A股持仓技术分析 Skill#

⚠️ AI 行为规则（必须遵守）#

当本 skill 被激活时，AI 必须按以下顺序执行，只有识别图片的结果不是持仓信息时可以退出，否则不得跳过步骤或中途停止：

第一步：处理图片（如有图片）

• 微信/飞书截图保存路径： ~/.qclaw/media/inbound/，或者 ~/.openclaw/media/inbound/（跨平台）
• 优先用 AI 多模态能力直接读取图片内容，识别其中的持仓信息
• 检查 SKILL_ROOT/data/ 目录下是否存在json文件或json文件是否为空，若为空，优先执行"环境依赖与故障排查"章节的环境配置相关操作
• 若多模态失败，使用OCR识别
• 识别成功 → 提取：股票名称、代码、数量、成本价
• 识别失败 → 必须告知用户具体原因，并引导手动输入， 不得直接说"无法识别"然后停止

第二步：读取/更新持仓数据

• 持仓文件路径： SKILL_ROOT/data/positions_portfolio.json
• 若文件不存在或为空 → 引导用户录入持仓
• 若有图片但识别失败 → 询问用户手动输入关键字段

第三步：运行技术分析

bash

python3 <SKILL_ROOT>/scripts/stock_analysis_core.py

第四步：输出分析结果

• 直接在当前对话输出结构化报告
• 包含：大盘指数、各持仓技术信号、综合建议

⚠️ 关键禁止行为：

• 收到图片后，不得在未尝试识别的情况下说"图片无法显示"
• 不得收到图片后要求用户"用文字告诉我持仓"
• 不得跳过识别步骤直接进入"请告诉我你的持仓"
• 识别失败时，必须说明失败原因并提供解决路径

核心能力#

1. 持仓识别 — 用户发送微信持仓截图，AI 直接识别提取持仓信息
2. 持仓管理 — 自动更新 data/positions_portfolio.json 持仓数据
3. 行情拉取 — 通过 AKShare 获取：指数实时行情、个股实时价格、K线历史数据
4. 技术指标 — RSI、MACD、KDJ、布林带、均线多头/空头排列
5. 综合诊断 — 结合大盘趋势 + 技术面，给出每只持仓的具体操作建议
6. 报告推送 — 生成结构化报告，直接在微信对话中展示

文件结构#

text

stock-analysis-china/
├── SKILL.md                               # 本文件
├── data/
│   └── positions_portfolio.json           # 持仓数据
├── scripts/
│   ├── stock_analysis_core.py            # 技术指标计算引擎
│   └── portfolio_update.py               # 持仓数据管理工具
└── references/
    └── analysis_prompt_template.md       # 报告输出模板

路径约定（跨平台）#

资源WindowsmacOS / Linux用户主目录%USERPROFILE%``~工作区%USERPROFILE%\.qclaw\workspace``~/.qclaw/workspace微信截图%USERPROFILE%\.qclaw\media\inbound\``~/.qclaw/media/inbound/Tesseract OCRC:\Program Files\Tesseract-OCR\``/usr/local/bin/tesseract (macOS) 或 /usr/bin/tesseract (Linux)Python 解释器自动推断（ python 或 python3）自动推断（ python3）

所有路径均通过 Path.home() 和 pathlib.Path 动态推断，无需手动修改。

---

使用流程#

场景一：发送持仓截图（推荐）#

用户在微信中发送持仓截图 → AI 自动识别并更新持仓数据

识别字段：

• 股票名称 / 股票代码
• 持仓数量
• 成本价
• 当前价（可选）
• 盈亏比例（可选）

AI 执行步骤：

1. 读取截图 — 微信截图自动保存至 %USERPROFILE%\.qclaw\media\inbound\， 查找最新图片文件，读取内容

2. 图像识别 — 优先使用 AI 多模态能力直接识别截图内容； 备用方案：使用 Tesseract OCR（需安装 tesseract + chi_sim 语言包） bash

   tesseract <截图路径> stdout --oem 1 --psm 6 -l chi_sim+eng
   
   

