个股资讯推导

SKILL_850591195 · vv1.0 · iARK 线上 · Owner：— · 发布于 2026-08-17

调用 132 下载 0 点赞 0 浏览 0

简介: 基于脚本过滤与AI推导，评估个股资讯对业务发展的传导影响并生成评级。
触发词: 个股资讯,资讯影响,传导路径,资讯评级,行业传导
分发渠道: ARK Engine
功能测试: ✅ 通过 · 业务评审：✅ 通过
技能包文件: news-impact-reasoning-engine/SKILL.md、news-impact-reasoning-engine/references/industry-reasoning-framework.md、news-impact-reasoning-engine/references/recency_decay_config.json、news-impact-reasoning-engine/references/soft-phrasing-map.md、news-impact-reasoning-engine/references/source_tier_weights.json、news-impact-reasoning-engine/scripts/rank_and_dispatch.py、news-impact-reasoning-engine/scripts/score_and_gate.py

使用示例：请梳理宁德时代近期资讯对业绩的潜在传导路径与评级。

SKILL.md 全文

Frontmatter

name	个股资讯推导
description	个股资讯影响链推导引擎。当用户提供单个股票标的（名称/代码）并要求梳理近期资讯对该公司业绩/产品/销量/发展的潜在传导路径、生成资讯影响评级、TOP3资讯摘要或行业传导链分析时触发。核心机制是"大模型获取内容与语义推导 + 服务端脚本管控时效性/来源权威性/去重/权重排序/推理指令下达"的三段式流水线，用于消除大模型对时间、权重、来源的幻觉与输出不稳定性。不适用于股价预测、目标价、具体买卖时点建议、适当性判断（应转交理财师结合客户风险测评处理）。

name

个股资讯推导

description

个股资讯影响链推导引擎。当用户提供单个股票标的（名称/代码）并要求梳理近期资讯对该公司业绩/产品/销量/发展的潜在传导路径、生成资讯影响评级、TOP3资讯摘要或行业传导链分析时触发。核心机制是"大模型获取内容与语义推导 + 服务端脚本管控时效性/来源权威性/去重/权重排序/推理指令下达"的三段式流水线，用于消除大模型对时间、权重、来源的幻觉与输出不稳定性。不适用于股价预测、目标价、具体买卖时点建议、适当性判断（应转交理财师结合客户风险测评处理）。

个股资讯影响链推导引擎（news-impact-reasoning-engine）

基于个股近期公开资讯，通过脚本管控层确保时效/来源/去重的确定性，结合行业传导框架生成 TOP3 资讯影响评级与定性展望。不做股价预测或估值判断，仅梳理资讯对公司"业绩/产品/销量/发展"的潜在传导路径。

职责

| 职责 | 说明 | |:----|:------| | 资讯抓取 | 从六大源头抓取目标个股最近 N 日资讯 | | 脚本管控 | 服务端脚本对时效性、来源权威性、去重做确定性计算与拦截，产出只读分数 | | TOP3 筛选 | 脚本按三维权重公式（影响程度0.5 > 来源权威性0.3 > 时效性0.2）合成排序，取 TOP3 | | 独立双步推导 | 每条资讯在脚本下达的 reasoning_directive 边界内独立推导，禁止跨资讯合并 | | 综合总结 | 生成约150字综合总结（desc 字段），整合共振/背离关系 | | 合规护栏 | 委婉化替换、禁止词过滤 |

输入

个股资讯影响推导（Step 1→Step 5）

入口判断：用户提供个股标的参数（名称或代码任一即可），且请求内容属于"个股资讯影响/评级推导"类分析

由主控传入（stock_name 和 stock_code 至少提供一个即可触发，缺失的由 Step 1 自动补全）：

stock_name：个股名称（缺失时由 Step 1 根据 stock_code 反查补全）
stock_code：个股代码（缺失时由 Step 1 根据 stock_name 查询补全）
stock_industry：所属行业（用于匹配行业推导框架，未命中回退通用模板；缺失时由 Step 1 补全）
business_model：主营业务模式（一句话描述，用于展望生成时的业务锚点；缺失时由 Step 1 从公开信息推断）
[可选] lookback_days：资讯检索窗口天数，默认 7
[可选] pre_fetched_news：预抓取的资讯列表（提供则跳过 Step 2 检索）
[可选] now_iso：服务器权威当前时间（ISO8601）；缺省时脚本使用系统 UTC 时间，禁止 LLM 自行推算替代

