"66 个投资大佬帮你看盘，巴菲特、赵老哥和股海贼王终于坐在了同一张桌子上。"
A 股 / 港股 / 美股 · 个股深度分析引擎 · 66 位评审团 × 9 大流派 × 22 维数据 × 22 种机构方法 · 最新 v3.9.4：前端显示修复 + 美化（kimi-k3）· 完整演进见 更新日志
安装 · 用法 · 三档深度 · Hermes 🆕 · 评审团 · Serenity 🆕 · 机构方法 · 自查 gate · 报告截图 · FAQ · 入群交流测试 · Contributors
中文 | English
任何 agent 里丢一句话 · 装好就能用。详细装法见 安装。
| 你用的 agent | 直接丢这句 |
|---|---|
| Pi Agent | |
| Claude Code | /plugin marketplace add wbh604/UZI-Skill 然后 /plugin install stock-deep-analyzer@uzi-skill |
| Codex / OpenAI CLI | "按 https://raw.githubusercontent.com/wbh604/UZI-Skill/main/.codex/INSTALL.md 装 UZI-Skill，分析 600519" |
| Cursor | /add-plugin stock-deep-analyzer |
| Gemini CLI | gemini extensions install https://github.com/wbh604/UZI-Skill |
| Hermes | hermes skills install 当前被 Skills Guard 误判 · 用一键脚本绕过：curl -fsSL https://raw.githubusercontent.com/wbh604/UZI-Skill/main/install-hermes.sh | bash · 详见 INSTALL-HERMES.md |
| OpenClaw / 龙虾 | "装 https://github.com/wbh604/UZI-Skill 这个股票分析技能" |
| CLI 直用 | git clone https://github.com/wbh604/UZI-Skill.git && cd UZI-Skill && pip install -r requirements.txt && python run.py 贵州茅台 |
装好后最常用 4 条命令（任何 agent 里直接说）：
/stock-deep-analyzer:analyze-stock 贵州茅台 ← 完整 22 维 × 66 评委分析（5-8min）
/stock-deep-analyzer:quick-scan 002217 ← 30 秒速判
/stock-deep-analyzer:scan-trap 002217 ← 杀猪盘排查
/stock-deep-analyzer:dcf 600519 ← DCF 估值专项
一句话：输入一只股票，Claude 变成你的私人分析师，跑完 22 个维度的数据、调 22 种华尔街分析模型、让 66 个投资风格完全不同的大佬各自打分，最后吐出一份 600KB 的 Bloomberg 风格报告。
/stock-deep-analyzer:analyze-stock 国盾量子
5-8 分钟后你会得到：
- 一份 HTML 报告 — 可以直接用浏览器打开，自包含，离线也能看
- 一张朋友圈竖图 — 1080×1920，直接发
- 一张微信群战报 — 1920×1080
- 一段话摘要 — 复制粘贴就能发群里
之前看一只票的流程：东方财富翻基本面 → 同花顺看 K 线 → 雪球刷大 V 说了啥 → 研报系统找卖方观点 → Excel 算个 DCF → 结果买进去还是亏。
这些活儿本质上就是"搜集信息 → 多角度分析 → 给个结论"，让 AI 全干了不行吗？
市面上看了一圈，要么是输出三段废话的 GPT wrapper，要么是用不起的机构终端。Anthropic 出了个 financial-services-plugins，方法论很好（DCF / Comps / LBO 那套），但完全是美股视角 + 全要付费数据源。
所以自己搓了一个。全免费数据源，零 API key，A 股直接能跑。
不管你用什么 agent，都是丢一句话过去就行：
/plugin marketplace add wbh604/UZI-Skill
/plugin install stock-deep-analyzer@uzi-skill
装好后说 /stock-deep-analyzer:analyze-stock 贵州茅台。
直接对 Codex 说：
请按照 https://raw.githubusercontent.com/wbh604/UZI-Skill/main/.codex/INSTALL.md 的指引安装 UZI-Skill，然后帮我深度分析 贵州茅台。
对龙虾说：
帮我安装 https://github.com/wbh604/UZI-Skill 这个股票分析技能，装好后分析 贵州茅台。
/add-plugin stock-deep-analyzer
然后说"分析 贵州茅台"。
gemini extensions install https://github.com/wbh604/UZI-Skill对 OpenCode 说：
