# Agent驱动的业绩预告追踪系统用LLM把预增公告翻译成简报 IG50免费开源股票数据API接口

业绩预告是财报季的前哨战：正式财报还没出，上市公司先把业绩的大致区间公告出来，预增、预减、扭亏、首亏，每个词都是市场资金立即定价的信号。问题在于量——一个披露季几千条预告，人工逐条读摘要既慢又容易漏。我们搭了一套 Agent 系统：每天自动拉取新披露的业绩预告，确定性代码算好增幅分档，语言模型把冷冰冰的公告摘要翻译成带背景的简报，人工只审终稿。这篇文章拆解系统设计与让 LLM 遵守数字纪律的实现细节。

数据源是业绩预告，本地接口 all/finyjyg/加年份_季度，按披露季返回全市场预告列表，字段包括：dm 代码、mc 名称、lx 类型（预增、预减、扭亏、首亏、续盈、续亏等）、ggrq 公告日期、bgq 报告期、yjzy 业绩预告摘要原文、qntq 上年同期每股收益、yjzf 业绩增幅区间。类型字段 lx 是天然的初筛维度，yjzy 摘要是 LLM 翻译的原料。

第一步，增量检测与初筛。系统每天跑一次，把 ggrq 晚于上次运行时间戳的记录标记为新披露，进入处理队列。初筛用确定性规则：lx 类型白名单（预增、扭亏、续盈为关注类，预减、首亏为风险类，全部保留但分开标记），qntq 与 yjzf 的数值解析交给代码，模型永远不做数字提取。

```python
import json
import re

def fetch_new_forecasts(quarter: str, since: str) -> list:
    """增量拉取新披露的业绩预告"""
    rows = json.loads(open(f'{DATA_ROOT}/all/finyjyg/{quarter}',
                           encoding='utf-8').read())
    fresh = [r for r in rows if r['ggrq'] > since]
    for r in fresh:
        r['bucket'] = classify(r['lx'])          # positive/negative/neutral
        r['growth_mid'] = parse_growth_mid(r['yjzf'])  # 增幅区间中值, 代码解析
    return fresh

def parse_growth_mid(yjzf: str) -> float:
    """从'172.2%~285.62%'这样的区间解析中值，解析失败返回 nan"""
    nums = re.findall(r'-?\d+(?:\.\d+)?', str(yjzf))
    return (float(nums[0]) + float(nums[-1])) / 2 if len(nums) >= 2 else \
           (float(nums[0]) if nums else float('nan'))
```

第二步，分层与优先级。同一披露季的几千条预告不能平等对待，编排层按三个维度排优先级：增幅分档（growth_mid 超过 100% 的高增档优先）、类型bucket、是否连续季度同向（连续两季预增的样本单独标记，持续性比单次爆发更值得关注）。排序后的队列决定了 LLM 简报的处理顺序，也控制了调用成本——低优先级的预告只入库不生成简报。

```python
def prioritize(rows: list) -> list:
    """按增幅分档与类型排定简报优先级"""
    def score(r):
        base = {'positive': 3, 'negative': 2, 'neutral': 1}[r['bucket']]
        boost = 2 if (r['growth_mid'] or 0) > 100 else 0
        return base + boost
    return sorted(rows, key=score, reverse=True)
```

第三步，LLM 翻译与数字纪律。简报的提示词把任务定义成"翻译"而不是"分析"：把摘要原文（净利润区间、变动原因）转写成三句话结构——业绩区间一句话、变动主因一句话、与研究视角相关的备注一句话。红线三条：所有数字必须逐字来自摘要原文、不预测股价、不用"建议"类词汇。生成之后校验器回查每个数字是否能在 yjzy 原文里找到，查不到的句子整句删除并记录降级日志。

```python
BRIEF_PROMPT = """你是财经简报编辑。把业绩预告摘要改写为三句话简报：
1) 业绩区间（数字逐字引用摘要）；
2) 变动主因（摘要给出的原因，不得自行推测）；
3) 备注（预告类型 {lx}，上年同期每股收益 {qntq}，增幅区间 {yjzf}）。
红线：不添加摘要之外的任何数字；不预测股价；不用建议类措辞。

摘要原文：{yjzy}"""

def make_brief(row: dict) -> str:
    raw = llm.chat(BRIEF_PROMPT.format(
        lx=row['lx'], qntq=row.get('qntq'), yjzf=row.get('yjzf'),
        yjzy=row['yjzy']))
    return verify_numbers(raw, row['yjzy'])      # 数字回查，违规句剔除
```

