技能介绍

要解决的问题

舆情数据散落在公告、研报、媒体、社交与论坛里。人工跟踪多只持仓股时，常见问题是：单股看板无法覆盖整个组合，跨 A 股、港股、美股的混合持仓难以统一口径；不同信源可信度差异大，情绪分数却常被等权相加；扫描结果多为临时文本，难以导入数据库或 BI 工具做后续分析，也难以回看某只股票在一个月内的情绪拐点。一旦发生突发利空，风控团队往往等到盘后才从舆情中察觉。

技能如何工作

@zcwl/news-sentiment-tool-pro 以 Markdown 指令驱动 Agent，核心逻辑由随附 Python 脚本执行，通过 input_params 与 output_format 控制行为。

核心能力：

批量多股票扫描：从 portfolio.csv 导入清单，并发扫描无上限，支持 A/港/美混合市场；部分股票失败时跳过并继续，结果中通过 failed_stocks 字段定位重试对象。
自定义权重配置：按信源类型（公告/研报/媒体/社交/论坛）与事件类型分别设定分数，支持保存多套方案按场景切换，而非等权平均。
结构化报告导出：输出 JSON、CSV、HTML 或文本，JSON 便于程序二次分析，CSV 便于入库，HTML 便于分享与可视化。
历史趋势对比：归档历史扫描结果，对比不同时间点的情绪变化并识别拐点，建议按日/周/月粒度分别保存 30 天、90 天、1 年数据。
异常情绪预警：设定正面/负面阈值，触发后通过邮件（SMTP）、Webhook 回调、命令行输出或文件日志通知，可挂入既有监控脚本。
行业板块对比：对同板块多只股票做横向汇总，输出板块情绪排名与强弱分化。

典型流程：准备股票清单 CSV → 按场景选择权重方案 → 执行扫描 → 导出结构化报告 → 归档并设阈值告警，全流程通过命令行完成。

适用边界与注意点

不适用于实时流数据处理、小规模手动分析或深层非结构化文本情感分析，这三类需求应另选工具。
需 Agent 内置 LLM 才能运行，无 LLM 环境不可用；执行效率受模型能力与网络环境影响。
付费数据源（如 Wind、Bloomberg）需自行配置 API Key，建议置于环境变量而非代码中；接口限流（429）、响应超时（504）等错误应按重试退避策略处理。
复杂业务场景仍需结合人工经验判断，工具输出仅供参考，不构成投资建议。