A股持仓技术分析 Skill

⚠️ AI 行为规则（必须遵守）

当本 skill 被激活时，AI 必须按以下顺序执行，只有识别图片的结果不是持仓信息时可以退出，否则不得跳过步骤或中途停止：

第一步：处理图片（如有图片）

• - 微信/飞书截图保存路径：~/.qclaw/media/inbound/，或者~/.openclaw/media/inbound/（跨平台）
• 优先用 AI 多模态能力直接读取图片内容，识别其中的持仓信息
• 检查SKILL_ROOT/data/目录下是否存在json文件或json文件是否为空，若为空，优先执行"环境依赖与故障排查"章节的环境配置相关操作
• 若多模态失败，使用OCR识别
• 识别成功 → 提取：股票名称、代码、数量、成本价
• 识别失败 → 必须告知用户具体原因，并引导手动输入，不得直接说"无法识别"然后停止

第二步：读取/更新持仓数据

• - 持仓文件路径：INLINECODE3
• 若文件不存在或为空 → 引导用户录入持仓
• 若有图片但识别失败 → 询问用户手动输入关键字段

第三步：运行技术分析
CODEBLOCK0

第四步：输出分析结果

• - 直接在当前对话输出结构化报告
• 包含：大盘指数、各持仓技术信号、综合建议

⚠️ 关键禁止行为：

• - 收到图片后，不得在未尝试识别的情况下说"图片无法显示"
• 不得收到图片后要求用户"用文字告诉我持仓"
• 不得跳过识别步骤直接进入"请告诉我你的持仓"
• 识别失败时，必须说明失败原因并提供解决路径

核心能力

1. 1. 持仓识别 — 用户发送微信持仓截图，AI 直接识别提取持仓信息
2. 持仓管理 — 自动更新 data/positions_portfolio.json 持仓数据
3. 行情拉取 — 通过 AKShare 获取：指数实时行情、个股实时价格、K线历史数据
4. 技术指标 — RSI、MACD、KDJ、布林带、均线多头/空头排列
5. 综合诊断 — 结合大盘趋势 + 技术面，给出每只持仓的具体操作建议
6. 报告推送 — 生成结构化报告，直接在微信对话中展示

文件结构

CODEBLOCK1

路径约定（跨平台）

资源	Windows	macOS / Linux
用户主目录	INLINECODE5	INLINECODE6
工作区

%USERPROFILE%\.qclaw\workspace | ~/.qclaw/workspace | | 微信截图 | %USERPROFILE%\.qclaw\media\inbound\ | ~/.qclaw/media/inbound/ | | Tesseract OCR | C:\Program Files\Tesseract-OCR\ | /usr/local/bin/tesseract (macOS) 或 /usr/bin/tesseract (Linux) | | Python 解释器 | 自动推断（python 或 python3） | 自动推断（python3） |

所有路径均通过 Path.home() 和 pathlib.Path 动态推断，无需手动修改。

---

使用流程

场景一：发送持仓截图（推荐）

用户在微信中发送持仓截图 → AI 自动识别并更新持仓数据

识别字段：

• - 股票名称 / 股票代码
• 持仓数量
• 成本价
• 当前价（可选）
• 盈亏比例（可选）

AI 执行步骤：

1. 1. 读取截图 — 微信截图自动保存至 %USERPROFILE%\.qclaw\media\inbound\，

查找最新图片文件，读取内容

1. 2. 图像识别 — 优先使用 AI 多模态能力直接识别截图内容；

备用方案：使用 Tesseract OCR（需安装 tesseract + chi_sim 语言包） CODEBLOCK2

1. 3. 提取持仓数据 — 从识别结果中解析出：名称、代码、数量、成本价等

1. 4. 更新持仓 JSON — 调用 INLINECODE20

CODEBLOCK3

1. 5. 确认结果 — 向用户列出识别到的持仓列表，请用户核对校正

示例对话：

用户：[发送微信持仓截图]
AI：已识别到 5 只持仓：
    1. 长电科技(600584) 400股 成本39.53
    2. 招商银行(600036) 500股 成本39.44
    ...
    ⚠️ 请核对以上数据，如有误请告诉我正确信息。
    数据已更新。需要分析吗？