请按照 https://raw.githubusercontent.com/wbh604/UZI-Skill/main/.opencode/INSTALL.md 安装并分析 贵州茅台。
丢这句话进去：
克隆 https://github.com/wbh604/UZI-Skill ，读 AGENTS.md 了解怎么用，帮我深度分析 贵州茅台。
对任何 agent 说：
分析 贵州茅台，用远程模式，生成一个公网链接让我手机能看。
agent 会用 --remote 启动 Cloudflare Tunnel，给你一个 https://xxx.trycloudflare.com 链接。若本机没有 cloudflared，默认只提示安装方式；确认要自动安装时再加 --install-cloudflared。
/stock-deep-analyzer:analyze-stock 水晶光电
/stock-deep-analyzer:analyze-stock 002273
/stock-deep-analyzer:analyze-stock 00700.HK
/stock-deep-analyzer:analyze-stock AAPL
/stock-deep-analyzer:analyze-stock 7203.T
/stock-deep-analyzer:analyze-stock 005930.KS
都要加
/stock-deep-analyzer:前缀才保证执行得通。
| 命令 | 干嘛的 |
|---|---|
/stock-deep-analyzer:dcf 600519 |
DCF 估值 · WACC + 5×5 敏感性表 |
/stock-deep-analyzer:comps 002273 |
同行对标 · PE/PB 分位分析 |
/stock-deep-analyzer:lbo 600519 |
LBO 测试 · PE 买方能赚多少 IRR |
/stock-deep-analyzer:initiate 002273 |
机构首次覆盖报告 · JPM/GS 格式 |
/stock-deep-analyzer:ic-memo 002273 |
投委会备忘录 · 三情景回报 |
/stock-deep-analyzer:earnings 002273 |
财报解读 · beat/miss 检测 |
/stock-deep-analyzer:catalysts 002273 |
催化剂日历 · 未来 60 天 |
/stock-deep-analyzer:thesis 002273 |
投资逻辑追踪 · 5 支柱监控 |
/stock-deep-analyzer:screen 002273 |
5 套量化筛选 · value/growth/quality |
/stock-deep-analyzer:dd 002273 |
尽调清单 · 5 工作流 21 项 |
/stock-deep-analyzer:quick-scan 002273 |
30 秒速判 |
/stock-deep-analyzer:panel-only 600519 |
只看 66 评委投票 |
/stock-deep-analyzer:scan-trap 002273 |
杀猪盘排查 |
/stock-deep-analyzer:segmental-model 300308 |
分业务收入 bottom-up 建模 · 3 情景 × 3 年 projection · 对 DCF 反向校验 |
/stock-deep-analyzer:ai-readiness 002273 |
🆕 v3.8 · 单票 AI 就绪度/卡位评估 · 3 道 gate → Go/Wait + 评级 |
/stock-deep-analyzer:earnings-preview 002273 |
🆕 v3.8 · 财报前预览 · 一致预期 + Bull/Base/Bear + 隐含波动 |
/stock-deep-analyzer:model-update 002273 |
🆕 v3.8 · 新财报/指引增量更新模型 · 假设 delta → DCF/thesis 影响 |
/stock-deep-analyzer:returns |
🆕 v3.8 · 组合收益归因 · 按持仓/行业拆解 + Top 贡献/拖累 |
/stock-deep-analyzer:rebalance |
🆕 v3.8 · 逐持仓再平衡 · 漂移 + 交易清单 + A股印花税/佣金换手成本 |
python run.py 600519.SH --depth lite --no-browser # 30-60s 快速档
python run.py 300394.SZ --school I # 只看 Serenity 卡位视角（A-I 九派任选）
python run.py --versus 茅台 五粮液 002594.SZ # 2-4 只票横向对决 · ★WIN 高亮
python run.py --portfolio holdings.csv # CSV 组合 · 加权评分 + 健康度
python run.py 600519.SH --output-dir /tmp/out # SaaS 集成 · index.html + meta.json
