养家 · 佛山无影脚 · 北京炒家 · 鑫多多 … |\n| G | 量化系统 | 3 | 西蒙斯 · 索普 · 大卫·肖 |\n\n**举个例子**：\n\n> **巴菲特** 给水晶光电打 62 分 · 中性\n> \"观望：护城河 27/40 可见；但 ROE 5 年最低 6.7%，达标率仅 0/5\"\n> ✅ 资产负债率 30% 保守 · ❌ ROE 5 年最低 6.7%\n\n> **木头姐** 给国盾量子打 100 分 · 看多\n> \"量子通信处于 S 曲线拐点，TAM 每年 >30% 增长——买它就是买未来！\"\n> ✅ 属于颠覆式创新平台 · ✅ 行业增速 35%\n\n> **卡拉曼** 给水晶光电打 0 分 · 看空\n> \"看空核心：无 30% 安全边际\"\n\n---\n\n## 📐 17 种机构级方法\n\n从 [anthropics/financial-services-plugins](https://github.com/anthropics/financial-services-plugins) 移植方法论，适配了 A 股参数（rf=2.5% / ERP=6% / 税率 25% / 终值 g=2.5%）：\n\n**估值建模**\n- DCF（WACC 拆解 + 两段 FCF + Gordon Growth 终值 + 5×5 敏感性热力图）\n- Comps 同行对标（PE / PB / EV-EBITDA 分位 + 隐含目标价）\n- 三表预测（5 年 IS / BS / CF 联动）\n- Quick LBO（PE 基金视角 IRR 交叉校验）\n- 并购增厚/摊薄模型\n\n**研究工作流**\n- 首次覆盖报告（JPM/GS/MS 格式 · 评级 + 目标价 + 论点 + 风险）\n- 财报 beat/miss 解读\n- 催化剂日历（真实事件提取 + 未来预排 + 影响分级）\n- 投资逻辑追踪（5 支柱健康度）\n- 晨报 · 量化筛选 · 行业综述\n\n**深度决策**\n- IC 投委会备忘录（8 章节 · Bull/Base/Bear 三情景）\n- Porter 五力 + BCG 矩阵\n- DD 尽调清单（5 工作流 21 项 · 自动标注完成状态）\n- 单位经济学 · 价值创造计划 · 组合再平衡\n\n---\n\n## 📸 报告长什么样\n\n> 以下截图全部来自水晶光电（002273.SZ）的真实分析结果。\n\n### 综合评分 + 核心结论\n\n<img src=\"docs/screenshots/hero-score.png\" width=\"700\" />\n\n### 多空大分歧 · The Great Divide\n\n费雪 100 分 vs 卡拉曼 96 分，三轮互喷，每轮引用具体数字。\n\n<img src=\"docs/screenshots/great-divide.png\" width=\"700\" />\n\n### 51 位评审团 · 审判席\n\n每个人一盏灯——绿色看多、红色看空、灰色中性。\n\n<img src=\"docs/screenshots/jury-seats.png\" width=\"700\" />\n\n### 聊天室模式\n\n评委们用自己的语言风格发言，引用命中的具体规则。\n\n<img src=\"docs/screenshots/chat-room.png\" width=\"700\" />\n\n### DCF 估值 · 5×5 敏感性热力图\n\nWACC 6.96% · 内在价值 ¥20.73 · 安全边际 -28.6%，颜色从深绿（低估）到深红（高估）。\n\n<img src=\"docs/screenshots/dcf-model.png\" width=\"700\" />\n\n### IC 投委会备忘录 · 三情景回报\n\nBull ¥26.95 / Base ¥20.73 / Bear ¥14.51，每个情景有概率和假设。\n\n<img src=\"docs/screenshots/ic-memo.png\" width=\"700\" />\n\n### 22 维深度卡\n\n每个维度有独立可视化——K 线蜡烛图 / PE Band / 雷达图 / 供应链流程图 / 温度计 / 环形图。\n\n<img src=\"docs/screenshots/deep-scan.png\" width=\"700\" />\n\n### 朋友圈竖图 · 一键分享\n\n<img src=\"docs/screenshots/share-card.png\" width=\"300\" />\n\n---\n\n## 🔧 数据源\n\n全部免费，零 API key：\n\n| 数据 | 主源 | 备用 |\n|---|---|---|\n| 实时行情 / PE / 市值 | 东方财富 push2 | 雪球 → 腾讯 → 新浪 → 百度 |\n| 财报历史 | akshare | 雪球 f10 |\n| K 线 / 技术指标 | akshare | yfinance |\n| 龙虎榜 / 北向 / 两融 | akshare | 东财 |\n| 研报 / 公告 | 巨潮 cninfo + akshare | 同花顺 |\n| 港股 | akshare hk | yfinance |\n| 美股 | yfinance | akshare us |\n| 宏观 / 政策 / 舆情 / 杀猪盘 | DuckDuckGo web search | — |\n| **社交热榜**（v2.12 新增） | **微博 / 知乎 / 百度 / 抖音 / 头条 / B 站 · 各平台官方 JSON API** | 5min 文件缓存 · 单平台失败不影响其他 |\n\n多层 fallback 链 — 一个源挂了自动切下一个。\n\n### 📱 6 平台社交热榜（v2.12 新增）\n\n散户情绪和杀猪盘题材经常先在抖音/小红书/微博发酵，DuckDuckGo 扫不到。