RQ 股票研究 - 晨会纪要

核心原则

所有内容必须遵循三阶段流程：数据采集 -> 报告生成 -> HTML 渲染
assets/template.md 是唯一报告模板来源；Python 只做数据归一化、占位符填充和结构校验
晨会纪要必须先完整收集数据，再形成盘前判断，不能边抓数据边写结论
不能写死股票池、日期、板块、公司名称、交易结论
不能伪造具体盘中时间点；如果数据里没有明确时间，只能写“今日重点关注”
缺少数据时必须明确写“无数据/无事件/未验证”，不能留空章节

数据源分工

`RQData CLI` 负责

覆盖股票池、公司名称与基础元数据
个股价格、成交额、基准指数表现
公司公告、财报披露、分红事项

`web_search` 负责

隔夜宏观政策、海外市场、监管动态
行业新闻、商品与主题链条的实时语境
RQData 无法直接提供的盘前网络搜索结果

`web_search` 禁止替代的内容

个股价格、基准指数、公告、财报、分红
股票池定义、相对强弱排序
任何本应由 RQData 提供的结构化金融主数据

`web_search` 使用规则

详细字段、来源等级、落盘示例和 fallback 规则见 references/web_search.md。

允许补充的内容：

宏观与监管动态
海外市场与大宗商品线索
行业或主题链最新消息

落盘要求：

所有网络搜索结果必须先写入 web_search_findings.json
只写结构化记录，不把搜索草稿直接写进报告
若未提供该文件，晨会仍可交付，但要保持“结构化盘前纪要”边界
即便提供了 web_search_findings.json，它也只能补充盘前语境，不能覆盖 RQData 事实层

硬性规则

以下任一条违反，视为输出失败：

[MUST-1] 先完整收集所有数据，再开始分析和写报告
[MUST-2] 个股行情、基准、公告、财报和分红必须来自 RQData CLI
[MUST-3] 宏观、行业和海外市场等实时网络搜索结果必须通过 web_search 获取，不能靠训练记忆补写
[MUST-4] 晨会纪要必须给出明确盘前观点，只总结事件数量视为失败
[MUST-5] 晨会结论必须保持盘前边界，不能伪造盘中时间、成交确认或收盘结论
[MUST-6] 每个关键数据点或关键结论都要标 数据来源：XXX，置信度X
[MUST-7] 客户稿不得暴露 LLM、skill、文件名、JSON 字段名或内部 workflow 术语
[MUST-8] 若高优先级公告存在原文链接，正文应尽量保留追溯入口
[MUST-9] 低置信度网络搜索结果不能单独支撑交易结论

确信度评级

5：RQData CLI、上市公司公告、交易所披露、公司官网
4：政府 / 监管 / 行业协会 / 官方机构、权威财经媒体
3：一般新闻源，但来源清晰且与其他来源一致
2：单一来源、细节不完整、时点未充分验证
1：推断、估算、未验证信息

使用规则：

混合结论的置信度取关键来源中的最低等级
网络搜索结果若无法确认原始出处，不能标高置信度
低置信度信息只能作为“关注线索”，不能直接写成“盘前结论”

图表 / 图片需求

晨会纪要当前以短文本和表格为主，不强制图表交付，但仍需明确最小可用的结构化表达。

市场回顾：至少保留覆盖池涨跌幅表和基准对照
今日重点关注：至少保留 3-5 条可执行关注事项
若未来增加图表，优先补充指数/覆盖池相对表现图，不得以图代替事实说明

目标产出

报告长度：2-3 页
目标字数：800-1,500 字
输出文件：
- Markdown 报告
- HTML 报告（若本地已安装渲染器）
输出目录必须由 --data-dir / --output 指定，不能写死固定路径

目录结构

morning-note/
├── SKILL.md
├── scripts/
│   └── generate_report.py
├── assets/
│   └── template.md
└── references/
    ├── data_contract.md
    └── web_search.md

输入文件契约

原始数据目录由 --data-dir 指定，脚本会按下列文件名查找输入：

stock_pool.json
instrument_meta.json
latest_earnings.json
price_recent.json
hs300_recent.json
dividend_news.json
announcement_raw.json
web_search_findings.json（可选）