python run.py 600519.SH --remote # 公网链接 · 缺 cloudflared 时默认不改系统
python run.py 601238.SH --from-modeling # 采集后建模崩溃 · 从 raw_data.json 秒级续跑用户反馈"茅台 47 分"、"没超过 65 分"—— 诊断发现两处公式偏严苛，v2.11 校准：
| 改动 | 旧 (v2.9.1) | 新 (v2.11) | 影响 |
|---|---|---|---|
| verdict 阈值 | 85/70/55/40 | 80/65/50/35 | 从未有股能 ≥85（"值得重仓"档空设），下调 5 分让白马/真强股进"可以蹲一蹲"档 |
| consensus neutral 权重 | 0.5（半权） | 0.6 | （v2.11 校准）价值派+游资 35 人偏保守，neutral 权重 0.5 让白马 consensus 仅 37，0.6 更贴近"不坑但不是心头好"的真实语义 |
公式（未变）：overall = fund_score × 0.6 + consensus × 0.4
典型白马（如茅台）预期：
- v2.9.1：
fund=62 consensus=45 → overall 55 → 观望优先 - v2.11：
fund=62 consensus=50 → overall 57 → 观望优先（但更接近"可以蹲一蹲"边界，白马行情启动时容易进 65）
两档合计影响 ~5-8 分。真正的坑仍会 < 35 → 回避，分数辨识度不降反升。
诊断字段 panel.json::consensus_formula.version = "v2.11 · (bullish + 0.6*neutral) / active" 可审计。
回归测试：tests/test_v2_11_scoring_calibration.py 8 个用例。
完整校准记录见 BUGS-LOG.md v2.11.0 章节。
给用户自己选择分析力度——快想 / 正常 / 深挖：
python run.py 600519 --depth lite # ⚡ 速判模式（1-2 分钟）
python run.py 600519 # 📊 标准分析（5-8 分钟）· 默认
python run.py 600519 --depth deep # 🔬 深度研究（15-20 分钟）或通过环境变量：
export UZI_DEPTH=lite # 或 medium / deep
python run.py 600519| 维度 | ⚡ lite 速判 | 📊 medium 标准 | 🔬 deep 机构级 |
|---|---|---|---|
| 预计耗时 | 1-2 分钟 | 5-8 分钟 | 15-20 分钟 |
| fetcher 维度 | 核心 7 维 | 全 22 维 | 全 22 维 + 强化 fallback |
| 评委数量 | 10 位代表 | 66 位完整 | 66 位 + Bull-Bear 结构化辩论 |
| 机构方法 | 只 DCF | 全 22 种 | 全 22 种 + Segmental Build-Up |
| ddgs 定性查询 | 全 skip（省 token） | 按需 · 预算 30 次 | 跑满 · 预算 60 次 |
| fund_holders | Top 5 完整业绩 | Top 20 完整 + 其余清单 | Top 100 完整 |
| 自查 gate | critical block | critical block · warning 可 ack | 两级都 block |
| Playwright 兜底（v2.13.1） | ❌ 完全禁用 | opt-in · UZI_PLAYWRIGHT_ENABLE=1 · 6 维（4_peers/8_materials/15_events/17_sentiment/7_industry/14_moat） |
✅ 默认启用 · 10 维（medium 6 + 3_macro/13_policy/18_trap/19_contests）· 首次 y/n 交互装 Chromium |
| Token 消耗（Codex） | 最省 | 中等 | 最大 |
| 适用场景 | 随手看 / 老板临时问 / 预判 ETF 成分股 | 日常深度分析 · 写研报 | 投委会备忘录 · 建仓前深挖 |
- 第一次安装 /
.cache/_global空时 → 自动切 lite（省首次冷启动时间） - 网络预检 3+ 域不通 → 自动切 lite（避免卡死）
- 手动
--depth始终覆盖自动判定
| 问题 | 推荐档位 |
|---|---|
| "帮我看看这只票能不能买" | medium（默认） |
| "15 分钟内给我个结论" | lite |
| "老板明天投委会要看" | deep（含 Bull-Bear 辩论 + bottom-up segmental） |
| "ETF 代码输进去了（系统会提示选成分股）" | lite（成分股快速预判） |
| "Codex 环境 / 首次安装" | 不用管 · 自动 lite |
| 命令 | 隐式档位 |
|---|---|
/stock-deep-analyzer:quick-scan 600519 |
lite |
/stock-deep-analyzer:panel-only 600519 |
lite |
