情绪周期交易

概述

⚠️ 重要免责声明

本 skill 仅供学习研究使用，不构成任何投资建议。

• ❌ 本 skill 不提供个股推荐或买卖指令
• ❌ 任何示例中的数据均为演示用途的虚拟数据，不代表真实市场
• ✅ 本 skill 可自动获取市场数据（需安装依赖），获取失败时请用户手动提供
• ✅ 本 skill 只提供方法论框架和分析思路
• ✅ 股市有风险，投资需谨慎。任何投资决策需用户自行负责

💳 付费调用协议（Pay Skill · 必读）

计费（向用户说明）： 微信支付 1.99 元 = 20 次（充值包，非单次价格）。有剩余额度时不要再发起支付。

履约根地址：https://txai.site。Agent 只调用下面的 invoke，不要打微信支付 callback。

付费前置检查

调用本 Skill 前，检查当前 Agent 是否已安装 weixinpay 插件：

• 已安装：可继续提供付费服务
• 未安装：提示「当前 Agent 暂不支持微信支付付费能力」，终止流程

何时报费（扣额度）

• 扣 1 次额度：用户要求做完整分析/复盘/决策建议（情绪周期判断+仓位、每日复盘、个股买卖咨询等产出型任务）
• 不扣额度：纯概念解释（如「什么是弱转强」「炸板率是什么」）、方法论讲解——直接读 references 回答

调用硬规则（必须遵守）

• 履约接口只接受 POST。GET 会 404（正文 not found），不代表服务故障；收到 404 用同一 URL 再发一次 POST。
• 没有 HTTP 200 就没有履约：禁止在未付费/402/网络失败时免费输出完整分析。
• 收到 402：正常「要付钱」；保存 WeixinPay-Required 与 X-Out-Trade-No，走微信支付，不要当错误结束。
• 已购用户调用时带上 X-Pass-Token（本对话已保存的 pass_token）与 X-Credit-Code（用户 8 位口令）。
• 单价 1.99 元/充值包，向用户展示计费说明时如实报价，不虚报不折价。

method: POST
url: https://txai.site/api/v1/skill/a-share-emotion-trading/invoke
headers:
  Content-Type: application/json
body:
  {"query":"用户原话","inputs":{"task":"完整分析任务类型，如:今日复盘/仓位咨询/周期判断"}}

履约成功后

按本 Skill 正常流程执行：读 references → （涉及行情时）走数据脚本/腾讯自选股取数 → 输出结论。每次履约响应里的剩余额度数要转告用户。

本 skill 把《养家心法》从"感悟散文"还原成可执行的判断流程与阈值表。它不是教你预测点位，而是教你：先判断情绪，再决定仓位与模式，最后用体系把执行机械化。

一句话内核

只做市场的跟随者，不做发动者。判断为末，应变为本。

买入倾向来自赚钱效应，卖出倾向来自亏钱效应；只做对的操作，盈亏交给概率。

底层世界观（原文）：「股票走势本质是持币者与持筹者的博弈产生……场外潜在买入者的钱的数量和买入倾向，与场内筹码的数量和卖出倾向，当前者大于后者就买入，当后者大于前者就卖出。」

🚀 快速上手（第一次使用时先看这里）

用户提问示例                    → 你应该做什么
─────────────────────────────────────────────────────
"今天能不能买？"             → ①定大局 ②定情绪周期 ③用硬阈值速查表判断
"怎么看情绪周期？"            → 读 references/02-emotion-cycle.md
"该怎么管仓位？"              → 读 references/03-position-sizing.md + 赢面计算规则
"帮我写今日复盘"              → 用 assets/daily-review-template.md 骨架填空
"亏损了怎么办？"              → 读 references/07-pitfalls.md §6 自救流程
"什么是弱转强？"              → 读 references/08-tactics.md §1
"怎么选股？"                 → 读 references/04-selection-review.md
"怎么卖？什么时候止损？"       → 读 references/05-drawdown-control.md §3 决策树
"盘前/盘中该干什么？"         → 读 references/06-session-playbook.md

