股票助手 Agent 设计文档

一、项目概述

项目名称: Stock AI Assistant
项目类型: A股量化分析智能助手
核心定位: 专注于A股数据分析，提供有价值的投资信息（而非投资建议）
技术栈: OpenClaw + Python + AkShare + Flask

---

二、架构设计

2.1 整体架构

┌─────────────────────────────────────────────────────────────────┐
│                        用户交互层                                │
│            (Telegram / Discord / WhatsApp 等)                   │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│                     stock (主 Agent)                             │
│                    - 任务协调与调度                              │
│                    - 结果汇总与回复                              │
│                    - 知识系统调用                                │
└─────────────────────────────────────────────────────────────────┘
                              │
          ┌───────────────────┼───────────────────┐
          ▼                   ▼                   ▼
┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐
│  stock-query    │  │ stock-decision  │  │stock-reflection │
│  (行情查询)     │  │   (买卖决策)     │  │    (复盘学习)    │
│                 │  │                 │  │                 │
│  - 实时行情     │  │  - 技术分析     │  │  - 决策回顾     │
│  - 自选股监控   │  │  - 资金流向     │  │  - 错误分析     │
│  - 涨跌幅排行   │  │  - 市场情绪     │  │  - 策略更新     │
└─────────────────┘  └─────────────────┘  └─────────────────┘
          │                   │                   │
          └───────────────────┼───────────────────┘
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│                       数据存储层                                 │
│  - SQLite 缓存数据库                                            │
│  - JSON 文件存储                                                │
│  - Markdown 学习笔记                                            │
└─────────────────────────────────────────────────────────────────┘

2.2 数据流设计

用户指令
    │
    ▼
┌────────────────────────────────────────────┐
│  stock(主) 分析任务意图                     │
│  - 识别任务类型                            │
│  - 确定所需子 Agent                        │
└────────────────────────────────────────────┘
    │
    ▼
┌────────────────────────────────────────────┐
│  并行/串行调用子 Agent                     │
│  - stock-query → 行情数据 → latest.json    │
│  - stock-decision → 分析决策 → decisions  │
│  - stock-reflection → 复盘 → journal.md   │
└────────────────────────────────────────────┘
    │
    ▼
┌────────────────────────────────────────────┐
│  stock(主) 汇总结果                         │
│  - 整合各 Agent 输出                       │
│  - 添加风险提示                             │
│  - 格式化回复                               │
└────────────────────────────────────────────┘
    │
    ▼
用户收到回复

---

三、核心组件

3.1 主 Agent (stock)

职责:

• 协调调度各子 Agent
• 理解用户意图
• 整合分析结果
• 最终回复用户

核心原则 (定义在 SOUL.md):

• 提供有价值的信息，而非投资建议
• 数据优先，用数据说话
• 诚实面对不确定性
• 明确告知不是投资建议

数据文件:

• SOUL.md - Agent 核心价值观与行为准则
• USER.md - 用户信息与偏好
• IDENTITY.md - Agent 身份定义
• MEMORY.md - 长期记忆
• memory/YYYY-MM-DD.md - 每日记录

3.2 子 Agent 配置

stock-query (行情查询)

职责: 获取股票实时行情数据

输入: 自选股列表
输出: 格式化行情数据 (latest.json)

功能:

• 读取 watchlist.txt 获取自选股
• 调用数据源查询每只股票
• 输出：代码、名称、现价、涨跌、涨跌幅、成交量、换手率
• 统计数据：上涨/下跌/平盘数量、平均涨跌幅

stock-decision (买卖决策)

职责: 基于行情和基本面分析给出决策建议

输入:

• latest.json (行情数据)
• latest_analysis.json (基本面分析)

输出: decisions.json

功能:

• 技术指标分析 (RSI, MACD, KDJ, BOLL)
• 资金流向分析
• 市场情绪评估
• 决策建议：买入/持有/卖出
• 风险提示
• 心理偏差提醒

stock-reflection (复盘学习)

职责: 回顾决策，积累经验

输入:

• latest.json
• decisions.json
• journal.md (历史复盘)

输出: 更新 journal.md

功能:

• 回顾今日决策
• 分析正确/错误
• 记录心得教训
• 更新投资策略

---

四、技能系统 (Skills)

4.1 a-stock-monitor

描述: A股量化监控系统

核心功能:

1. 市场情绪评分 (7维度)

   • 涨跌家数比 (20%)
   • 平均涨幅 (20%)
   • 涨停/跌停比 (15%)
   • 强势股占比 (15%)
   • 成交活跃度 (10%)
   • 波动率 (10%)
   • 趋势强度 (10%)

