investor-distiller · diff
git:20260817.17b8940 to git:20260908.b566bb6
4 added, 4 removed. Audit A to A.
---
name: investor-distiller
description: >
公众号投资博主蒸馏器。通过公众号文章数据，自动提取交易体系、市场判断、表达风格、内容深度、互动特征、热点图谱、
人设基因七维DNA，输出结构化风格画像 profile。
触发词：蒸馏投资博主、蒸馏大V、蒸馏公众号大V、分析投资博主风格、
提取交易体系、风格画像、投资博主蒸馏。
---
# 公众号投资博主蒸馏器
> **免责声明**：本工具仅供学习研究使用，蒸馏产物为风格模拟参考，不构成任何投资建议。
> 所有生成内容必须标注「AI 风格模拟，不构成投资建议」。
## 📝 简介
自动化的公众号投资博主风格蒸馏工具。输入公众号微信号和文章数量，自动采集文章并提取七维DNA投资风格画像，输出结构化的交易体系、市场判断、表达风格等完整分析报告。
## ✨ 功能特性
| 功能模块 | 能力描述 | 核心价值 |
|---------|---------|----------|
| 文章自动采集 | 通过微信号批量拉取公众号历史文章，支持 20/60/100 篇三档 | 无需手动整理，一键获取完整素材 |
| 七维DNA蒸馏 | 提取交易体系、市场判断、表达风格、内容深度、互动特征、热点图谱、人设基因 | 结构化画像，可复用可对比 |
| 双层特征提取 | 表层（术语/个股频次）+ 思维层（分析工具/论证模式/语气量化） | 不仅像博主说的话，更像博主的思考 |
| 质量校验闭环 | 三维度评分（个股/风格/体系），≥80% 准出，双层审计 | 画像准确性有保障 |
| 风格化模拟 | 基于画像生成风格一致的个股/市场分析，含数据来源标注与免责声明 | 可复现博主风格的分析输出 |
## ⚠️ 蒸馏质量铁律
> **必须从raw全文逐篇提取，禁止依赖任何clean/NER中间层。**
蒸馏准确性直接决定画像质量。经验表明，clean阶段的个股NER提取管线会遗漏大量信息（如一篇提及6只股票的文章可能只提取0-2只），导致画像基于不完整数据构建。因此：
1. **raw全文原则**：所有提取（个股/短语/板块/风格）必须直接遍历raw文章正文，不经过任何预处理过滤
2. **词典+别名匹配**：个股提取使用完整词典（含口语化别名，如"上证指数"→"上证/大盘/沪指/A股"），确保宽松但准确
3. **文章级板块计数**：板块关注度按文章级别计数（每篇只计一次），比词频更准确反映博主真实关注方向
4. **领域专用短语**：使用投资领域专用关键词列表提取关键短语，比通用句子频次统计更精准
5. **校验闭环**：蒸馏完成后必须执行准确性校验（`--validate`），≥80%方可准出
---
## 七维DNA蒸馏结构
| # | 维度 | 回答什么 | 关键字段 |
|---|------|---------|---------|
| 1 | 交易体系 | TA怎么交易？ | 核心模式、选股逻辑、买卖信号、仓位管理 |
| 2 | 市场判断 | TA怎么看市场？ | 交易流派、板块偏好、持仓周期、多空条件 |
| 3 | 表达风格 | TA怎么写/说？ | 文章结构、标志性表达、标题/开头/结尾模式、语气 |
| 4 | 内容深度 | TA写多少？ | 平均字数、信息密度、复盘详细度、预判明确度 |
| 5 | 互动特征 | TA怎么互动？ | 读者互动、战绩展示、争议处理、免责声明 |
| 6 | 热点图谱 | TA关注什么？ | 核心赛道、龙头记忆、常用指标、资金面关注 |
| 7 | 人设基因 | TA是谁？ | 投资经历、哲学演变、里程碑事件、师承/影响源 |
### 蒸馏维度分支
蒸馏前需先判断博主属于长线还是短线交易者，再按对应维度侧重提取：
| 维度 | 长线 | 短线 |
|------|------|------|
| 投资哲学 | 价值投资/波段交易 | 龙头战法/情绪周期/题材驱动 |
| 核心能力 | 生意本质 + 估值 + 护城河 | 热点捕捉 + 情绪周期 + 量价关系 + 板块轮动 |
| 分析周期 | 年级别（10年持有视角） | 日级别（隔日~2周） |
| 数据驱动 | 财务报表 + 行业数据 | 盘面数据 + 资金流向 + 消息面 |
---
## 双层提取框架
蒸馏不仅提取「用了什么词」（表层），更要提取「怎么思考」（思维层）。二者缺一不可：
**表层特征**（自动量化，脚本产出）：
- 个股/板块/术语/短语 频次统计
- 标题/开头/结尾 模式识别
- 字数/发布频率/免责声明 基础统计
**思维层特征**（脚本检测+AI深度分析）：
| 分析维度 | 脚本检测内容 | AI深度补充 |
|---------|-------------|-----------|
