Stock Copilot Pro

核心能力

Stock Copilot Pro 是一款面向全球多市场的 AI 投研技能，覆盖美股、港股、A股三大市场，通过统一网关聚合 10+ 数据源，实现从行情获取到投资建议的全链路自动化分析。

核心用法

单股深度分析：输入公司名或代码（如"特变电工"或"600089.SH"），自动生成包含估值评分、技术信号（RSI/MACD/MA）、新闻情绪、X 平台情绪的综合报告，输出价值投资评分卡、安全边际测算、事件驱动/追高风险提示，以及价值/均衡/成长/交易四种风格的执行手册。

多股对比：支持跨市场股票横向比较，生成分层排名与组合级视角。

自选股管理：watchlist 与持仓分离管理，支持增删改查。

早晚报推送：基于持仓生成 actionable 的早报（隔夜动向+今日计划）与晚报（复盘+明日条件），支持 markdown/chat/json 多格式输出。

行业热点雷达：聚合新闻与 X 平台信号，聚类 3-5 个可投资主题，标注核心驱动、受益/受损标的、具体触发条件。

显著优点

• 数据覆盖全：A股/港股行情与基本面依赖同花顺 iFinD（THS），美股数据对接 Alpha Vantage/Finnhub，情绪面覆盖财达子投研报告+新闻+公众号+X 平台，形成行情-基本面-技术面-情绪面四维闭环。
• 输出专业度：强制要求输出"空仓/轻仓/重仓/被套"差异化建议，含具体触发价/条件/时间窗口，避免泛泛而谈。
• 确定性路由：工具优先级由 tool-chains.json 硬编码控制，非黑盒决策；Evolution v2 参数模板记忆减少重复调参错误。
• 安全设计：仅使用单一 QVERIS_API_KEY，HTTPS -only，API 密钥不落入日志或报告，运行时状态仅持久化参数模板（非用户数据）。

潜在局限

• 数据源依赖：核心功能强依赖 QVeris 网关及下游 THS/财达子授权，若数据源中断或延迟，分析质量将显著下降。
• A股情绪源局限：财达子覆盖以机构投研报告为主，散户情绪、龙虎榜资金流向等 A 股特色数据未明确覆盖。
• 非实时性：技术信号与财务数据存在 T+1 或更长延迟，不适合高频交易场景。
• 中文输出为主：虽支持英文代码，叙事语言默认为中文，国际化用户需额外适配。
• 免责声明：明确标注"Research-only output. Not investment advice"，输出不能直接作为交易指令。

适合人群

• 主动权益投资者：需要快速生成带安全边际和止损参考的个股研究报告
• 量化研究员：需要结构化 JSON 输出与多源数据整合能力
• 组合管理者：需要持仓驱动的早晚报与行业主题雷达
• 跨境投资者：需要统一界面同时跟踪美股科技龙头与中概/A 股持仓

常规风险

• 模型幻觉风险：LLM 生成的"投资逻辑"与"场景推演"需人工复核，不可直接执行
• 数据一致性风险：多源聚合时可能出现财报口径差异（如非国际准则 vs 国际准则）
• 情绪信号噪声：X 平台情绪易受短期事件操纵，需交叉验证
• API 密钥泄露风险：尽管技能自身不记录密钥，用户仍需妥善保管 QVERIS_API_KEY 环境变量
• 合规风险：部分市场（如 A 股）对自动化投资建议有披露要求，需用户自行确认合规边界

核心用法

Stock Copilot Pro 是一款面向专业投资者的股票分析 Skill，覆盖美股、港股、A股三大市场。用户可通过简单指令获取单股深度分析、多股对比、持仓监控、早晚报及行业热点雷达等功能。

主要功能模式：

• analyze：单股综合分析，涵盖估值、质量、技术、情绪、风险与时机五大维度
• compare：跨标的排名对比与组合视图
• watch：自选股/持仓清单管理
• brief：基于持仓的早晚 actionable 简报
• radar：多源聚合的行业投资主题雷达