2. 智能选股引擎

   短线策略 (5大策略)

   • RSI短线 - 超短线RSI策略
   • MACD短线 - MACD金叉死叉
   • KDJ短线 - KDJ超买超卖
   • 布林突破 - 布林带突破
   • 放量突破 - 量价齐升

   中长线策略 (7大策略)

   • MA趋势 - 均线多头排列
   • MACD趋势 - MACD趋势确认
   • 价值成长 - 长期价值投资
   • 突破回踩 - 突破后回踩买入
   • 底部反转 - RSI+MACD双确认
   • 趋势加速 - 均线多头+放量
   • 强势股回调 - 强势股回调低吸

3. 实时价格监控

   • 交易时间：5秒更新
   • 非交易时间：显示历史数据
   • 自动判断交易时段

4. Web可视化界面

   • 市场情绪仪表盘
   • 监控股票卡片
   • 统计数据汇总

技术特点:

• 双数据源架构 (新浪财经 + AkShare)
• 智能切换机制
• SQLite 数据缓存
• 异步数据获取

4.2 akshare-stock

描述: A股量化数据分析工具

功能:

• 实时行情查询
• 历史K线数据
• 财务数据
• 板块/行业分析
• 资金流向
• 龙虎榜数据
• 新股/IPO数据
• 融资融券数据

4.3 fundamental-stock-analysis

描述: 基本面分析与同行排名

评分维度:

• 质量评分
• 资产负债表安全
• 现金流
• 估值
• 行业调整
• 置信度修正

4.4 stock-watcher

描述: 自选股管理与监控

功能:

• 添加/删除股票
• 查看自选股列表
• 行情总结
• 性能摘要

---

五、知识系统

5.1 设计理念

在每次股票分析时自动加载投资书籍中学到的知识，确保分析基于系统化的投资原则而非主观臆测。

5.2 知识来源

已整合的投资书籍核心原则:

1. 《市场真相》

   • 不要盲目相信专家荐股
   • 关注市场情绪而非预测
   • 逆向投资但不要接飞刀
   • 损失厌恶是最大敌人

2. 《威科夫操盘法》

   • 供需关系决定价格
   • 吸筹阶段：低量窄幅波动
   • 派发阶段：高量宽幅波动
   • 跟随主力而非对抗

3. 《股票大作手回忆录》

   • 趋势是你的朋友
   • 关键点突破是买入时机
   • 资金管理决定生死
   • 承认错误立即止损

4. 《慢慢变富》

   • 安全边际是护城河
   • 复利是第八大奇迹
   • 长期持有优质公司
   • 耐心是最好策略

5. 《漫步华尔街》

   • 分散投资降低风险
   • 低成本指数基金是好选择
   • 资产配置比选股重要

5.3 知识调用流程

分析请求
    │
    ▼
knowledge_system.py 扫描学习笔记
    │
    ▼
生成分析提示词 (包含书籍原则和问题清单)
    │
    ▼
Agent 分析时必须回答这些问题
    │
    ▼
将答案融入分析报告

---

六、自动化任务

6.1 定时触发器

stock-decision 定时任务:

• 每天 5 次: 9:30 / 10:00 / 11:00 / 14:00 / 14:40
• 调用知识系统获取学习内容
• 读取最新行情和基本面数据
• 生成买卖决策建议

数据更新任务:

• 交易时间每 5 分钟更新全市场数据
• 每日收盘后生成选股推荐

6.2 心跳机制 (Heartbeat)

配置: 当前为空，暂无周期性检查任务

可扩展功能:

• 邮件检查
• 日历事件提醒
• 天气查询
• 社交媒体通知

---

七、数据存储

7.1 文件结构

~/.clawdbot/
├── stock_watcher/
│   └── watchlist.txt          # 自选股列表
├── stock_data/
│   └── latest.json            # 最新行情数据
├── stock_decisions/
│   └── decisions.json         # 买卖决策
├── stock_fundamental/
│   ├── latest_analysis.json  # 基本面分析
│   ├── knowledge_index.json  # 知识索引
│   └── learning_log/         # 学习笔记
└── stock_reflections/
    └── journal.md             # 复盘日记

7.2 SQLite 缓存

文件: stock_cache.db
用途: 缓存股票数据，减少API调用
缓存时间: 30分钟

---

八、配置说明

8.1 环境配置

8.2 依赖包

akshare          # A股数据接口
flask            # Web服务
ccxt             # 交易所接口
requests         # HTTP请求