| 核心分析工具 | 宏观经济/产业链/财报/技术面/资金面/情绪/政策 8类思维框架评分 | 提炼博主独有的分析链条（如"事件→产业拆解→A股影响"） |
| 论证链模式 | 事件驱动/数据驱动/逻辑推演/类比推理/产业链分析/逆向思维 6类模式 | 还原博主典型论证步骤和推导逻辑 |
| 语气量化 | 感叹句/疑问句/第一人称/口语化 四类标记篇均数值，自动分类 | 判断文风温度（高/中/低），提炼情感表达策略 |
| 数据引用密度 | 每千字数据引用次数，自动分类（数据驱动型/主观判断型） | 分析数据引用场景和方式 |
| 跨市场视角 | 美股/港股/A股/商品 四大市场引用检测 | 判断是否全球视角、多市场联动还是单一市场 |
| 信息密度 | 投资内容占比评估（干货型 vs 水文型） | 区分深度分析和浅层评论 |
---
## 多维资料采集（超越文章本身）
| 资料类型 | 来源 | 丰富哪个维度 |
|---------|------|------------|
| 人设背景 | 简介/置顶帖/自我介绍 | 人设基因DNA |
| 投资哲学演变 | 按时间线分析早期vs近期内容 | 人设基因DNA + 交易体系DNA |
| 里程碑事件 | 公开提及的重大盈亏/转折点 | 人设基因DNA |
| 师承/影响源 | 提及的大师/书籍/引用频率 | 人设基因DNA |
| 社交互动画像 | 评论/回复/争论/社区关系 | 互动特征DNA |
| 历史预判追踪 | 过去预判与实际走势对比 | 市场判断DNA |
| 观点一致性 | 同一主题不同时间观点演变 | 市场判断DNA |
---
## 🔑 鉴权
前往 [红狐 hub](https://redfox.hk/settings/api-keys?source=github) 获取 API Key，通过以下方式配置：
```bash
# 方式一：配置文件（如 OpenClaw 的 ~/.openclaw/openclaw.json）
{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
# 方式二：终端环境变量
export REDFOX_API_KEY="ak_xxxx..."
```
注册地址：[redfox.hk/login](https://www.redfox.hk/login)
积分消耗参考：
| 文章数量 | 约消耗积分 | 精度评估 |
|---------|-----------|---------|
| 20篇 | ~8积分 | 基础了解，画像粗糙 |
| 60篇 | ~25积分 | 推荐档位，画像较完整 |
| 100篇 | ~50积分 | 高精度画像，特征稳定 |
## 前置要求
- Python 3.9+
- 依赖：`pip install requests`
---
## 执行流程
### Phase 0: 环境准备
```bash
python "$SKILL_PATH/scripts/distill.py" --check-env
```
自动检查并提示安装缺失依赖（requests 等）。
### Phase 0.5: 前置交互
触发蒸馏前，必须由用户明确以下信息：
1. **公众号微信号**（如 `zxgbtz`）
- 获取方式：打开公众号 → 点右上角 `···` → 更多信息 → 微信号
- 注意：微信号不是公众号名称，是唯一的字母/数字ID
2. **文章数量档位**（20 / 60 / 100）
- 提示：数量越多积分消耗越多，但蒸馏精度越准。推荐60篇，100篇精度最佳（约50积分）
> **自动补充**：博主背景资料（投资经历、师承、里程碑事件等）由 AI 通过 WebSearch 自动采集，无需用户提供。
### Phase 1: 公众号文章采集
两步 API 流程：
**Step 1：获取文章UUID列表**
- 调用 `POST https://redfox.hk/story/api/gzhData/queryWorkList`，每页返回20条，offset 步进为20，循环分页直到达到目标数量。
+ 调用 `POST https://redfox.hk/story/api/gzh/data/queryWorkList`，每页返回20条，offset 步进为20，循环分页直到达到目标数量。
- 参数：`account`（微信号）、`sortType: "_2"`、`offset`（从0开始，每页+20）。
+ 参数：`account`（微信号）、`sortType: "2"`、`offset`（从0开始，每页+20）。
**Step 2：逐篇获取完整数据**
- 对每个 UUID，调用 `POST https://redfox.hk/story/api/gzhData/queryWork` 获取正文、摘要、词云等完整数据。