使用前必读的三条边界

1. 本 skill 只给方法论与检查清单，不给代码、不给买卖指令。

涉及具体标的的行情/财务/资金数据，优先使用 scripts/fetch_market_data.py 自动获取；获取失败时要求用户从行情工具提供，禁止凭记忆报数。

1. 任何涉及具体标的的操作性结论，末尾必须附固定免责声明：「以上数据仅供参考，不构成投资建议。股市有风险，投资需谨慎。」（原文照抄，不得改写）
2. 方法论的适用前提是短线。 原文明确：「这句话的前提是短线操作，最大的前提还是自己的交易系统，少了这两个前提，就有失偏颇了。」

用户若做中长线，需先确认风格，再决定引用哪几条。

💬 如何提问（灵活格式，无需拘泥）

你可以用任何自然语言提问，不需要特定格式。 以下是一些示例：

如果我无法回答你的问题，我会告诉你需要什么信息，而不是报错。

数据获取：本 skill 可以自动从网络获取最新市场数据（需安装依赖），无需手动提供。详见下方"📊 自动获取市场数据"章节。

📊 自动获取市场数据

本 skill 内置数据获取脚本，可自动从网络获取最新 A 股市场数据。

安装依赖

# 推荐用当前解释器的 pip，避免 pip 与 python 指向不同环境
python -m pip install akshare pandas

# 国内网络可用清华镜像
python -m pip install akshare pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

机器上存在多个 Python（系统 Python / 虚拟环境 / IDE 托管 Python）时，

必须用 python -m pip 而不是裸 pip，否则依赖会装到别的解释器里，

运行时仍报 ModuleNotFoundError: No module named 'akshare'。

运行数据获取

# 获取今日数据（格式化报告）
python scripts/fetch_market_data.py

# 获取指定日期数据
python scripts/fetch_market_data.py --date 20260831

# 输出 JSON 格式（便于程序处理）
python scripts/fetch_market_data.py --json

# 禁用代理（如果遇到网络问题）
python scripts/fetch_market_data.py --no-proxy

代理配置

如果脚本提示代理错误，可以通过环境变量配置代理：

Windows (PowerShell):

$env:HTTP_PROXY="http://proxy.example.com:8080"
$env:HTTPS_PROXY="http://proxy.example.com:8080"
python scripts/fetch_market_data.py

Linux/Mac:

export HTTP_PROXY="http://proxy.example.com:8080"
export HTTPS_PROXY="http://proxy.example.com:8080"
python scripts/fetch_market_data.py

或者使用 --no-proxy 参数直接禁用代理：

python scripts/fetch_market_data.py --no-proxy

获取的数据指标

数据时效性限制

⚠️ 并非所有指标都支持任意日期查询。实际支持范围（2026-09-01 实测）：

查询超出范围的日期时，脚本会在报告中明确提示，不会编造数据。

可选数据增强：连接腾讯自选股 / 通达信连接器（推荐）

本 skill 内置的 fetch_market_data.py 走 akshare 免费源，能覆盖大盘 / 涨停家数 / 炸板率 / 板块涨停分布，但有两类关键数据它拿不到或很弱：

• 板块真实资金流（主力净流入 / 5日 / 20日）—— 只能靠"涨停家数"间接猜板块强度，看不到钱真正往哪流
• 龙虎榜 / 个股实时换手率 / 量比 —— 判断"机构净卖 vs 游资拉"和"换手是否异常"的核心证据

