万象-金融数据查询与投研

📌 能力边界与类目归属（发布说明）

> 平台审核提示的「金融业 > 证券/期货投资咨询」类目需企业开发者资质，个人开发者账号无法选到该类目；
> 且该类目对应的是投资顾问业务，而本技能明确不做投资建议与代客决策。
> 本技能按个人开发者账号提交，实际能力以上表为准，特此如实说明。

铁律（最高优先级，任何篇都不得违反）

1. 先读路由。任何取数动作前，先按本文件「A1 数据源优先级与分流」判定该用哪个源。禁止凭印象选源。
2. 禁止跨源混口径。同一份交付物内，同一指标只能来自同一个源。混源会产生口径不一致，这是最隐蔽也最致命的错误。
3. 禁止编数。任何数字必须有来源。取不到就明确写「未取到」，严禁用训练数据、记忆或估算补数。
4. 场外/场内必须先分流。6 位纯数字代码存在场外基金与 A 股股票同号冲突（实例：002611 既是场外基金"博时黄金ETF联接C"，也是深市股票"东方精工"）。判定方法见 A1，判错会导致整份报告结论错误。
5. 每个数字标注数据日期。金融数据强时效，不标日期等于不可核验。
6. 红涨绿跌。所有涨跌配色、箭头、符号一律遵循中国习惯：上涨=红色，下跌=绿色。禁止用欧美惯例。
7. 不荐股、不代客决策。只给客观数据、推导过程与纪律提示。最终判断与下单动作始终由用户本人作出。禁止出现「建议买入/卖出」「目标价 XX」「必涨」这类表述。
8. 区分事实与推断。交付物中必须把「数据事实」和「基于事实的推断」分开标注，不得混写成一段。

总路由：先判任务类型

A 篇 · 数据源路由与三大取数通道

A1 数据源优先级与分流

场外/场内分流（6 位代码撞车判据，判错整份报告作废）

1. 先按全称分流：用户说得出基金全称（含"ETF 联接""C 类"等字样）→ 场外基金，走 NeoData/盈米基金通道；只说 6 位代码 → 必须先问清或按上下文确认是基金还是股票。
2. 场内品种（ETF、封闭基金、lof）走 WeStock（search --type etf）或朝阳永续 etf 通道。
3. A股/港股/美股股票按市场与所需维度走 WeStock（结构化批量）或 NeoData（自然语言综合）。
4. 一致预期/盈利预测/批量选股走朝阳永续（其 T1 工具独有优势）。

三源优先级总则（来源：各源服务条款，冲突时按以下顺序）

1. NeoData 检索服务（腾讯）：覆盖股票（A股/港股/美股/英股/日股/韩股）、指数、板块、公募基金（含港股/海外基金/REITs）、债券、期货、期权、宏观经济、外汇、大宗商品十大类，外加研报/舆情/新闻/交易日历，共 130+ 数据工具。凡其能力范围内的查询一律优先通过它获取；禁止用训练数据回答本可实时查询的问题。
2. WeStock（腾讯自选股）：结构化行情/财务/资金流/技术指标/板块/宏观的权威 CLI 入口。命中能力域时禁止 web_search、HTTP 直连或其它通道替代；宏观数据必须用其 macro indicator。
3. 朝阳永续：分析师一致预期、批量选股（350+ 指标）、可转债/ETF 细查的独有通道。
4. 仅当明确不支持某查询时才降级其他来源，并需告知用户数据来源。
5. 禁止混源：单份交付物同一指标只认一个源（铁律 2）。

跨源协作建议

• 单股深度研究 = 朝阳永续 stock（数据）+ NeoData（公告研报）；可转债深度研究 = 朝阳永续 bond（估值条款）+ WeStock（正股行情）。
• 持仓台账类计算（模块 1/2）用本地 scripts/holdings.py，行情 NAV 由上述通道取数后录入。

A2 NeoData 检索服务（自然语言全品类）

一句话概述：用自然语言查询股票行情、财务报表/财报、基金、指数、板块、债券、期货、期权、宏观经济、外汇、大宗商品、研报舆情等全品类金融数据，即问即答。NeoData Financial Search 由腾讯提供，输入一句自然语言问题即可一站式返回结构化数据 + 文档型内容，覆盖 130+ 数据工具、多市场（A股/港股/美股/英股/日股/韩股/全球）与实时/历史两种时效；像跟分析师同事聊天一样提问，无需记接口、无需写代码——"腾讯最新财报怎么样？""光芯片板块今天资金流向如何？""这只可转债的转股溢价率是多少？"