3. 提取持仓数据 — 从识别结果中解析出：名称、代码、数量、成本价等

4. 更新持仓 JSON — 调用 portfolio_update.py bash

   python <SKILL_ROOT>/scripts/portfolio_update.py --json '[{"name":"长电科技","code":"600584","quantity":400,"cost_price":39.53}]'
   
   

5. 确认结果 — 向用户列出识别到的持仓列表，请用户核对校正

示例对话：

text

用户：[发送微信持仓截图]
AI：已识别到 5 只持仓：
    1. 长电科技(600584) 400股 成本39.53
    2. 招商银行(600036) 500股 成本39.44
    ...
    ⚠️ 请核对以上数据，如有误请告诉我正确信息。
    数据已更新。需要分析吗？

---

场景二：手动更新持仓#

用户通过对话更新持仓：

text

我今天买了100股宁德时代，成本300

text

把招商银行清仓了

AI 自动更新持仓 JSON。

---

场景三：分析持仓#

用户说：

text

分析一下我的持仓

text

我的持仓怎么样

AI 执行步骤：

Step 1 — 读取持仓数据 从 data/positions_portfolio.json 读取

Step 2 — 运行分析脚本

bash

python <SKILL_ROOT>/scripts/stock_analysis_core.py

Step 3 — AI 综合研判 结合脚本输出的指标数据，AI 给出：

• 大盘环境判断（强势/震荡/偏弱）
• 每只持仓的技术面评分 + 操作建议
• 整体仓位建议

---

持仓数据格式#

json

{
  "last_updated": "2026-03-29",
  "source": "微信截图识别",
  "portfolio": [
    {
      "code": "600584",
      "name": "长电科技",
      "quantity": 400,
      "cost_price": 39.53,
      "current_price": 45.92,
      "market_value": 18368.4,
      "profit_pct": -13.92,
      "asset_type": "stock"
    }
  ]
}

---

技术指标说明#

指标计算参数含义RSI14日>75超买/<25超卖，>60偏强/<40偏弱MACD12/26/9DIF>0多头，红柱扩张更强势KDJ9/3/3>80超买/<20超卖，K>D金叉看多布林带20日/2σ突破上轨注意回调，跌破下轨关注反弹均线5/10/20/60日多头排列=强势，空头排列=弱势

---

分析建议判断逻辑#

text

IF 偏空信号 > 2 AND tech_view == '偏空':
    建议: 减仓/止损
ELIF 偏多信号 > 2 AND tech_view == '偏多':
    建议: 持有/关注加仓机会
ELIF RSI超卖 OR 跌破布林下轨:
    建议: 超卖关注，暂持有等反弹
ELIF RSI超买 OR 突破布林上轨:
    建议: 注意止盈
ELSE:
    建议: 持有观望

---

微信对话中的操作指令#

用户说AI 行为发送持仓截图识别并更新持仓数据"分析持仓" / "我的持仓怎么样"运行完整技术分析"更新持仓" + 截图更新持仓并确认"列出我的持仓"显示当前持仓列表"清空持仓"清空所有持仓数据

---

注意事项#

• AKShare 数据为免费实时行情，部分 ETF 可能不在实时行情列表中
• 技术分析仅供参考，不构成投资建议
• 持仓数据存储在 skill 目录，升级 QClaw 时注意备份

---

环境依赖与故障排查#

依赖清单#

本 skill 需要以下环境支持：

依赖版本用途安装方式Python 33.10+技术指标计算系统 Python 或 winget install Python.Python.3.12pip最新Python 包管理随 Python 自动安装AKShare最新股票数据源pip install akshare pandasNode.js18+图片处理（sharp）winget install OpenJS.NodeJS.LTSsharp0.30+图片读取与处理npm install sharp -gTesseract OCR5.0+备用 OCR 识别winget install UB-Mannheim.TesseractOCRchi_sim.traineddata最新中文 OCR 语言包随 Tesseract 自动安装或者claw自己安装

常见问题排查#

问题 1：图片无法读取（ Cannot find package 'sharp'）

症状：

text

Error [ERR_MODULE_NOT_FOUND]: Cannot find package 'sharp' imported from ...