/stock-deep-analyzer:analyze-stock 600519 |
medium（默认） |
/stock-deep-analyzer:ic-memo 600519 |
deep |
/stock-deep-analyzer:initiate 600519 |
deep |
不是模板话术。每个人有自己的量化规则集（共 236 条），给出的建议必须引用具体命中了哪条。 v3.7.0 起新增 13 位新晋科技大佬 + 独立的 I 组 Serenity（AI 卡位/瓶颈猎手）；v3.9.0 再添从十年实盘交割单蒸馏的 股海贼王，覆盖 9 大流派：
| 组 | 风格 | 人数 | 代表人物 |
|---|---|---|---|
| A | 经典价值 | 6 | 巴菲特 · 格雷厄姆 · 芒格 · 费雪 · 邓普顿 · 卡拉曼 |
| B | 成长投资 | 9 | 林奇 · 木头姐 · 蒂尔 · Andreessen (a16z) · Gurley (Benchmark) · Naval · Gerstner (Altimeter) · Chamath |
| C | 宏观对冲 | 7 | 索罗斯 · 达里奥 · 霍华德马克斯 · 德鲁肯米勒 · 罗伯逊 · Burry（大空头） · Chanos（做空猎手） |
| D | 技术趋势 | 4 | 利弗莫尔 · 米内尔维尼 · 达瓦斯 · 江恩 |
| E | 中国价投 | 7 | 段永平 · 张坤 · 朱少醒 · 谢治宇 · 冯柳 · 邓晓峰 · 张磊（高瓴） |
| F | A 股游资 | 24 | 章盟主 · 赵老哥 · 炒股养家 · 股海贼王 🆕（淘股吧十年实盘蒸馏）· 北京炒家 … |
| G | 量化系统 | 4 | 西蒙斯 · 索普 · 大卫·肖 · Asness (AQR) |
| H | 科技领袖派 🆕 | 4 | 黄仁勋 (NVIDIA) · 马斯克 (Tesla) · Sam Altman (OpenAI) · Saylor (MSTR) |
| I | AI 卡位/瓶颈猎手 🆕 | 1 | Serenity（@aleabitoreddit） |
v3.7.0（2026-06）新晋 13 人加粗。H 组是带着自家产业链视角的科技 CEO；I 组 Serenity 是单人特殊评委（见下）。
举个例子：
巴菲特 给水晶光电打 62 分 · 中性 "观望：护城河 27/40 可见；但 ROE 5 年最低 6.7%，达标率仅 0/5" ✅ 资产负债率 30% 保守 · ❌ ROE 5 年最低 6.7%
黄仁勋 给某 CPO 光模块股打 100 分 · 看多 "在 AI 算力链上 · 数据中心 Capex 直接受益 · 毛利率 ≥50% 定价权强——这是光速摩尔定律的受益方。" ✅ AI 算力需求强相关 · ✅ CUDA/生态绑定深
卡拉曼 给水晶光电打 0 分 · 看空 "看空核心：无 30% 安全边际"
重磅角色：2026 年 X（推特）爆火的海外散户研究员 @aleabitoreddit。 单独成组、单独评分——因为她的打法极度集中、极度逆共识，跟任何机构大佬都不一样。
- 自述背景：前 AI 研究科学家 · Nature 论文作者 · 前 RISC-V 基金会成员 · 半导体/光通信工程师
- 二次元头像、匿名、不露脸、不卖课、不跟单，研究全部免费公开，X 粉丝 30 万+
- 成名战：提前约一年押中 InP 磷化铟衬底瓶颈股 $AXTI（$12 → $70+，最高 $115–140），2026 Q1 被 IntelliEPI CEO 公开印证"InP 短缺是整个 AI 基建的瓶颈"
⚠️ 身份与收益均为自述/媒体转述、未经第三方审计，各来源数字互相矛盾。本项目仅蒸馏其方法论作为一个分析视角，不代表认可其真实战绩。详见docs/serenity-research-dossier.md（全网 20+ 来源逐条档案）。
把她的「AI 产业链卡脖子/瓶颈点理论（Chokepoint Theory）」做成一个可量化的评委—— 不买 AI 龙头（英伟达这种已被充分定价的票），而是沿供应链往上游拆，找那个"全世界都绕不过去、又最容易供给见底"的二三线上游小盘，抢在市场定价前埋伏。
龙头被买爆 → 沿供应链往上拆 → 找最难替代的环节 → 找该环节里供给最紧的小盘 → 提前埋伏
核心打分逻辑「卡位决定态度」——不看估值便宜、不看成长快，只看一个变量：这家公司的产品在当前 AI 浪潮里有没有卡住别人的脖子。
| 判定 | 态度 |
|---|---|
| 卡住了（不可替代 + 供给瓶颈 + 没被定价） | 🟢 看多 / 可能重仓 |
| 在 AI 链上但卡位不硬（能被替代 / 产能充足） | ⚖️ 中性 · 待验证 |
| 没卡到位 / 只是蹭概念 / 不在 AI 链 | 🔴 直接 skip（白酒、银行护城河满分也给 0 分） |
判一个环节是不是"卡位点"看三件事：① 难替代（换供应商/材料/工艺要多久，越久越好 → 14_moat 切换成本）② 供给紧（产能跟不跟得上 AI 需求曲线，越跟不上越好 → 7_industry）③ 没被定价（市场还在用"周期股/老半导体/小众材料"旧叙事看它 → 5_chain + 15_events）。
python run.py 300394.SZ --school I # 只看 Serenity 的"卡没卡位"判断