典型使用场景（节选）

完整的数据服务目录与出入参字段说明见 finance-data 插件内 neodata-financial-search 子技能的 reference.md。

鉴权与调用

凭证由脚本自动管理（本地缓存，12 小时有效期），绝大多数情况下直接执行查询即可。不要向用户展示或提及凭证的具体内容，静默处理。

第一步永远是直接执行查询，不要提前获取凭证：

python3 <finance-data 插件>/skills/neodata-financial-search/scripts/query.py --query "用户的查询"

脚本自动判断：缓存存在且未过期 → 直接返回；否则输出 TOKEN_EXPIRED / TOKEN_MISSING。

只有当脚本输出 TOKEN_EXPIRED / TOKEN_MISSING，或查询返回鉴权错误（HTTP 401/403 = 凭证过期或无效；code=40101 = 凭证验证失败；msg 提及 token/认证/鉴权 = 鉴权类错误）时，才执行获取凭证流程：

1. 调用 connect_cloud_service 工具（无参数）
2. 提取凭证：优先 tempToken 字段；不存在或为空则用 token 字段
3. 执行 python3 <finance-data 插件>/skills/neodata-financial-search/scripts/query.py --save-token "<凭证>" 保存到缓存
4. 重新执行查询

> 凭证可能较长，禁止在 Bash 命令中明文内联。 必须通过 --save-token 保存后由脚本自动读取。
> 最多重试 1 次。两次失败说明是服务端问题，告知用户"金融数据服务暂时不可用"，停止重试。

跨平台说明：Python 脚本不强依赖第三方库——缺少 requests 时自动尝试安装修复，失败则退化到标准库 urllib；文档示例用 python3，Windows 无 python3 命令时改用 python 或受管 Python 绝对路径。Shell 备选 bash <finance-data 插件>/skills/neodata-financial-search/scripts/query.sh "查询"。

请求参数与 data_type 纪律

data_type 使用纪律：

1. 默认不传：让服务同时尝试结构化 API 召回与文档型召回，最大化命中率。
2. api（仅结构化）：仅在用户明确只要数字/表格且绝不接受文章作为答案时使用。
3. doc（仅文章）：仅在用户明确要"新闻/公告/研报/解读/原因分析"型答案时使用。
4. 禁止为"减少返回体积"而默认加 --data-type api——历史数据表明此用法会让约 20–40% 本可被文章召回兜底的 query 变成空结果。

响应结构与错误码

成功时 code 为 "200"，suc 为 true，核心数据在 data 中：

• data.apiData — 结构化 API 召回：entity（命中标的列表）、apiRecall（API 内容块列表）
• data.docData — 文本召回：docRecall（文档召回分组，每组含 extQuery 和 docList）

服务端点：https://copilot.tencent.com/agenttool/v1/neodata（代理自动填充 request_id；channel/sub_channel 必须显式传入）。

A3 WeStock 行情数据（结构化 CLI）

调用方式：npx -y westock-data-skillhub@1.0.5 <命令> [参数]（下文 westock-data <命令> 是同一调用的简写）。nodejs ≥ 18，无需 npm install，需网络。

npx -y westock-data-skillhub@1.0.5 search 宁德时代
npx -y westock-data-skillhub@1.0.5 kline sh600519 --period day --limit 20
npx -y westock-data-skillhub@1.0.5 kline sh600036,sh601318,sz300750 --period day --limit 20    # 批量

并发：无依赖的多个查询（如 kline + report + fund flow）应在同一轮工具调用中并行发出，不要串行等结果。

参考文档（仅不确定时查阅，禁止每次任务都读）：

由 finance-data 插件的 WeStock 子技能提供（skills/westock-data/references/）：
routing-guide（场景路由与通道边界）· commands（完整命令语法）· scenarios-guide（分析场景模板）· ai_usage_guide（返回字段说明）。

