报告与交互技能

本技能是投资分析体系的"表达层"——将技术分析、基本面分析、宏观分析、决策引擎的原始数据和结论，转化为人类可读、可操作、有吸引力的报告和交互体验。

设计原则

1. 数据驱动叙事：不是堆砌数字，而是讲清"发生了什么→意味着什么→下一步怎么做"
2. 分层表达：同一份数据，能以一句话摘要、段落总结、完整报告三种粒度输出
3. 可视化优先：关键数据点尽可能以图表呈现
4. 多渠道适配：同一报告能适配聊天消息、Canvas 展示、文件导出
5. 交互式追问：支持用户基于报告内容继续追问
6. 风险透明：所有报告必须包含免责声明和不确定性标注

触发条件

核心能力模块

模块一：自动化报告生成系统

1A. 盘前报告（每个交易日 08:30 通过 Cron 触发）

调用:

python3 {baseDir}/tools/report_generator.py --type premarket --date today

报告结构:

📋 盘前简报 | 2026-04-06 周一
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

🌍 隔夜全球市场
  · 美股: 道指 +0.3%, 纳指 -0.2%, 标普 +0.1%
  · 欧股: 德DAX +0.5%, 英富时 +0.2%
  · 亚太: 日经 +1.1%, 恒指 -0.5%
  · 大宗: 原油 $78.5(+1.2%), 黄金 $2350(-0.3%)
  · 汇率: 美元指数 104.2, 离岸人民币 7.23

📊 A股盘前信号
  · 富时A50期货: +0.35%（偏多开盘预期）
  · 北向资金预判: 昨日净流入+45亿，连续3日流入
  · 融资余额: 1.62万亿（+0.2%）

🔥 今日关注
  · 重要数据: 3月PMI数据公布
  · 政策动态: 国常会讨论促消费政策
  · 行业事件: 苹果WWDC倒计时，消费电子关注
  · 解禁提示: XX股份 5亿市值解禁

📈 策略建议
  · 大盘预判: 小幅高开震荡，关注3280支撑
  · 板块关注: AI算力(政策催化)、消费(政策预期)
  · 风险提示: PMI数据若低于预期可能引发调整

⚠️ 以上分析仅供参考，不构成投资建议

1B. 盘后报告（每个交易日 15:30 通过 Cron 触发）

python3 {baseDir}/tools/report_generator.py --type postmarket --date today

报告结构:

📋 盘后复盘 | 2026-04-06 周一
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 今日行情概览
  · 上证指数: 3285.60 (+0.82%) 成交4520亿
  · 深证成指: 10580.30 (+1.15%) 成交5830亿
  · 创业板指: 2150.80 (+1.45%)
  · 北向资金: 净买入 +62.3亿
  · 涨跌比: 3680:1420, 涨停62家, 跌停5家

🔍 今日复盘要点

  1️⃣ 行情定性
     量价齐升放量上攻，市场赚钱效应良好
     成交量较昨日放大18%，突破5日均量

  2️⃣ 领涨板块 TOP5
     | 板块 | 涨幅 | 资金净流入 | 核心驱动 |
     |------|------|-----------|---------|
     | AI算力 | +4.2% | +38亿 | 政策+业绩 |
     | 消费电子 | +3.1% | +22亿 | 苹果产业链 |
     | ...  | ...  | ... | ... |

  3️⃣ 资金动向
     · 北向大幅流入，偏好消费+科技
     · 主力资金净流入TOP: 中际旭创、立讯精密...
     · 融资买入前三: ...

