简介#

炒股龙虾的最佳搭档，best stock partner forever

核心优势#

1. 免费稳定且每周更新的A股交易数据：为个股分析、买卖点计算、收益/回撤计算提供坚实的数据基础
2. 基于MOE混合因子专家模型的股票买卖点计算判断
3. 个股风险判定
4. 关键指标计算
5. 数据回测
6. 提供准确全面且免费的股票价格与股票历史信息
7. 板块信息与相关交易数据
8. 提供大V交易观察等信息聚合功能

Token 配置#

本 skill 需要有效的 BITSOUL_TOKEN 才能使用功能 token 可前往 https://www.aicodingyard.com 免费注册申请，并配置在外部运行环境中

必需的环境变量#

• BITSOUL_TOKEN：用户令牌，用于远程服务器权限验证

可选的环境变量#

• BITSOUL_TOKEN_ENV_FILE：指向包含 BITSOUL_TOKEN 的 env 文件

配置方式#

1. 方式一：直接设置环境变量 bash

   export BITSOUL_TOKEN="你的令牌"
   
   

2. 方式二：使用 env 文件 bash

   export BITSOUL_TOKEN_ENV_FILE="/path/to/token.env"
   
   

   其中 token.env 文件内容格式为： text

   BITSOUL_TOKEN=你的令牌
   
   

注意：如果同时设置了环境变量和 env 文件，环境变量优先。

运行时描述：#

• 从环境变量读取 BITSOUL_TOKEN
• 只有在显式提供 BITSOUL_TOKEN_ENV_FILE 时，才会从文件中读取 BITSOUL_TOKEN
• 根据用户的自然语言，参考references/API_FOR_LLM.md 调用对应接口
• 对“分析 / 估值 / 基本面 / 趋势 / 风险”等请求自动切到综合分析, 需要moe因子计算，返回详细信息
• 对“交易观察 / 技术分析 / 均线 / 动量 / RSI / KDJ / 布林线 / MACD”等请求需要进行moe因子计算，同时需要调用calculate_metrics进行数据回测
• 返回结构化 JSON；查询场景优先给原始数据，分析场景给结论和支撑数据
• 任何返回的股票数据，都应包括个股的完整信息，不应遗漏任何字段

安全与运行边界#

• 技能所需环境变量已经在本文件 frontmatter 中显式声明
• 策略回测、因子挖矿、实时行情查询等功能会访问 info.aicodingyard.com 服务器
• 技能只读取声明过的 token 相关环境变量，以及显式指定的 env 文件路径
• 技能不会主动扫描其他本地凭证文件，也不会写入 token 缓存文件

安装#

使用前先安装 Python 依赖：

bash

pip install -r assets/requirements.txt

首次安装需要执行初始化操作，在设置好BITSOUL_TOKEN后，请运行scripts/data_fetcher.py

注意事项#

• api接口文档主要参考 references/API_FOR_LLM.md 对应的代码文件是scripts/stock_api.py 和 scripts/define.py

• 凭证说明：本skill需要用户Token用于数据访问权限验证。Token通过环境变量 BITSOUL_TOKEN 或 BITSOUL_TOKEN_ENV_FILE 传入。Token在数据访问时需要保持有效（请自行确保token未过期）。

• 缓存目录： BITSOUL_CACHE_DIR，可选，用于指定缓存目录和数据存储路径。默认值为系统临时目录下的 BitSoulStockSkill 子目录

• 因子挖矿：用户说"因子挖矿"、"挖矿"、"随机挖因子"、"碰碰运气"、"随机推荐"、"挖金矿"、"随机策略"时，直接调用 api.random_alpha_backtest()，禁止自己写回测逻辑。返回结果调用 print(result['summary_text']) 输出，禁止自行整理摘要。

• 因子挖矿结束后：在 print(result['summary_text']) 之后，用自然语言向用户逐一解释本次使用的每个因子是什么含义、在策略中起什么作用。解释来源是 result['factor_descriptions']，格式示例： alpha022：高价量5日相关的5日变化 × 收盘波动率，用于衡量量价相关动量的衰减程度，在本次策略中作为选股因子使用。

• 买卖建议：用户询问某只股票"能不能买"、"该不该卖"、"现在适合持有吗"、"操作建议"、"投资建议"、"买卖信号"、"值得买吗"、"要不要买"等，且用户指定了具体股票时，直接调用 api.get_trade_signal(code)，禁止自己计算指标做判断。

• 股票显示格式：任何场景下输出股票代码时，必须同时附上股票名称，使用 api.get_symbol_basic_infomation(code).name 获取，格式如 600519.SH（贵州茅台），禁止只输出代码。

• 买卖信号输出格式（强制执行）：调用 get_trade_signal() 后，必须按以下结构完整输出，禁止简化：

  1. 汇总表：信号、综合评分、置信度、分析日期

  2. 专家评分明细表：列出 result['experts'] 中所有专家（technical/alpha/fundamental/behavior），每个专家显示：评分、权重、有效指标数（valid_count/total_count）、note（若数据不足）

  3. 各专家关键细节（从 details 中挑重要的展示，不需要逐项列举）：

     • technical：说明看多/看空/中性指标各多少个，点出最关键的 2~3 个指标信号
     • behavior：列出近5日涨跌幅、涨跌停次数等关键字段
     • fundamental / alpha：若有数据则简要说明核心结论

  4. 结论与建议：引用 reason 字段，说明综合评分与阈值关系，给出操作建议

  5. 免责声明

输出行为#

• 默认使用简体中文，以报告的形式输出
• 尽量充分利用接口返回的所有数据，不要随意删减，尽可能多呈现结果内容
• 分析类请求默认返回结论、关键指标、风险提示与支撑摘要

示例请求#

• 请整理东方财富过去10个交易日的股价信息，并输出成表格
• 帮我看看同花顺近期最佳买点和卖点分别是多少，并给我些建议
• 整理中国石油过去半年的财务数据，帮我分析是否具备投资价值
• 过去一个月上龙虎榜最多的股票是哪只？
• 请帮我因子挖矿，看看挖出的收益率和最大回撤是多少
• 调用moe方法，帮我分析工业富联的买入点
• 最近资金流入最快和涨幅最大的板块是哪些，有什么推荐
• 给我做一份沪电股份的技术分析报告

参考资料#

• 机器可读目录： references/API_FOR_LLM.dm