引用路由表

| 用户意图 | 加载参考文件 | |:---------|:------------| | 行业推导框架、传导链、关键校验点 | {skill_root}/references/industry-reasoning-framework.md | | 委婉表述映射表、禁止词规则 | {skill_root}/references/soft-phrasing-map.md | | 来源权威分等级枚举 | {skill_root}/references/source_tier_weights.json | | 时效衰减公式参数 | {skill_root}/references/recency_decay_config.json |

输出

直接返回结构化 JSON 响应消息（Schema 见 Step 5），在内存中拼接，不写磁盘文件。

⛔ 执行流程（强制检查点，按顺序执行，禁止跳步）

全局规则：

- 每个检查点必须完成后才能进入下一个，未输出📋行视为执行失败

- 所有 📋 Step N … 检查点行严禁出现在面向用户的最终 JSON 响应中

- 面向用户的最终响应必须且仅能是一个合法 JSON 对象（从 { 开始到 } 结束），不得在 JSON 前后附加任何字符（包括空行、换行、Markdown 代码块标记 \\\json / \\\、自然语言文字、📋检查点文本）

- 任何中途终止/失败场景，一律输出降级 JSON（success=false），不得输出自然语言提示或空对象

- 所有脚本调用必须使用 execute_bash + stdin 管道，严禁 fs_write/str_replace 创建临时文件

- 禁止调用的工具：mcp__serper-search__scrape。资讯检索统一使用 mcp__serper-search__google_search

- mcp__securities-open-api__search_stock 仅限 Step 1 标的校验使用，Step 2 及之后禁止调用

- 脚本输出的 recency_score / source_authority_score 为只读常量，LLM 不得覆盖或重算

- 任何数据必须来自接口/检索真实返回，严禁用记忆/训练数据填充；缺失标注「数据缺失」

- 合规红线贯穿全流程：禁止预测股价/点位/目标价；禁止操作建议（完整清单见 {skill_root}/references/soft-phrasing-map.md）

Step 1：触发判定与标的校验

操作： 1. 判断输入是否提供 stock_name 或 stock_code（至少一个即可触发），且请求意图属于资讯影响/评级推导类 2. 强制调用 mcp__securities-open-api__search_stock 查询标的基本信息（无论 stock_name/stock_code 是否齐全，本步骤必须执行搜索以获取权威标的数据）：

确定搜索关键词（按优先级尝试）：

a. 先用用户提供的完整 stock_code 原样搜索（如 US-TSLA） b. 若返回结果为空（result 数组长度为0），则去掉市场前缀只取纯代码再搜索（如 TSLA） c. 若仅有 stock_name 无 stock_code，则直接用 stock_name 搜索

从返回结果中选取目标标的：优先取 uniqueCode 精确等于用户输入 stock_code 的那条；若无精确匹配，取 generaType=1001（正股）的首条
从命中结果中提取并补全以下字段：
stock_name ← chiName 或 name（优先 chiName，为空则取 name）
stock_code ← uniqueCode（带市场前缀的标准格式，如 US-TSLA）
stock_market ← secExchange（交易所名称，用于后续搜索关键词优化）
stock_eng_name ← engName（英文名，用于英文资讯检索）

3. 若 search_stock 搜索全部返回空（两次尝试均无结果），输出降级 JSON 终止 4. 若 stock_industry 缺失，根据 search_stock 返回的信息及公开常识推断行业分类 5. 若 business_model 缺失，根据已知信息推断主营业务模式（一句话）

内嵌规则：

触发条件：提供 stock_name 或 stock_code 任一 + 分析类请求 → 执行 search_stock → 进入 Step 2
转交条件：请求涉及股价预测/目标价/买卖时点/适当性判断 → 输出降级 JSON 并终止
行情/交易类字段仅用于标的身份校验，不得作为推导依据
mcp__securities-open-api__search_stock 仅在本步骤用于标的身份校验和参数补全，后续步骤不得调用
search_stock 的 key_words 参数注意事项：该接口对带市场前缀的代码（如 US-TSLA、HK-00700）可能返回空结果，因此必须实现"先完整代码 → 空则去前缀重试"的二级 fallback

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 1 触发判定：✅/❌ | stock_name=... | stock_code=... | stock_eng_name=... | industry_hit=是/否 | search_stock调用=[成功/失败] | 转交=否/[转交原因]

