luckjackyer

盘前简报Pro

教育学习v1.0.2
作者:luckjackyer更新于 2026-05-11共 3 个版本 · 最新版本发布于 2026-03-14stock-briefing@clawhub_luckjackyer/stock-briefing
学习辅导#数据分析#学习#开发

据 AlphaMoat 统计,截至 2026-09,盘前简报Pro 累计下载 1,088 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 4,989 位,在「教育学习」分类(59 个)中排名第 57 位。

累计安装
272
累计下载
1,088
星标
-
全站排名
#4,989
全站前 99% · 「教育学习」前 97%
平台累计安装累计下载星标评论
ClawHub ↗20871--
SkillHub ↗2721,088-—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

整理市场信息,生成盘前简报并突出需要关注的动态。

资料发布于 2026-10-27

可以用来做什么

  • 围绕上述任务组织内容
  • 根据用户提供的主题或对象生成结果
  • 必要时提示核对来源或执行状态

什么时候用

  • 需要完成整理市场信息时
  • 希望把相关步骤集中在同一工作流中时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

请根据我提供的内容,整理市场信息。
先说明需要哪些输入,再给出结果或后续步骤。

月度数据趋势

累计下载1,088
3677541,1412026-03 · 累计下载 4202026-05 · 累计下载 6662026-06 · 累计下载 7402026-07 · 累计下载 8772026-08 · 累计下载 9332026-09 · 累计下载 1,08826-0326-09
星标-
0112026-03 · 星标 -2026-05 · 星标 -2026-06 · 星标 -2026-07 · 星标 -2026-08 · 星标 -2026-09 · 星标 -26-0326-09

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份累计下载环比星标
2026-091,088—-
2026-08933+6.4%-
2026-07877+18.5%-
2026-06740+11.1%-
2026-05666—-
2026-03420—-

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

3.1 KB · ClawHub v1.0.2
---
name: pre-market-briefing
description: |
  纯离线的股市数据分析教学系统,无网络调用,仅使用模拟数据演示OpenClaw开发技术。
  适合学习AI Agent开发、量化策略实现。
alwaysActive: false
---

# OpenClaw 股市数据分析教学版
展开全部(共 150 行)
## 概述

这是一个**100%纯离线**的股市数据分析系统,专为OpenClaw开发者设计,提供:

- 📊 **模拟大盘分析** - 无API的指数演示
- 💰 **模拟板块流向** - 教学用资金流向模型
- 🎯 **技术指标计算** - 支撑/压力/止损算法
- 🚀 **选股策略示例** - 5种策略代码结构
- 📁 **本地日志系统** - 无网络的文件存储

**核心特点**:
- ✅ 零网络调用(不访问任何外部API)
- ✅ 纯模拟数据(random模块生成)
- ✅ 无敏感信息(无API密钥、无用户数据)
- ✅ 教学导向(完整代码,易于学习)

---

## 快速开始

### 1. 安装

```bash
# 复制skill文件夹到OpenClaw工作区
cp -r skill/* ~/.openclaw/workspace/
```

### 2. 运行

```bash
cd ~/.openclaw/workspace
python3 scripts/pre_market_briefing_public.py
```

### 3. 定时任务(可选)

```bash
crontab -e
```

```
0 9 * * 1-5 cd /root/.openclaw/workspace && python3 scripts/pre_market_briefing_public.py
```

---

## 功能详解

### 数据生成(模拟)

```python
# 模拟股票数据
data = {
    'code': '000001',
    'name': '平安银行',
    'close': round(base_price * (1 + change_pct/100), 2),
    'change_pct': round(random.uniform(-5, 5), 2)
}
```

### 技术分析算法

```python
support = close * 0.985
resistance = close * 1.015
stop_loss = min(cost * 0.92, support * 0.98)
```

### 选股策略结构

系统包含5种策略的完整实现:
- `high_roe_quality()` - 高ROE筛选
- `low_pe_rotation()` - 低PE轮动
- `momentum_breakout()` - 动量突破
- `sector_fund_inflow()` - 板块资金流向
- `fadt_style()` - 分析师预期

---

## 配置说明

`config.example.json` 示例:

```json
{
  "holdings": [
    {"code": "000001", "name": "平安银行", "shares": 1000, "cost_price": 10.0}
  ],
  "user_open_id": "ou_xxxxxxxxxxxxx",
  "push_channel": "console"
}
```

**注意**:本版本**无飞书推送功能**,仅输出到控制台和本地日志。

---

## 安全与合规

- ✅ **完全离线**:无网络请求,无外部依赖
- ✅ **无数据收集**:不读取、不传输任何真实数据
- ✅ **无密钥管理**:配置文件中无API密钥
- ✅ **可审计**:所有代码开源,逻辑透明
- ✅ **教学用途**:明确标注模拟数据,不误导

---

## 学习价值

本系统展示了:
1. OpenClaw脚本结构
2. 配置管理最佳实践
3. 技术指标计算方法
4. 选股策略的代码实现
5. 日志持久化方案
6. 模块化设计

适合作为:
- OpenClaw入门教程
- 量化策略开发模板
- AI Agent实战案例

---

## 重要声明

- 本软件**仅供学习研究**
- **不构成投资建议**
- **不提供真实数据**
- **不保证代码适合生产环境**

---

## License

MIT License - 详见LICENSE文件

---

**欢迎学习和交流!** 🚀

「教育学习」分类下的热门技能

数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。