原因：

• sharp 未安装或安装位置不在 OpenClaw 的 node_modules 搜索路径中
• Node.js 全局安装的 sharp 在 %APPDATA%\npm\node_modules\ 中，OpenClaw 进程找不到

解决方案：

1. 检查 sharp 是否已安装 bash

   npm list sharp -g
   
   

2. 若未安装，全局安装 sharp bash

   npm install sharp -g --prefer-offline
   
   

3. 创建 junction 链接（Windows） powershell

   New-Item -ItemType Junction `
     -Target "$env:APPDATA\npm\node_modules\sharp" `
     -Path "C:\Program Files\QClaw\resources\openclaw\node_modules\sharp"
   
   

4. 重启 OpenClaw bash

   openclaw gateway restart
   
   

5. 验证 bash

   node -e "require('sharp'); console.log('ok')"
   
   

问题 2：Tesseract 命令找不到

症状：

text

tesseract : 无法将"tesseract"项识别为 cmdlet、函数、脚本文件或可运行程序的名称

原因：

• Tesseract 未安装或未加入 PATH

解决方案：

1. 安装 Tesseract bash

   winget install UB-Mannheim.TesseractOCR
   
   

2. 验证安装 bash

   "C:\Program Files\Tesseract-OCR\tesseract.exe" --version
   
   

3. 检查中文语言包 bash

   Get-ChildItem "C:\Program Files\Tesseract-OCR\tessdata\chi_sim.traineddata"
   
   

4. 若语言包缺失，重新安装 Tesseract

问题 3：Python 依赖缺失（ ModuleNotFoundError: No module named 'akshare'）

症状：

text

ModuleNotFoundError: No module named 'akshare'

原因：

• akshare 或 pandas 未安装

解决方案：

1. 安装依赖 bash

   pip install akshare pandas
   
   

2. 验证 bash

   python -c "import akshare; print('ok')"
   
   

问题 4：图片识别失败（OCR 乱码或无输出）

症状：

• Tesseract 输出乱码（如 锟斤拷）
• OCR 识别结果为空
• 报错 Error opening data file .../chi_sim.traineddata

原因：

• 图片质量差或格式不支持
• Tesseract 参数不匹配
• 中文语言包未安装或未正确配置

解决方案：

1. 检查图片格式 bash

   file <image_path>  # 确保是 JPEG/PNG
   
   

2. 安装 Tesseract OCR bash

   winget install UB-Mannheim.TesseractOCR
   
   

3. 下载中文语言包（Windows 需要）

   Tesseract 默认安装目录可能没有中文语言包，需要手动下载： powershell

   # 创建用户 tessdata 目录
   New-Item -ItemType Directory -Path "$env:USERPROFILE\tessdata" -Force
   
   # 下载中文简体语言包
   Invoke-WebRequest -Uri "https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata" -OutFile "$env:USERPROFILE\tessdata\chi_sim.traineddata"
   
   # 复制英文语言包（中英文混合识别需要）
   Copy-Item "C:\Program Files\Tesseract-OCR\tessdata\eng.traineddata" "$env:USERPROFILE\tessdata\eng.traineddata" -Force
   
   

4. 配置 TESSDATA_PREFIX 环境变量

   方法一：临时设置 powershell

   $env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
   tesseract <image_path> stdout --oem 1 --psm 6 -l chi_sim+eng
   
   

   方法二：永久设置（推荐） powershell

   [System.Environment]::SetEnvironmentVariable("TESSDATA_PREFIX", "$env:USERPROFILE\tessdata\", "User")
   