python run.py NVDA --school H # 只看 H 组科技领袖派（黄仁勋/Musk/Altman/Saylor）方法论六步法 + alpha 5 维详见
skills/deep-analysis/references/fin-methods/serenity-bottleneck.md； 语气库 + 评分规则见skills/investor-panel/references/group-i-serenity.md。
从 anthropics/financial-services-plugins 移植方法论，适配了 A 股参数（rf=2.5% / ERP=6% / 税率 25% / 终值 g=2.5%）。首批 17 种 + v3.8.0 Tier-1 续引 5 种（/ai-readiness /earnings-preview /model-update /returns /rebalance · 见 专项命令）：
估值建模
- DCF（WACC 拆解 + 两段 FCF + Gordon Growth 终值 + 5×5 敏感性热力图）
- Comps 同行对标（PE / PB / EV-EBITDA 分位 + 隐含目标价）
- 三表预测（5 年 IS / BS / CF 联动）
- Quick LBO（PE 基金视角 IRR 交叉校验）
- 并购增厚/摊薄模型
研究工作流
- 首次覆盖报告（JPM/GS/MS 格式 · 评级 + 目标价 + 论点 + 风险）
- 财报 beat/miss 解读
- 催化剂日历（真实事件提取 + 未来预排 + 影响分级）
- 投资逻辑追踪（5 支柱健康度）
- 晨报 · 量化筛选 · 行业综述
深度决策
- IC 投委会备忘录（8 章节 · Bull/Base/Bear 三情景）
- Porter 五力 + BCG 矩阵
- DD 尽调清单（5 工作流 21 项 · 自动标注完成状态）
- 单位经济学 · 价值创造计划 · 组合再平衡
以下截图全部来自水晶光电（002273.SZ）的真实分析结果。
费雪 100 分 vs 卡拉曼 96 分，三轮互喷，每轮引用具体数字。
每个人一盏灯——绿色看多、红色看空、灰色中性。
评委们用自己的语言风格发言，引用命中的具体规则。
WACC 6.96% · 内在价值 ¥20.73 · 安全边际 -28.6%，颜色从深绿（低估）到深红（高估）。
Bull ¥26.95 / Base ¥20.73 / Bear ¥14.51，每个情景有概率和假设。
每个维度有独立可视化——K 线蜡烛图 / PE Band / 雷达图 / 供应链流程图 / 温度计 / 环形图。
全部免费，零 API key：
| 数据 | 主源 | 备用 |
|---|---|---|
| 实时行情 / PE / 市值 | 东方财富 push2 | 雪球 → 腾讯 → 新浪 → 百度 |
| 财报历史 | akshare | 雪球 f10 |
| K 线 / 技术指标 | akshare | yfinance |
| 龙虎榜 / 北向 / 两融 | akshare | 东财 |
| 研报 / 公告 | 巨潮 cninfo + akshare | 同花顺 |
| 港股 | akshare hk | yfinance |
| 美股 | yfinance | akshare us |
| 全球同行 | Yahoo Equity Screener + Fundamentals Timeseries | 本地行业同行 + 24h 缓存 |
| 全球汇率 | Yahoo Chart FX | 原币值始终保留 |
| 宏观 / 政策 / 舆情 / 杀猪盘 | DuckDuckGo web search | — |
| 社交热榜（v2.12 新增） | 微博 / 知乎 / 百度 / 抖音 / 头条 / B 站 · 各平台官方 JSON API | 5min 文件缓存 · 单平台失败不影响其他 |
多层 fallback 链 — 一个源挂了自动切下一个。
分析单只股票时，4_peers 会先保留本地市场同行，再按细分行业发现全球上市公司候选，
只为相关度最高的 8 家补齐年度财务。报告展示全球同行中位数、目标公司分位、
营收规模/毛利率散点和跨市场明细表；Comps 估值也会复用有效全球同行。
已识别中国、香港、美国、日本、韩国、台湾、新加坡、印度、加拿大、澳大利亚、 英国及欧洲主要交易所，并支持 Yahoo 可识别的其他交易所代码作为通用全球标的。
口径约束：
- 年报、季度和 TTM 不混在同一序列。
- 营收、利润等金额保留原币值，另写基准币换算值；原始值不会被覆盖。
- 不同币种的原始市值不会直接用于规模相似度评分。
- 负利润和负 ROE 是有效数据，不会改写成零。
- 有效同行少于 3 家时只展示数据，不输出全球分位结论。
- 单个同行或汇率源失败不会中断主报告，失败代码会保留在结果中。
可选配置：
# 完全关闭全球同行，只保留原有本地同行
export UZI_DISABLE_GLOBAL_PEERS=1
# 调整最终补全数量，范围 3-12，默认 8
export UZI_GLOBAL_PEER_LIMIT=10散户情绪和杀猪盘题材经常先在抖音/小红书/微博发酵，DuckDuckGo 扫不到。v2.12 起 17_sentiment 维度自动查：
- 微博热搜 · 抓
weibo.com/ajax/side/hotSearch· 50 条实时热搜 - 知乎热榜 · 抓