完整字段说明见 references/data_contract.md。

工作流

步骤 1：准备参数

REPORT_DATE="${REPORT_DATE:-$(date +%F)}"
LOOKBACK_START="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=1)).isoformat())
PY
)"
PRICE_LOOKBACK_START="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=7)).isoformat())
PY
)"
DIVIDEND_LOOKBACK_START="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=30)).isoformat())
PY
)"
FINANCIAL_START_QUARTER="$(python3 - <<PY
from datetime import date
report_date = date.fromisoformat("${REPORT_DATE}")
print(f"{report_date.year - 1}q1")
PY
)"
FINANCIAL_END_QUARTER="$(python3 - <<PY
from datetime import date
report_date = date.fromisoformat("${REPORT_DATE}")
print(f"{report_date.year}q4")
PY
)"

ORDER_BOOK_IDS_JSON="${ORDER_BOOK_IDS_JSON:-[\"600519.XSHG\",\"000858.XSHE\",\"300750.XSHE\",\"600000.XSHG\"]}"
DATA_DIR="${DATA_DIR:-$HOME/rq_equities_reports/morning_note}"
OUTPUT_MD="${OUTPUT_MD:-$DATA_DIR/morning_note_${REPORT_DATE}.md}"

步骤 2：采集结构化主数据

mkdir -p "$DATA_DIR"

printf '{"data": %s}\n' "$ORDER_BOOK_IDS_JSON" > "$DATA_DIR/stock_pool.json"

rqdata stock cn instruments --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON
}" --format json > "$DATA_DIR/instrument_meta.json"

rqdata stock cn financial --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"fields\": [\"revenue\", \"net_profit\"],
  \"start_quarter\": \"$FINANCIAL_START_QUARTER\",
  \"end_quarter\": \"$FINANCIAL_END_QUARTER\",
  \"statements\": \"all\"
}" --format json > "$DATA_DIR/latest_earnings.json"

rqdata stock cn price --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"start_date\": \"$PRICE_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\",
  \"fields\": [\"close\", \"total_turnover\"],
  \"adjust_type\": \"post\"
}" --format json > "$DATA_DIR/price_recent.json"

rqdata index price --payload "{
  \"order_book_ids\": [\"000300.XSHG\"],
  \"start_date\": \"$PRICE_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\",
  \"fields\": [\"close\"]
}" --format json > "$DATA_DIR/hs300_recent.json"

rqdata stock cn dividend --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"start_date\": \"$DIVIDEND_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\"
}" --format json > "$DATA_DIR/dividend_news.json"

rqdata stock cn announcement --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"start_date\": \"$LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\"
}" --format json > "$DATA_DIR/announcement_raw.json"

说明：

latest_earnings.json 建议抓取近 1-2 年全部季度，脚本会按 report_date 过滤到隔夜窗口
price_recent.json 与 hs300_recent.json 需要至少包含两个交易日，脚本才可计算涨跌幅
announcement_raw.json 是隔夜动态的首选来源
缺少某个文件时脚本会跳过对应模块，但不会伪造内容

步骤 2.5：可选的宏观 / 行业 / 海外市场补充

当用户需要更完整的盘前语境时，可执行该步骤。

使用 web_search 补充宏观政策、监管动态、海外市场、商品或行业新闻
结果必须写入 web_search_findings.json
这类信息只补充盘前语境，不替代个股公告、财报和价格事实

步骤 3：生成 Markdown 报告

python3 morning-note/scripts/generate_report.py \
  --data-dir "$DATA_DIR" \
  --report-date "$REPORT_DATE" \
  --lookback-start "$LOOKBACK_START" \
  --output "$OUTPUT_MD"

步骤 4：渲染 HTML

脚本会优先尝试调用本地安装的 rq-report-renderer，若未安装则回退到仓库内 report-renderer/scripts/render_report.py；两者都不可用时保留 Markdown 并打印警告。

阶段门控

Gate 1：结构化主数据齐备

股票池、公司名、价格和基准数据存在
公告、财报、分红数据至少有一类可用
晨会正文不依赖网络搜索结果也能交付

Gate 2：盘前判断准备完成

已完成昨日市场回顾和隔夜事件筛选
执行摘要能回答“核心观点 / 盘前定位 / 持仓建议”
今日重点关注来自真实事件或真实相对强弱

Gate 3：可选网络搜索结果完成

若启用网络搜索结果补充，web_search_findings.json 已落盘
字段完整、来源等级可解释
网络搜索结果仅用于宏观 / 行业 / 政策 / 海外市场信息

