核心用法
BigA是一款面向A股投资者的智能量化分析Skill，采用"模型+脚本"双引擎架构。用户通过触发词（如"选股""股票池""今天买什么"）激活后，系统自动执行scripts/biga-scan.py拉取实时行情，结合模型对基本面催化剂和热度的综合评估，生成0-100分的BigA评级体系。
技能支持三种核心场景：开盘前瞻（8:30）提供隔夜外围市场分析与当日策略；盘中扫描（9:30-14:30）监测涨跌幅>5%或成交量异动的标的；收盘复盘（15:30）汇总全天表现并更新股票池。用户可随时手动触发获取即时分析，或通过"池外选股"功能突破30支限制筛选新标的。
评分体系采用四维加权：技术面（20分，脚本自动计算）、基本面（25分，PE+营收增速）、催化剂（25分，政策/产业/消息）、热度（30分，板块+资金+情绪）。关键技术亮点是独立的技术面择时分（-10~+10），与BigA评分正交，专门解决"何时买卖"的择时问题。
显著优点
数据源可靠成本低：直接调用腾讯、新浪公开金融API，无需付费接口密钥，行情数据延迟低、覆盖全A股。脚本仅依赖Python标准库，零第三方依赖包风险，部署轻量。
评分体系完整：突破纯技术指标局限，将基本面催化剂（政策利好、产业趋势）和资金面热度纳入量化模型，形成"好股票+好时机"的双信号对齐机制，降低追高被套风险。
自动化程度高：安装后自动配置三时段定时任务，支持分段推送（模式B）避免消息轰炸。股票池动态淘汰机制（>30支自动移除最低分，连续3次<40分自动剔除）实现自维护。
风控设计严谨：硬性排除ST股、传统行业、PE>100无增速、一周涨幅>30%等高风险标的；双信号对齐要求池外推荐必须同时满足长线评分≥50、短线入场点合格、风控通过（5日涨幅≤15%），避免情绪化交易。
潜在缺点与局限性
数据源非实时：依赖腾讯/新浪公开API，行情数据存在分钟级延迟，不适用于高频交易或需要Level-2行情的专业场景。HTTP明文传输存在理论上的中间人攻击风险（尽管数据为公开行情）。
评分主观性残留：虽然技术面和PE分由脚本客观计算，但催化剂评分（政策/产业/消息）和热度评分依赖模型对web_search结果的解读，存在主观判断空间，不同模型版本可能产生评分差异。
A股专属局限：选股策略硬性绑定"高科技×中小市值×好业绩"框架，对大盘蓝筹、价值股、港股美股等场景不适用。市值筛选（20-1000亿）可能错失超小盘妖股或超大白马。
定时任务依赖环境：自动推送依赖用户环境的cron配置和openclaw命令行工具，Windows原生支持有限，容器化部署需注意时区映射。
适合的目标群体
- 上班族投资者：无法盯盘但希望获得开盘策略和盘中异动提醒的兼职股民
- 量化入门者：希望理解技术面+基本面结合评分框架，学习系统化选股逻辑的新手
- 中长线持有者：关注产业趋势和业绩催化，愿意持有1-3个月的交易者
- 风险控制优先型：认同"不追高、不抄底、等回踩"理念，重视止损纪律的投资者
不适合：追求秒级行情的日内交易员、依赖主观情绪博弈的短线打板选手、需要跨市场（港股/美股/期货）配置的全球资产配置者。
常规使用风险
性能风险：web_search×3的开盘前瞻流程在弱网环境下可能超时，导致推送延迟。建议用户关注references/cron-templates.json中的timeoutSeconds配置，根据网络环境调整。
依赖项风险：脚本依赖openclaw命令行工具进行消息推送，若环境未正确配置或版本不兼容，会导致"更新成功但收不到消息"的静默失败。安装后应验证openclaw cron list输出。
数据一致性风险：脚本评分（最高35分）与完整BigA评分（最高100分）易混淆，用户若误读脚本裸分可能导致决策偏差。Skill已强制要求输出完整BigA总分，但用户仍需理解评分构成。
投资建议合规风险：技能明确标注"仅供参考，不构成投资建议"，但自动化推送的买入信号可能被误解为推荐。用户应知晓评分基于历史数据和公开信息，无法预测突发政策或黑天鹅事件。
定时任务管理风险：卸载Skill后cron任务可能残留，需手动清理。升级时需执行clawhub update biga并同步更新timeout配置，否则可能出现新旧版本任务冲突。