zhihu.com/api/v3/feed/topstory/hot-list-web· 50 条 - 百度热搜 · 抓
top.baidu.com/api/board· 实时榜单 - 抖音热点 · 抓
douyin.com/aweme/v1/web/hot/search/list/· 搜索热点 - 头条热榜 · 抓
toutiao.com/hot-event/hot-board/· 热点事件 - B 站热搜 · 抓
s.search.bilibili.com/main/hotword· 全站热搜
股票名（含简称，如"贵州茅台"→"贵州"/"茅台"）在热榜标题里命中 → 计入情绪热度 + 记录具体条目。
数据结构：synthesis 的 17_sentiment.data.hot_trend_mentions：
{
"stock_name": "贵州茅台",
"platforms_ok": 6,
"total_hits": 3,
"by_platform_count": {"weibo": 2, "zhihu": 1, ...},
"mentions": { "weibo": [{"rank":3, "title":"茅台 1499 回归", ...}], ... }
}致谢：本模块设计参考了 run-bigpig/jcp (韭菜盘 AI) 的
hottrend服务实现。
2026 年 push2.eastmoney.com 在大陆网络经常被反爬拦截。若设置
MX_APIKEY，UZI-Skill 会优先走官方 NLP API：
- 中文名纠错："北部港湾" → 自动识别为 "北部湾港(000582.SZ)"
- 行情快照：绕过 push2 直接拿到最新价/市值/PE/PB/行业
配置：
cp .env.example .env
# 编辑 .env 填入 MX_APIKEY（免费申领：https://dl.dfcfs.com/m/itc4）无 key 时全部回退到 XueQiu/akshare 链，现有用户零感知。
部分数据源 2026 年起加了登录鉴权，UZI-Skill 默认不主动弹登录窗（保持无人值守）。 用户可按需启用：
| 数据源 | 维度 | 启用方式 | 影响 |
|---|---|---|---|
| XueQiu cubes_search.json | 19_contests 实盘比赛持仓 |
export UZI_XQ_LOGIN=1 然后 python -m lib.xueqiu_browser login（一次性弹浏览器登录） |
不启用：报告 19_contests 显示" |
# 1. 启用环境变量（一次性，可加进 .zshrc）
export UZI_XQ_LOGIN=1
# 2. 一次性登录（首次跑会弹有头浏览器，登录后回到终端按回车）
python -m lib.xueqiu_browser login
# → 浏览器弹出，手动账密 / 微信扫码 / 短信登录
# → 登录成功后回终端按回车，cookie 持久化到 ~/.uzi-skill/playwright-xueqiu/
# 3. 后续跑分析自动复用登录态（cookie 通常有效 ≥ 30 天）
python run.py 贵州茅台 --no-browser
# 19_contests 维度会显示真实雪球组合数 + 收益率分布
# 4. 如果直接跑 run.py 想启用，加 flag
python run.py 贵州茅台 --enable-xueqiu-login不想登录？什么都不用做。XueQiu 维度会清晰标注 ⚠️ 需登录，0 cube，
其他 21 个维度照常工作。
python -m lib.xueqiu_browser status
# 显示：profile dir / cookie 是否存在 / 是否启用若某些字段脚本拿不到（网络限制 / 新股 / 停牌），pipeline 不会塞默认值糊弄：
- 生成
_data_gaps.json列出每个缺口的建议恢复动作（浏览器 / MX / WebSearch / 推导） - Agent 按 HARD-GATE-DATAGAPS 逐条尝试补齐
- 真的补不到 → 在
agent_analysis.json里data_gap_acknowledged显式承认 - HTML 报告顶部显示橙色 banner + 相关字段显示 "—" 并划线
这样你永远能分辨"这只股真的不适合买" vs "只是数据没拿到"。
UZI-Skill 在大陆和海外都能跑，但瓶颈不同，建议对号入座：
大陆网络 · pip install 失败怎么办？
run.py 和 setup.sh 会自动尝试国内镜像（清华 → 阿里云 → 中科大），
所以常见情况你什么都不用做。若要手动指定：
pip install -r requirements.txt \
-i https://pypi.tuna.tsinghua.edu.cn/simple \
--trusted-host pypi.tuna.tsinghua.edu.cnCodex / 海外 agent · 数据源访问慢怎么办？
国内数据源（尤其 push2.eastmoney.com）从海外访问经常超时。强烈建议
设置 MX_APIKEY（免费申领 → https://dl.dfcfs.com/m/itc4），它走
mkapi2.dfcfs.com 境内外都通，同时天然具备中文名纠错能力。
