stock-analysis-plugin

A 股 / 港股 / 美股 / 日股 / 韩股 / 台股综合分析、多因子选股和策略回测工具集，可作为 Pi Agent Extension、Hermes Agent Plugin、OpenClaw Plugin，或 DeepSeek Harness (dsh) Plugin 使用。

底层共享同一套 Python CLI 工具和 SKILL.md 工作流，上层分别适配四个平台的注册机制。

目录

• 功能概览
• 安装
  • Pi Agent Extension
  • Hermes Agent Plugin
  • OpenClaw Plugin
  • dsh (DeepSeek Harness) Plugin
  • Python 依赖
• 快速开始
• Skills 一览
• 工具列表
• 策略回测 DSL
• 市场路由规则
• 独立 CLI 使用
• CI 真实宿主测试
• 项目结构
• 致谢
• 常见问题
• License

功能概览

• 51 个工具 — 行情数据、技术分析、K 线形态、资金流向、财务指标、新闻舆情、风险筛查、市场状态等
• 20 个 Skills — 综合分析、全市场选股、策略回测 + 17 个策略方法论（缠论、波浪、龙头、情绪周期等）
• 策略回测引擎 — YAML DSL 定义策略，参数化条件组合，自动诊断，按需进行有限轮参数优化
• 多数据源 Failover — 11 个数据源自动容灾切换（akshare / tushare / efinance / 腾讯行情 / 新浪行情 / pytdx / baostock / yfinance / finnhub / longbridge / alphavantage），A 股链路带粘性优选（最近成功的数据源下次优先尝试）
• 社交舆情增强 — A 股（东财股吧 + 雪球）/ 美港股（Reddit / X / Polymarket），市场自动路由
• 四平台适配 — 同一套工具同时支持 Pi Agent、Hermes Agent、OpenClaw 和 dsh

安装

所有 npm 包同时以 scoped（@weaxs/*）和非 scoped 同名两种名字发布，内容一致，任选其一即可。

插件包地址：

各平台的详细安装步骤见下方对应小节。

Pi Agent Extension

# 全局安装
cd ~/.pi/agent/extensions
npm install @weaxs/stock-analysis-plugin

# 或项目级安装
mkdir -p .pi/extensions && cd .pi/extensions
npm install @weaxs/stock-analysis-plugin

也可以直接 git clone git@github.com:Weaxs/stock-analysis-plugin.git 使用源码版本。

Pi 启动后自动加载，输入 /skills 确认。详见 Pi Agent 接入指南（English）。

Hermes Agent Plugin

pip install stock-analysis-plugin

安装后 Hermes 通过 hermes_agent.plugins entry point 自动发现并注册，无需手动复制目录。

或在 Python 中直接注册：

from hermes import register
register(ctx)

详见 Hermes Agent 接入指南（English）。

OpenClaw Plugin

openclaw plugins install clawhub:@weaxs/openclaw-stock-analysis

OpenClaw Gateway 启动后自动加载并注册 51 个 tool。安装时 postinstall 会自动建 .venv 并装好 Python 依赖（前提：本机有 python3 >= 3.10）。

详见 OpenClaw 接入指南，或 plugin 自身说明 openclaw/README.md。

dsh (DeepSeek Harness) Plugin

dsh plugin --profile <你的profile> add @weaxs/dsh-stock-analysis
dsh --profile <你的profile>

作为 dsh bundle 安装：dsh plugin add 会把 cordis.patch.yml 叠加进 profile 组合，注册 51 个 tool + 20 个 skill。postinstall 自动建 .venv（pnpm 需在 profile 的 pnpm-workspace.yaml 里给本包配 allowBuilds，否则回退系统 python3）。

详见 dsh/README.md。

Python 依赖

pip install -r tools/requirements.txt

主要依赖：

A 股行情另有**腾讯（qt.gtimg.cn）/ 新浪（hq.sinajs.cn）**两个免鉴权兜底源，不依赖任何 Python 包（直接 HTTP 调用），用于东财域名不可达的网络环境（境外主机、企业出网限制等）。

环境变量

数据源（可选，配置后自动加入 Failover 链）：

搜索引擎（可选，配置任一即可）：

社交舆情（可选）：

快速开始

综合分析

/skill:stock-analysis

帮我分析贵州茅台（600519）

Agent 会自动调用行情 → 技术面 → 基本面 → 资金面 → 消息面，输出多维度研报。

全市场选股

/skill:stock-screener

帮我从 A 股中筛选出低估值+高成长的股票，要求 PE < 30、PB < 5、市值 > 100 亿

策略回测

/skill:strategy-backtest

用 RSI 超卖反弹策略回测茅台，时间段 2024 年全年

特定策略视角

/skill:chan-theory
用缠论分析一下 600519 当前的走势结构

/skill:wave-theory
用波浪理论分析 AAPL 的浪形位置

Skills 一览

核心 Workflow（3 个）

策略、复盘与研究（17 个）

工具列表

数据获取

分析计算

筛选与回测

搜索与舆情

辅助

上下文与报告

策略回测 DSL

策略以 YAML 格式定义，支持参数化和条件组合：

name: "RSI Oversold Bounce"
version: "1.0"
description: "RSI超卖反弹策略"