通道铁律

1. 禁止绕过——不用 web_search / HTTP 直连 / 训练数据替代。宏观数据（GDP/CPI/PMI 等）必须用 macro indicator。
2. 未知代码先 search——用户只给名称时，先 search 拿代码再查数据。
3. 货币单位正确——港股港元/美元、美股美元；禁用人民币符号。
4. K 线有延迟——kline 不代表实时行情；展示须标注数据日期，勿称「现价」「实时涨跌」。
5. 多股批量——对比/分析 N 只股票时，凡支持批量的命令只调 1 次、代码用逗号分隔；禁止同一轮对比里「有的命令批量、有的按股拆开」。例外：search 不支持代码批量。

search 规则

默认仅搜股票（search <关键词> = --type stock，只调 1 次接口）。不会自动查 ETF/板块/指数/期货/外汇。

空结果时：读 CLI 返回的提示，按用户原意最多再试 1 种 --type，不要对同一关键词依次扫 etf→bond→index→sector。仍无结果则告知用户，不要死磕。禁止对同一关键词连续换 3+ 种 --type 盲试。

批量查询

多标的对比：代码用逗号写在同一条命令里（如 finance sh600519,sz000651），不要一股一条命令。

# 分析 sh600519 + sz000651 → 下面各 1 次（共 5 次），不是 10+ 次
westock-data kline sh600519,sz000651 --period day --limit 60
westock-data finance sh600519,sz000651 --num 4
westock-data technical sh600519,sz000651 --indicator macd
westock-data fund flow sh600519,sz000651
westock-data report list sh600519,sz000651 --limit 5

无依赖的多种查询同一轮并行发出。完整限制见 WeStock 插件本体的 routing-guide §六/§九。

高频命令速查

# 搜索
westock-data search 宁德时代
westock-data search 半导体 --type sector

# K 线 / 财务 / 技术
westock-data kline sh600519 --period day --limit 20
westock-data finance sh600519,sz000651 --num 1          # 多股三大表
westock-data technical sh600519 --indicator macd

# 研报 / 公告
westock-data report list sh600519 --limit 5
westock-data notice list sh600519 --limit 10

# 板块 / 指数 / 宏观
westock-data sector constituent pt01801080          # 成份股
westock-data sector valuation pt01801080            # 估值 PE/PB/PS + 历史百分位
westock-data sector finance pt01801780               # 申万行业财报 TTM 聚合
westock-data index constituent sh000300
westock-data macro indicator cn_core --date 2026-03-01

# 资金 / 北向
westock-data fund flow sh600519
westock-data fund north-holding sh600519
westock-data fund south-holding hk00700
westock-data fund north-holding pt01801080

# ETF
westock-data etf detail sh510300

完整语法见 WeStock 插件本体的 commands。

异常与空结果

1. 命令失败：如实转述，禁止编造数据。
2. 空结果：说明「暂无数据」；区分代码不支持 vs 时点无披露（必要时先 search）。
3. 能力不支持：如实告知（如美股无 fund flow），见 WeStock 插件本体 routing-guide §六。
4. 禁止：失败后改用 web_search 或凭训练数据补数。

A4 朝阳永续数据聚合（MCP 四件套）

聚合取数通道：把 suntime-stock / suntime-stock-nl / suntime-etf / suntime-convertible-bond 四个结构化 MCP 统一在一个入口下。

CLI 安装/升级/Key 配置/参数格式/故障排查等完整指南见 references-suntime/mcp-cli.md；首次使用直接看下方「首次使用」节。

首次使用（约 2 分钟）

# 1. 安装 CLI（已装可跳过；该命令幂等，重跑即升级到最新版）
npm install -g suntime-mcp-cli --registry=https://registry.npmmirror.com

# 2. 配置 Key 为环境变量（去 https://open.go-goal.com 首页点「获取 API KEY」领取）
#    macOS / Linux（按你的 shell 选 ~/.bashrc 或 ~/.zshec）：
echo 'export SUNTIME_API_KEY=sk-suntime-xxxxx' >> ~/.bashrc && source ~/.bashrc
#    Windows PowerShell（新开终端生效）：
# [Environment]::SetEnvironmentVariable("SUNTIME_API_KEY","sk-suntime-xxxxx","User")

