mx-financial-assistant

核心定位

mx_financial_assistant 是一款覆盖「数据-资讯-知识-分析-决策」全链条的智能金融问答技能，依托东方财富权威数据库，通过自然语言交互实现专业投研能力的平民化触达。

核心能力详解

1. 全市场金融数据实时查询
支持A股、港股、美股、基金、债券等多类资产，涵盖实时行情、公司信息、估值指标、财务报表等结构化数据，满足从个人理财到机构信用研究的多层级需求。

2. 全网财经资讯智能检索
聚合公告、研报、新闻、政策、交易所动态等多元信息源，支持舆情监控与热点捕捉，为事件驱动策略提供数据支撑。

3. 全球宏观经济数据追踪
覆盖国民经济核算、货币财政、产业就业、对外贸易等宏观维度，辅助政策解读与市场研判。

4. 多维度智能选股选基
支持技术面（K线形态、指标信号）、基本面（估值、盈利、财务质量）、消息面（舆情热度、公告事件）等多因子交叉筛选，适配量化策略与主动管理场景。

5. 专业金融百科知识问答
降低专业术语理解门槛，覆盖股票、基金、债券、衍生品及宏观经济学知识，服务于投资者教育与业务流程学习。

6. 深度金融市场分析
提供趋势研判、资金面监测、市场情绪量化等分析框架，支持每日复盘与策略制定。

7. 实时热点事件解读
针对政策、公告、行业变革等突发事件，输出事件逻辑、产业链传导及投资机会风险评估。

显著优点

• 数据权威性：底层依赖东方财富金融数据库，数据源质量与覆盖度处于国内第一梯队
• 交互门槛低：自然语言问答替代复杂API调用或终端操作，显著降低专业工具使用成本
• 能力闭环完整：从数据查询到决策建议形成服务闭环，避免多平台跳转
• 溯源透明：返回结果附带结构化引用参考（查数表格、资讯链接、研报来源），支持交叉验证

潜在局限

• 数据源单一依赖：核心数据均来自东方财富体系，与Wind、Bloomberg等终端的数据口径差异未明确说明，跨平台校验时需注意一致性
• 深度分析边界：明确声明不适用于完整报告生成（如行业跟踪报告、首次覆盖报告），复杂研究仍需人工整合
• 实时性层级差异：行情数据实时性较高，但研报、公告等资讯存在加工延迟，高频交易场景需额外确认
• 模式切换依赖用户指令：深度思考模式需用户主动触发（如"详细分析"），系统不会自动根据问题复杂度切换

适合人群

• 个人投资者：理财决策支持、投资组合管理、金融知识学习
• 中小型机构：研究辅助、资产配置、风险监控、策略回测前置筛选
• 金融从业者：快速数据查证、舆情监控、客户沟通素材准备

常规风险

• 投资决策风险：AI分析结论仅供参考，不构成投资建议，用户需独立判断
• 数据时效风险：历史数据与实时行情混用场景下，需关注时间戳标注
• 溯源完整性风险：OTHER_REFERENCE（扩展引用）类来源的权威性未经严格评级，关键决策建议优先依赖CITED_REFERENCE（直接引用）
• API稳定性风险：依赖EM_API_KEY鉴权，密钥泄露或服务侧异常将导致服务中断

核心用法

mx_financial_assistant 是一款基于东方财富权威金融数据库的智能问答 Skill，用户可通过自然语言交互获取从基础金融知识到专业投研支持的全方位服务。支持两类调用模式：标准模式（快速响应日常查询）与 深度思考模式（复杂分析场景，通过 --deep-think 参数触发）。

主要功能入口包括：

• 金融数据查询：A港美股实时行情、基金/债券数据、财务报表、估值指标
• 资讯智能检索：公告、研报、财经新闻、政策文件全网搜索
• 宏观经济追踪：国民经济、货币财政、产业就业等全球宏观数据
• 智能选股选基：技术面、基本面、消息面多维度筛选
• 市场深度分析：趋势研判、资金面监测、情绪量化分析
• 热点事件解读：政策/公告/行业变革的产业链传导与投资机会评估
• 金融百科问答：术语、理论、交易规则等基础知识科普

调用方式为执行 Python 脚本 scripts/generate_answer.py，传入用户问题及可选深度模式参数，返回 Markdown 格式回答与溯源参考列表。

显著优点

1. 数据来源权威：依托东方财富金融数据库，覆盖 A 港美全市场及全球宏观经济数据，信息质量有保障
2. 交互门槛低：自然语言问答替代复杂数据终端操作，降低专业投研工具使用门槛
3. 全链条覆盖：从数据查询、资讯检索到分析决策，单点入口满足多元场景
4. 溯源透明：回答附带 references 参考列表，区分「查数/选股」「资讯」「公告」「研报」等类型，支持结果验证
5. 公式与格式规范：严格遵循 LaTeX 公式标准（行内 \(...\)、行间 \[...\]），输出专业可读
6. 安全架构清晰：代码结构简洁，依赖最小化，无危险函数，API 密钥通过环境变量安全获取

潜在缺点与局限性

1. 外部 API 依赖：核心功能完全依赖东方财富 ai-saas.eastmoney.com 服务端，存在单点故障与网络延迟风险
2. 无本地缓存机制：每次查询均实时调用外部 API，高频场景下可能触发服务端限流
3. T3 来源可信度：Skill 维护者为个人/社区项目（非知名机构背书），虽本次扫描无风险，但长期维护稳定性存疑
4. 深度模式成本未明：「深度思考」模式的计算资源消耗、响应时长及潜在配额限制未在文档中说明
5. 报告生成受限：明确不适用于「完整报告生成」场景（如行业跟踪报告），功能边界需用户自行把握
6. 中文单一语言：强制中文输出，虽降低使用门槛，但限制国际化投研场景

适合人群

• 个人投资者：理财决策、行情监控、基础知识学习、投资组合管理
• 机构投资者研究员：快速数据查询、公告速览、宏观数据追踪、选股初筛
• 金融从业者：政策解读、热点事件分析、跨市场监控
• 金融学习者：术语查询、理论科普、交易规则理解

常规风险

| 风险类型 | 说明 | 缓释建议 |

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

| 数据时效性风险 | 金融数据实时性强，API 延迟或缓存可能导致行情滞后 | 关键交易决策前交叉验证官方交易所数据 |

| API 服务中断 | 外部依赖单点，东方财富服务端故障将致 Skill 不可用 | 关注服务状态，准备备用数据源 |

| 投资决策风险 | 分析结论仅供参考，不构成投资建议 | 结合自身判断与多方信息综合决策 |

| 环境变量泄露 | `EM_API_KEY` 配置不当可能导致密钥暴露 | 遵循文档指引，避免硬编码，使用安全密钥管理 |

| 限流与配额 | 高频调用可能触发东方财富 API 限流 | 实现客户端速率限制，合理规划查询频率 |