parameters:
  rsi_period: 14
  rsi_oversold: 30
  rsi_overbought: 70
  stop_loss: -0.05
  take_profit: 0.15

entry:
  conditions:
    - indicator: "rsi"
      period: "{rsi_period}"
      operator: "<"
      value: "{rsi_oversold}"
    - indicator: "volume_ratio"
      operator: ">"
      value: 1.0
  logic: "all"

exit:
  conditions:
    - indicator: "rsi"
      period: "{rsi_period}"
      operator: ">"
      value: "{rsi_overbought}"
  logic: "any"
  stop_loss: "{stop_loss}"
  take_profit: "{take_profit}"

position:
  size: 1.0
  max_positions: 1

其他可用键：

• exit.trailing_stop：移动止损，价格自持仓期间最高收盘价回撤达到该比例即卖出（如 0.08 = 峰值回撤 8% 触发）；与 stop_loss 同时设置时先判固定止损。
• benchmark（顶层）：基准对比标的代码（如 "sh000300" 沪深300；指数代码必须带 sh/sz 交易所前缀，裸 6 位数字会被当作个股），设置后回测结果附带 benchmark 块（基准买入持有收益与 excess_return 超额收益）。
• simulation（顶层）：交易成本。slippage（滑点，买卖双边，默认 0.001）、commission（佣金，买卖双边，默认 0.0015）、stamp_tax（印花税，仅卖出收取，默认 0；A股为 0.0005，各市场税率不同且会调整，按当下实际费率填写）。费率均须在 [0, 1) 区间，越界报错。回测结果附带 costs 块（实际生效费率与实付费用合计 commission_paid/stamp_tax_paid）。

可用指标

可用运算符

> < >= <= == cross_above（上穿） cross_below（下穿）

示例策略见 strategies/examples/。

市场路由规则

各数据源按优先级自动尝试，前一个失败后自动切换到下一个。未配置相关 env var 的数据源会被跳过。 裸 6 位代码一律按个股处理（000001 是平安银行）；指数需带交易所前缀（sh000001 = 上证指数），显式前缀代码直接走腾讯/新浪（东财源只认裸代码）。 粘性优选：A 股链路（K 线 / 行情 / 市场快照 / 板块成分）会记住最近一次成功的数据源（缓存在系统临时目录，24h 有效），下次调用优先从它开始；若它已失效则自动顺延并更新记录。港美股链路不做粘性——一次 yfinance 瞬时失败不应让后续全天的 quote 降质。 日/韩/台股仅 yfinance 一个数据源（免费数据延迟约 15 分钟）；港股 / 美股 / 日股 / 韩股 / 台股的 ETF 与其所在市场股票走相同链路。

独立 CLI 使用

Python 工具可脱离 Agent 独立使用，所有输出为 JSON：

# 行情数据
python tools/stock_data.py kline 600519
python tools/stock_data.py kline AAPL --period weekly --count 30
python tools/stock_data.py quote 600519
python tools/stock_data.py capital_flow 600519
python tools/stock_data.py news 600519 --days 5
python tools/stock_data.py financials AAPL

# 技术分析
python tools/technical.py analyze 600519
python tools/technical.py analyze AAPL --period weekly

# 全市场筛选
python tools/screener.py screen --market A --top 20
python tools/screener.py screen --market A --top 20 --l2
python tools/screener.py screen --market A --config my_filter.yaml

# 策略回测
python tools/backtest.py run strategies/examples/rsi_oversold.yaml 600519
python tools/backtest.py run strategies/examples/rsi_oversold.yaml 600519 --start 2024-01-01 --end 2025-01-01

# 搜索与舆情
python tools/search_intel.py search "茅台 业绩"
python tools/search_intel.py comprehensive 600519
python tools/search_intel.py sentiment 600519
python tools/search_intel.py sentiment AAPL
python tools/search_intel.py trending

# 风险筛查
python tools/risk_screening.py screen 600519

# 市场状态
python tools/market_regime.py detect A

CI 真实宿主测试

GitHub Actions 的 e2e-host 使用 Pi、Hermes、OpenClaw、dsh 的真实运行时执行工具调用。在仓库 Settings → Secrets and variables → Actions 中配置以下三项，所有 E2E 共用：

e2e-llm 也使用这三项配置；同仓库 PR 和主分支推送会运行，fork PR 不读取 API key。e2e-host 缺少任一项时会失败。URL 和 model 同时存在于 Variable 与 Secret 时，优先使用 Secret。