失败处理：

stock_name 和 stock_code 均缺失 → 输出降级 JSON（success=false，desc="未提供有效个股标的信息。"）
search_stock 两次尝试均返回空 → 输出降级 JSON（success=false，desc="未找到匹配的股票标的信息。"）
请求越界 → 输出降级 JSON（success=false，desc="本引擎仅做客观资讯影响推导，不提供股价预测或买卖建议。"）

Step 2：数据获取（资讯抓取）

操作： 1. 优先调用 mcp__serper-search__google_search 检索目标个股最近 lookback_days 天内的相关资讯（已提供 pre_fetched_news 时跳过检索）

搜索关键词策略（利用 Step 1 获取的 stock_name / stock_eng_name / stock_code）：
中文搜索：[stock_name] 最新消息 / [stock_name] 公告研报
英文搜索：[stock_eng_name] news / [stock_eng_name] latest（美股/港股标的必须包含至少一次英文搜索）
至少发起 2 次搜索（如：一次中文、一次英文；或一次公告/研报类、一次新闻/行业类），以提高覆盖率

2. Fallback：若 mcp__serper-search__google_search 返回为空或失败，允许使用其他可用的互联网搜索工具（如 web_search、web_fetch 等）进行补充检索，LLM 自行判断最合适的工具和关键词 3. 每条转成 NewsItem 结构：news_id / title / content / source / source_tier / publish_time / url / category，字段缺失填 null 4. source_tier 从 {skill_root}/references/source_tier_weights.json 的五级枚举 key 中选取，LLM 只做归类不赋分

内嵌规则：

涉及未公开信息、内幕消息、传闻的资讯，一律不纳入候选池
K线数据、机构目标价等点位类数据源禁止接入（仅 Step 1 标的身份校验可用）
无论使用何种搜索工具，数据必须来自真实接口返回，严禁用 LLM 记忆/训练数据编造资讯

Error Handling 标准表：

| 场景 | 响应策略 | |:-----|:--------| | google_search 返回空 | 更换关键词重试一次；仍为空 → 走 Fallback 其他搜索工具 | | Fallback 也为空/失败 | 跳转 Step 5 降级 JSON | | google_search 超时/异常 | 重试一次，仍失败 → 走 Fallback | | 候选不足3条 | 按实际数量纳入，不虚构补齐 | | 所有搜索手段均失败 | 跳转 Step 5 降级 JSON |

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 2 资讯检索：✅/❌ | 搜索次数=[N] | 候选资讯数=[N] | 降级=[无/具体说明]

Step 2.5：脚本管控层（时效/来源/去重）

操作（依赖 Step 2）： 1. 将 NewsItem 候选池拼接为 JSON，通过 stdin 管道调用脚本：

   echo '$NEWS_POOL_JSON' | python3 {skill_root}/scripts/score_and_gate.py \
     --now-iso <now_iso> --lookback-days <lookback_days>

2. 读取 stdout JSON，每条追加只读字段：recency_score、source_authority_score、dedup_group_id、rejected / reject_reason

脚本拦截条件（rejected=true）：

publish_time 缺失/非法/超出窗口/未来时间
source_tier 未命中枚举白名单
同 dedup_group_id 内非最高权威分的重复项

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 2.5 脚本管控：✅/❌ | 候选总数=[N] | 拦截数=[N] | 去重后剩余=[N] | 时间基准=[now_iso_used]

失败处理：

脚本执行异常 → 终止，标注「脚本管控环节暂不可用」，不回退为 LLM 手工估算
拦截后为空 → 跳转 Step 5 空结果降级 JSON

Step 3：确定性计算（权重排序 + 推理指令下达）

分工（依赖 Step 2.5）： 1. LLM 任务：对 rejected=false 的每条候选给出 impact_relevance_score（0~1，是否直接关联业绩/产品/销量/发展）+ impact_relevance_rationale（≤20字审计用）。不得触碰脚本分数。 2. 脚本任务：通过 stdin 管道调用：

   echo '{"scored_pool": $SCORED_POOL_JSON, "impact_scores": $IMPACT_SCORES_JSON}' | \
     python3 {skill_root}/scripts/rank_and_dispatch.py --stock-industry "<stock_industry>" --top-n 3

