望京博格的市场温度计

这个 skill 做什么

把一篮子指数的估值位置压成一个 0–100 的数字，再把它排版成可以直接发的图。温度 = 每个标的当前 PE(TTM) 在自己近十年历史里的分位数，37 个（A股）或 7 个（港股）分位数等权平均。

读数是：0 极冷、100 极热。30° 以下开始买入（可提高仓位），50° 以上开始卖出（不可提高仓位）。

⚠️ 先决条件：必须装一个金融数据 MCP，否则用不了

这个 skill 自己不带数据、不联网取数。 它只做三件事：排取数计划、组装 HTML、导出长图。44 个标的的 PE(TTM) 十年分位数，必须由外部的金融数据 MCP 提供。

没装 MCP 的表现：scripts/fetch.py 能跑、build.py 能跑，但 Step 1 一个数字都取不回来，snapshot 全是 None，卡片和表格是空的。遇到这种情况，先按 references/mcp-setup.md 装 MCP，别硬着头皮往下走，更不要凭印象编数字。

需要的能力只有两条（缺一不可）：

两条可选路线

东方财富妙想一句话接入（WorkBuddy）：连接器页 → MCP 加号 → 用妙想/Choice/东方财富 APP 扫码或手机号授权 → 「去试试」。手写 ~/.workbuddy/mcp.json 的完整 JSON、Claude Code / Cursor 配置、以及自建 Wind MCP（pip install wind-mcp）的写法，都在 references/mcp-setup.md。

> 妙想若只返回 PE、不返回分位数，走兜底：拉该指数近十年逐日 PE 序列自算分位（脚本片段见 references/mcp-setup.md §2.3）。口径要整条序列统一，别和 Wind 页面值混着写。

装完先跑自检

python scripts/check_env.py     # 查文件、标的清单、依赖；MCP 需人工确认已连接

再问一句「查 000300.SH 在 2026-10-28 的 PE(TTM) 及其近10年分位数」，能返回 PE ≈ 12.8 / 序号 / 最大序号 / 分位 ≈ 52.8，才算通了。

硬规则：先读这段再动手

1. 等权，不是市值加权。 市值加权会把银行地产的权重带进来，温度被系统性压低，博格不用这个口径。
2. 分位数必须逐日单问。 Wind 的 get_index_fundamentals 在「一天一问」时返回与页面同源的值；写区间或多日期会走另一套算法，系统性偏高 15–27 度，且受 100 行上限截断。这是本 skill 最贵的教训，不要图省事批量查。
3. 港股通非银是 931024.CSI（中证港股通非银行金融主题指数），不是恒生系的 HSSCHKY.HI。后者 2026 年才有行情，用它会让 2026 年前的港股曲线全线失真。
4. 新指数样本不足不进均值。 分位数基于过短的历史会被首日/短期极值钉死在 0 或 100，造出假尖峰。经验阈值：不足 120 个交易日不计入；要严谨可比则放宽到 500 个交易日（约两年）。
5. 历史只补不重取。 十年序列存在 data/temperature-history.json 里，每次更新只取新增的那几个点。重取 48×37 次查询是几小时的工作量，没必要。
6. 每次出图前跑一遍校验。 A股历史序列的锚点值见 references/data-sourcing.md，对不上就说明取数口径错了，别往下走。
7. 末点必须等于当天快照的等权平均。 卡片上的大数字是 37 个（或 7 个）温度现算的，历史序列末点若对不上（曾出现 51.52 vs 51.55），曲线标签和卡片会自相矛盾。写完新点后拿快照均值复核一遍，差 0.01 以上就覆盖修正。

博格的固定偏好（2026-10 定版，别自己改回去）

chg（当日涨幅）仍要取，留在数组里当核对用，只是不渲染。改列宽时先看 references/rendering.md 的字号基线一节。

标的清单（44 个，写死在 skill 里，别临时搜）

页面表格最后一列「相关标的」就是下面这张表里的代表 ETF 代码，直接写死，不要取数时现搜、也不要让模型自己配。页面显示名、Wind 代码、代表 ETF、924 基准收盘价都在这里，代码侧的单一事实源是同内容的 scripts/targets.py——改清单时两处一起改，改完跑 python scripts/check_env.py 校验一致性。

