a-stock-data

在利用 AI 进行金融分析时，开发者常面临数据源分散、接口鉴权复杂、反爬策略多变等难题。a-stock-data 是一个自包含的 Skill 文件，将分散在 8 个主流数据源（mootdx, 腾讯财经, 东财, iwencai, 同花顺, 百度股市通等）的 A股原始数据，整合成 21 个标准化端点。

它无需你记忆复杂的 K线参数、PDF Referer 头或 X-Claw 鉴权逻辑，而是将这些细节全部封装。只需一句自然语言指令，Claude Code、Codex 或 OpenClaw 即可自动激活该 Skill，直接获取实时行情、研报、资金流向及龙虎榜数据，让金融数据分析变得前所未有的简单高效。

核心亮点：全栈整合、AI 原生、零门槛接入

1. 8 大源 21 端点，覆盖投研全链路

a-stock-data 采用 6 层架构，全方位覆盖股票研究所需数据：

2. AI 原生兼容，自然语言激活

• Skill 格式：本质为结构化 Markdown + 内嵌 Python 代码，任何支持上下文注入的 AI 助手均可使用。
• 无缝集成：兼容 Claude Code, Codex, OpenClaw。
• 一键激活：无需编写 API 调用代码，只需对 AI 说：“帮我看看 688017 的估值”，Skill 自动执行并返回结果。

3. 智能优化与稳定性保障

• 多源互补：mootdx 负责交易层（低延迟、不封 IP），腾讯负责估值层，同花顺/百度负责情绪与资金层，互为备份。
• Token 优化：F10 公司资料经过截断处理，Token 消耗减少 70%（19969→5906 chars），提升 AI 响应速度。
• 本地缓存：北向资金历史数据改为本地自缓存，越跑越丰富，解决官方接口历史数据缺失问题。
• 反爬处理：内置 Eastmoney 重试机制、iwencai Header 拼接、百度 ResultCode 类型统一等“坑点”修复。

4. 大部分免费，极低门槛

• 7 个源完全免费无 Key：mootdx, 腾讯, 东财, akshare, 同花顺, 百度, 巨潮。
• 仅 iwencai 需 Key：语义搜索功能需要申请 API Key，其他功能开箱即用。

适用场景与指令示例

快速开始：3 步 2 分钟部署

1. 创建 Skill 目录

mkdir -p ~/.claude/skills/a-stock-data

2. 下载 SKILL.md

curl -o ~/.claude/skills/a-stock-data/SKILL.md \
  https://raw.githubusercontent.com/simonlin1212/a-stock-data/main/SKILL.md

3. 安装 Python 依赖

pip install mootdx akshare requests pandas stockstats

4. 开始使用

启动 Claude Code，输入指令如：“拉一下 300476 最近的新闻和公告”，Skill 将自动激活并执行。

注：Codex / OpenClaw 用户可将 SKILL.md 内容贴入系统 Prompt 或项目上下文文件。

内置 4 套调研流程

Skill 不仅提供原子数据，还封装了高阶投研逻辑：

1. 单票估值 (30秒)：实时价 → 一致预期 EPS → 前向 PE / PEG / PE 消化年数。
2. 批量对比 (1分钟)：多只股票横向估值排列，快速筛选低估标的。
3. 主题研报 (2分钟)：iwencai 多关键词 NL 搜索 + 东财 PDF 交叉补充，构建知识图谱。
4. 新标的调研 (1分钟)：机构覆盖 → 估值 → 概念板块 → 资金流向 → 龙虎榜 → 解禁预警，全景画像。

常见问题 (FAQ)

• Q: mootdx 和腾讯有什么区别？
  • A: 互补关系。mootdx = 交易层（价格+盘口+K线），腾讯 = 估值层（PE/PB/市值）。两者均不封 IP，稳定性极高。
• Q: 在海外服务器跑，mootdx 超时？
  • A: mootdx 走 TCP直连国内通达信服务器，需国内 IP。海外环境建议配置代理或切换至 yfinance（需修改 Skill 配置）。
• Q: 腾讯 API 字段 43 是 PB 吗？
  • A: 不是。43 = 振幅%，46 = PB。网上大量教程错误，本 Skill 已实测校准。
• Q: iwencai 返回 401？
  • A: 检查 API Key 有效性及是否携带 X-Claw-* Headers。SkillHub 2.0 后强制要求。
• Q: 北向资金历史只有几天？
  • A: V2.1 改为本地自缓存。首次运行仅当天数据，后续每次调用自动积累，越跑越丰富。