如果你在 WorkBuddy 里连接了下面两个连接器，skill 会自动调用它们补齐这些缺口：

详细字段映射与调用示例见 references/10-data-connectors.md。

Agent 路由规则（每次分析开头主动执行一次，默认开启，无需用户提醒）：

1. 主动检测（每次分析开头做一次，不重复）：看当前会话可用 MCP 工具列表里有没有 mcp__westock-mcp__* 或 mcp__tdx-connector__*。
2. 已连接 → 直接使用，不再提示：优先用连接器取「板块资金流 / 龙虎榜 / 换手率」等内置源缺失字段，再与 akshare 全市场快照交叉验证。整轮分析内不要重复询问或反复提示连接器（已连就是已连，直接干活）。
3. 未连接 → 提示一次（每轮分析仅一次，放在开头，不反复刷）：输出下方引导提示，然后照常用内置数据继续分析（不强行下结论）。

用户引导提示模板（未连接时，每轮分析开头输出一次，已连接则跳过）：

💡 本次分析使用 akshare 免费源，板块强度只能靠涨停家数间接判断，板块资金流 / 龙虎榜 / 个股换手率暂缺。想补齐？可在 WorkBuddy 左侧「连接器」面板连接 腾讯自选股（westock） 或 通达信（tdx-connector），连接后本 skill 会自动调用。

情绪判断参考

根据获取的数据，skill 会自动给出情绪判断：

• 涨停 ≥ 50 家 + 高度板 ≥ 7 → 发酵期/疯狂期
• 涨停 ≥ 30 家 → 起势期/发酵初期
• 涨停 ≤ 15 家 → 衰退期/冰点
• 涨幅≥5% 个股 > 跌幅≥5% 个股 × 2 → 赚钱效应强
• 跌幅≥5% 个股 > 涨幅≥5% 个股 × 2 → 亏钱效应明显

在分析中使用

当你问"今天能买吗"时，skill 会：

1. 自动运行 scripts/fetch_market_data.py 获取最新数据
2. 根据数据判断情绪周期
3. 给出仓位建议
4. 附上免责声明

无需手动提供任何数据！

🧮 可执行决策引擎（scripts/chaogu_engine.py）

本 skill 内置一个纯标准库、无外部依赖的决策引擎，把「情绪周期打分 / 仓位测算 / 热点评级 / 买卖决策 / 回撤控制 / 心态检测」变成可复算的函数。需要给出确定性的结构化结论时（而非只讲方法论），调用它比口算更稳、可复现。

调用方式

python scripts/chaogu_engine.py --action <动作> --input '<JSON>'
# 或从文件读入
python scripts/chaogu_engine.py --action emotion_cycle --input-file market.json

--action 取值与输入字段（JSON，字段均可缺省取默认）：

一键联动（真实行情 → 引擎）

scripts/daily_emotion.py 把取数与引擎判定串成一条命令，无需手工映射字段：

python scripts/daily_emotion.py                  # 今日行情 → 情绪报告
python scripts/daily_emotion.py --json           # 机器可读 JSON
python scripts/daily_emotion.py --date 20260831  # 指定日期（受数据源范围限制）
python scripts/daily_emotion.py --no-proxy       # 绕过系统代理（网络异常时）

自动完成：取数 → 字段映射（涨停家数/最高连板/封板率/炸板率 → emotion_cycle 输入；涨幅≥5% vs 跌幅≥5% 推断赚钱效应；柏拉爱空 > +0.5% → 赚）→ 引擎判定 → 文本/JSON 输出。数据不可用或核心指标降级（最高连板、炸板/封板率）时如实阻断情绪结论，不硬编。

对齐说明

• 仓位测算已对齐本文「赢面计算方法」的双维度门槛表（胜率与空间比须同时达标，档位取较低一维）；原始 OpenClaw 版 calculate_position 仅用单维胜率，已废弃。
• 情绪周期阈值对齐「情绪判断参考」硬阈值（涨停 ≤15 → 衰退；涨停 ≥50 且高度 ≥7 → 发酵/疯狂）。
• 引擎为无状态设计，输入经归一化（比率 0-1/0-100 通吃、评级别名通吃），不依赖外部状态或网络。