  4️⃣ 明日展望
     · 技术面: 站稳3280，上方关注3320阻力
     · 情绪面: 赚钱效应扩散，短线情绪偏暖
     · 风险点: 获利盘抛压、外围不确定性

📌 自选股异动提醒
  · 贵州茅台: +2.1% 放量突破20日线 ← 关注
  · 比亚迪: -1.5% 缩量回踩60日线 ← 观察支撑

⚠️ 以上分析仅供参考，不构成投资建议

1C. 个股深度研报

python3 {baseDir}/tools/report_generator.py --type deep-report --symbol 600519

报告结构（仿券商研报格式）:

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
贵州茅台 (600519.SH) 深度分析报告
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📄 报告摘要
  评级: 📗 推荐关注 (综合评分 72/100)
  当前价: ¥1,680  |  合理估值区间: ¥1,520 - ¥1,850
  主要观点: 估值合理，基本面稳健，短期技术面偏多

━━ 一、公司概况 ━━
  行业: 白酒 | 市值: 2.1万亿 | 上市: 2001年
  核心产品: 飞天茅台、茅台1935、茅台王子
  竞争优势: 品牌壁垒、产能稀缺、提价能力

━━ 二、财务分析 ━━
  [财务数据表格: 5年营收/利润/现金流/ROE趋势]
  [杜邦分析分解]
  [财务健康度评分: 92/100]

━━ 三、估值分析 ━━
  [PE/PB/PEG/DCF 多维度估值]
  [历史估值分位图表]
  [估值评分: 65/100]

━━ 四、技术分析 ━━
  [K线走势分析]
  [关键指标信号]
  [技术评分: 72/100]

━━ 五、行业对标 ━━
  [vs 五粮液/泸州老窖/山西汾酒 对比表格]
  [竞争力雷达图数据]

━━ 六、风险提示 ━━
  1. 消费降级风险
  2. 行业政策风险
  3. 估值回调风险

━━ 七、投资建议 ━━
  [综合研判 + 操作建议 + 关键价位]

⚠️ 免责声明: ...
报告生成时间: 2026-04-06 16:00
数据截止日: 2026-04-06

1D. 周度总结

python3 {baseDir}/tools/report_generator.py --type weekly --week-end today

模块二：可视化图表系统

本模块利用 OpenClaw 的 Canvas 工具 + Python mplfinance/plotly 生成图表。

2A. 支持的图表类型

2B. Canvas 交互式仪表盘

利用 OpenClaw Canvas 能力构建实时交互式看盘页面:

使用 canvas 工具:
  action: present
  target: {baseDir}/canvas/dashboard.html

Canvas 页面内嵌:
  - 实时指数行情面板
  - 自选股涨跌一览
  - 板块热力图
  - 资金流向可视化
  - 用户可点击切换不同指标/周期

2C. 图表渲染器实现

# 完整用法
python3 {baseDir}/tools/chart_renderer.py 
  --symbol 600519 
  --type dashboard 
  --period daily 
  --count 120 
  --indicators MA,MACD,KDJ,VOL 
  --output /tmp/chart_600519.png 
  --style dark 
  --annotations "2026-03-15:买入,2026-04-01:加仓"

模块三：自然语言投资问答系统

这是交互层的核心——让用户用自然语言提问，Agent 理解意图后调度合适的分析技能作答。

3A. 意图分类体系

python3 {baseDir}/tools/nlp_intent_parser.py --query "<用户原始输入>"

意图分类树:

