核心用法
glmv-stock-analyst 是一款面向中国投资者的专业股票分析技能，覆盖港股、A股、美股三大市场。用户以自然语言触发分析请求（如"分析一下腾讯""0700能不能买"），系统自动执行：① 搜索确认股票代码 → ② 运行数据采集脚本获取行情、K线图、资金流向、基本面数据 → ③ 模型读取真实图片进行技术面视觉分析 → ④ 搜索精准新闻与研报 → ⑤ 生成 Markdown 详细报告 + webchat 精炼总结 → ⑥ 自动转换为专业 CSS 样式的 HTML 并打开浏览器 → ⑦ 支持 PDF 导出。
核心输出为双层内容：浏览器中图文并茂的详细研报（含真实 K 线图、均线分析、多空对比表）+ 聊天窗口的精炼速报（核心数据、走势分析、操作建议）。脚本与模型分工明确：Python 脚本负责数据获取与可视化，多模态主模型负责视觉解读、综合研判与报告撰写。
显著优点
1. 多模态深度分析：直接读取日 K 线、分时图等真实图片，结合均线排列、量价关系、支撑压力位进行技术面研判，这是纯文本分析无法实现的差异化能力。
2. 数据源多元整合：内置东方财富、yfinance、akshare、tushare 等渠道，覆盖行情、财务、资金流、研报；模型主动搜索补充精准新闻与分析师观点，避免脚本新闻匹配的局限性。
3. 输出专业规范：report.md 遵循机构研报结构（技术面→基本面→资金面→事件时间线→综合判断→翻转条件→风险提示），md2html.py 自动应用专业 CSS，表格高亮、响应式布局、打印优化，可直接用于演示或打印。
4. 任务隔离与可追溯：每次分析在独立时间戳文件夹中运行，data.json、summary.json、图表、报告完整留存，便于回溯对比。
5. 投资建议分层清晰：区分已持仓者、观望者、短线/激进者给出可执行操作建议，避免"谨慎观望"等空洞结论。
潜在缺点与局限性
1. 数据源稳定性风险：yfinance 依赖 curl_cffi 绕过 Cloudflare，存在失效可能；Tushare 需用户自备 Token；部分 API 未配置时回退逻辑可能导致数据缺失。
2. 实时性边界：K 线图为脚本运行时快照，非实时推送；资金流向、主力净流入等数据存在滞后；对极高频交易决策支持有限。
3. 预测本质局限：所有"涨跌预测"均为概率判断与情景推演，非确定性结论；模型虽要求"禁止编造数据"，但对新闻情绪、事件影响的解读仍带主观性。
4. 高估值科技企业中性偏向：文档明确提示对新上市/高估值科技/AI 企业保持中立，可能削弱对估值泡沫的警示力度。
5. 合规敏感标的管理：依赖 sensitive_companies.md 人工维护，更新不及时可能导致合规风险。
适合人群
- 主动型投资者：需快速获取个股多维度分析、对比多空逻辑的决策支持者
- 研报阅读者：习惯机构研报结构、希望降低信息筛选成本的专业投资者
- 技术分析者：依赖 K 线形态、均线系统的图表派交易者
- 跨市场配置者：同时关注港股（腾讯、小米等）、A股、美股的投资者
常规风险
信息滞后风险：脚本采集数据非交易所实时流，极端行情下价格、资金流向可能已巨变。单一模型判断风险：技术面解读、新闻情绪分析依赖主模型能力，存在误判支撑压力位、过度解读事件的可能。依赖执行完整性：流程涉及多步骤（脚本运行、文件读写、搜索、格式转换），任一步骤失败可能导致输出缺失。无投资建议资质：工具输出为信息整合与分析框架，不构成证券投资建议，用户需独立决策并承担风险。