v2.12 起 `17_sentiment` 维度自动查：\n\n- **微博热搜** · 抓 `weibo.com/ajax/side/hotSearch` · 50 条实时热搜\n- **知乎热榜** · 抓 `zhihu.com/api/v3/feed/topstory/hot-list-web` · 50 条\n- **百度热搜** · 抓 `top.baidu.com/api/board` · 实时榜单\n- **抖音热点** · 抓 `douyin.com/aweme/v1/web/hot/search/list/` · 搜索热点\n- **头条热榜** · 抓 `toutiao.com/hot-event/hot-board/` · 热点事件\n- **B 站热搜** · 抓 `s.search.bilibili.com/main/hotword` · 全站热搜\n\n股票名（含简称，如\"贵州茅台\"→\"贵州\"/\"茅台\"）在热榜标题里命中 → 计入情绪热度 + 记录具体条目。\n\n数据结构：synthesis 的 `17_sentiment.data.hot_trend_mentions`：\n```json\n{\n  \"stock_name\": \"贵州茅台\",\n  \"platforms_ok\": 6,\n  \"total_hits\": 3,\n  \"by_platform_count\": {\"weibo\": 2, \"zhihu\": 1, ...},\n  \"mentions\": { \"weibo\": [{\"rank\":3, \"title\":\"茅台 1499 回归\", ...}], ... }\n}\n```\n\n> 致谢：本模块设计参考了 [run-bigpig/jcp](https://github.com/run-bigpig/jcp) (韭菜盘 AI) 的 `hottrend` 服务实现。\n\n### 🔑 可选：东方财富妙想 Skills API（v2.3 新增）\n\n2026 年 `push2.eastmoney.com` 在大陆网络经常被反爬拦截。若设置\n`MX_APIKEY`，UZI-Skill 会优先走官方 NLP API：\n\n- **中文名纠错**：\"北部港湾\" → 自动识别为 \"北部湾港(000582.SZ)\"\n- **行情快照**：绕过 push2 直接拿到最新价/市值/PE/PB/行业\n\n配置：\n```bash\ncp .env.example .env\n# 编辑 .env 填入 MX_APIKEY（免费申领：https://dl.dfcfs.com/m/itc4）\n```\n\n无 key 时全部回退到 XueQiu/akshare 链，现有用户零感知。\n\n### 🔓 需登录的数据源（v2.7.1 新增）\n\n部分数据源 2026 年起加了登录鉴权，UZI-Skill 默认**不主动弹登录窗**（保持无人值守）。\n用户可按需启用：\n\n| 数据源 | 维度 | 启用方式 | 影响 |\n|---|---|---|---|\n| **XueQiu cubes_search.json** | `19_contests` 实盘比赛持仓 | `export UZI_XQ_LOGIN=1` 然后 `python -m lib.xueqiu_browser login`（一次性弹浏览器登录） | 不启用：报告 19_contests 显示\"⚠️ XueQiu 需登录，0 cube\"；启用后能看到雪球 50+ 个实盘组合持有本股 |\n\n#### XueQiu 登录步骤\n\n```bash\n# 1. 启用环境变量（一次性，可加进 .zshrc）\nexport UZI_XQ_LOGIN=1\n\n# 2. 一次性登录（首次跑会弹有头浏览器，登录后回到终端按回车）\npython -m lib.xueqiu_browser login\n# → 浏览器弹出，手动账密 / 微信扫码 / 短信登录\n# → 登录成功后回终端按回车，cookie 持久化到 ~/.uzi-skill/playwright-xueqiu/\n\n# 3. 后续跑分析自动复用登录态（cookie 通常有效 ≥ 30 天）\npython run.py 贵州茅台 --no-browser\n# 19_contests 维度会显示真实雪球组合数 + 收益率分布\n\n# 4. 如果直接跑 run.py 想启用，加 flag\npython run.py 贵州茅台 --enable-xueqiu-login\n```\n\n#### 跳过登录（默认行为）\n\n不想登录？什么都不用做。XueQiu 维度会清晰标注 `⚠️ 需登录，0 cube`，\n其他 21 个维度照常工作。\n\n#### 状态查询\n```bash\npython -m lib.xueqiu_browser status\n# 显示：profile dir / cookie 是否存在 / 是否启用\n```\n\n### 🚨 数据缺口怎么处理（v2.3）\n\n若某些字段脚本拿不到（网络限制 / 新股 / 停牌），pipeline **不会塞默认值糊弄**：\n\n1. 生成 `_data_gaps.json` 列出每个缺口的建议恢复动作（浏览器 / MX / WebSearch / 推导）\n2. Agent 按 [HARD-GATE-DATAGAPS](skills/deep-analysis/SKILL.md) 逐条尝试补齐\n3. 真的补不到 → 在 `agent_analysis.json` 里 `data_gap_acknowledged` 显式承认\n4. HTML 报告顶部显示橙色 banner + 相关字段显示 \"—\" 并划线\n\n这样你永远能分辨\"这只股真的不适合买\" vs \"只是数据没拿到\"。\n\n### 🌐 网络受限环境（v2.4 新增）\n\nUZI-Skill 在大陆和海外都能跑，但瓶颈不同，建议对号入座：\n\n**大陆网络 · `pip install` 失败怎么办？**\n\n`run.py` 和 `setup.sh` 会自动尝试国内镜像（清华 → 阿里云 → 中科大），\n所以常见情况你什么都不用做。若要手动指定：\n\n```bash\npip install -r requirements.txt \\\n    -i https://pypi.tuna.tsinghua.edu.cn/simple \\\n    --trusted-host pypi.tuna.tsinghua.edu.cn\n```\n\n**Codex / 海外 agent · 数据源访问慢怎么办？