+ 对每个 UUID，调用 `POST https://redfox.hk/story/api/gzh/data/workDetail` 获取正文、摘要、词云等完整数据。
```bash
# 采集60篇文章
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 60
# 采集100篇（高精度）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 100
```
输出标准化数据到 `output/{博主名}/`。
### Phase 2: 多维资料整合分析
脚本自动完成基础统计分析（21项），AI 在此基础上执行多维资料整合：
**信息丰富度分级**（脚本自动评估）：
| 等级 | 特征 | 应对策略 |
|------|------|---------|
| **A 级**（信息充裕） | ≥60篇、高信息密度、多维度数据充分 | **反面检验**：博主看多时，聪明人为什么看空？ |
| **B 级**（信息适中） | 20-59篇、部分维度数据不足 | 每个推算结论标注置信度 |
| **C 级**（信息稀缺） | <20篇、低信息密度 | **第一性原理提问**，不拼凑"看起来完整"的画像 |
**分析维度并行执行：**
1. **表层内容分析** — 统计 + 词云 + 结构分析 + 交易术语 + 个股/板块频次
2. **思维层分析** — 核心分析工具 + 论证链模式 + 语气量化 + 数据引用密度 + 跨市场视角 + 信息密度
3. **社交互动分析** — 评论/回复/争论风格/社区关系
4. **人设背景分析** — 简介/里程碑/师承/投资哲学演变/推荐书籍
5. **投资观点追踪** — 历史预判/准确率/观点一致性/认错修正方式
### Phase 3: 七维DNA蒸馏
#### Step A：生成数据底稿
脚本产出：
- `output/{博主名}_统计数据.json` — 结构化统计分析结果
- `output/{博主名}_数据底稿.md` — 结构化统计数据
- `output/{博主名}_蒸馏任务.md` — AI蒸馏任务清单
- `output/{博主名}_画像.json` — 结构化JSON画像（校验用）
#### Step B：AI生成风格画像
AI 读取蒸馏任务，按七维DNA框架生成最终产物：
**风格画像文件**：`output/{博主名}_风格画像.md`
包含7大章节，每个章节必须包含：
- 具体特征描述（非空话）
- 原文证据引用（至少2条）
- 可复用的规则/模板
- 蒸馏置信度标注（高/中/低）
#### Step C：风格化分析输出规范
当使用蒸馏画像生成风格化的个股/市场分析时，输出必须包含以下两部分：
**1. 数据来源与局限表格**
| 数据项 | 来源 | 说明 |
|--------|------|------|
| （示例）股价 XX 元、涨跌 ±XX% | 东方财富/雪球（日期） | 收盘价，非实时盘中数据；不同平台可能有分钟级延迟 |
| （示例）PE XX 倍 / EPS XX | 中财网/财报（季度） | 基于最新可获取财报数据，可能因业绩变动而失真 |
| （示例）定增 XX 亿 | 公司公告（日期） | 尚处预案阶段，存在审批不确定性 |
| （示例）负债 XX 亿 | 财报时点数据 | 当前负债状况可能已变化 |
并附加局限声明：
> 以上行情数据为公开平台聚合数据，非交易所直连实时数据；基本面数据基于最新可获取财报，可能与当前实际经营状况存在差异。
**2. ⚠️ AI 风格模拟免责段落**
> ⚠️ **AI 风格模拟，不构成投资建议。** 本文为 AI 基于对「{博主名}」公众号的七维DNA蒸馏画像生成的风格模拟内容，与原大V本人无关。文中所有观点、判断、推荐均不代表{博主名}本人立场，亦不构成任何买入/卖出/持有建议。股市有风险，投资需谨慎。
### Phase 4: 质量校验
#### 蒸馏准确性校验（硬性准出标准）
```bash
python "$SKILL_PATH/scripts/distill.py" --validate --author "博主名" --sample 10
```
**三维度评分体系：**
| 校验维度 | 说明 | 权重 |
|---------|------|------|
| A. 个股提及 | 画像声明的常提及个股是否在文章中真实出现 | 40% |
| B. 风格特征 | 标志性表达、标题模式、开头/结尾模式、字数范围是否匹配 | 35% |
| C. 投资体系 | 核心流派、持仓周期、板块偏好是否与文章一致 | 25% |
**准出标准：综合准确率 ≥ 80%**
- ≥ 80%：蒸馏通过，画像可用于风格模拟
- < 80%：需补充蒸馏——仔细阅读raw全文，更新画像中不准确的字段后重新校验
- 任一维度低于60%：该维度需要完全重写