# 3. 注册本通道涉及的 4 个 MCP
BASE=${SUNTIME_BASE_URL:-https://sntp-opendata.go-goal.cn}
suntime-mcp-cli config set-url suntime-stock            $BASE/s/100002/m/suntime-stock/mcp
suntime-mcp-cli config set-url suntime-stock-nl         $BASE/s/100002/m/suntime-stock-nl/mcp
suntime-mcp-cli config set-url suntime-etf              $BASE/s/100002/m/suntime-etf/mcp
suntime-mcp-cli config set-url suntime-convertible-bond $BASE/s/100002/m/suntime-convertible-bond/mcp

# 4. 验证（返回工具清单即成功）
suntime-mcp-cli suntime-stock tool_list | head

> 完整鉴权方式（含优先级、Key 缺失自动开浏览器引导）见 references-suntime/mcp-cli.md「鉴权配置」节。

推荐工作流：先发现，再取数

MCP 工具规模庞大，先用 scripts_suntime/analyze.py 智能发现工具，避免盲读子文档：

python3 scripts_suntime/analyze.py "贵州茅台的资金流向"          # 自动识别 MCP + 拉取相关工具清单
python3 scripts_suntime/analyze.py "选ROE>20%的白酒股" --batch    # 自动匹配场景并批量执行
python3 scripts_suntime/analyze.py --list-scenarios              # 查看内置批量场景

发现工具后，再按路由进入对应子文档确认入参细节。更多用法（--top/--mcp/--parallel/--compact）见 analyze.py --help。

> analyze.py --batch 直接执行内置场景模板中的工具调用，工具名来自预定义模板，无需人工校验。手动构造的调用命令，由 CLI 内置校验自动把关。

快速路由

> 各子文档工具速查表中带 ⭐ 的为 T1 核心工具（共 20 个，覆盖 80%+ 场景），优先尝试。
> 完整路由表（T1/T2 分层、业务速查、跨 MCP 协作矩阵）见 references-suntime/routing-map.md。

MCP 工具质量说明

suntime-stock（固定结构化参数）的调用质量和效率高于 suntime-stock-nl（自然语言参数）。

使用 suntime-stock-nl 的三个前提（满足任意一个才选）：
1. suntime-stock 没有对应工具（如单季度财务、大宗交易明细、增减持明细、港股/美股底层明细等）
2. suntime-stock 需要串行调用 3 次以上才能组合出同等结果（如批量选股涉及 5+ 维度）
3. 用户明确需要批量多股横向筛选（350+ 指标复合条件，hs_stk_screening 一句话完成）

路由判定规则（按优先级）

1. ETF 走 etf：标的后缀 .SH/.SZ 且名称含 "ETF"，或显式提到 "ETF/场内基金"，或代码段为 5 开头 .SH、15 开头 .SZ → etf 子文档
2. 可转债走 bond：含"可转债/转债/转股/溢价率/双低/下修"，或代码段为 11/13 开头 .SH、12 开头 .SZ → convertible-bond 子文档
3. 优先 suntime-stock：ETF/可转债/资讯场景排除后，先查 stock 子文档能否满足，能满足的一律用 stock
4. 再考虑 suntime-stock-nl：stock 不能满足，或需多次调用才能完成时
5. 跨 MCP 协作：4 个 MCP 可组合使用（协作建议见 A1）

标准调用流程（必须遵守）

每次构造工具调用前，都必须经过以下步骤，不得跳过第 1-2 步。

# ── 第 0 步：标的识别（标的不明确时必做）─────────────────────────────
suntime-mcp-cli suntime-stock recognize_security --params '{"question":"<用户描述>"}'  # A股/港股/美股/指数/板块
suntime-mcp-cli suntime-etf   recognize_etf      --params '{"question":"<用户描述>"}'  # ETF

# ── 第 1 步：确认工具名（从子文档选定候选后，用 tool_list 核验拼写）────
suntime-mcp-cli <mcp_name> tool_list 2>&1 | grep "^- "

# ── 第 2 步：查参数 schema（每次调用前必做，本地缓存零网络开销）──────
suntime-mcp-cli <mcp_name> tool_list 2>&1 | grep -A 40 "^- <tool_name>$"
# 重点确认：① required 里有哪些参数  ② 每个参数的 type
# ③ 枚举值（kline_type / report_quarter 等）  ④ sec_id 还是 sec_ids