五维体系总图

理念（润滑剂 ─ 贯穿始终的信念与心态）
    │
    ▼
情绪/大局（定仓位 ─ 可操作区间 or 不可操作？）
    │
    ▼
热点情绪（定板块 ─ 主流 / 次主流 / 非主流）
    │
    ▼
板块（定个股 ─ 龙头 / 龙二 / 中军 / 情绪股）
    │
    ▼
模式 + 仓位（执行 ─ 低吸 / 半路 / 打板 / 潜伏 + 仓位档位）
    │
    ▼
回撤控制（底线 ─ 赚七毛 / 盈不化亏 / 计划先行）
    │
    ▼
事后评估 ←──────────┐
（错的操作 vs 亏钱的操作）│
    └──── 反馈回 "理念" 强化 ───┘

原文给出的体系五件套：理念、模式、选股、仓位、回撤控制。「其中中间三个都是进攻，回撤是防守的最后一道防线，而理念则是整个体系的润滑剂。」

决策主流程（每次交易前走一遍）

第 0 步（每次分析开头主动做一次，默认开启）：检测当前会话是否已连接「腾讯自选股（westock-mcp）/ 通达信（tdx-connector）」连接器。

已连接 → 直接优先调用补齐「板块资金流 / 龙虎榜 / 换手率」，整轮不再反复提示；

未连接 → 按「📊 自动获取市场数据 → 可选数据增强」里的引导模板提示一次，然后照常用内置数据继续分析。

赢面计算方法（用户最常问，需明确给出步骤）

⚠️ 赢面不是把胜率和空间比相乘。原文定义赢面"包括胜率和涨跌空间"两个维度，

满仓条件明确是"胜率 ≥90% 且 上涨空间 ≥30-50% / 下跌空间 ≤3-5%"两个独立门槛同时满足。

机械相乘会在极端值下失真（如胜率 90%、上看 40%、下看 4% → 0.9×10 = 900%，毫无意义）。

正确做法是双维度门槛表：两个维度同时达标，才进入对应档位。

实操步骤：

1. 胜率估计（%）——基于情绪周期阶段 + 龙头地位 + 板块强度综合判断
2. 空间比 = 上涨空间目标 ÷ 下跌风险敞口
3. 查双维度门槛表——进入"胜率与空间比同时达标"的最高档位；最终档位由较低的那一维决定

双维度门槛表（两列须同时达标）：

举例 1：胜率 75%，上看 20%，下看 5% → 空间比 = 20/5 = 4

• 胜率 75% ≥ 70% ✓（达中仓）
• 空间比 4 ≥ 3 ✓（达中仓），但 < 5（未达大仓）
• → 中仓（20-40%）

举例 2（满仓场景）：胜率 90%，上看 40%，下看 4% → 空间比 = 40/4 = 10

• 胜率 90% ≥ 90% ✓
• 空间比 10 ≥ 6 ✓
• → 满仓（须另过 §满仓四项前置条件自检）

举例 3（单维陷阱：一高一低取低档）：胜率 95%，上看 8%，下看 4% → 空间比 = 8/4 = 2

• 胜率 95% ≥ 90% ✓（单看胜率可满仓）
• 空间比 2 仅 ≥ 2（只达小仓），< 3/5/6（未达中/大/满仓）
• → 小仓（10-20%）——档位由较低的空间比决定，不能因胜率高就升大仓/满仓