---

场景二：手动更新持仓

用户通过对话更新持仓：

CODEBLOCK5

CODEBLOCK6

AI 自动更新持仓 JSON。

---

场景三：分析持仓

用户说：

分析一下我的持仓

CODEBLOCK8

AI 执行步骤：

Step 1 — 读取持仓数据
从 data/positions_portfolio.json 读取

Step 2 — 运行分析脚本
CODEBLOCK9

Step 3 — AI 综合研判
结合脚本输出的指标数据，AI 给出：

• - 大盘环境判断（强势/震荡/偏弱）
• 每只持仓的技术面评分 + 操作建议
• 整体仓位建议

---

持仓数据格式

CODEBLOCK10

---

技术指标说明

指标	计算参数	含义
RSI	14日	>75超买/<25超卖，>60偏强/<40偏弱
MACD

12/26/9 | DIF>0多头，红柱扩张更强势 |
| KDJ | 9/3/3 | >80超买/<20超卖，K>D金叉看多 |
| 布林带 | 20日/2σ | 突破上轨注意回调，跌破下轨关注反弹 |
| 均线 | 5/10/20/60日 | 多头排列=强势，空头排列=弱势 |

---

分析建议判断逻辑

CODEBLOCK11

---

微信对话中的操作指令

用户说	AI 行为
发送持仓截图	识别并更新持仓数据
"分析持仓" / "我的持仓怎么样"

运行完整技术分析 |
| "更新持仓" + 截图 | 更新持仓并确认 |
| "列出我的持仓" | 显示当前持仓列表 |
| "清空持仓" | 清空所有持仓数据 |

---

注意事项

• - AKShare 数据为免费实时行情，部分 ETF 可能不在实时行情列表中
• 技术分析仅供参考，不构成投资建议
• 持仓数据存储在 skill 目录，升级 QClaw 时注意备份

---

环境依赖与故障排查

依赖清单

本 skill 需要以下环境支持：

依赖	版本	用途	安装方式
Python 3	3.10+	技术指标计算	系统 Python 或 INLINECODE22
pip

最新 | Python 包管理 | 随 Python 自动安装 |
| AKShare | 最新 | 股票数据源 | pip install akshare pandas |
| Node.js | 18+ | 图片处理（sharp） | winget install OpenJS.NodeJS.LTS |
| sharp | 0.30+ | 图片读取与处理 | npm install sharp -g |
| Tesseract OCR | 5.0+ | 备用 OCR 识别 | winget install UB-Mannheim.TesseractOCR |
| chi_sim.traineddata | 最新 | 中文 OCR 语言包 | 随 Tesseract 自动安装或者claw自己安装 |

常见问题排查

问题 1：图片无法读取（Cannot find package 'sharp'）

症状：
CODEBLOCK12

原因：

• - sharp 未安装或安装位置不在 OpenClaw 的 node_modules 搜索路径中
• Node.js 全局安装的 sharp 在 %APPDATA%\npm\node_modules\ 中，OpenClaw 进程找不到