$SCORED_POOL_JSON：Step 2.5 脚本 score_and_gate.py 的完整 stdout 输出对象（包含 meta 和 items 两个键），不要只传 items 数组
$IMPACT_SCORES_JSON：LLM 在上一步给出的评分数组
脚本按 final_score = impact0.5 + source0.3 + recency*0.2 降序取 TOP3，内部按 publish_time 升序重排展示。

3. 脚本下达 reasoning_directive（锁定 Step 4 推导边界）：

   {
     "news_id": "news_1",
     "allowed_industry_framework": "半导体/AI算力",
     "must_avoid_terms": ["股价", "目标价", "PE提升"],
     "max_projection_length": 60,
     "require_info_gap_flag_if_missing": ["产能数据", "客户名称"]
   }

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 3 TOP3筛选：✅/❌ | LLM评分=[N/N] | 脚本排序=[已执行] | TOP3=[news_id列表] | directive=[N条]

失败处理：

候选不足3条 → 脚本按实际数量返回
LLM 未给某条评分 → 脚本排除该条
脚本异常 → 终止，不回退为 LLM 主观排序

Step 4：规则分析（独立双步推导）

操作（依赖 Step 3）： 1. 按 reasoning_directive.allowed_industry_framework 加载 {skill_root}/references/industry-reasoning-framework.md 对应章节（未命中回退通用模板） 2. 每条 TOP3 独立构建：step_1_event（客观事实）→ step_4_projection（定性展望） 3. 标注 impact_direction：positive / neutral / negative 4. 提取 tagName（从资讯内容研判影响倾向，输出"有利"/"中性"/"不利"三选一）

directive 硬约束：

step_4_projection 字数 ≤ max_projection_length
不得出现 must_avoid_terms 中的任一词（命中则对照 {skill_root}/references/soft-phrasing-map.md 重写）
因果链必须对应行业框架"典型传导链"中的某段
require_info_gap_flag_if_missing 中字段确实缺失时标注「信息不足，待进一步跟踪」
禁止跨资讯合并推导

tagName 提取：source_tier 映射（official_disclosure→公司公告, top_broker_research→机构研报）或从内容提炼（行业地位/产品动态/财务数据/政策影响等），结合资讯对业绩/产品/销量/发展的传导路径综合研判，仅输出三选一："有利"、"中性"、"不利"。与 impact_direction 独立研判，可一致亦可不同

Step 4 中间产物结构（供 Step 5 组装）：

{
  "news_id": "news_1",
  "tagName": "有利",
  "step_1_event": "客观事实≤30字",
  "step_4_projection": "定性展望≤60字",
  "impact_direction": "positive",
  "info_gap_note": ""
}

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 4 规则分析：✅/❌ | 行业命中=[行业名/通用模板] | 推导条数=[N] | 信息缺口=[N] | 禁用词自检=[通过]

失败处理：

信息不足 → 该条标注缺口，不跳步
行业未命中 → 回退通用模板
命中禁用词 → 整句重写

Step 5：合成输出（结构化 JSON）

操作（依赖 Step 4）： 1. 生成约150字 desc（整合共振/背离关系，不引入 TOP3 之外的新事实） 2. 组装最终 JSON（Schema 如下） 3. 生成 3 个追问问题 4. 最终对照 {skill_root}/references/soft-phrasing-map.md 做禁用词扫描

输出 JSON Schema（唯一权威定义）：

⚠️ 最终响应发射协议（纯净输出铁律）：在所有工具调用、计算和内部自检完成后，最终面向用户的响应必须直接以 { 作为第一个字符，并且有且仅有一个合法 JSON 对象，以 } 作为最后一个字符。

禁止生成过程叙述：最终响应前禁止写任何步骤状态、完成确认、计划或解释，例如“步骤 3 已完成”“步骤 4/5：组装最终 JSON”“脚本返回了全部字段”“以下为结果”。这些文字即使事实正确也属于违规输出。

禁止在 JSON 前后输出任何字符，包括但不限于：空行、换行、空格、Markdown 代码块标记（\\\json / \\\）、自然语言说明、📋检查点文本、注释。违反此规则视为执行失败。

JSON 结构分隔符必须使用英文标点：字段之间的逗号必须是英文半角逗号 ,（U+002C），禁止使用中文全角逗号 ，（U+FF0C）作为 JSON 结构分隔符。字符串值内部的中文逗号不受限制，但字段与字段之间、数组元素之间的分隔符必须严格为英文逗号。

