核心用法
本技能是投资分析体系的"表达层"，通过七大模块将原始数据转化为人类可读的投资决策参考：
自动化报告系统：支持盘前简报（每日08:30自动触发）、盘后复盘（15:30触发）、个股深度研报、周度总结四种报告类型。用户可通过自然语言指令如"今日盘前简报""今天复盘"直接触发，或通过Cron定时任务自动执行。
可视化图表系统：基于Python mplfinance/plotly生成K线图、MACD指标、综合技术面板、估值分位数图、资金流向热力图等10+图表类型，适配OpenClaw Canvas交互展示或PNG文件导出。
自然语言问答系统：内置意图分类树，支持行情查询、技术分析、基本面/估值分析、买卖建议、选股请求、报告生成、投资日志管理等8大类意图识别，并具备多轮对话记忆能力，可追问深入、对比扩展、决策收敛。
数据叙事化引擎：提供concise/professional/educational/actionable四种叙事风格，同一数据可输出一句话摘要、段落总结或完整报告三种粒度。
投资日志系统：利用OpenClaw Memory机制持久化交易记录、市场观察、操作反思，支持盈亏统计、操作复盘和长期偏好提炼。
预警推送系统：支持价格、涨跌幅、技术信号、资金异动、财报公告、持仓浮亏、大盘风险7类预警，通过Cron每5分钟扫描，多渠道分发至Telegram/Discord/Feishu等。
显著优点
1. 分层表达设计：独创Level 1-3三级表达引擎，同一分析结果自适应输出一句话、摘要段落或5000字完整研报，适配不同场景需求。
2. 完整的投研工作流：从数据获取→分析计算→报告生成→可视化呈现→交互问答→日志记录→预警推送形成闭环，覆盖个人投资者日常投研全流程。
3. 风险透明机制：所有报告强制附加免责声明，分析结论标注高/中/低置信度，技术信号明确止损位和目标位，避免误导性建议。
4. 多轮对话智能：上下文记忆能力支持复杂追问链（如"分析茅台→估值高吗→和五粮液比→能买吗→记一下操作"），无需重复输入标的。
5. 自动化程度高：Cron定时任务支持盘前盘后报告自动生成、预警实时扫描、周报自动汇总，减少人工操作负担。
潜在缺点与局限性
1. 外部依赖风险：核心数据获取依赖外部未打包的stock_data_adapter模块，运行时行为取决于外部环境代码，存在供应链攻击风险，部署前需手动审查。
2. 数据来源未明确：实际股票数据API端点由外部Adapter决定，Skill本身不直接发起网络请求，数据质量、延迟、覆盖范围存在不确定性。
3. A股市场局限：报告模板、板块分类、交易时间规则均针对A股设计，港股美股等其他市场适配需二次开发。
4. 无实时交易能力：仅提供分析参考，不支持直连券商API下单，用户需手动执行交易操作。
5. 量化模型黑盒：技术评分、估值评分等核心算法未在文档中披露计算细节，用户难以验证模型有效性。
适合的目标群体
- 个人A股投资者：需要系统化投研工具辅助决策，但无力购买专业金融终端的散户
- 量化爱好者：希望基于Python生态自建分析系统，需要参考架构设计的开发者
- 投资学习用户：通过自然语言问答学习技术分析、基本面分析概念的新手
- 多账户管理者：需要统一的投资日志和持仓回顾功能，追踪跨账户操作记录
使用风险
性能风险：图表渲染依赖matplotlib/plotly，大盘热力图、多股对比雷达图等复杂图表在资源受限环境可能耗时过长；Cron任务建议设置120-300秒超时。
数据安全风险：投资日志、持仓信息、交易记录通过Memory机制持久化，共享环境或云部署时存在数据泄露风险；STOCK_DATA_API_KEY需妥善保管，避免日志泄露。
合规风险：T3来源个人开发者代码未经审计，虽包含免责声明，但自动化分析输出可能被误解为投资建议；用户需明确告知最终客户"仅供参考，不构成投资建议"。
依赖项风险：需Python 3环境及matplotlib/pandas/numpy等科学计算库，版本冲突可能导致图表渲染失败；外部Adapter缺失将直接导致所有数据功能不可用。
自动化风险：Cron配置错误可能导致非交易时间发送报告、预警规则设置不当引发消息轰炸，建议测试环境验证后再启用自动化任务。