Error in user YAML: (<unknown>): mapping values are not allowed in this context at line 2 column 175
---
name: radar-analyze
description: Radar 事件深度复盘 - 从本地 memory.db 拉指定时间窗/代码/题材的 radar_event 和已写入的 triage+deep analysis, 结合用户 watchlist 和当前市场上下文, 做对话式量化复盘. 不是自动化流程, 是让用户"对某条/某批新闻做一次完整的人工推演"的交互式技能. 触发: "分析 radar 事件" / "深挖这条新闻" / "对今天下午的消息做复盘" / "看看 XX 题材最近的 radar" / "那批事件怎么看".
---
事件由 scripts/radar_pull.py 定时拉东财快讯写入 memory.db (已去插件化, 无需 FastAPI), 自动 daemon (scripts/radar_worker.py) 再为每条 radar_event 写入 triage + (对高价值事件的) deep analysis. 两者可用 python scripts/start_all.py 一键常驻. 这个 skill 专门用于用户想对某批或某条事件做进一步推演的交互式工作流, 例如:
- "今天下午 14:00 之后的 radar 事件帮我复盘一下"
- "算力租赁这批消息我该怎么看"
- "600519 相关的 radar 最近都推了什么"
- "这条消息之前 daemon 怎么分析的, 和我想的不一样"
所有数据来自 cache/memory.db 的 memories 表 (kind='radar_event'), metadata 字段包含:
source/radar_id/score/tags/url(原始数据)analysis.triage.{event_type, entities, tradability, novelty, oneline}(Haiku 产出)analysis.deep.{thesis, targets, already_priced_in, evidence, supply_chain, risk_flags}(Opus 产出, 仅部分事件)
明确以下一个或多个过滤条件, 不清楚就问:
- 时间窗: 最近 N 小时 / 某日某时段 / 今天
- 标的: 特定 code / 特定 watchlist 股票
- 来源: cls / 同花顺 / 特定 source
- 题材: 从 triage.entities 或 tags 过滤
- 事件类型: single_name_catalyst / theme_momentum / policy_* 等
用 Python 读 memory.db (不要直接用 sqlite3 CLI):
import sys; sys.path.insert(0, r'c:\Users\Administrator\Desktop\cla\quant-ashare')
from memory.storage import MemoryStore
import time, json
store = MemoryStore()
# 时间窗示例: 最近 2 小时
since = int(time.time()) - 2 * 3600
events = store.query_radar_events(since_ts=since, limit=50)
# 按需过滤
relevant = []
for e in events:
a = e.metadata.get('analysis', {})
tr = a.get('triage', {})
if tr.get('event_type') == 'noise':
continue
# 更多过滤: code, tradability, source ...
relevant.append(e)对用户 watchlist 和 triage 抓到的 entities 都拉一下最新市场上下文:
from llm_layer.market_context import build_context_text
ctx_by_code = {code: build_context_text(code) for code in codes_of_interest}Watchlist 路径: 股票自选.csv (一行一个 6 位 code) 或 config/user_watchlist.yaml.
在回答用户的过程中, 你就是量化分析师. 输出需要覆盖:
- 事件分布扫描 (2-4 行): 总数 / 按 event_type 分档 / 高价值事件数
- 关键事件列表 (Top 3-5):
- 时间 / 来源 / 核心内容 / daemon 给的 triage + deep
- 你对 daemon 分析的认可或补充: 是否漏掉了重要标的? 传导链有没有盲区?
- 跨事件联动: 多条事件指向同一题材/供应链时显式点出
- 可操作候选 (最重要):
- 带具体 code / 方向 / 进场逻辑 / 风险
- 对照 watchlist 说明"这条新闻对你持仓的 XX 有什么影响"
- 显式区分: "已 price-in 的(避免追高)" vs "仍有空间的(可布局)" vs "风险事件(减仓)"
- 盲区标注: 没有 market_context 缓存的 code 要说明, 不要假装技术面判断
用户会追问, 你继续深挖. 典型追问:
- "XX 这个标的为什么不在清单里 / 应该在清单里"
- "再看看二跳标的"
- "把这批事件 5 日之后的表现回测一下" (这个已超出 skill 能力, 转到 backtest 工具)
- "daemon 这条分析我不同意" → 让用户说为什么, 然后你独立用现有数据再推一遍
- 不要调用 radar_worker: 它是 daemon, skill 只读 DB
- 不要伪造数据: 如果 analysis 字段为空 (daemon 还没处理到), 直接说"daemon 未分析"
- 不要编股票代码: supply_chain 推理遵循常识, 但要验证 code 存在再列出
- 不要只复述 daemon 输出: skill 的价值在于结合 watchlist 和用户意图做用户专属的二次分析, 否则用户直接看 daemon 输出就够了
- 输出长度: 默认简洁(3 段以内), 用户要详细再展开
默认在 /Users/page/Desktop/股票/quant_ashare 下操作. 如果 cwd 不对, 先 cd 或用绝对路径.
- "/radar-analyze 今天下午"
- "/radar-analyze 算力租赁"
- "/radar-analyze 600519"
- "/radar-analyze 最近 6 小时里 tradability=high 的"