输出格式：支持 markdown（默认可读报告）、json（机器可读）、chat（对话分段）三种模式，并可追加 --evidence 获取完整证据链。

显著优点

1. 数据源丰富且专业：整合 THS iFinD（同花顺）、Caidazi（财达子）等中文本土金融数据，叠加 Alpha Vantage、Finnhub 全球数据及 X/Twitter 情绪信号，形成中美港三地覆盖的立体数据网络。

2. 智能工具路由：通过 tool-chains.json 实现确定性工具链编排，针对 CN/HK 市场优先调用 Caidazi 情绪渠道与 THS 财务报表，针对美股则侧重 Alpha Vantage 与 Finnhub，具备市场感知的强回退策略。

3. 进化式参数学习：Runtime 学习状态存储于 .evolution/tool-evolution.json，成功执行后自动更新参数模板，减少重复性参数错误，提升后续调用效率。

4. 结构化投资框架：输出包含价值投资评分卡、安全边际估算、事件驱动 vs 追高风险分类、多情景推演（base/bull/bear）及按风格（价值/均衡/成长/交易）定制的执行手册，契合专业买方分析流程。

5. 安全架构严谨：纯 Node.js 原生实现（零外部 npm 依赖），API 密钥通过环境变量注入并多层脱敏，网络通信仅限 HTTPS 访问单一可信域名 qveris.ai，文件操作严格隔离于 Skill 目录内。

潜在缺点与局限性

1. 依赖单一平台生态：核心数据与工具执行完全依赖 QVeris API，若服务中断或数据质量波动，Skill 功能将受直接影响，缺乏独立备用数据源。

2. 中文市场深度优于美股：虽然支持美股，但 THS/Caidazi 在 A股/港股的财务数据与研报覆盖密度显著高于 Alpha Vantage/Finnhub 对美股中小盘的覆盖，美股分析可能偏向大盘股。

3. 情绪数据时效性风险：X/Twitter 情绪及热点聚合依赖社交数据，可能存在噪音放大、机器人操纵或延迟，需交叉验证而非单独作为决策依据。

4. 无实时交易执行：仅提供研究分析输出，不直接连接券商 API 执行交易，用户需手动根据建议操作，存在"分析-执行"间隙。

5. 参数进化局限：Runtime 学习仅优化参数模板，不改变工具优先级或数据源选择策略，复杂场景下的工具链优化仍需人工干预。

适合人群

• 主动型权益投资者：需要定期深度分析个股基本面与估值安全边际的价值/成长风格投资者
• 跨市场资产配置者：同时持有 A股、港股、美股，需要统一分析框架与对比工具
• 量化研究员：需要结构化 JSON 输出进行进一步数据挖掘与策略回测
• 职业分析师与资管从业者：需要快速生成带投资逻辑、风险监控、情景推演的标准化研究报告

常规风险

| 风险类型 | 说明 | 缓释建议 |

|---------|------|---------|

| 数据质量风险 | 上游数据源延迟、错误或格式变更可能导致分析偏差 | 关注 `--evidence` 输出中的数据源标注，关键决策前交叉核对 |

| API 可用性风险 | QVeris 服务中断将直接导致 Skill 不可用 | 本地缓存 `watchlist.json`，建立备用数据源冗余 |

| 情绪信号噪音 | 社交媒体情绪易受短期事件操纵，可能与基本面背离 | 将情绪作为辅助信号，权重不超过 20% |

| 模型局限性 | 技术信号（RSI/MACD）在极端市场可能失效 | 结合宏观情景与流动性环境综合判断 |

| 合规声明 | 明确标注"Research-only, Not investment advice" | 用户需独立判断，Skill 输出不可替代专业投资顾问意见 |

安全认证要点

• 安全等级 S：静态代码分析 95 分（无危险函数、无代码混淆），动态行为 90 分（网络受限、无进程创建），依赖审计 100 分（零外部依赖）
• 隐私合规：通过 GDPR 数据最小化、无硬编码凭证、TLS 1.2+ 加密、权限最小化六项检查
• 密钥管理：QVERIS_API_KEY 通过环境变量注入，redactSecrets 函数确保日志脱敏
• 本地存储：仅持久化 watchlist.json（持仓列表）与 tool-evolution.json（参数模板），不含敏感凭证