#### 蒸馏质量软性检查（双层审计）
审计分两层：**表层特征**权重 60%，**思维层特征**权重 40%。二者缺一不可——表层保证「像博主说的话」，思维层保证「像博主的思考」。
**表层检查（60%）：**
| 检查项 | 通过标准 | 权重 | 层级 |
|--------|---------|------|------|
| 标志性表达命中率 | > 40% | 10% | 表层 |
| 交易体系覆盖度 | > 70% | 10% | 表层 |
| 文章结构匹配度 | > 60% | 10% | 表层 |
| 盘面指标覆盖 | > 50% | 10% | 表层 |
| 语气一致性 | 偏差 < 20% | 10% | 表层 |
| 交易术语覆盖 | > 50% | 10% | 表层 |
**思维层检查（40%）：**
| 检查项 | 通过标准 | 权重 | 层级 |
|--------|---------|------|------|
| 核心思维匹配度 | > 60%（核心分析工具关键词覆盖） | 15% | 思维层 |
| 论证方式匹配 | > 60%（论证链关键词覆盖） | 15% | 思维层 |
| 哲学价值观体现 | > 50%（投资格言自然融入分析逻辑） | 10% | 思维层 |
**综合评分 > 70 分准出（软性），< 70 分打回重新蒸馏。**
#### 校验执行规则
- **每次画像更新后**必须执行校验
- **每月**全量校验所有博主画像
- 增量同步获取新文章后，如新文章涉及画像未覆盖的个股/板块，需更新画像
---
## 使用方式
### 自然语言触发（推荐）
直接对 AI 说：
```
蒸馏公众号 zshbtz
```
AI 会自动执行 Phase 0 → 4 完整流程。
### 命令行
```bash
# 蒸馏（60篇文章，推荐档位）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 60
# 高精度蒸馏（100篇）
python "$SKILL_PATH/scripts/distill.py" --account "zshbtz" --count 100
# 蒸馏后校验画像准确性（≥80%准出）
python "$SKILL_PATH/scripts/distill.py" --validate --author "财躺平" --sample 10
# 环境检查
python "$SKILL_PATH/scripts/distill.py" --check-env
```
---
## 数据与合规原则
- **禁止LLM编造**交易记录、持仓数据、交割单等未公开信息
- 严格区分**原文/原帖**与**AI蒸馏结论**
- 交叉验证文章描述与实际市场数据（如有）
- 所有蒸馏产物标注蒸馏置信度
- 盘面数据必须实时采集，**禁止 LLM 编造涨跌停、资金流向等数据**
- **所有面向用户的 AI 生成投资分析输出，必须包含两段固定声明**：
1. **[数据来源与局限]** 表格 — 逐项标注引用的股价、PE、定增、负债等关键数据的来源平台及具体局限（详见 Phase 3 Step C）
2. **[AI 风格模拟，不构成投资建议]** 段落 — 明确标注为 AI 基于蒸馏画像的风格模拟，与原大V本人无关，不构成任何买入/卖出/持有建议（详见 Phase 3 Step C 固定模板）
---
## 文件结构
```text
investor-distiller/
├── SKILL.md # 本文件
├── scripts/
│ ├── distill.py # 主蒸馏脚本（调度+统计+校验）
- │ └── gzh.py # 公众号数据采集（queryWorkList + queryWork）
+ │ └── gzh.py # 公众号数据采集（queryWorkList + workDetail）
├── assets/
│ └── profile_template.md # 七维DNA风格画像输出模板
├── references/
│ └── 蒸馏维度规范.md # 七维DNA详细规范
└── output/ # 蒸馏产物输出目录
├── {博主名}_uuids.json # UUID 缓存（避免重复扣积分）
├── {博主名}_统计数据.json # 脚本统计分析结果
├── {博主名}_完整文章.json # 完整正文落盘（供校验/AI精读）
├── {博主名}_数据底稿.md # 结构化数据底稿
├── {博主名}_蒸馏任务.md # AI蒸馏任务清单
├── {博主名}_画像.json # 结构化JSON画像（校验用）
├── {博主名}_风格画像.md # AI生成的七维DNA画像
└── {博主名}_校验报告_YYYYMMDD.json # 准确性校验报告
```
---
## 依赖
```bash
pip install requests
```