8.3 第三方服务

---

九、安全与边界

9.1 核心边界

• 不推荐具体买入/卖出: 只提供分析信息，不做投资建议
• 不保证收益: 明确告知股市有风险
• 投资需谨慎: 风险自担
• 不造谣传谣: 只引用权威数据源

9.2 安全原则

• 不暴露 API 密钥、密码等敏感信息
• 不执行未经授权的命令
• 不泄露用户隐私数据
• 敏感操作需用户确认

---

十、扩展能力

10.1 支持的通讯渠道

• Telegram (主要)
• Discord
• WhatsApp
• Signal
• Web Chat

10.2 待实现功能 (TODO)

1. 告警通知系统

目标: 实时推送关键信息，确保用户第一时间获取市场变化

告警类型:

通知渠道:

• 飞书/企业微信 Webhook: 企业级推送，支持卡片格式
• Telegram Bot: 个人即时通讯
• 邮件: 重要通知存档
• 短信: 极端行情应急通知

实现架构:

市场数据监控
      │
      ▼
  规则引擎 ←── 告警规则配置 (alert_rules.json)
      │
      ▼
  消息队列 (Redis/RabbitMQ)
      │
      ├─→ 飞书 Webhook
      ├─→ Telegram Bot
      └─→ 邮件服务

配置示例 (alert_rules.json):

{
  "rules": [
    {
      "name": "涨停提醒",
      "condition": "change_pct >= 9.9",
      "channel": "feishu",
      "enabled": true
    },
    {
      "name": "异动提醒",
      "condition": "volume_ratio > 2.0",
      "channel": "telegram",
      "enabled": true
    }
  ]
}

---

2. 机器学习模块

目标: 利用机器学习算法辅助投资决策

功能模块:

2.1 预测模型

特征工程:

• 技术指标: RSI, MACD, KDJ, BOLL, MA, EMA
• 量价特征: 成交量、成交额、换手率、量比
• 基本面: PE, PB, ROE, 营收增长
• 市场情绪: 涨停数、跌停数、资金净流入

2.2 量化策略回测

功能:

• 任意策略的历史回测
• 多维度绩效分析
• 样本内外检验
• 参数优化

回测指标:

• 年化收益率 (Annual Return)
• 夏普比率 (Sharpe Ratio)
• 最大回撤 (Max Drawdown)
• 胜率 (Win Rate)
• 盈亏比 (Profit/Loss Ratio)
• 卡玛比率 (Calmar Ratio)

回测框架:

策略定义 → 历史数据 → 信号生成 → 回测引擎 → 绩效报告
     │                            │
     └─→ 参数优化 ────────────────┘

示例策略:

class MaCrossStrategy:
    """均线金叉死叉策略"""
    
    def __init__(self, short_ma=5, long_ma=20):
        self.short_ma = short_ma
        self.long_ma = long_ma
    
    def generate_signal(self, df):
        df['ma5'] = df['close'].rolling(5).mean()
        df['ma20'] = df['close'].rolling(20).mean()
        
        # 金叉买入，死叉卖出
        df['signal'] = 0
        df.loc[df['ma5'] > df['ma20'], 'signal'] = 1
        df.loc[df['ma5'] < df['ma20'], 'signal'] = -1
        
        return df

2.3 组合优化

目标: 在给定风险约束下最大化收益

方法:

• 均值-方差优化 (Markowitz)
• 最小方差组合
• 最大夏普比率组合
• 风险平价策略
• Black-Litterman 模型

输入:

• 各资产预期收益
• 协方差矩阵
• 风险偏好/约束

输出:

• 最优权重配置
• 预期收益
• 预期风险

---

3. 高级分析 (扩展数据源)

---

十一、目录结构

workspace-stock/
├── AGENTS.md                 # 工作区配置
├── SOUL.md                   # Agent 核心价值观
├── USER.md                   # 用户信息
├── IDENTITY.md               # Agent 身份
├── TOOLS.md                  # 工具配置
├── HEARTBEAT.md              # 心跳配置
├── stock-team-config.md      # 团队配置
├── skills/
│   ├── a-stock-monitor/      # 量化监控系统
│   ├── akshare-stock/       # 数据接口
│   ├── fundamental-stock-analysis/  # 基本面分析
│   └── stock-watcher/        # 自选股管理
├── scripts/
│   ├── knowledge_system.py   # 知识系统
│   ├── stock_decision_trigger.py  # 决策触发器
│   └── ...
└── memory/
    └── YYYY-MM-DD.md        # 每日记录

---

十二、版本与更新

更新日志

---

附录

A. 常用股票代码示例

B. API 端点

---

本文档最后更新于 2026-03-04