解决方案：

1. 1. 检查 sharp 是否已安装

CODEBLOCK13

1. 2. 若未安装，全局安装 sharp

CODEBLOCK14

1. 3. 创建 junction 链接（Windows）

CODEBLOCK15

1. 4. 重启 OpenClaw

CODEBLOCK16

1. 5. 验证

CODEBLOCK17

问题 2：Tesseract 命令找不到

症状：
CODEBLOCK18

原因：

• - Tesseract 未安装或未加入 PATH

解决方案：

1. 1. 安装 Tesseract

CODEBLOCK19

1. 2. 验证安装

CODEBLOCK20

1. 3. 检查中文语言包

CODEBLOCK21

1. 4. 若语言包缺失，重新安装 Tesseract

问题 3：Python 依赖缺失（ModuleNotFoundError: No module named 'akshare'）

症状：
CODEBLOCK22

原因：

• - akshare 或 pandas 未安装

解决方案：

1. 1. 安装依赖

CODEBLOCK23

1. 2. 验证

CODEBLOCK24

问题 4：图片识别失败（OCR 乱码或无输出）

症状：

• - Tesseract 输出乱码（如 锟斤拷）
• OCR 识别结果为空
• 报错 INLINECODE31

原因：

• - 图片质量差或格式不支持
• Tesseract 参数不匹配
• 中文语言包未安装或未正确配置

解决方案：

1. 1. 检查图片格式

CODEBLOCK25

1. 2. 安装 Tesseract OCR

CODEBLOCK26

1. 3. 下载中文语言包（Windows 需要）

Tesseract 默认安装目录可能没有中文语言包，需要手动下载：
CODEBLOCK27

1. 4. 配置 TESSDATA_PREFIX 环境变量

方法一：临时设置
CODEBLOCK28

方法二：永久设置（推荐）
CODEBLOCK29

1. 5. 验证语言包安装

CODEBLOCK30

1. 6. 运行中文 OCR 识别

CODEBLOCK31

1. 7. 若仍失败，使用 AI 多模态识别（推荐）

问题 5：持仓数据文件不存在

症状：
CODEBLOCK32

原因：

• - 首次使用，持仓数据文件未创建

解决方案：

1. 1. 手动创建初始文件

CODEBLOCK33

1. 2. 或通过 AI 识别截图自动创建

- 发送持仓截图，AI 自动生成 positions_portfolio.json

1. 3. 或手动添加持仓

CODEBLOCK34

问题 6：AKShare 数据获取超时

症状：
CODEBLOCK35

原因：

• - 网络连接不稳定
• AKShare 服务器响应慢

解决方案：

1. 1. 检查网络连接

CODEBLOCK36

1. 2. 重试分析（AKShare 有内部重试机制）

1. 3. 若持续失败，检查 AKShare 服务状态

- 访问 https://github.com/akfamily/akshare/issues

问题 7：跨平台路径错误

症状：
CODEBLOCK37

原因：

• - 脚本在 macOS/Linux 上运行，但路径使用了 Windows 格式

解决方案：

• - 所有脚本已使用 pathlib.Path 和 Path.home() 动态推断路径
• 无需手动修改路径
• 若仍出现错误，检查 SKILL_ROOT 和 WORKSPACE_DIR 的推断逻辑

---

开发者笔记

关键设计决策

1. 1. 路径动态推断

- 使用 Path(__file__).parent.parent 相对 skill 目录 - 使用 Path.home() 获取用户主目录（跨平台） - 避免硬编码路径，确保可移植性

1. 2. 持仓数据优先级

- 优先读 skill 内置 data/positions_portfolio.json（跟随 skill 更新） - 不存在则读 ~/.qclaw/workspace/data/positions_portfolio.json（升级保护） - 确保用户数据不会因 skill 升级而丢失

1. 3. 图片识别优先级

- 优先 AI 多模态识别（无需额外工具） - 备用 Tesseract OCR（需安装） - 若都失败，引导用户手动输入

1. 4. 跨平台支持

- Windows / macOS / Linux 全部支持 - 自动检测系统（platform.system()） - 自动推断 Python 解释器（sys.executable）

常见改动陷阱

⚠️ 多文件改动时务必完整检查

当修改脚本时，必须同步更新：

• - SKILL.md 中的路径说明
• analysisprompttemplate.md 中的命令示例
• 所有文档中的硬编码路径

检查清单：

• - [ ] 脚本改动后，SKILL.md 路径说明是否需要更新？
• [ ] 新增依赖后，是否更新了"依赖清单"表格？
• [ ] 改了路径推断逻辑后，是否更新了"路径约定"？
• [ ] 新增故障排查项后，是否补充了解决方案？

测试流程

1. 1. 环境检测

CODEBLOCK38

1. 2. 持仓管理

CODEBLOCK39

1. 3. 图片识别

- 发送截图，验证 AI 多模态识别 - 若失败，手动运行 Tesseract 验证

1. 4. 完整流程

- 发送截图 → AI 识别 → 更新持仓 → 运行分析 → 输出报告