⚠️ 举例 3 正是旧乘法公式最易翻车的场景：相乘会得 0.95×2 = 190%，误判为高分；

双维度表则正确地把仓位压到空间比所限定的一档。

详见 references/03-position-sizing.md §2。

Reference 路由表（按优先级排序）

新手先看 ⭐：

进阶学习：

问题解决：

硬阈值速查（最常用，记不住细节时先看这个）

📌 关于上表"赢面 %"：这是原文的档位简写。实际执行时不要把它当成一个可计算的单一数字，

而要用「赢面计算方法」一节的双维度门槛表——胜率与空间比（上涨空间÷下跌空间）同时达标才进对应档位。

A 股术语速查

输出规范

• 给用户做盘前计划 / 盘后复盘时，先自动获取市场数据，然后用 assets/daily-review-template.md 的骨架填，不要自由发挥成散文。
• 给用户做方法论讲解时，先给结论和阈值表，再给原理，必要时引用原文一句点睛。
• 禁止把"心法"包装成必胜策略。原文反复强调这是概率体系，「胜负的事情交给概率，不管结果如何坦然面对」。
• 回答应遵循：结论优先 → 阈值支撑 → 原文点睛 → 参考路径 的顺序。
• 涉及具体标的时，必须提醒用户使用行情工具验证，禁止编造数据。
• 每次回答末尾，如涉及操作建议，附上免责声明：「以上内容仅供学习参考，不构成投资建议。股市有风险，投资需谨慎。」
• 用户问题模糊时，不要猜测，而是引导用户明确需求或提供更多信息。
• 数据获取优先：当需要市场数据时，优先使用 scripts/fetch_market_data.py 自动获取，而非要求用户手动提供。
• 需要确定性数值结论时，优先调用 scripts/chaogu_engine.py 获得可复算结果（情绪周期打分、仓位测算、热点评级、买卖/回撤/心态决策），而非凭印象口算。
• 连接器检测默认开启，但不要刷屏：每次分析开头检测一次「腾讯自选股 / 通达信」连接器；已连接则直接使用、不提示；未连接则按引导模板提示一次，后续步骤不得重复提示。

🚫 常见错误模式（反模式）

以下是使用本 skill 时必须避免的错误，以及正确做法：

❌ 错误 1：编造市场数据

错误示范：

根据最新行情，今天涨停家数 50 家，情绪处于发酵期...

问题：未经脚本获取就凭记忆/猜测报数，数据可能完全错误。

正确做法：

我先自动获取一下今天的市场数据...
[运行 scripts/fetch_market_data.py]
获取成功：涨停 88 家，跌停 11 家，炸板率 25.4%...
根据数据分析，情绪可能处于起势期或发酵初期。

如果数据获取失败：

自动获取数据失败（可能是网络问题）。请你从行情软件提供以下数据：
- 涨停家数：____
- 高度板：____
- 炸板率：____%
请提供后我帮你分析。

❌ 错误 2：直接推荐股票

错误示范：

建议买入股票A、股票B，明天能涨。

问题：违反"不给买卖指令"原则，且无法保证涨跌。

正确做法：

我不能推荐具体股票，但可以教你选股方法：
1. 先判断主流板块（见 references/04-selection-review.md）
2. 在主流板块中找龙头（率先涨停、辨识度最高）
3. 用"买入四要素"自检（大局/消息/情绪/技术）
如果你提供具体股票的数据，我可以帮你用框架分析。

❌ 错误 3：给出确定性承诺

错误示范：

按照这个方法操作，保证赚钱。

问题：这是概率体系，没有 100% 成功的方法。

正确做法：

这套方法帮你提高"做对操作"的概率，但不能保证每次盈利。
原文：「胜负的事情交给概率，不管结果如何坦然面对。」
目标是持续、稳定的盈利，而非单次暴富。

❌ 错误 4：忽视免责声明

错误示范：

（长篇分析后直接结束，无任何风险提示）

问题：用户可能误解为投资建议。

正确做法：

（分析内容）
...
⚠️ 以上内容仅供学习参考，不构成投资建议。股市有风险，投资需谨慎。

❌ 错误 5：问题格式不对就报错

错误示范：

用户："今天能买吗？"
回答："你的问题格式不对，请按照以下格式提问：..."