最终发射前静默自检：仅在内部确认“首字符为 {、末字符为 }、可被 JSON.parse() 解析、没有过程叙述”后，才输出 JSON；不要把自检结论写入响应。

标准输出示例（成功场景）：

{"success":true,"title":"微软(US-MSFT)近期资讯影响速览","updateTime":"今天 08:00","desc":"近期资讯聚焦云区域扩张、AI芯片规划与OpenAI商业化，均围绕云与AI业务链条，整体对产品与发展形成观察支撑。","list":[{"tagName":"有利","title":"印度云区域上线","type":"positive"},{"tagName":"有利","title":"Maia 300芯片拟发布","type":"positive"},{"tagName":"有利","title":"披露OpenAI相关收入","type":"positive"}],"questions":[{"prompt":"请分析US-MSFT：印度云区影响","title":"印度云区影响"},{"prompt":"请分析US-MSFT：AI芯片进展","title":"AI芯片进展"},{"prompt":"请分析US-MSFT：OpenAI收入链","title":"OpenAI收入链"}]}

字段完整定义：

{
  "success": true,
  "title": "[stock_name]([stock_code])近期资讯影响速览",
  "updateTime": "今天 HH:mm",
  "desc": "约150字综合总结",
  "list": [
    {"tagName": "有利|中性|不利", "title": "客观事实≤30字", "type": "positive|neutral|negative"}
  ],
  "questions": [
    {"prompt": "请分析[stock_code]：问题≤15字", "title": "问题≤15字"}
  ]
}

字段约束：

success：固定 true；数据不可用/降级时为 false
title：[stock_name]([stock_code])近期资讯影响速览，stock_code 带市场前缀如 HK-00700
updateTime：今天 HH:mm，取 now_iso_used 按本地时区格式化
desc：综合总结≤150字；不引入 TOP3 之外新事实；禁止追加任何免责声明/disclaimer 文案（如"不构成投资建议"、"仅供参考"、"市场有风险"等）
list：长度=TOP3条数，按 publish_time 升序；type 枚举三选一（positive/neutral/negative）；tagName 从内容研判，输出"有利"/"中性"/"不利"三选一
questions：恰好 3 个对象，每个含：
title：≤15字问题文本；从本次具体资讯要点/传导链/信息缺口中提炼；禁止操作指令词和泛化万金油问题
prompt：请分析[stock_code]： + title 内容，用于下游追问触发

降级 JSON（TOP3 为空或任何中途失败时）：

{"success":false,"title":"[stock_name]([stock_code])近期资讯影响速览","updateTime":"今天 HH:mm","desc":"近期无可用相关资讯支撑评估。","list":[],"questions":[]}

若 stock_name/stock_code 已知则填入，未知则 title 填空字符串
降级 JSON 同样遵守纯净输出铁律：不得在 JSON 前后附加任何非 JSON 字符

自检点（仅内部验证，禁止输出到最终响应）：

📋 Step 5 合成输出：✅/❌ | JSON完整=[是] | desc字数=[约N字] | list=[N条] | questions=[3] | 禁用词=[通过]

通关标准： | 检查项 | 标准 | 禁止 | |:-------|:-----|:-----| | 纯净度 | 输出第一个字符为 {，最后一个字符为 } | JSON 前后有任何非 JSON 字符 | | 过程叙述隔离 | 最终响应只含 JSON，内部步骤状态保持静默 | “步骤已完成”/“组装 JSON”/“以下为结果”/脚本执行说明 | | 格式 | 严格符合 JSON Schema，可被 JSON.parse() 直接解析 | 非法 JSON / 多余逗号 / 注释 | | success | 正常为 true，降级为 false | 遗漏该字段 | | 检查点隔离 | JSON 中无📋文本 | 检查点外泄 | | desc | ≤150字 | 引入新事实/遗漏字段 | | list | tagName/title/type 齐全，tagName 仅三选一 | type 不在枚举中 / tagName 为类别标签 | | questions | 3个，每个含 title+prompt | 操作指令词/泛化问题/缺 prompt |

版本号

v2.4（修复 Step 1 触发逻辑：stock_name/stock_code 任一即可触发；强制 search_stock 为流程必经首步，

实现"完整代码 → 去前缀重试"二级 fallback；补全 stock_eng_name 用于英文资讯检索；统一所有终止路径为降级 JSON 输出，消除自然语言输出与 JSON-only 规则的矛盾；解除 search_stock 全局禁用，限定仅 Step 1 可用）