核心用法
A-stock-report 是一套面向 A 股市场的数据驱动型报告自动化系统，覆盖晨/晚/收盘/盘中/周末/IPO 六大场景。系统采用「独立脚本型 + LLM 驱动型」双轨架构：收盘小结、盘中预警、IPO 周报由 Python 脚本直连数据源生成；晨报、晚报、周末要闻则通过 skill_dispatcher.py 调用外置模板，由 LLM 完成内容解读与生成。
用户配置 cron_jobs/cron_mirror.json 与 templates/*.json 后，OpenClaw 按调度触发：脚本型任务直接 source .env && python3 执行；LLM 型任务先由 dispatcher 注入真实日期生成 prompt，再经 LLM 产出内容并回调推送。推送通道统一封装至 _send_lib.py，支持企业微信、飞书、钉钉、邮件四端，内置退避重试与退出码语义（0/1/2）。
显著优点
1. 量化情绪模型：首创 6 维度等权打分（涨停家数、涨跌停比、炸板率、主力净流入占比、换手率、IF 基差），映射 0-100 分并输出五级信号（做多/偏多/分歧/偏空/冰点），解决主观定性描述的模糊性问题。
2. 4 端一致性护栏：v3.1.5 起引入 check_consistency.py，机械校验 templates ↔ cron_mirror ↔ jobs.json ↔ SKILL.md 四类 truth source，杜绝「改一处忘三处」的配置漂移（v3.0 前痛点）。
3. 锁机制与自愈：全脚本接入 _lock.py 文件锁，支持残留锁检测与被动自愈（下次 lock() 调用时清理），避免并发冲突与静默重复推送。
4. 密钥最小权限：严格遵循「白名单加载」原则，每脚本仅注入必需 env 变量，禁止全量 .env 泄露；问财 API 进程内直连，避免 subprocess 环境污染。
潜在缺点与局限性
- 数据源依赖外部：腾讯行情、同花顺问财、东方财富、akshare 等第三方接口存在单点故障与限速风险，且部分数据（如两融）T+1 滞后。
- LLM 型任务延迟：LLM 生成环节引入不可控耗时（通常 5-30s），高频场景（如盘中预警）必须降级为独立脚本型，无法享受 LLM 解读能力。
- 回溯能力参差：仅 IPO 周报支持
--start-date/--end-date历史补录；晨报明确不支持历史日期，收盘小结/晚报虽支持--date但依赖当日数据可用性。
- 自愈被动性：锁清理非定时守护，需下一次任务触发才可能执行，极端情况下（如长假期间崩溃）可能残留数天。
适合人群
- 量化私募/券商研究所：需要标准化、可追溯的每日市场复盘与情绪指标。
- 财经自媒体/投顾团队：希望自动化生产早报/晚报内容，减少人工采编成本。
- 个人高阶投资者：具备 Python 与 cron 基础，追求数据驱动的独立研判工具。
常规风险
1. 推送失败未感知：若 wx() 网络超时但脚本异常捕获不当，cron 可能标记成功而实际未推送（v3.1.1+ 已加固退出码）。
2. LLM 幻觉数据：周末版等历史数据聚合任务，若 LLM 编造「约」「大约」等模糊词，将污染情绪轨迹（模板已明确禁止）。
3. 密钥 rotation 遗漏：Webhook key 或 API key 轮换后，需同步更新 .env 与重启 cron session，否则静默失败。
4. 依赖版本漂移：akshare、tushare 等库升级可能破坏接口字段名（v2.0.4 大小写统一修复即此类问题）。