问题：用户体验差，应该灵活处理。

正确做法：

用户："今天能买吗？"
回答："我来帮你分析一下，先自动获取今天的市场数据...
[运行 fetch_market_data.py]
根据数据，情绪可能处于...  建议仓位...
（如果获取失败，再引导用户手动提供数据）"

✅ 正确交互的核心原则

1. 不给答案，给方法 → 教用户如何分析，而不是直接告诉他结果
2. 自动获取，降级要数据 → 优先用脚本自动获取数据，失败时再请用户提供
3. 不给承诺，给概率 → 强调这是概率体系，不保证盈利
4. 不推股票，推框架 → 用方法论框架帮用户分析，不推荐具体标的
5. 不报错，要引导 → 问题模糊时引导用户明确需求
6. 不忘免责，要提醒 → 每次涉及操作建议都附免责声明

❓ 常见问题（FAQ）

Q1：这个 skill 能帮我选股/推荐股票吗？

不能。 本 skill 只提供分析框架和方法论，不提供具体股票推荐。本 skill 可以自动获取市场整体数据，但具体标的分析需要你结合行情工具判断。

Q2：我没有任何数据，能用这个 skill 吗？

可以！ 本 skill 可以自动从网络获取最新市场数据。只需安装依赖（python -m pip install akshare pandas），然后直接提问即可。例如问"今天能买吗"，skill 会自动获取数据并分析。详见"📊 自动获取市场数据"章节。

Q3：这套方法适合中长线投资吗？

主要适合短线。 原文明确指出这是短线交易体系。如果你是中长线投资者，部分理念（如情绪判断）可参考，但具体操作需调整。建议先说明你的投资风格。

Q4：为什么总是"看对做不对"？

这是知行合一的问题。参见 references/07-pitfalls.md §6 自救流程。核心是：制定计划→严格执行→事后评估→循环改进。

Q5：亏损了怎么办？

1. 当天禁止再操作（纪律）
2. 停下来反思，不要急于翻本
3. 检查五件套中哪个环节出问题
4. 参见 references/07-pitfalls.md 详细自救流程

Q6：怎么判断当前情绪周期？

需要观察：①连板高度趋势 ②涨停家数变化 ③封板率/炸板率 ④昨日涨停今日表现。详见 references/02-emotion-cycle.md 的快速判定流程。

Q7：这个 skill 的数据准确吗？

本 skill 可以自动获取实时数据（通过 scripts/fetch_market_data.py），数据来源为公开市场数据接口。如果你看到示例数据，那是为说明方法而设的虚拟数据，不代表真实市场。实际分析时，skill 会自动获取最新数据。

Q8：学了这个就能赚钱吗？

不能保证。 原文反复强调这是概率体系，「胜负的事情交给概率」。这套方法帮你提高"做对操作"的概率，但无法保证每次盈利。目标是持续、稳定的盈利，而非单次暴富。

Q9：能不能连我自己的数据源（腾讯自选股 / 通达信）？

能，而且推荐。 内置的 fetch_market_data.py 走 akshare 免费源，能拿到大盘 / 涨停家数 / 炸板率 / 板块涨停分布，但板块真实资金流（主力净流入）、龙虎榜、个股换手率它拿不到或很弱。如果你在 WorkBuddy 左侧「连接器」面板连接了 腾讯自选股（westock-mcp） 或 通达信（tdx-connector），skill 会自动调用它们补齐这些缺口（交叉验证用）。没连也不影响基础分析——只是板块强度只能靠涨停家数间接判断，资金流向 / 龙虎榜暂缺。连接方法见 references/10-data-connectors.md。