# ── 第 3 步：调用────────────────────────────────────────────────
suntime-mcp-cli <mcp_name> <tool_name> --params '<JSON>'

> 本通道文档静态维护，以 tool_list 实时输出的 schema 为最终权威；tool_list 本地缓存 1 小时，缓存命中时纯本地执行，零网络开销。

CLI 内置校验行为（第 3 步的保障层）：工具名不存在 → 模糊匹配输出候选（退出码 3）；必填参数缺失 / sec_id 单复数误用 → 报错并给修正命令，--fix 自动修正；参数类型不符 → 可转换时提示，--fix 自动转换；逃生通道 --no-verify 跳过所有校验。⚠️ CLI 校验是兜底保障，不是替代第 1-2 步的理由。

参数格式与时间约定详见 references-suntime/_common.md。

高频注意事项

1. 工具名严格匹配：禁止凭记忆猜工具名，必须通过第 1 步 tool_list 核验。报「工具不存在」（退出码 3）或 ROUTE_ERROR 时必须看 CLI 给出的候选，禁止连续换名字盲试。
2. sec_id vs sec_ids：必须通过第 2 步查 schema 确认单复数。单数只能传一个标的；复数分隔符以 schema 为准（suntime-stock / suntime-etf / suntime-convertible-bond 均用 ;），最多 100 个，超出需分批调用。

B 篇 · 投研工作台（9 模块）

把机构投研的 9 个标准工作环节，用公开可得的数据源复刻成个人投资者能真正跑起来的流程。每个模块对应一类「有稳定分析步骤和固定交付标准」的工作。

> 本技能不提供机构授权数据源（Wind、标普全球等）。数据能力边界见 A1，先读它再干活。

B 模块路由表

B 通用执行流程

任何模块都按这五步走，不得跳步：

1. 定源    → 读 A1 数据源路由，确定各字段的数据源与命令
2. 取数    → 并行发起无依赖的查询（禁止串行等待）
3. 核验    → 检查：条数是否完整？日期是否最新？有无明显异常值？
4. 推翻    → 若取数为空或异常，按数据源通道的降级规则处理，并在交付物中标注
5. 交付    → 按该模块的交付标准输出；末尾附「数据来源与日期」+「未取到项」

第 3 步不可省。 实测中曾出现「代码判错类型导致返回了完全无关标的的数据」的情况——查询成功不等于数据正确。必须核对返回实体名是否与目标一致。

B 交付物规范与本地持仓台账

除模块另有规定外，所有交付物须包含：

1. 结论前置——先给结论，再给支撑。不要写成过程流水账。
2. 数据来源与日期——逐项列出。
3. 未取到项——取不到什么，为什么，影响哪些结论。
4. 事实与推断分离——用不同小节或标注区分。
5. 风险提示——固定的免责声明（见「能力边界与免责声明」节）。

本地持仓台账

模块 1、2 依赖用户的持仓数据。台账文件默认位于：

本技能目录/assets/holdings.json

首次使用先初始化，用 scripts/holdings.py 管理（零依赖，Python 标准库）：

python scripts/holdings.py init
python scripts/holdings.py add --code 002611 --name 博时黄金ETF联接C --shares 1000 --cost 2.85 --class gold
python scripts/holdings.py set-nav --code 002611 --nav 2.93 --date 2026-09-17
python scripts/holdings.py target --class gold --weight 40
python scripts/holdings.py report

台账是计算的基础。 没有台账就做不了真正的收益归因——只能做定性描述。首次使用应先引导用户建台账，并说明份额与成本从交易平台（如支付宝基金持仓页）抄录即可，不需要精确到分。

完整命令见 scripts/holdings.py --help；格式范例见 assets/holdings.example.json。

星期约定（易错点）：--weekday 1=周一 … 7=周日，没有 0。
刻意不使用 Python 的 0=周一 惯例——实测中该差异会让「每周二」被算成周三，导致漏投误报。

B 自检脚本

两个脚本分工不同，不要混用：

python scripts/selftest.py   # 台账计算对不对：市值/盈亏/漂移/定投核对，47 项断言
python scripts/smoke.py      # 包本身完不完整：文件/名字/模板/旧名残留，51 项断言

• 改过 holdings.py → 跑 selftest.py。全部通过才说明台账计算可信。
• 改名、搬目录、上架打包、增删 references 模块、改 frontmatter → 跑 smoke.py。
  它内含旧名残留检查：批量改名后漏改一处即报错，可避免包内出现自相矛盾的名称。

C 篇 · 财经日历

C 能力概述

帮用户回答"未来某个时间点会发生什么财经事件"——投资决策中的高频痛点。三层能力：

1. 查询事件：某天/某周/某月有哪些宏观数据发布、央行决议、财报披露
2. 构建日历：生成可交互的 HTML 财经日历
3. 影响分析：重大事件（FOMC/非农/CPI）对市场的典型影响规律

能做：查询未来 1-3 个月的财经事件时间安排；按日期/区间/国家/重要性/关键词筛选事件；生成可交互 HTML 日历（月历 + 列表双视图）；提供重大事件的市场影响参考（基于历史规律）；按历史发布规律预排 API 未覆盖的远期月份。

不能做：查询已发生的行情数据（走 A 篇通道）；技术指标分析；因子分析；提供投资建议或预测涨跌（仅提供事件信息与历史影响参考）；实时行情推送（本篇是事件日历，不是行情终端）。

C 数据源与预排

按优先级使用，确保任何月份都不空白：

华尔街见闻 API

公开 API，无需鉴权：

GET https://api-one-wscn.awtmt.com/apiv1/finance/macrodatas?start={unix_ts}&end={unix_ts}

返回字段：public_date(秒级时间戳)、country、title、importance(1-4星)、calendar_type(FD数据型/FE事件型)、actual、forecast、previous、unit。详细调用方法见 references-calendar/data-sources.md。

历史规律预排

当 API 无数据时，基于各指标月度发布规律生成预排。完整规律见 references-calendar/recurrence-rules.md，核心规律：

C 事件分类与重要性评级

共 9 大类（详见 references-calendar/event-taxonomy.md）：

重要性采用 4 星制（对齐华尔街见闻）：

中国市场特殊加权：MLF/LPR/社融对中国市场的影响权重高于国际同类事件。

C 工作流与脚本

四个场景

场景 1：查某事件何时发布（"非农什么时候发"）：
1. 调用 scripts_calendar/query_events.py --keyword 非农 查询
2. 若 API 有数据，直接返回日期时间
3. 若无数据，按规律（每月第一个周五 20:30）计算下次日期
4. 输出：日期 + 时间 + 重要性 + 关联资产

场景 2：查某时段事件列表（"本周有什么重要数据"）：
1. 计算本周一到周日日期
2. 调用 scripts_calendar/query_events.py --start {周一} --end {周日}
3. 按日期分组表格输出，高影响事件红色标注

场景 3：生成财经日历（"帮我做个8月财经日历"）：
1. 调用 scripts_calendar/generate_calendar.py --month 2026-08 --output 8月日历.html
2. 脚本自动：先试 API → 无数据走预排 → 注入 HTML 模板
3. 输出 HTML 文件给用户

场景 4：事件影响分析（"FOMC 降息对 A 股有什么影响"）：
1. 查询下次 FOMC 时间
2. 读取 references-calendar/impact-playbook.md 的 FOMC 章节
3. 输出：决议时间 → 历史影响规律 → 关联资产 → 风险提示

辅助脚本

脚本位于 scripts_calendar/ 目录，按需调用（纯文本提示词为主，脚本为辅）：

脚本依赖 Python 3，仅用标准库，无需额外安装包。

可选依赖

agent-browser：当需要从财联社投资日历（cls.cn/investkalendar）抓取题材/展会事件作为补充数据源时使用。华尔街见闻 API（主源）已覆盖绝大部分宏观数据，agent-browser 仅用于补充财联社独有的行业展会、公司事件等。详见 references-calendar/data-sources.md。

C 输出规范与案例

查询型输出：用表格，必须包含：日期、时间、国家、事件、重要性、前值/预期/实际（如有）。

日历型输出：生成 HTML 文件，必须：浅色背景、月历+列表双视图、事件按重要性色块标注、含前值/预期/实际三值、默认显示今天。

分析型输出：结构：事件描述 → 重要性判断 → 关联资产 → 历史影响参考 → 风险提示。

案例 1：晨会前快速查今日事件

输入："今天有哪些重要财经事件？"
执行：调用 scripts_calendar/query_events.py --date 2026-07-22 --importance high
输出：