上线两个披露季的运行数据：单季预告全量处理在一小时内完成，简报的人工终审通过率约九成，降级重试主要发生在摘要写得含糊的样本上（比如原因只写"主营业务向好"的套话）。一个意外的收获是负向预告的风险简报反而最受欢迎——预减和首亏的摘要措辞往往更加模糊，LLM 强制引用原文数字的做法，恰好把那些藏在套话里的关键量（亏损区间上限）顶到了明面上。

三个工程提醒。其一，季度切换要处理：披露季交界时 all/finyjyg 的参数目录会新增，编排层按目录发现机制自动挂载新季度，避免硬编码年份。其二，同一公司可能多次披露修正预告，增量检测的键要用公司加报告期，修正公告必须覆盖旧简报而不是并存。其三，qntq 字段偶有缺失，简报备注里该栏显示"摘要未提供"，绝不要让模型补一个数。

这套系统让业绩预告从"披露季的新闻流"变成了"带优先级的每日简报"，人从读几千条公告变成审几百份稿子里的关键几十份。信息处理的第一性原理是把确定性的事交给代码，把理解性的事交给模型，把判断性的事留给人。

本文用到的数据接口：业绩预告 all/finyjyg/加年份_季度（字段 dm、mc、lx、ggrq、bgq、yjzy、qntq、yjzf、y、q）。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)


业绩预告是财报季的前哨战：正式财报还没出，上市公司先把业绩的大致区间公告出来，预增、预减、扭亏、首亏，每个词都是市场资金立即定价的信号。问题在于量——一个披露季几千条预告，人工逐条读摘要既慢又容易漏。我们搭了一套 Agent 系统：每天自动拉取新披露的业绩预告，确定性代码算好增幅分档，语言模型把冷冰冰的公告摘要翻译成带背景的简报，人工只审终稿。这篇文章拆解系统设计与让 LLM 遵守数字纪律的实现细节。

Agent驱动的业绩预告追踪系统用LLM把预增公告翻译成简报 IG50免费开源股票数据API接口

业绩预告是财报季的前哨战：正式财报还没出，上市公司先把业绩的大致区间公告出来，预增、预减、扭亏、首亏，每个词都是市场资金立即定价的信号。问题在于量——一个披露季几千条预告，人工逐条读摘要既慢又容易漏。我们搭了一套 Agent 系统：每天自动拉取新披露的业绩预告，确定性代码算好增幅分档，语言模型把冷冰冰的公告摘要翻译成带背景的简报，人工只审终稿。这篇文章拆解系统设计与让 LLM 遵守数字纪律的实现细

人工智能

大数据

后端

基于LLM的Agent系统实现业绩预告自动追踪：增量抓取公告、确定性代码解析增幅区间、分层优先级排序，再经语言模型生成带背景的三句简报，所有数字逐字回查原文防幻觉。单季千条预告小时级处理，人工终审通过率约九成，负向风险预告尤具价值。

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驱动的业绩预告追踪系统用LLM把预增公告翻译成简报 IG50免费开源股票数据API接口-腾讯云开发者社区-腾讯云

Agent驱动的业绩预告追踪系统用LLM把预增公告翻译成简报 IG50免费开源股票数据API接口

Agent驱动的业绩预告追踪系统用LLM把预增公告翻译成简报 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