补充说明：

• 「—」的 8 个行业没有对得上的单行业 ETF，页面该列留空，这是定版状态，不是漏数。
• 代表 ETF 只是给读者一个可交易的对应物，不参与任何计算；换 ETF 不影响温度。
• 港股那 7 只是精挑的品类指数，别拿恒生一级行业指数替换（尤其「港股通非银」必须是 931024.CSI，见硬规则 3）。

工作流

Step 0 · 定基准日

取最近一个交易日。所有快照、涨幅、末点都用同一天，不要混。开盘前跑就用前一交易日。

Step 0.5 · 生成取数计划（三件套脚本）

取数、构建、标的清单已拆成三个脚本，取数前先跑一次 scripts/fetch.py 把计划打出来，照抄即可，不用手拼代码：

python scripts/fetch.py 2026-10-23

它输出三块：① 一条快照 windcode（44 个代码逗号分隔）② 44 条分位数问句 ③ 空 snapshot 模板。日更按这个流程走，能省掉重复取数（见下）。

Step 1 · 取当期快照（44 个标的）

开工前先确认金融数据 MCP 已连上（见文首「先决条件」）。下面写的是 Wind 指数数据 MCP 的写法；如果你用的是东方财富妙想，或自建的 wind-mcp（WSD/WSS），等价写法见 references/mcp-setup.md §2.3 与 §3.4——能力要求一样，44 次单日分位一条都不能少。

对每个标的取四样：当日涨跌幅、今年以来涨幅、当日 PE(TTM)、PE 十年分位数（即温度）。涨跌幅里的「当日」不进表格（列已去掉），但取回来留着核对当日行情有没有抓错。

• 指数行情（点位/涨跌/PE）：get_index_price_indicators，一次把 44 个代码逗号分隔传全，已实测一次返回 44 行，不要再拆成两三次。
• 分位数：get_index_fundamentals，一次一个指数一个日期。44 次是铁律底线（区间查询会偏高 15–27 度，见硬规则 2），但把 44 条问句在同一条消息里全部并行发出，一轮往返拿完，别分五六轮。

取完把结果填进 snapshot_<日期>.json（fetch.py 会给出空模板），数据一次落盘，构建阶段重跑不再重复取数。

44 个标的的代码与代表 ETF 就在上面的「标的清单」一节，代码侧以 scripts/targets.py 为准——两处必须一致，改动时一起改，改完跑 python scripts/check_env.py。

Step 2 · 「924 以来」涨幅（基准价已固化）

「924 以来」= 基准日收盘 ÷ 2024-09-24 收盘 − 1，按点位算、不含分红。2024-09-24 是那轮一揽子政策的起点日，被当作这轮行情的原点，不要换成 9-30 或 10-08。

2024-09-24 的收盘价已固化在 scripts/targets.py 里（每个标的最后一列 base），是常量、不会变，不要再每天取 get_index_kline 重复拉它。只有新增标的时才需要补一次 kline。

Step 3 · 更新历史温度（只补新点）

先看存档现状：

node scripts/history.js stat data/temperature-history.json

它给出两条序列的点数、区间、均值、极值、末点。末点之后的日子就是需要补的。

对每个要补的采样日，取当天全部标的的分位数求等权平均，再写入：

node scripts/history.js add data/temperature-history.json a 2026-11-30 52.31 37
node scripts/history.js add data/temperature-history.json hk 2026-11-30 31.04 7

• 采样节奏：2016Q4–2025Q3 按季末，2025Q4 起按月。别打乱，两套曲线用的是同一批日期。
• 港股要记当天实际参与平均的标的数（第三个数）。它从 2 只长到 7 只，曲线两端不可比，图注里必须交代。
• 同日期重复写入会覆盖，修正坏点不用先删。