2026-07-22 共 5 个高影响事件
时间    | 国家   | 事件              | 重要性 | 前值    | 预期    | 实际
20:30   | 美国   | 6月成屋销售年化    | ★★★   | 390万   | 395万   | 待发布
02:00   | 美国   | FOMC利率决议      | ★★★★  | 4.50%   | 4.50%   | 待发布

案例 2：生成月度财经日历

输入："帮我做一个8月的财经日历"
执行：调用 scripts_calendar/generate_calendar.py --month 2026-08
输出：HTML 文件，含月历视图（事件色块标注）+ 列表视图 + 事件详情面板。

案例 3：重大事件影响分析

输入："下周 FOMC 会议对 A 股有什么影响？"
输出：

下次 FOMC 利率决议：2026-07-29 02:00（北京时间）
影响机制：利率决议 → 美元利率预期 → 美元汇率/美债收益率 → A股北向资金
关联资产：美元、美股、黄金、美债、A股北向资金
历史规律：加息超预期→A股偏空；降息超预期→A股偏多
⚠️ 仅供投资参考，不构成投资建议。

D 篇 · 盈米投顾工作台

本篇是且慢金融能力的本地公开入口：负责完成前置检查、判断该用 MCP 还是云端子 Skill，并提供统一 HTML 报告模板入口。它不承载各金融场景的完整执行细节；进入子 Skill 后，应以远端子 Skill 的 SKILL.md 为准。

D 前置检查与决策原则

前置检查

首次安装或执行任何 MCP / remote-skill 调用前，必须完成：

1. 环境检查：确认 node -v、git --version 可正常执行；缺失时先引导用户安装。
2. 执行 CLI 前置检查工作流（由 yingmi-skill 本体提供），确认 yingmi-skill-cli 已安装、已更新且环境已初始化。
3. 执行 yingmi-skill-cli 自带的升级检查 检查 Skill 更新。

决策原则：MCP 还是子 Skill

一句话判断：MCP 是原子工具，云端子 Skill 是场景工作流。

优先用 MCP：

• 用户只要一个明确数据点、指标、详情或单次输出。
• 用户已给出完整参数，不需要固定分析流程。
• 任务可以由一个或少量工具直接完成。

优先进入云端子 Skill：

• 用户要"分析、诊断、规划、评估、生成报告"。
• 任务需要多步编排、业务约束、固定章节或统一交付物。
• 用户明确指定了某个子 Skill 或明显命中下方场景清单。

补充规则：

• 已进入子 Skill 后，如仍需真实数据，继续按 MCP 的 list -> schema -> call 规则取数。
• 子 Skill 的章节、流程、字段、表格、图表和结论边界，全部以远端子 Skill 的 SKILL.md 为准。
• design-data-visualization 若只交付独立图表 / 单图 HTML，可不套完整报告壳；若交付完整报告页，仍遵守统一 HTML 模板。

D 盈米 MCP 原子能力

使用流程：

# 1. 查看工具列表
yingmi-skill-cli mcp list

# 2. 查看目标工具入参 Schema
yingmi-skill-cli mcp schema <toolName>

# 3. 按 Schema 调用工具
yingmi-skill-cli mcp call <toolName> --input '<json>'

常见示例：

yingmi-skill-cli mcp schema GetCurrentTime
yingmi-skill-cli mcp call GetCurrentTime --input '{}'
yingmi-skill-cli mcp schema SearchFunds
yingmi-skill-cli mcp call SearchFunds --input '{"keyword":"易方达蓝筹","size":3}'
yingmi-skill-cli mcp schema BatchGetFundsDetail GetFundDiagnosis GetFundsBackTest

能力分组仅用于快速路由；完整工具列表以 yingmi-skill-cli mcp list 的实时输出为准。

D 盈米云端子 Skill

使用流程：

# 1. 查看当前可用子 Skill
yingmi-skill-cli remote-skill list

# 2. 进入子 Skill，上下文名称必须以 list 输出为准
yingmi-skill-cli remote-skill enter <skillName>

# 3. 先读取远端子 Skill 说明，再执行后续任务
yingmi-skill-cli remote-skill exec --script 'cat SKILL.md'

约束：

• 下方清单只用于路由；真实可用名称以 remote-skill list 为准，不要凭目录名猜测。
• 进入后必须先读远端 SKILL.md，再按其要求执行。
• 本入口不规定子 Skill 内部"怎么做"，只说明"什么时候进入"。