项目结构

stock-analysis/
├── pi/                              # Pi Agent Extension
│   └── index.ts                     #   注册 51 个工具 + 20 个 skill
├── hermes/                          # Hermes Agent Plugin
│   ├── plugin.yaml                  #   插件清单
│   ├── __init__.py                  #   register(ctx) 入口
│   ├── schemas.py                   #   工具 JSON Schema 定义
│   └── tools.py                     #   51 个 handler → subprocess 调 CLI
├── openclaw/                        # OpenClaw Plugin
│   ├── openclaw.plugin.json         #   manifest（contracts.tools）
│   ├── package.json                 #   含 openclaw 块（pluginApi/SDK 版本）
│   └── index.ts                     #   definePluginEntry + registerTool ×51
├── dsh/                             # DeepSeek Harness (dsh) Plugin
│   ├── cordis.patch.yml             #   bundle patch（insert 插件入口）
│   ├── package.json                 #   含 dsh.bundle 块（bundle manifest）
│   └── index.ts                     #   cordis apply(ctx) + defineTool ×51
│
├── tools/                           # 共享 Python CLI 工具（23 个脚本）
│   ├── stock_data.py                #   行情 / 资金流 / 新闻 / 财务 / 短线情绪
│   ├── signal_tracker.py            #   AI 买卖建议回测闭环（本地 JSONL 存储）
│   ├── technical.py                 #   技术指标分析
│   ├── pattern.py                   #   K 线形态识别
│   ├── screener.py                  #   全市场多因子筛选（含市场情绪调节，--l2 量化增强）
│   ├── backtest.py                  #   策略回测引擎
│   ├── volume_analysis.py           #   量价分析
│   ├── search_intel.py              #   搜索 / 舆情 / 正文提取
│   ├── risk_screening.py            #   风险因子筛查
│   ├── market_regime.py             #   市场状态检测
│   ├── name_resolver.py             #   股票名称模糊匹配
│   ├── trading_calendar.py          #   交易日历
│   └── requirements.txt
│
├── skills/                          # 共享 SKILL.md（20 个）
│   ├── stock-analysis/              #   综合分析 workflow
│   ├── stock-screener/              #   选股 workflow
│   ├── strategy-backtest/           #   回测 + 进化 workflow
│   └── ...                          #   12 个策略方法论
│
├── strategies/examples/             # 回测策略 YAML 示例
├── schemas/                         # JSON Schema（研报结构等）
├── tests/                           # pytest 测试
├── package.json                     # npm / Pi 配置
└── tsconfig.json

数据流

用户 (自然语言)
    │
    ▼
Agent (Pi / Hermes / OpenClaw / dsh)
    │
    ├── 加载 SKILL.md → 分析框架 / 流程指引
    │
    ├── 调用工具 → pi/index.ts 或 hermes/tools.py 或 openclaw/index.ts 或 dsh/index.ts → python3 tools/xxx.py → JSON
    │
    ▼
Agent (LLM 分析 + 生成报告)
    │
    ▼
用户看到结构化分析结果

致谢

• daily_stock_analysis — A 股每日分析工具，本项目的综合分析流程参考了其设计思路
• akshare — A 股数据源
• yfinance — 港股 / 美股数据源
• pytdx — 通达信 TDX 协议（A 股免费兜底）
• longport — Longbridge OpenAPI（港股 / 美股）
• exchange-calendars — 全球交易日历

常见问题

Q: Python 工具报错 ModuleNotFoundError？

pip install -r tools/requirements.txt

如果使用 virtualenv / conda，确保 Agent 启动时能访问到对应的 Python 环境。

Q: A 股数据获取失败？

系统会自动按 akshare → tushare → efinance → 腾讯 → 新浪 → pytdx → baostock 顺序尝试（A 股链路含粘性优选：最近成功的源 24h 内优先）。腾讯 / 新浪源不依赖东财域名，在境外或受限网络下通常仍可用。如果所有源都失败，检查：网络问题、akshare 版本过低（pip install --upgrade akshare）、或非交易时间。配置 TUSHARE_TOKEN 可增加一个可靠数据源。

Q: 港股 / 美股数据有延迟？

yfinance 免费数据通常有 15 分钟延迟。配置 Longbridge（LONGBRIDGE_APP_KEY 等）或 Finnhub（FINNHUB_API_KEY）可获取更实时的数据，且作为 failover 备用源。

Q: 如何自定义筛选条件？

创建 YAML 配置：

name: "我的选股策略"
filters:
  pe_min: 5
  pe_max: 25
  pb_max: 3
  market_cap_min: 20e9
sort_by: "composite_score"
sort_order: "desc"

CLI 使用：python tools/screener.py screen --config my_filter.yaml --top 30

Q: 如何编写自定义回测策略？

参考 strategies/examples/ 下的示例和 策略回测 DSL 章节。也可以直接让 Agent 帮你编写 YAML 策略。

License

MIT