**\n\n国内数据源（尤其 `push2.eastmoney.com`）从海外访问经常超时。**强烈建议\n设置 `MX_APIKEY`**（免费申领 → https://dl.dfcfs.com/m/itc4），它走\n`mkapi2.dfcfs.com` 境内外都通，同时天然具备中文名纠错能力。\n\n```bash\ncp .env.example .env\n# 编辑 .env 填入 MX_APIKEY\npython run.py 贵州茅台\n```\n\n**双端都不通**：agent 应保留 `_data_gaps.json` / `_resolve_error.json`，\n等网络恢复后直接跑 `stage2()` 可以复用已采集数据，不用从头来过。\n\n详见 [AGENTS.md · 网络受限环境](AGENTS.md) 的场景 A/B/C 速查。\n\n---\n\n## 📁 项目结构（v3.2.0 架构）\n\n```\nUZI-Skill/\n├── run.py                              # ✅ 用户入口 (python run.py <ticker>)\n├── AGENTS.md / CLAUDE.md / CODEX.md    # agent 指令 (v3.2 新增 CODEX.md)\n├── GEMINI.md                           # Gemini CLI 指引\n├── RELEASE-NOTES.md                    # 完整版本日志\n├── docs/BUGS-LOG.md                    # bug 登记 + 防回归清单\n├── .claude-plugin/plugin.json          # Claude Code manifest\n├── .cursor-plugin/plugin.json          # Cursor manifest\n├── gemini-extension.json               # Gemini manifest\n├── commands/                           # 14 个 slash commands\n├── personas/                           # 51 个 YAML persona (v2.15.0)\n├── skills/\n│   ├── deep-analysis/                  # ★ 主 skill (股票分析)\n│   │   ├── SKILL.md\n│   │   ├── references/                 # 方法论文档\n│   │   ├── assets/                     # HTML 模板 + 51 头像 svg\n│   │   └── scripts/                    # ← 所有 Python 业务代码\n│   │       ├── run_real_test.py        # legacy stage1/stage2 (v3.1 瘦身 735 行)\n│   │       ├── assemble_report.py      # HTML shell (v3.2 瘦身 587 行)\n│   │       ├── fetch_*.py              # 22 fetcher · 也是独立 CLI\n│   │       ├── compute_deep_methods.py # 机构建模\n│   │       ├── tests/                  # 332 pytest\n│   │       └── lib/\n│   │           ├── pipeline/           # 🆕 v3.0 管道式架构（默认路径）\n│   │           │   ├── run.py          # run_pipeline 编排入口\n│   │           │   ├── collect.py      # 并发 collector (22 adapter)\n│   │           │   ├── score.py        # scoring 段（调 rrt 纯函数）\n│   │           │   ├── synthesize.py   # stage2 薄 wrapper\n│   │           │   ├── score_fns.py    # 🆕 v3.1 · 1228 行纯函数\n│   │           │   ├── preflight_helpers.py  # 🆕 v3.1 · 网络/ticker preflight\n│   │           │   ├── fetchers/registry.py  # 22 adapter 工厂\n│   │           │   └── renderer/       # 21 个 renderer stub\n│   │           ├── report/             # 🆕 v3.2 · assemble_report 拆分\n│   │           │   ├── svg_primitives.py     # 19 svg_* + COLOR_*\n│   │           │   ├── dim_viz.py            # 19 _viz_xxx + DIM_VIZ_RENDERERS\n│   │           │   ├── institutional.py      # DCF/LBO/IC/catalyst/competitive\n│   │           │   ├── panel_cards.py        # 51 评委 panel\n│   │           │   └── special_cards.py      # fund/insights/school_scores\n│   │           ├── investor_criteria.py      # 51 人 × 180 规则\n│   │           ├── investor_evaluator.py     # 规则引擎\n│   │           ├── stock_features.py         # 108 标准化特征\n│   │           ├── playwright_fallback.py    # v2.13 兜底\n│   │           ├── self_review.py            # 机械自查 13 check\n│   │           └── ...                       # 其他 lib 模块\n│   ├── investor-panel/                 # 评审团 skill\n│   ├── lhb-analyzer/                   # 龙虎榜 skill\n│   └── trap-detector/                  # 杀猪盘 skill\n├── requirements.txt\n└── LICENSE\n```\n\n**v3.2 重构分层亮点**：\n\n| 层 | 文件 | 职责 |\n|---|---|---|\n| 入口 | `run.py` | CLI 主入口 · `UZI_LEGACY=1` 回退老路径 |\n| 管道 | `lib/pipeline/*` | v3.0 主干 · collect / score / synthesize |\n| 纯函数 | `lib/pipeline/score_fns.py` | v3.1 · score_dimensions / generate_panel / generate_synthesis |\n| 渲染 | `lib/report/*` | v3.2 · 5 个子模块 · svg / viz / inst / panel / special |\n| Legacy | `run_real_test.py` + `assemble_report.py` | v2.x 向后兼容层 · re-export 所有迁移函数 |\n\n---\n\n## 🧠 设计理念\n\n**Agent 驱动分析，脚本只是工具。**\n\n整个流程分两段——中间 agent 必须介入，**最后必须自查**（v2.9 起机械强制）：\n\n```\nStage 1 (脚本)          → 数据采集 + 模型计算 + 规则引擎骨架分\n        ⏸️ Agent 介入   → 读数据 → role-play 51 评委 → 写判断 → 审查假设\nStage 2 (脚本)          → 综合研判 + 自动跑 13 条自查 → 报告生成\n                         ↑ v2.9 核心：critical 不过 → 拒绝出 HTML\n```\n\n**51 个评委不是跑公式出分数**——agent 要真正站在每个人的角度思考：\n\n- 巴菲特分析苹果 → agent 知道这是伯克希尔第一大持仓 → override 看多\n- 赵老哥分析美股 → agent 知道游资不做美股 → skip\n- 木头姐分析白酒 → agent 知道她只看颠覆创新 → \"不在平台里\"\n- 格雷厄姆看到 PE 33 → 不需要复杂推理 → 看空\n\n每个判断都可以覆盖规则引擎的机械得分，但必须给出理由。\n\n**三层评估**：真实持仓 → 行业亲和度 → 量化规则。真金白银比任何公式都有说服力。\n\n### 🛡 机械级自查 gate（v2.9 起）\n\n过往 `HARD-GATE-FINAL-CHECK` 是\"软要求\"——agent 可能跳过、可能忘、可能做半截。BUG#R10（云铝被归为\"农副食品加工\"）就是全流程跑完报告发出去，才被用户发现行业分类错了。**软 gate 不够，v2.9 起机械强制。**\n\n**`lib/self_review.py`** 13 条自动检查覆盖所有历史 BUG 经验：\n\n| severity | 抓什么 | 背后 BUG |\n|---|---|---|\n| 🔴 critical | 行业碰撞（工业金属→农副食品加工） | BUG#R10 |\n| 🔴 critical | 维度缺失 / 空 data / 占位符 | wave2 timeout、fetcher 崩溃 |\n| 🔴 critical | HK kline 0 根 / HK 财报空 | BUG#R7 / R8 |\n| 🔴 critical | panel 全 skip / coverage < 60% | 数据灾难 |\n| 🔴 critical | agent_analysis 缺 / 未 review | agent 偷懒 |\n| 🟡 warning | DCF 全 0 / 金属股 materials 空 | v2.8.x coverage gap |\n| 🟡 warning | 编造\"苹果产业链\"无 raw_data 证据 | 联想编造 |\n\n**`assemble_report::assemble()` 入口自动跑 review**，critical > 0 → `raise RuntimeError(\"⛔ BLOCKED by self-review\")`，**物理上无法出报告**，直到 agent 修完。\n\n```bash\n# agent 迭代流程\nloop:\n  python review_stage_output.py <ticker>\n  读 .cache/<ticker>/_review_issues.json\n  对每条 critical 执行 suggested_fix\n  直到 critical == 0 才出 HTML\n```\n\n每次新 BUG 修完，对应的 `check_*` 规则都会加到 self_review，**下次同类问题跑完就自动抓到，不再靠用户反馈**。\n\n---\n\n## ❓ FAQ\n\n**Q: 跑一次要多久？**\nA: 5-8 分钟，主要是数据采集慢（22 个维度要调十几个 API）。纯计算的机构建模部分 < 1 秒。\n\n**Q: 需要付费数据源吗？**\nA: 不需要。