核心用法
Tushare-data 是一个面向中文自然语言的金融数据研究技能，核心能力是把"看看这只股票怎么样""帮我查财报趋势""最近哪个板块最强"这类口语化请求，自动拆解为可执行的 Tushare 数据获取、清洗、对比、筛选、导出与简要分析流程。
任务触发方式：用户无需提及 API 名称或字段名，只要表达"看走势""查财报""比公司""看板块""看资金流""梳理公告""看宏观""拉数据导出"等意图即可触发。系统会先理解任务类型，再选择对应接口组合。
覆盖数据范围：
- 行情趋势：日线/周线/月线/分钟线、复权行情、估值指标（PE/PB/股息率）
- 财务质量：营收/净利润趋势、ROE/毛利率/现金流、三张报表、业绩预告/快报
- 对比筛选：多标的横向比较、指标排行、条件筛选（如高 ROE 低负债）
- 板块主题：申万/中信行业、同花顺/东方财富概念指数、板块成分股、轮动分析
- 资金流情绪：北向资金（沪深股通）、主力资金流向、龙虎榜、涨停梯队、炸板率
- 公告新闻：公司公告、重大新闻、研报、政策、投资者互动
- 宏观跨市场：CPI/PPI/PMI/社融/M2/利率、美债收益率、港股美股数据
- 数据导出：CSV/Parquet 格式、回测数据表、附带元信息与可复用脚本
典型工作流模板：单标的行情分析、多标的横向对比、财务质量快照、估值分析、资金流追踪、板块轮动分析、公告事件梳理、综合研究简报。
显著优点
1. 自然语言优先：用户说"最近怎么样""强不强""资金关注"时，系统会自动映射为合理的时间窗口（如近 20 日）、对比口径（相对强弱+活跃度）和资金流向定义（净流入/龙虎榜/北向），无需用户学习 API。
2. 任务导向设计：不堆砌原始字段，而是先给一句话结论，再附关键数据。例如财务分析会区分"改善/恶化/波动"，资金流会提醒"避免把单日噪声说成趋势"。
3. 工程化取数策略：长区间数据自动分段拉取（按年/季度/月切片）、批量标的分批+节流、失败分段记录与续跑，避免单点故障导致全任务失败。
4. 输出形态灵活：小结果用 Markdown 摘要，中等数据给 CSV，大规模/回测场景给 Parquet，可复用流程附 Python 脚本，可视化需求输出图表。
5. 数据质量与元信息：强制做 schema 校验、主键去重、日期标准化；输出文件附带接口名、请求参数、拉取时间、行数、字段列表、失败分段记录，支持缓存复用与断点续跑。
6. 权限与边界透明：前置检查 Token、Python 版本、包安装；高权限接口提前提示积分限制；空结果区分"非交易日/未上市/无权限/参数错误"等场景，不误导用户。
潜在缺点与局限性
1. 数据源依赖 Tushare Pro：需注册获取 Token，部分高级接口需积分或付费权限。若用户权限不足，某些数据（如分钟线、实时行情、深度龙虎榜）可能无法获取，系统会明确提示限制而非伪造数据。
2. 非实时交易决策工具：明确声明不适合"毫秒级实时交易决策"或"自动下单"，数据有延迟，结论为研究参考而非投资顾问建议。
3. A 股为主，跨市场有限：虽支持港股、美股、美债基础数据，但深度和覆盖度不如 A 股；全球宏观数据以国内发布的指标为主。
4. 复杂回测非原生能力：可导出回测数据表，但 skill 本身不包含回测引擎、组合优化或风险管理系统的实现，需用户后续接入专业框架。
5. 自然语言歧义需澄清：标的重名、板块口径差异（申万 vs 同花顺）、时间范围模糊时，系统会请求最小澄清，可能增加一轮交互。
适合人群
- 个人投资者/研究员：快速获取个股/板块/宏观数据，生成研究简报，替代手工拉表
- 量化策略开发者：导出标准化数据表（CSV/Parquet）供回测使用，附带完整元信息
- 财经内容创作者：一键梳理公告新闻、资金动向、板块热点，提炼事件催化线索
- 金融数据分析师：批量对比多标的财务指标，筛选符合特定条件（如高 ROE 低估值）的股票池
- 高校师生/培训机构：用于金融数据分析教学，Python + Tushare 的标准工程实践示例
常规风险
- 数据时效性与准确性：Tushare 数据来源于交易所、公司公告、媒体等公开渠道，存在更新延迟或偶尔的数据修正，关键决策建议交叉验证。
- 权限与积分消耗：高频调用或大区间批量拉取可能快速消耗积分，需关注账户余额；Token 泄露可能导致积分被盗用。
- 历史数据复权处理：复权行情涉及除权除息计算，不同数据源复权因子可能存在差异，回测时需注意口径一致性。
- 板块分类口径差异：同一"概念"在不同平台（同花顺、东方财富、Wind）定义可能不同，结论依赖具体分类体系时需明确说明。