# Agent驱动的涨停梯队解读助手用LLM从涨停池生成复盘叙事 IG50免费开源股票数据API接口

涨停复盘是短线研究里最枯燥也最不可省的功课：每天几十只涨停股，要按连板高度排成梯队、看清每个梯队的封板质量、再从首板里找明天的候选——人工做一套完整复盘要四十分钟起步，还常常漏细节。我们把这件事交给了 Agent：收盘后自动读取涨停池数据，构建梯队结构，由语言模型生成一份带数据锚点的复盘叙事。这篇文章拆解系统的三个关键环节——梯队结构化、封板质量量化、叙事生成约束——重点讲如何让 LLM 在严格的数字纪律下写复盘。

数据层是涨停股池，本地接口 time/zdtgc/ztgc/加日期，按日返回当日全部涨停股，字段非常完备：dm 代码、mc 名称、p 价格、zf 涨幅、cje 成交额、lt 流通市值、hs 换手率、lbc 连板数、fbt 首次封板时间、lbt 最后封板时间、zj 封板资金、zbc 炸板次数、tj 涨停统计。这份数据的结构化程度之高，几乎是为自动化复盘量身定做的。

第一步，梯队结构化。按 lbc 连板数把涨停股组织成金字塔：最高板是空间标尺，中间板是中军，首板是预备队。结构化的输出是一个带统计摘要的树：每个梯队内按封板资金排序，附梯队规模与平均换手。

```python
import json

def build_ladder(fp: str) -> dict:
    """把涨停池组织成连板梯队树"""
    stocks = json.loads(open(fp, encoding='utf-8').read())
    # 字段: dm mc p zf cje lt hs lbc 连板数 fbt lbt zj 封板资金 zbc 炸板次数 tj
    ladder = {}
    for s in stocks:
        lv = s.get('lbc', 1)
        ladder.setdefault(lv, []).append(s)
    out = {}
    for lv in sorted(ladder, reverse=True):
        mem = sorted(ladder[lv], key=lambda s: -s.get('zj', 0))
        out[lv] = {
            'count': len(mem),
            'avg_turnover': round(sum(s['hs'] for s in mem) / len(mem), 2),
            'members': [{'mc': s['mc'], 'lbc': s['lbc'],
                         'zj': s.get('zj'), 'zbc': s.get('zbc'),
                         'fbt': s.get('fbt'), 'hs': s.get('hs')}
                        for s in mem[:8]],
        }
    return out
```

第二步，封板质量量化。叙事的质量取决于喂给模型的数字质量，封板质量是复盘里最有信息量的一组数字。我从字段里构造三个质量指标：封板强度（封板资金占流通市值的比例）、封板稳定性（首次封板时间越早、炸板次数越少越稳）、换手结构（高换手涨停与缩量一字板的语义完全不同）。每个梯队和每只个股都算这三个指标，作为叙事的证据库。

```python
def seal_quality(s: dict) -> dict:
    """单只涨停股的封板质量指标"""
    lt = max(float(s.get('lt', 1)), 1.0)
    zj = float(s.get('zj', 0))
    fbt = s.get('fbt', '15:00:00')
    early = 1.0 if fbt <= '10:00:00' else (0.5 if fbt <= '13:30:00' else 0.2)
    return {
        'seal_ratio': round(zj / lt, 4),          # 封板强度
        'stability': round(early / (1 + s.get('zbc', 0)), 3),  # 稳定性
        'turnover': s.get('hs'),
        'quality': round(zj / lt * early / (1 + s.get('zbc', 0)), 5),
    }
```