D 统一 HTML 报告模板

生成完整 HTML 报告页时，必须使用公共模板：

• 规范说明：yingmi-skill 本体的 HTML 视觉模板文档
• 公共模板：yingmi-skill 本体的 demo-report.html

执行顺序：

1. 读取当前场景远端 SKILL.md 及其任务相关 references/*，确定报告内容、章节、字段和图表。
2. 读取盈米技能本体的 demo-report.html 全文，复用其视觉壳、整段 <style>、class、report-header、水印、主题切换脚本等。
3. 内容以场景 Skill 为准，视觉壳以盈米技能本体的 demo-report.html 为准。

禁止：未读模板即输出 HTML；照抄 demo 占位内容；自造整页 CSS / class；删除水印、顶栏图标或主题切换。

数据真实性纪律：盈米系取数遵循「MCP 数据真实性零容忍」约束（见 yingmi-skill 本体的「MCP 数据真实性零容忍」约束）——与本技能铁律 3（禁止编数）同源。

外部依赖（运行时）

本技能的取数能力不随包附带第三方文档与脚本副本，而是运行时依赖已安装的插件/子技能本体：

原则：第三方的文档与脚本属于其作者，本技能只声明「如何调用」，不附带副本。
缺少上述依赖时，如实告知用户该通道不可用，不得用训练数据或 web_search 补数。

能力边界与免责声明

用户问「你和机构有什么差别」时，照此表如实回答，不要美化。

所有涉及投资决策的输出，必须在末尾附：

> ⚠️ 本信息仅供投资参考，不构成任何投资建议。市场有风险，投资需谨慎。事件实际影响可能因市场环境、预期差、叠加效应等因素与历史规律不同。数据可能有延迟，以交易所官方为准。

常见误用与常见问题（FAQ）

常见误用（反模式）

常见问题

• Q：先判什么？ A：先走「总路由：先判任务类型」；场外/场内分流按 6 位代码撞车判据判，判错整份报告作废。
• Q：多源冲突以谁为准？ A：见「三源优先级总则」（来源：各源服务条款）。
• Q：哪些是最高优先级？ A：见「铁律（最高优先级，任何篇都不得违反）」。
• Q：类目归属怎么交代？ A：见「能力边界与类目归属（发布说明）」。
• Q：取不到数据怎么办？ A：见「异常与空结果」；如实说明，不补数。

检索委派与结论分层（2026-09-21 吸收自平台件的判定条目）

> 来源：平台内置的金融数据件。只取纪律，不引其正文。

一、委派给检索工具时，只给一句话意图

• 只交代两件事：① 标的 / 主题 / 范围（带代码）② 大方向查什么。
• 禁止拆成多维度清单、字段列表、表格格式要求 —— 检索工具自身有多步规划能力；你拆得越细、要求越「全」，它解锁的检索面越大、越慢、越发散。
• 禁止堆砌词：「请尽可能全面地检索」「详细检索」「返回结构化分析数据」「覆盖以下 N 个方面」——这类话一个都不要写。
  · 反例：用户问「银河电子怎么样」，委派却写成「全面分析…需覆盖：① 主营业务 ② 财务 ③ 估值 ④ 资金流向 ⑤ 研报评级 ⑥ 近期公告 ⑦ 板块概念…」。

二、结论要分层，不要把可能性平铺给用户自选

⇒ 用户要的是判断，不是一张「什么都可能」的清单。

三、排序分档必须给可量化依据

给标的排序或分档时，写清依据的具体指标（市占率 / 份额 / 营收占比 / 资金流入 / 增速 / 估值分位）。确实拿不到量化指标时，明说这是定性排序，不要用「绑定深度」「市场地位」这类笼统词伪装成硬排名。

四、时效口径

用户说「最新 / 当前 / 今天 / 近期」时，先结合运行时日期、市场交易状态、指标发布频率确定目标周期，不得把当前年份直接等同于最新有效数据周期；用户指定的历史时点不得自动改写成当前周期。