cp .env.example .env
# 编辑 .env 填入 MX_APIKEY
python run.py 贵州茅台双端都不通：agent 应保留 _data_gaps.json / _resolve_error.json。如果数据已采集、
但机构建模或评分阶段中断，使用 python run.py <ticker> --from-modeling 从
raw_data.json 继续；如果 dimensions.json 和 panel.json 也已生成，可直接调用
stage2()，都不需要从头抓取。
详见 AGENTS.md · 网络受限环境 的场景 A/B/C 速查。
UZI-Skill/
├── run.py # ✅ 用户入口 (python run.py <ticker>)
├── AGENTS.md / CLAUDE.md / CODEX.md # agent 指令 (v3.2 新增 CODEX.md)
├── GEMINI.md # Gemini CLI 指引
├── RELEASE-NOTES.md # 完整版本日志
├── docs/BUGS-LOG.md # bug 登记 + 防回归清单
├── .claude-plugin/plugin.json # Claude Code manifest
├── .cursor-plugin/plugin.json # Cursor manifest
├── gemini-extension.json # Gemini manifest
├── commands/ # 20 个 slash commands
├── personas/ # 66 位评委 persona (v2.15.0 · 12 flagship YAML)
├── skills/
│ ├── deep-analysis/ # ★ 主 skill (股票分析)
│ │ ├── SKILL.md
│ │ ├── references/ # 方法论文档
│ │ ├── assets/ # HTML 模板 + 65 头像 svg
│ │ └── scripts/ # ← 所有 Python 业务代码
│ │ ├── run_real_test.py # legacy stage1/stage2 (v3.1 瘦身 735 行)
│ │ ├── assemble_report.py # HTML shell (v3.2 瘦身 587 行)
│ │ ├── fetch_*.py # 22 fetcher · 也是独立 CLI
│ │ ├── compute_deep_methods.py # 机构建模
│ │ ├── tests/ # 642 pytest
│ │ └── lib/
│ │ ├── pipeline/ # 🆕 v3.0 管道式架构（默认路径）
│ │ │ ├── run.py # run_pipeline 编排入口
│ │ │ ├── collect.py # 并发 collector (22 adapter)
│ │ │ ├── score.py # scoring 段（调 rrt 纯函数）
│ │ │ ├── synthesize.py # stage2 薄 wrapper
│ │ │ ├── score_fns.py # 🆕 v3.1 · 1228 行纯函数
│ │ │ ├── preflight_helpers.py # 🆕 v3.1 · 网络/ticker preflight
│ │ │ ├── fetchers/registry.py # 22 adapter 工厂
│ │ │ └── renderer/ # 21 个 renderer stub
│ │ ├── tier1/ # 🆕 v3.8 · 5 个 Tier-1 方法（ai_readiness 等）
│ │ ├── versus_runner.py # 🆕 v3.6 · --versus 多股对比
│ │ ├── portfolio_runner.py # 🆕 v3.6 · --portfolio 组合分析
│ │ ├── fund_holdings_runner.py # v3.4 · ETF/LOF 持仓循环
│ │ ├── report/ # 🆕 v3.2 · assemble_report 拆分
│ │ │ ├── svg_primitives.py # 19 svg_* + COLOR_*
│ │ │ ├── dim_viz.py # 19 _viz_xxx + DIM_VIZ_RENDERERS
│ │ │ ├── institutional.py # DCF/LBO/IC/catalyst/competitive
│ │ │ ├── panel_cards.py # 66 评委 panel
│ │ │ └── special_cards.py # fund/insights/school_scores
│ │ ├── investor_criteria.py # 66 人 × 242 规则
│ │ ├── investor_evaluator.py # 规则引擎
│ │ ├── stock_features.py # 108 标准化特征
│ │ ├── playwright_fallback.py # v2.13 兜底
│ │ ├── self_review.py # 机械自查 13 check
│ │ └── ... # 其他 lib 模块