Gate 4：成稿完成

Markdown 已生成
若本地渲染器存在，HTML 已生成
客户稿不暴露内部术语
长度、章节、来源标注和盘前观点均达标

模板规则

报告必须严格基于 template.md 生成
占位符采用 [[TOKEN]] 语法，不使用 Jinja
当前模板仅允许以下占位符：
- [[REPORT_DATE]]
- [[AS_OF_TIME]]
- [[LOOKBACK_START]]
- [[COVERAGE_SCOPE]]
- [[EXEC_SUMMARY]]
- [[OVERNIGHT_DEVELOPMENTS]]
- [[MARKET_RECAP]]
- [[WATCHLIST]]
- [[TRADE_OBSERVATIONS]]
- [[RISK_ALERTS]]
- [[APPENDIX]]

报告质量要求

完整包含模板中的主章节
执行摘要 必须能落到“核心观点 / 盘前定位 / 持仓建议”层面，不能只是事件计数
隔夜动态必须优先引用真实公告/财报/分红记录
若启用 web_search，正文必须真实吸收网络搜索结果，而不是只多一个 sidecar JSON
股价回顾必须基于真实价格数据，不能写固定涨跌幅示例
今日关注必须来自真实事件或真实相对强弱，不得伪造盘中时间
风险提示必须来自真实数据覆盖情况、市场强弱或事件集中度，不能写空泛套话
不得残留模板示例值、股票池示例值、旧路径或内部字段名

阶段验收清单

Markdown 文件存在
若本地渲染器存在则 HTML 文件存在
模板占位符无残留
主章节完整
数据来源说明存在
执行摘要包含核心观点 / 盘前定位 / 持仓建议
若高优先级公告存在原文链接，正文保留了追溯入口
若使用 web_search，其内容已真正进入最终报告且未越权替代 RQData 主数据

常见错误

直接在 Python 中写死整篇晨会正文
把固定股票池、固定板块叙述当作通用逻辑
伪造 09:30 / 10:00 / 14:00 等盘中时间点
把网络搜索结果写成既成事实，却没有结构化来源落盘
在正文中暴露文件名、JSON 字段名或内部执行语言
数据不足时输出空标题或模板示例文本

rq-morning-note

RQ 股票研究 - 晨会纪要

核心原则

数据源分工

`RQData CLI` 负责

`web_search` 负责

`web_search` 禁止替代的内容

`web_search` 使用规则

硬性规则

确信度评级

图表 / 图片需求

目标产出

目录结构

输入文件契约

工作流

步骤 1：准备参数

步骤 2：采集结构化主数据

步骤 2.5：可选的宏观 / 行业 / 海外市场补充

步骤 3：生成 Markdown 报告

步骤 4：渲染 HTML

阶段门控

Gate 1：结构化主数据齐备

Gate 2：盘前判断准备完成

Gate 3：可选网络搜索结果完成

Gate 4：成稿完成

模板规则

报告质量要求

阶段验收清单

常见错误

More from ricequant/ricequant-skills

rqdata-python

ricequant

rq-idea-generation

rq-earnings-preview

rq-sector-overview

rq-catalyst-calendar

rq-morning-note

RQ 股票研究 - 晨会纪要

核心原则

数据源分工

RQData CLI 负责

web_search 负责

web_search 禁止替代的内容

web_search 使用规则

硬性规则

确信度评级

图表 / 图片需求

目标产出

目录结构

输入文件契约

工作流

步骤 1：准备参数

步骤 2：采集结构化主数据

步骤 2.5：可选的宏观 / 行业 / 海外市场补充

步骤 3：生成 Markdown 报告

步骤 4：渲染 HTML

阶段门控

Gate 1：结构化主数据齐备

Gate 2：盘前判断准备完成

Gate 3：可选网络搜索结果完成

Gate 4：成稿完成

模板规则

报告质量要求

阶段验收清单

常见错误

More from ricequant/ricequant-skills

rqdata-python

ricequant

rq-idea-generation

rq-earnings-preview

rq-sector-overview

rq-catalyst-calendar

`RQData CLI` 负责

`web_search` 负责

`web_search` 禁止替代的内容

`web_search` 使用规则