   

5. 验证语言包安装 powershell

   $env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
   & "C:\Program Files\Tesseract-OCR\tesseract.exe" --list-langs
   
   

6. 运行中文 OCR 识别 powershell

   $env:TESSDATA_PREFIX = "$env:USERPROFILE\tessdata\"
   & "C:\Program Files\Tesseract-OCR\tesseract.exe" <图片路径> stdout --oem 1 --psm 6 -l chi_sim+eng
   
   

7. 若仍失败，使用 AI 多模态识别（推荐）

问题 5：持仓数据文件不存在

症状：

text

FileNotFoundError: [Errno 2] No such file or directory: '.../positions_portfolio.json'

原因：

• 首次使用，持仓数据文件未创建

解决方案：

1. 手动创建初始文件 bash

   python <SKILL_ROOT>/scripts/portfolio_update.py --list
   
   

2. 或通过 AI 识别截图自动创建

   • 发送持仓截图，AI 自动生成 positions_portfolio.json

3. 或手动添加持仓 bash

   python <SKILL_ROOT>/scripts/portfolio_update.py --add 600584 长电科技 400 39.53
   
   

问题 6：AKShare 数据获取超时

症状：

text

[WARN] 指数数据获取失败: ...

原因：

• 网络连接不稳定
• AKShare 服务器响应慢

解决方案：

1. 检查网络连接 bash

   ping github.com
   
   

2. 重试分析（AKShare 有内部重试机制）

3. 若持续失败，检查 AKShare 服务状态

   • 访问 https://github.com/akfamily/akshare/issues

问题 7：跨平台路径错误

症状：

text

FileNotFoundError: [Errno 2] No such file or directory: 'C:\Users\...\...'

原因：

• 脚本在 macOS/Linux 上运行，但路径使用了 Windows 格式

解决方案：

• 所有脚本已使用 pathlib.Path 和 Path.home() 动态推断路径
• 无需手动修改路径
• 若仍出现错误，检查 SKILL_ROOT 和 WORKSPACE_DIR 的推断逻辑

---

开发者笔记#

关键设计决策#

1. 路径动态推断
   • 使用 Path(__file__).parent.parent 相对 skill 目录
   • 使用 Path.home() 获取用户主目录（跨平台）
   • 避免硬编码路径，确保可移植性
2. 持仓数据优先级
   • 优先读 skill 内置 data/positions_portfolio.json（跟随 skill 更新）
   • 不存在则读 ~/.qclaw/workspace/data/positions_portfolio.json（升级保护）
   • 确保用户数据不会因 skill 升级而丢失
3. 图片识别优先级
   • 优先 AI 多模态识别（无需额外工具）
   • 备用 Tesseract OCR（需安装）
   • 若都失败，引导用户手动输入
4. 跨平台支持
   • Windows / macOS / Linux 全部支持
   • 自动检测系统（ platform.system()）
   • 自动推断 Python 解释器（ sys.executable）

常见改动陷阱#

⚠️ 多文件改动时务必完整检查

当修改脚本时，必须同步更新：

• SKILL.md 中的路径说明
• analysis_prompt_template.md 中的命令示例
• 所有文档中的硬编码路径

检查清单：

• 脚本改动后，SKILL.md 路径说明是否需要更新？
• 新增依赖后，是否更新了"依赖清单"表格？
• 改了路径推断逻辑后，是否更新了"路径约定"？
• 新增故障排查项后，是否补充了解决方案？

测试流程#

1. 环境检测 bash

   python <SKILL_ROOT>/scripts/stock_analysis_core.py
   
   

2. 持仓管理 bash

   python <SKILL_ROOT>/scripts/portfolio_update.py --list
   
   

3. 图片识别

   • 发送截图，验证 AI 多模态识别
   • 若失败，手动运行 Tesseract 验证

4. 完整流程

   • 发送截图 → AI 识别 → 更新持仓 → 运行分析 → 输出报告