写入前先确认这些点算对了：一个采样点的温度是 37 次（A股）或 ≤7 次（港股）单日分位数查询的平均，别拿区间查询的返回凑。

Step 4 · 组装单文件 HTML（用 build.py，别手贴）

scripts/build.py 读 targets.py（标的清单 + 924 基准）和 snapshot_<日期>.json（当日数据），自动换掉 A / H / TH / THH 四个数组并写好历史库：

python scripts/build.py snapshot_2026-10-22.json 2026-10-21 --out <输出目录>
# 第二个参数是上一交易日（用于卡片「较上一交易日」），可省略——省略时自动从历史库取 DATE 之前最后一个点

• 它会顺带把当天温度写进 data/temperature-history.json（等价于手动跑 history.js add），只补新点、同日覆盖。
• 卡片上的「较上一交易日」不用逐个取 44 次 prev：脚本用历史库里上一交易日的聚合值注入全局 PAVG，差分仍是真实聚合差分，但省掉一整轮 44 次单日分位数查询。
• 数组字段含义和页面结构见 references/rendering.md。

不要重新设计版式。这套版式已经处理过的坑：双栏压缩后字号掉到 5px、极值标签压在参考线上、30°/50° 文案被末端点遮挡——重画会把这些坑重新踩一遍。

Step 5 · 导出长图

标准产物就是高清图（2026-10-19 定版）：默认出 2160×6904，发小红书/公众号都直接用这张，别再交 1080 的。

NODE_PATH="C:/Users/99388/.workbuddy/binaries/node/workspace/node_modules" \
  node scripts/export_long.js <html> <输出png>              # 高清版 2160×6904（默认）

只有明确要小体积（微信预览、直接发聊天框）时才显式降级：

NODE_PATH="C:/Users/99388/.workbuddy/binaries/node/workspace/node_modules" \
  node scripts/export_long.js <html> <输出png> 1080 1080    # 轻量版 1080×3452

产物比例约 1:3.2（CSS 高 3452，高清版像素高 6904），PNG 约 1.7MB。参数与翻车点见 references/export.md。

日更四步（标准动作）

0. 前置检查：金融数据 MCP 已连接（Wind 或妙想）；python scripts/check_env.py 无 FAIL
1. python scripts/fetch.py <日期> → 拿到快照串 + 44 条分位数问句 + 空 snapshot 模板
2. 取数：1 次快照（44 代码一次传全）+ 44 次分位数（一条消息并行发完）
3. 把结果填进 snapshot_<日期>.json
4. python scripts/build.py snapshot_<日期>.json [上一交易日] --out <输出目录> → 出 HTML，再按 Step 5 导出长图

每步数据都落盘、能重跑，不再重复取数。第 1 步之外的三步不依赖 MCP，换机器、离线重出图都能跑。

历史存档

data/temperature-history.json，两条序列：

{
 "updated": "2026-10-16",
 "series": {
  "a":  [["2016-12-30",55.14], ["2017-03-31",56.72], ...],
  "hk": [["2016-12-30",51.36,2], ["2017-03-31",66.69,2], ...]
 }
}

• 每点 [日期, 温度, 参与标的数]；A股第三位固定 37，早期点只存 [日期, 温度] 两位（省掉），港股必须带第三位。
• 一个点一行，方便人工复核和版本管理。
• 这个文件是资产不是缓存：删了就回到「必须重取 1776 次查询」的状态。换机器或备份时优先带走它。
• 从旧看板反向补录：node scripts/history.js import <看板html> data/temperature-history.json，会扫描 HTML 里的 TH / THH 合并进来，不覆盖其他点。

文件索引

交付时说什么

温度是估值位置的模糊刻度，不是点位预测，图注和话术里都要留这句。盈利在涨的时候同样的点位温度会自己降下来——横向对比历史极值时锚点已经变了，这点要提醒。

不构成投资建议。

更新日志

• 1.1.0 / 2026-10-28：补上「先决条件：金融数据 MCP」一节（Wind / 东方财富妙想两条路线、references/mcp-setup.md 安装指南）；把 44 个标的的页面名 / Wind 代码 / 代表 ETF（表格「相关标的」列） / 924 基准价整表写进 SKILL.md，不再依赖临时搜索；新增 scripts/check_env.py 环境自检；fetch.py 开跑即提示 MCP 前置条件。
• 1.0.0：定版。等权口径、44 标的、2160×6904 长图、历史库只补新点。