从零搭建 A 股收盘分析：每天 20:00 自动生成的市场复盘

这篇是我那组日报系列里最特别的一篇。它不需要任何第三方 skill。

日报搭建系列四篇：① AI 日报 → ② 华尔街日报 → ③ Crypto 日报 → ④ A 股收盘分析（本文，系列终篇）

AI 日报依赖 ai-news-aggregator 的 100+ RSS 源，华尔街日报靠 Sina JS API 拉美股指数，Crypto 日报走 CoinGecko 的价格接口。A 股收盘分析几乎什么都不装——只用 Hermes 内置的 web_search 和 web_extract，加上一个大模型，就够了。

原因很简单：A 股的收盘数据全网都是文本形式散落在各家财经网站，不需要什么专门的 API 去"拉"。你搜"上证指数 YYYY-MM-DD 收盘"，返回的结果就是一个文本里的数字。大模型可以直接从文本里提取。

一、为什么零 skill

我对 chinastock 做了 cron 优化时砍掉了一个叫 cn-web-search 的 skill，它是中文搜索聚合器。去掉它之后，cron 的 prompt token 数量从约 7000 降到约 1500——模型的内容审核拦截概率大幅降低。而且 web_search 本身已经能完成同一件事：搜中文财经网站、拿实际收盘指数、找资金动向和板块轮动。

所以这篇指南里，你不会看到任何 skillhub install 或第三方 API key 的步骤。整个系统纯靠内置工具跑。

二、数据流

1. 确认交易日 → 非交易日直接 SILENT 终止
2. web_search "A股收盘 上证 深证 创业板 科创50 {日期}"
   → 提取四大指数实际收盘点位、涨跌幅、成交额、涨跌家数
3. web_search "A股 收盘 综述 板块 涨跌" + "A股 北向资金 {日期}"
   → 板块轮动方向、资金动向（北向流出/流入、板块涨幅榜、跌幅榜）
4. web_extract 选 2-3 篇当日收盘分析（券商研报/财经网站综述）
   → 提取市场驱动因素（政策、外围、行业、情绪、资金、技术面 6 维度）
5. LLM (deepseek-v4-pro) → 生成三段式收盘分析
6. 写入 JSON + 推微信

整个流程是串行的。每一步依赖上一步的结果——知道了指数点位才知道今天"偏多还是偏空"，搜板块涨跌和资金动向就有方向。

三、三段式输出结构

收盘分析的输出格式是所有日报里最规整的：

📈 指数表现
  - 上证综指：xxxx.xx 点，涨/跌 xx.xx (+x.xx%)
  - 深证成指：xxxx.xx 点，涨/跌 xx.xx (+x.xx%)
  - 创业板指：xxxx.xx 点，涨/跌 xx.xx (+x.xx%)
  - 科创50：xxxx.xx 点，涨/跌 xx.xx (+x.xx%)
  - 两市成交额：xxxx 亿 | 涨跌家数：xxxx / xxxx

💰 市场概况（~500 字）
  今日市场特征、板块轮动方向、资金流向特征

🔥 驱动因素（6 个维度，各 ~150 字）
  - 政策面：当日/近期政策信号
  - 外围市场：隔夜美股/港股联动
  - 行业催化：重点板块的催化事件
  - 市场情绪：成交量/涨跌比/北向资金信号
  - 资金面：北向资金、主力资金流向
  - 技术面：关键点位/均线/量价关系

三段式之所以选择 6 维度而不是更少，是因为实测发现：少于 4 个维度时 LLM 会把很多不同的因素强行塞进同一个维度里，导致分析混乱。6 个维度各管 150 字刚好是一个"说清楚重点但别啰嗦"的长度。

四、数据约束：为什么不能用 fund-tracker

这个页面的数据来源有一个硬约束：必须用 web_search 抓取实际收盘数据，不准用 fund-tracker 盘中快照。

原因我之前专门写过一篇踩坑复盘。简单说：fund-tracker 是盘中每 10 分钟采一次的估算值，有两个问题： - 它和实际收盘净值之间有误差（尤其 QDII 基金，误差更大） - 它没有涨跌家数、北向资金、板块涨跌榜这些对分析至关重要的数据

所以 cron 的 prompt 里第一句就写死了：

⚠️ 不得使用 fund-tracker 盘中快照数据。
所有指数必须是当日实际收盘值，必须来自 web_search 的结果。

这也是为什么上面那段数据流里，第二步和第三步走的是 web_search 而不是任何内部 data pipeline。

五、前端渲染：日期导航 + 数据面板

chinastock 页面的入口在 /chinastock/，默认跳最近一个交易日的收盘分析。URL 格式是 /chinastock/<YYYY-MM-DD>，支持历史回溯。

数据源是 ~/.hermes/fund-tracker/daily-analysis.json。这个 JSON 文件由 cron 生成后直接写盘，Flask 不做任何后端计算——就是读文件 → 丢给模板。模板里做三段式的分区渲染：指数表（📈 块）、市场概况（💰 块）、驱动因素（🔥 块，六格网格）。

日期导航条自动从 daily-analysis.json 的日期记录里生成，只显示有数据的交易日。

六、cron 调度

A 股交易日除周末和法定假日外基本固定。调度是每天 20:00：

cronjob(action='create',
    name='A股收盘分析',
    schedule='0 20 * * *',
    model={'provider':'custom:api.deepseek.com','model':'deepseek-v4-pro'},
    skills=[],  # 零 skill——纯 web_search + web_extract
    prompt='你是 Zimi，负责生成每日 A 股收盘分析...')

同样的 model pinning 策略：生产任务固定 deepseek-v4-pro，不受用户随时换模型的影响。

非交易日 crontab 在第一步就会退出（TZ='Asia/Shanghai' date +%A → 判断是否为周末 → [SILENT] 终止），不写文件、不推消息。

七、四篇日报系列合起来看

现在回过头来看这四篇（AI / 华尔街 / Crypto / A 股），它们共享同一副骨架：

换了数据源、换了输出格式、换了调度时间，但骨架一样。这意味着：你知道怎么搭其中一个，就基本知道了怎么搭一套自己的日报系统——无论你要跟踪的是 AI 论文、基金净值、新产品发布、还是你觉得重要但不想每天手动刷的任何一个信息主题。

这四篇写完，venxine.vip 每天 06:00~20:00 自动推送到微信的所有日报就算把搭建思路交代清楚了。如果有一天你不想推 AI 新闻了，改成推行业报告或者论文摘要，骨架全保留，只换前面的采集源和最后的输出模板。这是这套架构最值钱的地方。