│ ├── investor-panel/ # 评审团 skill
│ ├── lhb-analyzer/ # 龙虎榜 skill
│ └── trap-detector/ # 杀猪盘 skill
├── requirements.txt
└── LICENSE
v3.2 重构分层亮点：
| 层 | 文件 | 职责 |
|---|---|---|
| 入口 | run.py |
CLI 主入口 · UZI_LEGACY=1 回退老路径 |
| 管道 | lib/pipeline/* |
v3.0 主干 · collect / score / synthesize |
| 纯函数 | lib/pipeline/score_fns.py |
v3.1 · score_dimensions / generate_panel / generate_synthesis |
| 渲染 | lib/report/* |
v3.2 · 5 个子模块 · svg / viz / inst / panel / special |
| Legacy | run_real_test.py + assemble_report.py |
v2.x 向后兼容层 · re-export 所有迁移函数 |
Agent 驱动分析，脚本只是工具。
整个流程分两段——中间 agent 必须介入，最后必须自查（v2.9 起机械强制）：
Stage 1 (脚本) → 数据采集 + 模型计算 + 规则引擎骨架分
⏸️ Agent 介入 → 读数据 → role-play 66 评委 → 写判断 → 审查假设
Stage 2 (脚本) → 综合研判 + 自动跑 13 条自查 → 报告生成
↑ v2.9 核心：critical 不过 → 拒绝出 HTML
66 个评委不是跑公式出分数——agent 要真正站在每个人的角度思考：
- 巴菲特分析苹果 → agent 知道这是伯克希尔第一大持仓 → override 看多
- 赵老哥分析美股 → agent 知道游资不做美股 → skip
- 木头姐分析白酒 → agent 知道她只看颠覆创新 → "不在平台里"
- 格雷厄姆看到 PE 33 → 不需要复杂推理 → 看空
每个判断都可以覆盖规则引擎的机械得分，但必须给出理由。
三层评估：真实持仓 → 行业亲和度 → 量化规则。真金白银比任何公式都有说服力。
过往 HARD-GATE-FINAL-CHECK 是"软要求"——agent 可能跳过、可能忘、可能做半截。BUG#R10（云铝被归为"农副食品加工"）就是全流程跑完报告发出去，才被用户发现行业分类错了。软 gate 不够，v2.9 起机械强制。
lib/self_review.py 13 条自动检查覆盖所有历史 BUG 经验：
| severity | 抓什么 | 背后 BUG |
|---|---|---|
| 🔴 critical | 行业碰撞（工业金属→农副食品加工） | BUG#R10 |
| 🔴 critical | 维度缺失 / 空 data / 占位符 | wave2 timeout、fetcher 崩溃 |
| 🔴 critical | HK kline 0 根 / HK 财报空 | BUG#R7 / R8 |
| 🔴 critical | panel 全 skip / coverage < 60% | 数据灾难 |
| 🔴 critical | agent_analysis 缺 / 未 review | agent 偷懒 |
| 🟡 warning | DCF 全 0 / 金属股 materials 空 | v2.8.x coverage gap |
| 🟡 warning | 编造"苹果产业链"无 raw_data 证据 | 联想编造 |
assemble_report::assemble() 入口自动跑 review，critical > 0 → raise RuntimeError("⛔ BLOCKED by self-review")，物理上无法出报告，直到 agent 修完。
# agent 迭代流程
loop:
python review_stage_output.py <ticker>
读 .cache/<ticker>/_review_issues.json
对每条 critical 执行 suggested_fix
直到 critical == 0 才出 HTML每次新 BUG 修完，对应的 check_* 规则都会加到 self_review，下次同类问题跑完就自动抓到，不再靠用户反馈。
- anthropics/financial-services-plugins — 机构级分析方法论
- obra/superpowers — 多平台架构 / HARD-GATE / hooks / sub-agent 设计
- akshare — A 股数据引擎
- titanwings/colleague-skill — Skill 架构参考
- virattt/ai-hedge-fund — Pydantic Signal 模式
- TauricResearch/TradingAgents — 多空辩论循环
本工具由 AI 模型基于公开数据生成分析报告。所有评分、建议、模拟评语均为算法输出，不代表任何真实投资者的实际观点。不构成投资建议，投资有风险，入市需谨慎。
MIT License · Made by FloatFu-true · O.o