📝 版本信息

• 版本: 1.12.3
• 更新:
  • v1.12.3: 连接器数据增强（发布前补）：SKILL.md 新增「可选数据增强：连接腾讯自选股 / 通达信连接器」章节 + Agent 路由规则（每次分析开头主动检测，已连则不反复提示、未连则提示一次）+ 用户引导提示模板，并写入「决策主流程」第 0 步与「输出规范」作为默认行为；fetch_market_data.py 降级提示新增连接器引导；新增 references/10-data-connectors.md（字段映射 + 调用示例）；FAQ 补 Q9（如何连自己的数据源）。补齐 akshare 免费源缺失的板块资金流/龙虎榜/个股换手率
  • v1.12.2: 发布前审核修复：[P0] 修决策引擎百分比字段静默错误（win_rate / profit_rate 只认 0-100，传 0-1 会使 85% 胜率误判「空仓」且无报错），新增 _to_pct() 统一 0-1/0-100 归一化并覆盖 4 处调用；install.sh 行尾 CRLF→LF（Unix 下 bad interpreter 无法执行）；install.bat 版本号滞后、漏删 __pycache__、未校验新脚本；补充 scripts/README.md 字段契约表（8 action 全量字段名/类型/单位）；评测用例 33→39（含本次 P0 回归）
  • v1.12.1: 新增一键联动脚本（scripts/daily_emotion.py）：fetch_market_data → chaogu_engine 字段映射自动完成，一条命令输出情绪报告/JSON；数据不可用或核心指标降级时如实阻断情绪结论；实测 2026-09-01 数据质量 100 分
  • v1.12.0: 集成决策引擎（scripts/chaogu_engine.py，纯标准库）：情绪周期/仓位/热点/买卖/回撤/心态结构化计算可复算；仓位对齐双维度门槛表、情绪阈值对齐硬阈值；新增 CLI（--action/--input）；修正原 OpenClaw 版单维仓位算法与半成品实例状态；自测修复柏拉爱空归一化（赚/亏→好/差误映射）与强弱/大小别名缺失
  • v1.2.0: 添加免责声明、FAQ、提问指南；明确数据使用说明；增强容错性
  • v1.3.0: 添加实战案例集（09-examples.md）；优化 Reference 路由表（按优先级分组）；添加常见错误模式（反模式）章节；强化输出规范
  • v1.4.0: 新增自动数据获取功能（scripts/fetch_market_data.py）；添加涨幅/跌幅≥5% 个股数量指标；更新 FAQ 和输出规范
  • v1.5.0: 数据获取全面修复：修复炸板率 API（zbgc_em）、使用新浪数据源避免代理问题、添加缓存机制、完善交易日判断（含节假日）、新增市场广度指标（涨跌比）
  • v1.6.0: 评测修复：消除文档矛盾（统一为"自动获取优先"）、修复 –no-proxy 实现、新增 data_available 标志防止空数据误判、历史日期不再混入实时涨跌分布、柏拉爱空改用交易日历跳节假日、evals.json 移入 skill 包内
  • v1.7.0: 收尾修复：统一柏拉爱空定义、修复反模式示范文本、补充 4 条边界评测用例（历史/超窗口/非交易日/降级方案）、scripts/README 同步更新
  • v1.7.1: 文本清扫：统一脚本版本号至 v4.1、evals 注释改为 14 个、README 示例术语同步、非交易日措辞修正、eval 12 日期修正
  • v1.8.0: 修复赢面公式缺陷：将错误的「赢面 = 胜率 × 空间比」乘法公式改为双维度门槛表（胜率与空间比须同时达标才进档位），消除极端值失真（原公式满仓场景算出 900%）；同步修正 03-position-sizing.md §2 与决策主流程
  • v1.8.1: 赢面修复收尾：补充单维陷阱负向示例（举例3：高胜率低空间比取低档）、统一步骤3措辞为"同时达标的最高档位"、新增 2 条赢面判定评测用例（id 15/16，含乘法公式负向断言）
  • v1.9.0: 功能扩展 + 评测全面覆盖：新增大盘指数（上证/深成/创业板）、自然涨停区分（剔除一字板）、封板率独立口径；补 4 条核心决策路径评测（情绪边界/板块主流性/龙头判定/回撤控制，共 20 用例）；补 4 处负向示例（情绪边界/板块/龙头/止损）；脚本升至 v4.2
  • v1.9.1: 评测极致覆盖 + FAQ：新增 10 个评测用例（冲突信号/盘中决策/数据异常/多日趋势/板块轮动/赢面边界/情绪边界/负柏拉爱空/分仓建议/个股vs大盘，共 30 用例）；创建 FAQ.md（30 个常见问题）；实战案例扩展至 10 个
  • v1.9.2: WorkBuddy / CodeBuddy 适配：安装路径由 ~/.claude/skills 改为 ~/.workbuddy/skills（三个安装脚本同步）；CLAUDE.md 改为 README.md 并补齐 WorkBuddy 安装说明；SKILL.md frontmatter 补 agent_created 字段、description 改用无折叠指示符写法以通过打包校验；数据脚本升至 v4.3（增强数据验证、缓存管理、错误处理）；移出运行时缓存与开发期文档；FAQ 与脚本文档同步版本
  • v1.9.3: 数据质量与回测增强：剔除涨跌幅 >30% 异常样本（新股/复牌股）；新增腾讯数据源作为第三备份（新浪/东财失败时兜底）；新增 --history N 历史柏拉爱空回测（涨停池历史 + 逐只查询次日涨跌幅，支持多日对比）；补炸板率阈值层级表（30%=健康线 / 40%=分界线 / 50%=警戒线）；新增 MIT LICENSE；脚本升至 v4.4
  • v1.10.0: 补齐板块分析：新增板块涨停分布 + 主流行业识别（基于涨停池「所属行业」字段，补齐「大局→板块→个股」流程第二步）；新增数据时效性限制表（明确各指标支持范围，实测涨停池约 15 个自然日）；新增 CHANGELOG.md；脚本升至 v4.5
  • v1.11.0: 涨停池双源 + 如实告知：接入同花顺涨停池作为第二源（东财优先、失败自动降级，历史范围约 6 个月）；--history 回测改用同花顺（历史扩展 15 天 → 6 个月）；数据降级时如实标注不可用指标、不做情绪结论、提示手动补充数据；脚本升至 v4.8
• 文件结构:

  a-share-emotion-trading/
  ├── SKILL.md (主文件，包含核心框架、阈值表、FAQ、反模式)
  ├── references/
  │   ├── 01-core-system.md (核心理念)
  │   ├── 02-emotion-cycle.md (情绪周期)
  │   ├── 03-position-sizing.md (仓位管理)
  │   ├── 04-selection-review.md (选股复盘)
  │   ├── 05-drawdown-control.md (回撤控制)
  │   ├── 06-session-playbook.md (盘前盘后)
  │   ├── 07-pitfalls.md (常见错误)
  │   ├── 08-tactics.md (战术详解)
  │   └── 09-examples.md (实战案例)
  ├── README.md (安装与使用指南)
  ├── FAQ.md (30 个常见问题)
  ├── scripts/
  │   ├── fetch_market_data.py (自动数据获取 v4.8) ⭐
  │   ├── chaogu_engine.py (决策引擎 v1.0，纯标准库) ⭐
  │   └── daily_emotion.py (一键联动：行情→情绪报告) ⭐
  ├── assets/
  │   └── daily-review-template.md (复盘模板)
  └── evals/
      └── evals.json (39个评测用例)

版本策略

• Skill 版本（SKILL.md frontmatter 的 version）：方法论 + 数据功能整体的演进，语义化递增。
• 脚本版本（scripts/fetch_market_data.py 顶部注释）：数据脚本独立的演进，语义化递增。
• 两者是两个独立维度，不强制同步为一个号（脚本演进比方法论更频繁）。对应关系见 CHANGELOG.md。
• 版本号遵循语义化版本：MAJOR 不兼容变更 / MINOR 向下兼容功能新增 / PATCH 向下兼容修复。