第三步，叙事生成。提示词的结构化约束是整个系统的成败点。我的模板把复盘拆成四个固定段落，每段绑定明确的数字义务：总览段必须给出梯队结构数字（几板几只）、强势段必须点名质量分前三的个股并引用其封板强度、异动段必须指出炸板次数异常或尾盘回封的样本、展望段只能基于梯队结构描述候选池且必须附带"不构成建议"的声明。模型在数字纪律下写作，幻觉率被压到可校验的水平。

```python
REVIEW_PROMPT = """你是短线复盘助理。基于涨停梯队数据写复盘，四段结构：
1) 梯队总览：各梯队规模与最高板（引用 count 与 lbc 数字）；
2) 质量点评：点名封板质量分最高的三只，各引用 seal_ratio；
3) 异动提示：炸板次数>=2 或尾盘回封的样本（引用 zbc、lbt）；
4) 明日候选：仅列结构特征（如"二板梯队中质量分前二"），
   附声明"数据复盘，不构成建议"。
红线：每个数字必须来自输入，禁止预测具体涨跌。

梯队数据：{ladder}"""

def generate_review(date: str) -> str:
    fp = f'{DATA_ROOT}/time/zdtgc/ztgc/{date}'
    ladder = build_ladder(fp)
    for lv in ladder:
        for m in ladder[lv]['members']:
            m.update(seal_quality(m))
    return llm.chat(REVIEW_PROMPT.format(ladder=json.dumps(
        ladder, ensure_ascii=False)))
```

上线两个月的运行数据：单日复盘耗时从人工四十分钟压缩到二十秒，覆盖度反而上升——人工复盘时首板梯队经常只扫一眼，机器给每只都算了质量分。人工终审时对叙事的采纳率粗估在八成以上，分歧集中在异动段的归因措辞上，这类分歧不影响结构判断。

三个工程提醒。其一，tj 涨停统计字段（x天/y板格式）与 lbc 偶有不一致，以 lbc 为准并做交叉校验，不一致样本降级到人工清单。其二，末日历效应要处理：长假前后的涨停池结构有系统性偏移，叙事模板里的展望段在节前要切换为节前模式，否则模型的候选描述会失真。其三，质量分的三因子权重（封板资金比、时间、炸板惩罚）每个季度要用复盘样本回校一次，权重漂移是这套系统最大的慢性风险。

这个助手让我们的复盘从劳动密集型变成了审核密集型——机器负责把每个数字算清、每个梯队排好，人只负责判断叙事是否抓住了结构。复盘的正确姿势本该如此：数字是算出来的，不是看出来的。

本文用到的数据接口：涨停股池 time/zdtgc/ztgc/加日期（字段 dm、mc、p、zf、cje、lt、hs、lbc、fbt、lbt、zj、zbc、tj）。数据底座为本地 ig50。

资料参考：ig50

[gitee开源地址](https://gitee.com/igtrade/ighub)
[github开源地址](https://github.com/ig50-service/ig50-official)


涨停复盘是短线研究里最枯燥也最不可省的功课：每天几十只涨停股，要按连板高度排成梯队、看清每个梯队的封板质量、再从首板里找明天的候选——人工做一套完整复盘要四十分钟起步，还常常漏细节。我们把这件事交给了 Agent：收盘后自动读取涨停池数据，构建梯队结构，由语言模型生成一份带数据锚点的复盘叙事。这篇文章拆解系统的三个关键环节——梯队结构化、封板质量量化、叙事生成约束——重点讲如何让 LLM 在严格的数字纪律下写复盘。

Agent驱动的涨停梯队解读助手用LLM从涨停池生成复盘叙事 IG50免费开源股票数据API接口

涨停复盘是短线研究里最枯燥也最不可省的功课：每天几十只涨停股，要按连板高度排成梯队、看清每个梯队的封板质量、再从首板里找明天的候选——人工做一套完整复盘要四十分钟起步，还常常漏细节。我们把这件事交给了 Agent：收盘后自动读取涨停池数据，构建梯队结构，由语言模型生成一份带数据锚点的复盘叙事。这篇文章拆解系统的三个关键环节——梯队结构化、封板质量量化、叙事生成约束——重点讲如何让 LLM 在严格的

人工智能

职业发展

新闻资讯

基于涨停池数据构建连板梯队，通过封板资金比、稳定性、换手率三维量化封板质量，以严格数字纪律约束LLM生成四段式复盘叙事。系统将人工40分钟复盘压缩至20秒，覆盖度提升且采纳率超八成，附数据接口与工程调优实践。

数据接口

代码解释

GitHub

Agent

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Agent驱动的涨停梯队解读助手用LLM从涨停池生成复盘叙事 IG50免费开源股票数据API接口-腾讯云开发者社区-腾讯云

Agent驱动的涨停梯队解读助手用LLM从涨停池生成复盘叙事 IG50免费开源股票数据API接口

Agent驱动的涨停梯队解读助手用LLM从涨停池生成复盘叙事 IG50免费开源股票数据API接口

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