用户输入
├── 行情查询类
│   ├── 实时行情 → "XX现在多少钱" "XX涨了吗"
│   ├── 指数行情 → "大盘多少点了" "创业板怎么样"
│   └── 板块行情 → "AI板块今天怎么样"
│
├── 分析请求类
│   ├── 技术分析 → "XX技术面怎么看" "MACD金叉了吗"
│   ├── 基本面分析 → "XX基本面如何" "PE高不高"
│   ├── 估值分析 → "XX贵不贵" "值这个价吗"
│   └── 综合分析 → "XX值得买吗" "帮我分析下XX"
│
├── 决策咨询类
│   ├── 买卖建议 → "能买吗" "该卖了吗" "止损位多少"
│   ├── 选股请求 → "推荐几只" "有什么好股票"
│   ├── 仓位建议 → "买多少合适" "仓位怎么配"
│   └── 策略咨询 → "定投好还是一把买" "该长线还是短线"
│
├── 报告请求类
│   ├── 定期报告 → "盘前简报" "收盘总结" "周报"
│   ├── 专题报告 → "深度研报" "行业对比"
│   └── 图表请求 → "画个K线图" "看看走势"
│
├── 管理操作类
│   ├── 自选股管理 → "加自选" "删自选" "自选列表"
│   ├── 预警设置 → "XX跌到100提醒我" "涨停板提醒"
│   ├── 日志记录 → "记一下买了XX" "今天的操作"
│   └── 回顾复盘 → "上周操作回顾" "这个月收益多少"
│
└── 知识问答类
    ├── 概念解释 → "什么是MACD" "PE和PB有什么区别"
    ├── 市场知识 → "打新怎么操作" "融资融券是什么"
    └── 策略学习 → "什么是价值投资" "趋势交易怎么做"

3B. 多轮对话管理

python3 {baseDir}/tools/dialogue_manager.py --session-id <会话ID> --query "<用户输入>"

多轮对话状态机:

状态1: 初始分析
  用户: "帮我分析一下贵州茅台"
  Agent: [输出综合分析报告]
  → 保存上下文: {symbol: 600519, analysis_type: comprehensive}

状态2: 追问深入
  用户: "估值是不是有点高了"
  Agent: [识别追问，补充详细估值分析]
  → 上下文: {symbol: 600519, focus: valuation}

状态3: 对比扩展
  用户: "和五粮液比呢"
  Agent: [识别对比意图，输出对标分析]
  → 上下文: {symbol: [600519, 000858], mode: compare}

状态4: 决策收敛
  用户: "那现在能买吗"
  Agent: [综合所有已分析维度，给出建议]
  → 上下文: {symbol: 600519, decision_requested: true}

状态5: 操作跟进
  用户: "好，帮我记一下，今天打算在1650附近买入"
  Agent: [写入投资日志]
  → 调用 journal_manager 持久化

对话管理规则 (写入 AGENTS.md):

### 投资问答对话规则

1. **记住上下文**: 同一会话中用户追问时，自动关联之前讨论的股票
2. **分层回答**:
   - 一句话问题 → 一段话回答
   - 分析请求 → 结构化报告
   - "详细说说" → 展开完整分析
3. **主动追问**: 当信息不足以给出建议时，主动问清楚:
   - "您是短线操作还是中长线持有？"
   - "您的风险承受能力如何？"
   - "目前已有仓位吗？"
4. **不确定性表达**:
   - 高置信度: "从XX指标来看，明确显示..."
   - 中置信度: "综合来看，倾向于认为..."
   - 低置信度: "目前信号比较混乱，建议观望..."
5. **永远不要**:
   - 承诺收益或保证不亏
   - 给出具体的买卖指令（只提供分析视角）
   - 忽略风险提示

模块四：数据叙事化引擎

将枯燥的数字和指标转化为人类易理解的故事性表达。

python3 {baseDir}/tools/data_narrator.py --data <分析结果JSON> --style <叙事风格>

4A. 叙事风格

4B. 数据叙事化规则

# 核心转换逻辑
NARRATIVE_RULES = {
    # 涨跌幅描述
    "change": {
        (5, float('inf')):    "大涨 / 强势拉升",
        (3, 5):               "明显上涨",
        (1, 3):               "小幅上涨",
        (-1, 1):              "窄幅震荡",
        (-3, -1):             "小幅下跌",
        (-5, -3):             "明显下跌",
        (float('-inf'), -5):  "大跌 / 急挫",
    },
    # 成交量描述
    "volume_ratio": {
        (3, float('inf')):    "巨量（异常放大）",
        (2, 3):               "显著放量",
        (1.3, 2):             "温和放量",
        (0.8, 1.3):           "量能平稳",
        (0.5, 0.8):           "缩量",
        (0, 0.5):             "极度缩量（地量）",
    },
    # PE 估值描述
    "pe_percentile": {
        (0, 0.1):   "估值极低（历史底部区域）",
        (0.1, 0.3): "估值偏低",
        (0.3, 0.7): "估值合理",
        (0.7, 0.9): "估值偏高",
        (0.9, 1.0): "估值极高（历史顶部区域）",
    },
}