全部免费源（akshare / yfinance / DuckDuckGo / 巨潮 / 东方财富 / 雪球），零 API key。\n\n**Q: 港股美股能用吗？**\nA: 能。`/stock-deep-analyzer:analyze-stock 00700.HK` 或 `/stock-deep-analyzer:analyze-stock AAPL`。\n\n**Q: 数据准不准？**\nA: 实时数据走东方财富 / 雪球，财报走巨潮 / akshare，和你在东方财富 App 上看到的一样。但 web search 质量不稳定（DuckDuckGo 中文搜索有时会返回无关结果），所以 Claude 会做二次审查。\n\n**Q: 能当投资建议吗？**\nA: 不能。这是工具不是神仙，51 个大佬的意见都是规则引擎模拟的，不代表真人观点。买不买你自己决定。\n\n**Q: 怎么知道这次报告数据是否可信？**\nA: v2.9 起**强制**机械自查。报告生成前跑 13 条检查，critical 不过物理上发不出报告。`.cache/<ticker>/_review_issues.json` 里能看到本次跑有没有 warning，每条都带 `suggested_fix`。每次新 BUG 修完都加对应检查 → 下次同类问题自动抓到，不靠用户反馈。\n\n**Q: 怎么升级到新版本？自动提示吗？**\nA: 会。v2.14.0 起每次启动 CLI 或 agent 会话都会后台检测 GitHub 最新 release：\n- 有新版本 → 弹三选一提示（是 / 跳过本版 / 否）+ 改动摘要\n- 选\"是\"→ 按你装的方式执行对应命令：\n  - Claude Code: `/plugin update stock-deep-analyzer`\n  - git clone: `cd hot-money && git pull`\n  - Hermes: `hermes skills update godisego/hot-money/skills/deep-analysis`\n- 选\"跳过本版\"→ 该版本不再提示，下一个新版本出来时才再弹\n- 选\"否\"→ 下次启动再问\n- 网络慢 / 关掉检查：`export UZI_NO_UPDATE_CHECK=1`（CI / Codex 环境推荐）\n- 缓存 6 小时 · 不会每次都打 GitHub API\n\n**Q: 之前报告里有 BUG 怎么办？**\nA: 2026-04-17 前跑过\"工业金属 / 工业母机 / 工业机械\"相关股票的用户，cache 里的 `7_industry` 维度是错的（云铝被归为农副食品加工的那个 bug）。清 cache 重跑即可：\n```bash\nrm -rf skills/deep-analysis/scripts/.cache/<ticker>/raw_data.json\npython run.py <ticker> --no-resume\n```\n\n---\n\n## 📋 更新日志\n\n| 版本 | 日期 | 主要变化 |\n|---|---|---|\n| **v3.3.2** | 2026-04-28 | **GitHub issue #50 + #51 hotfix**（社区驱动）· #50 [Stage 2 总是超时](https://github.com/wbh604/UZI-Skill/issues/50)：v3.2 拆分时 `lib/report/institutional.py` 漏 import `svg_sparkline` · `_render_lbo_block` 触发 NameError → stage2 崩 · 加进 import 块即修复（致谢 @chenxiang-bj 报告 + agent 诊断）。#51 [XueQiu 登录验证失败](https://github.com/wbh604/UZI-Skill/issues/51)：`/cubes/cubes_search.json` endpoint 已下线 · 改用 `/query/v1/search/cube/stock.json?q={code}` (致谢 @bilieebiliee1-design 报告 + @Kylin824 提供 fix)。3 处文件同步换 endpoint。新增 5 个回归 test · 总 337 passed |\n| **v3.3.1** | 2026-04-28 | **Hermes 兼容回归修复 (hotfix)** · 群友反馈\"更新后不支持 hermes 报错\"。根因：v3.0/v3.1/v3.2 重构期 main 上从未包含 hermes 兼容代码（`INSTALL-HERMES.md` / `skills/deep-analysis/run.py` / `requirements.txt` / 4 个 SKILL.md hermes metadata 全缺）· 但 README 仍叫 hermes 用户装 main · 装下来缺文件就崩。修复：从 `hermes-compat` 分支 cherry-pick 5 项核心适配到 main + `run.py` 加双 layout 探测。**hermes 用户重装一次 skill 即恢复**（`hermes skills uninstall` + install 4 个）|\n| **v3.3.0** | 2026-04-23 | **分支大整合**：唯一未合 feature（v2.10 segmental 渲染层 · 228 行 + 222 CSS）cherry-pick 到 v3.2 架构 · 新建 `lib/report/segmental.py` (555 行)。同时清理 22 个 stale 分支（refactor/* / docs/* / feature/v2.14-v2.15.3 都已 superseded）· 仅保留 main + hermes-compat · 单一开发主干. |\n| **v3.2.0** | 2026-04-23 | **assemble_report.py 深度拆分 (-80%)**：2964 → 587 行 · 拆 5 个子模块 `lib/report/svg_primitives` (602) / `dim_viz` (742) / `institutional` (532) / `panel_cards` (183) / `special_cards` (544)。v2.x 所有 API 保持 re-export · 332 tests 全过 · e2e 零差异 · 加 `CODEX.md` + `AGENTS.md::Repository Layout` 给 codex 准确入口指引 |\n| **v3.1.0** | 2026-04-23 | **run_real_test.py 瘦身 65%**：2105 → 735 行。1228 行纯函数 (`_f/score_dimensions/generate_panel/generate_synthesis/_autofill_qualitative_via_mx`) → `lib/pipeline/score_fns.py`；166 行 preflight/resolve/ETF guard → `lib/pipeline/preflight_helpers.py::prepare_target()`。rrt 做 re-export 保持完整向后兼容 · 332 tests 全过 · 002217 resume 10s 出报告 |\n| **v3.0.0** | 2026-04-23 | **pipeline 架构默认启用**：`python run.py <ticker>` 默认走 `pipeline.run_pipeline` · `UZI_LEGACY=1` 强制回老路径 · pipeline 异常自动 fallback。Phase 6c 解耦：`pipeline.score` 直接调 rrt 纯函数（不再走 stage1 重复 collect）· 002217 score_from_cache 从 180s → 10.6s。Pipeline 预检 guards (中文名 / ETF / LOF / 可转债 → fallback legacy) |\n| **v2.15.5** | 2026-04-23 | **评分公式重校准**：`panel_consensus` 从单一 vote 公式升级为混合公式 `0.65*score_mean + 0.35*vote_weighted` + 极化拉伸 (k=1.3) · 解决\"大多数分在一个区间徘徊\"问题 · 7 流派 consensus 分歧更清晰 · 002217 F 游资 51→43.7（vote 高估修正）· G 量化 50→59.3（实分低估修正） |\n| **v2.15.4** | 2026-04-22 | **按流派打分 school_scores**：7 大流派 (A 价值 / B 成长 / C 宏观 / D 技术 / E 中式 / F 游资 / G 量化) 各自产出 consensus/avg_score/verdict · 报告新增\"SCHOOL SCORES\"卡片 · 同一只票可见不同哲学的分歧（宏观派买入 vs 成长派回避） |\n| **v2.15.3** | 2026-04-21 | **性能 hotfix** · fetch_capital_flow 每股重抓全 A 大宗/解禁/融资数据集 → 每股 3+ min · 新增 `_universe_*()` 4 个 helper + `cached(\"_universe\", ...)` 24h TTL · 全股共享 · 二次跑 universe 部分 0.01s（**100+ 倍加速**）· 6 专项测试 |\n| **v2.15.2** | 2026-04-21 | **GitHub issue hotfix**：#36 Gemini CLI 安装报错（gemini-extension.json 加 version + 纳入 version-bump）· #30 网络自检增强（Clash 本地代理端口侦测 + 数据源分组诊断 + 多行修复建议 · 写进 `.cache/_global/network_profile.json` 供 agent 读）· 10 专项测试 |\n| **v2.15.1** | 2026-04-20 | **报告质量 2 bug hotfix**（实测 300470 发现）· Bug 1: fund-card 一堆 \"5Y +0.0%\" 假数据 · 修 `_build_row_full` + `render_fund_managers` 让 lite 行降级 · Bug 2: 14_moat 护城河被贵州茅台数据污染（DDGS 对生僻公司返超级股票结果）· 加 `_SUPERSTAR_POLLUTERS` 过滤 · 11 专项测试 |\n| **v2.15.0** | 2026-04-20 | **YAML persona 接入 agent role-play**（借鉴 augur · 取长补短）：新增 `personas/` 目录 51 个 YAML 文件（12 flagship 手写 + 39 stub 自动生成）· `lib/personas.py` 加载 + prefix-stable system message（prompt cache 省 50-90%）· `lib/i18n.py` zh/en 语言开关 · `HARD-GATE-PERSONA-ROLEPLAY` 强制 agent 读 YAML · 双盲测试（3 股 × 5 投资者）显示 YAML 14/15 vs Rules 8/15 方向准确率 · 修复 Rules 4 类\"历史立场错位\"硬伤 · 14 专项测试 |\n| **v2.14.0** | 2026-04-20 | **自动检测 GitHub 新版本**：每次启动 CLI 或 agent 会话，插件会检测 GitHub latest release · 有更新则弹 `y / s / n` 三选一（是 / 跳过本版 / 否）· 跳过本版后直到下一版才再弹 · 6h 缓存防 API 限流 · 非 TTY / `UZI_NO_UPDATE_CHECK=1` / 网络异常 silent skip 不阻塞 · `HARD-GATE-UPDATE-PROMPT` 让 agent 主动展示 · 13 专项测试 |\n| **main** | 2026-04-20 | **Segmental Revenue Build-Up 落地**（`lib/segmental_model.py` 408 行 + `compute_segmental.py` CLI + `/segmental-model` slash command）· deep 档 `enable_segmental_model` flag 之前只在 profile 声明，实现缺失——本次从老分支 cherry-pick 3 个新文件，零冲突接入 · 同步新增 `CONTRIBUTORS.md` · 清理 14 个已合入幽灵分支 |\n| **v2.13.7** | 2026-04-19 | **16 新源真正接入 fetcher**：v2.13.4/6 登记但未用的 16 源全部接通——新建 `lib/news_providers.py`（jin10/em 快讯/em 公告/同花顺 4 源聚合）接入 `fetch_events` + `fetch_sentiment`；`_yahoo_v8_chart` 直连 HTTP 接入 US/HK K 线链（绕 yfinance cookie）；cfachina 期货协会源接入 `fetch_policy`（期货/商品 industry 专用）。实测 4/4 新闻源通 · A 股 15_events 密度 3-5 → 10-30 条 · pytest 217 passed |\n| **v2.13.6** | 2026-04-19 | **新增 6 个经 curl 验证的期货 + 财经新闻源**（SOURCES 64 → 70）：jin10_flash（类财联社零 Key 替代）/ em_kuaixun / em_stock_ann / ths_news_today / 99qh / cfachina · 8 专项测试 |\n| **v2.13.5** | 2026-04-19 | **NetworkProfile 自适应 + agent HARD-GATE 主动触发 Playwright**：9 目标 3 组网络预检（domestic/overseas/search）+ 代理检测 + 5min cache · SKILL.md / AGENTS.md 加 `HARD-GATE-PLAYWRIGHT-AUTOFILL` 让 agent 主动 FORCE · 15 专项测试 |\n| **v2.13.4** | 2026-04-19 | **新增 10 个经 curl 验证的无 Key 公开数据源**（SOURCES 54 → 64）：Yahoo Chart v8 / 腾讯 qt HK / 加密货币（CoinGecko/Binance/CoinCap）/ ECB / World Bank 等 · 11 专项测试 |\n| **v2.13.3** | 2026-04-19 | **51 评委规则全员历史立场还原**：林奇 PE<40 Rolls Royce 红线、索罗斯 long/short 拆分、木头姐 CPO/光模块 whitelist、段永平/张坤/邓晓峰 PE 硬红线、游资 range 校验 · 10 专项测试 |\n| **v2.13.2** | 2026-04-19 | **Playwright 触发逻辑升级 · 数据质量感知 + FORCE flag**：`_dim_quality_score` 公开字段真空检测 · `UZI_PLAYWRIGHT_FORCE=1` 强制全维兜底 · 8 专项测试 |\n| **v2.13.1** | 2026-04-18 | **Playwright 全 10 维覆盖**（开源研究场景扩展）：v2.13.0 Codex 保守排除的 5 维（7_industry 百度搜索 / 14_moat 百度百科 / 13_policy 证监会 / 18_trap 小红书 / 19_contests 雪球组合）全部加回 · medium 4→6 维 · deep 5→10 维 · 22 专项测试 |\n| **v2.13.0** | 2026-04-18 | **Playwright 通用兜底 · 按三档 profile 分级**：lite `off` / medium `opt-in` (4 维) / deep `default` (5 维 · 首次 y/n 自动装 Chromium)。新增 `lib/playwright_fallback.py` · 抽离 `lib/junk_filter.py` |\n| **v2.12.1** | 2026-04-18 | **4 个报告板块空数据/错数据修复**（中际旭创实测驱动）：4_peers 三层 fallback + 雪球 Playwright opt-in · 7_industry regex 上下文感知 · core_material 垃圾过滤 · BCG 真实算 market_share + 阈值调整 · 16 专项测试 |\n| **v2.12.0** | 2026-04-18 | **6 平台社交热榜聚合**：微博/知乎/百度/抖音/头条/B站 官方 API + 5min 文件缓存 + 单平台失败不影响其他 · `17_sentiment` 维度新增 `hot_trend_mentions` 字段补 DuckDuckGo 盲区 · 抄 jcp/hottrend 设计 · 17 个专项测试 |\n| **v2.11.0** | 2026-04-18 | **评分校准（用户反馈驱动）**：论坛+微信反馈\"茅台 47 分\"、\"没超过 65 分\" → verdict 阈值 `85/70/55/40 → 80/65/50/35`；consensus neutral 权重 `0.5 → 0.6`（A 股白马结构性偏低问题）；`stock_style` 同步对齐 |\n| **v2.10.7** | 2026-04-18 | **Codex 审查 3 处修复**：`raw.market` 硬编\"A\"污染 HK/US · `resume` 对别名输入失效（中文名/三位港股 cache 不命中）· AGENTS.md 强制全量流程与 CLI/lite 降载设计冲突 → 深浅两路径决策树 |\n| **v2.10.6** | 2026-04-18 | **Providers 框架实际落地**：v2.10.3 建的 5 provider 链（akshare/efinance/tushare/baostock/direct_http）实际接入 `data_sources.py` K 线链 · Tushare kline 补齐 · `hermes skills install` 风格 health CLI |\n| **v2.10.5** | 2026-04-18 | **v2.10.4 遗漏补丁**：`check_coverage_threshold` profile-aware（lite 不再结构性偏低）· `run.py` 自动 `UZI_CLI_ONLY=1`（medium/deep CLI 直跑也出报告）· `render_fund_managers` None 字段兜底 |\n| **v2.10.4** | 2026-04-17 | **Codex 测试反馈 3 bug**：lite 模式 self-review 9 critical 误报 · `agent_analysis.json` 缺失 CLI 直跑误报 critical · ETF 早退 `RuntimeError: Stage 2 缺少数据` |\n| **v2.10.3** | 2026-04-18 | **三档思考深度**：`lite` (30s-2min · 7 维 + 10 投资者) / `medium` (2-4min · 默认 · 22 维 + 51 投资者) / `deep` (15-20min · 含 Bull-Bear 辩论 + Segmental) · `--depth` CLI arg · direct_http provider（腾讯/新浪/etnet 直连脱离 akshare） |\n| **v2.10.0-2** | 2026-04-18 | 首次安装 + Codex 机器耗时/token 优化 · `lib/net_timeout_guard` 4 层网络超时保护（代理/GFW 不通快速 fail） · Fund holders 双层策略（Top N full + rest lite） · 首次运行 10-15min → 2-4min |\n| **v2.9.x** | 2026-04-17 | **机械级 agent 自查 gate**：13 条自动检查 + `assemble_report` 入口强制 block critical → 修完再出 HTML · fetch_industry 动态 `search_trusted`（236 个行业不再是\"—\"）· HK industry_pe fallback · consensus 半权公式 |\n| **v2.8.x** | 2026-04-17 | **BUG#R10 修复** 行业分类碰撞（工业金属→农副食品加工）· 134 条申万→证监会硬映射 · 22 位海外人物真实原话 + URL 溯源 · 每评委自己方法论回答 3 字段 · English README · Munger/Alibaba hook |\n| **v2.7.x** | 2026-04-17 | HK financials 实现（BUG#R7）· HK kline fallback 链（BUG#R8）· wave2 flush（BUG#R9）· 风格动态加权 7+1 · 量化结构性识别（top-1<2%）· XueQiu 登录 opt-in · 14 权威数据源 + search_trusted |\n| **v2.6.x** | 2026-04-17 | agent 闭环写回 · `agent_analysis.json` 合并 · dim_commentary · 22 维覆盖 |\n| **v2.5** | 2026-04-16 | 数据源注册表 54 条 · HK AASTOCKS 支持 · 3 层 tier 分类 |\n| **v2.0–v2.3** | 2026-04-16 | 17 种机构分析方法 · 51 评委 180 规则 · 两段式 pipeline · MX 妙想 API · 多平台支持 |\n| **v1.0** | 2026-04-14 | 初版 · 19 维 + 50 评委 + 杀猪盘检测 |\n\n完整更新日志见 [RELEASE-NOTES.md](RELEASE-NOTES.md)\n\n---\n\n## 🤝 致谢\n\n- [anthropics/financial-services-plugins](https://github.com/anthropics/financial-services-plugins) — 机构级分析方法论\n- [obra/superpowers](https://github.com/obra/superpowers) — 多平台架构 / HARD-GATE / hooks / sub-agent 设计\n- [akshare](https://github.com/akfamily/akshare) — A 股数据引擎\n- [titanwings/colleague-skill](https://github.com/titanwings/colleague-skill) — Skill 架构参考\n- [virattt/ai-hedge-fund](https://github.com/virattt/ai-hedge-fund) — Pydantic Signal 模式\n- [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents) — 多空辩论循环\n\n---\n\n\n## ⚠️ 免责声明\n\n本工具由 AI 模型基于公开数据生成分析报告。所有评分、建议、模拟评语均为算法输出，不代表任何真实投资者的实际观点。**不构成投资建议**，投资有风险，入市需谨慎。\n\n---\n\n<div align=\"center\">\n\nMIT License · Made by FloatFu-true · O.o\n\n</div>\n",
  "bytes": 31239,
  "sha": "7dc8c531716dbb0e084554817d94930334c344c9f19a692d4317d197d743d0cb",
  "repo_slug": "godisego/hot-money",
  "fonte": "repo",
  "truncated": false,
  "api": "https://agentalog.com/api/listings/plg_godisego_hot_money_1711899e/readme"
}