模块五：投资日志系统

利用 OpenClaw 的 Memory 机制（memory/YYYY-MM-DD.md + MEMORY.md）构建持久化投资日志。

5A. 日志类型

python3 {baseDir}/tools/journal_manager.py --action <操作> [--params ...]

5B. 日志存储格式（memory/YYYY-MM-DD.md 投资区）

## 📈 投资日志

### 交易记录
| 时间 | 操作 | 代码 | 名称 | 价格 | 数量 | 原因 |
|------|------|------|------|------|------|------|
| 09:35 | 买入 | 600519 | 贵州茅台 | 1660 | 100 | 放量突破MA20，MACD金叉 |
| 14:20 | 卖出 | 300750 | 宁德时代 | 185 | 200 | 触及止盈位，缩量滞涨 |

### 市场观察
- AI算力板块持续强势，中际旭创3连板
- 北向资金连续4日流入，偏好消费+科技
- PMI数据超预期，周期股有反弹

### 操作反思
- ✅ 茅台买入时机不错，放量突破确认后入场
- ⚠️ 宁德卖早了一点，但纪律优先，止盈不是错
- 📝 教训：板块轮动加快，不宜恋战，控制持仓周期

5C. 长期记忆（MEMORY.md 投资区）

通过 OpenClaw Memory Dreaming 机制自动提炼:

## 📊 投资偏好与记录

### 风险偏好
- 类型: 稳健型
- 单只最大仓位: 15%
- 止损纪律: -8% 强制止损

### 关注板块
- 长期看好: AI算力、新能源、消费
- 回避: 地产、教育

### 自选股
| 代码 | 名称 | 加入日期 | 加入理由 | 关注价位 |
|------|------|---------|---------|---------|
| 600519 | 贵州茅台 | 2026-03-01 | 价值投资标的 | 支撑1600，阻力1800 |
| 300750 | 宁德时代 | 2026-03-15 | 新能源龙头 | 支撑170，阻力200 |

### 历史操作统计
- 2026年3月: 操作12次，胜率58%，总收益+3.2%
- 最佳操作: 3/10买入茅台 +5.2%
- 最差操作: 3/22追高半导体 -6.1%
- 教训总结: 追高成功率低于30%，优先在支撑位附近入场

模块六：预警与推送系统

利用 OpenClaw Cron Jobs + Channel 分发 实现多渠道推送。

6A. 预警类型

python3 {baseDir}/tools/alert_dispatcher.py --action set --type <类型> --params <参数JSON>

6B. Cron Job 配置

# 盘前报告 — 每个交易日 08:30
openclaw cron add 
  --name stock-premarket-report 
  --cron "30 8 * * 1-5" 
  --tz Asia/Shanghai 
  --timeout-seconds 120 
  --announce 
  --message "执行盘前简报生成。按照 stock_reporting_interaction 技能的盘前报告流程执行。"

# 盘后报告 — 每个交易日 15:30
openclaw cron add 
  --name stock-postmarket-report 
  --cron "30 15 * * 1-5" 
  --tz Asia/Shanghai 
  --timeout-seconds 180 
  --announce 
  --message "执行盘后复盘报告生成。按照 stock_reporting_interaction 技能的盘后报告流程执行。"

# 预警扫描 — 交易时段每5分钟
openclaw cron add 
  --name stock-alert-scanner 
  --cron "*/5 9-15 * * 1-5" 
  --tz Asia/Shanghai 
  --timeout-seconds 60 
  --message "扫描所有活跃预警规则，检查是否有触发条件满足。仅报告触发的预警。"

# 周报 — 每周五 16:00
openclaw cron add 
  --name stock-weekly-report 
  --cron "0 16 * * 5" 
  --tz Asia/Shanghai 
  --timeout-seconds 300 
  --announce 
  --message "生成本周投资周报。汇总本周大盘走势、操作记录、盈亏统计、下周展望。"

6C. 多渠道分发

利用 OpenClaw 的 Channel 系统（Discord/Telegram/WhatsApp/Feishu）:

报告分发策略:
├── 即时消息 (Telegram/WhatsApp/Discord)
│   ├── 预警通知 → 即时推送，简短格式
│   ├── 盘前/盘后简报 → 结构化消息，可读性优先
│   └── 问答回复 → 自适应长度
│
├── Canvas (桌面端)
│   ├── 交互式仪表盘 → dashboard.html
│   ├── K线图 → kline-chart.html
│   └── 持仓视图 → portfolio-view.html
│
├── 文件导出
│   ├── Markdown → 日常报告
│   ├── HTML → 带图表的研报
│   └── PNG → 图表单独导出
│
└── Memory 持久化
    ├── 日志 → memory/YYYY-MM-DD.md
    └── 长期记忆 → MEMORY.md (Dreaming 自动提炼)

模块七：回答质量控制系统

7A. 分层表达引擎

同一份分析数据，根据上下文自动选择表达粒度:

Level 1 — 一句话 (适合预警、快速问答)
┌─────────────────────────────────────────────────┐
│ "茅台短线偏多，MACD金叉+放量突破MA20，评分72分" │
└─────────────────────────────────────────────────┘

Level 2 — 摘要段落 (适合聊天回复)
┌─────────────────────────────────────────────────┐
│ 贵州茅台(600519)短线技术面偏多。今日放量上涨     │
│ 2.1%，成功突破20日均线阻力位，MACD日线形成金叉，  │
│ KDJ指标处于中性区间尚有上行空间。上方阻力关注     │
│ 1720元（前高），下方支撑1640元（MA20）。综合技术   │
│ 评分72/100。                                     │
│ ⚠️ 仅供参考，不构成投资建议                       │
└─────────────────────────────────────────────────┘

Level 3 — 完整报告 (适合研报请求)
┌─────────────────────────────────────────────────┐
│ [完整结构化报告，含所有维度分析]                   │
│ [数据表格 + 图表 + 风险提示 + 操作建议]           │
│ [5000-10000字]                                   │
└─────────────────────────────────────────────────┘

选择逻辑:

if 用户问题 < 10字 且 是简单查询 → Level 1
elif 用户明确要求"详细" or "深度" or "研报" → Level 3
elif 多轮对话中的追问 → Level 2
else → Level 2 (默认)

7B. 免责声明系统

DISCLAIMERS = {
    "standard": "⚠️ 以上分析仅供参考，不构成投资建议。股市有风险，投资需谨慎。",

    "decision": "⚠️ 以上分析基于公开数据和量化模型，仅供学习和参考。n"
                "任何投资决策请独立判断并承担相应风险。n"
                "历史表现不代表未来收益。",

    "alert": "⚠️ 预警触发不代表必须操作，请结合自身判断。",

    "backtest": "⚠️ 回测结果基于历史数据，存在过拟合风险，不代表未来表现。n"
                "实盘交易还需考虑滑点、手续费、冲击成本等因素。",
}

# 根据内容类型自动附加
def attach_disclaimer(content: str, content_type: str) -> str:
    disclaimer = DISCLAIMERS.get(content_type, DISCLAIMERS["standard"])
    return f"{content}nn---n{disclaimer}"

7C. 置信度标注体系

每个分析结论都必须标注置信度: