Openclaw-data-china-stock market-sentinel

市场情绪哨兵，聚合涨停/资金/北向/板块四源，输出综合评分、阶段判定与反证（非交易指令）。

install

source · Clone the upstream repo

git clone https://github.com/shaoxing-xie/openclaw-data-china-stock

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/shaoxing-xie/openclaw-data-china-stock "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/market-sentinel" ~/.claude/skills/shaoxing-xie-openclaw-data-china-stock-market-sentinel && rm -rf "$T"

OpenClaw · Install into ~/.openclaw/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/shaoxing-xie/openclaw-data-china-stock "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/market-sentinel" ~/.openclaw/skills/shaoxing-xie-openclaw-data-china-stock-market-sentinel && rm -rf "$T"

manifest: skills/market-sentinel/SKILL.md

source content

Market Sentinel

职责边界：本 Skill 只做「四源情绪证据 → 综合分、阶段、反证、置信带」的聚合与解释；不提供异动扫描清单、不提供具体买卖/加减仓/杠杆建议、不替代

market-scanner

的时段监控与事件窗输出。

与

market-scanner

：要找「今日谁涨得猛、板块异动、盘前/盘中扫描」用
market-scanner
；要「整体情绪阶段、能否重仓的框架判断（非指令）」用本 Skill。

错误用法示例（反例）

错误：用本 Skill 输出直接下单或设止损价。正确：仅作环境判断，交易决策须由用户策略与合规流程承担。
错误：把「涨停家数多」单独当成重仓依据而忽略资金流与北向反证。正确：必须四工具并行拉齐证据，并在
```
risk_counterevidence
```
中写明矛盾点。
错误：在
```
market-scanner
```
已给出异动列表后，又用本 Skill 重复要「今日热点板块排名」。正确：板块排名类扫描交给
```
market-scanner
```
；本 Skill 读板块结构子分数即可。

目标

在单日或短回溯窗口内，对 A 股市场情绪做可解释的综合评估：综合分、阶段标签、主导因子与风险反证；不替代扫描类 Skill。

输入

用户问题（可含
```
date
```
、
```
lookback_days
```
、
```
risk_mode
```
）
四类情绪工具返回的结构化证据

输出（固定结构）

综合分与阶段（0–100 分 + 冰点/修复/高潮/退潮/震荡/混沌）
子项分数与主导因子归因
数据完整性比例与（如有）降级说明
行动倾向框架与置信带

强制规则

必须并行调用四个依赖工具（异步/并发），禁止为省事串行阻塞；聚合结果可按
```
config/market-sentinel_config.yaml
```
的短 TTL 缓存复用。
核心证据不足以支撑结论时，输出
```
insufficient_evidence
```
并说明缺失项。
禁止输出具体买卖点、仓位比例、杠杆建议。
权重、
```
risk_mode
```
、动态调权规则与阶段阈值仅从
```
config/market-sentinel_config.yaml
```
读取。

依赖工具

```
tool_fetch_limit_up_stocks
```
```
tool_fetch_a_share_fund_flow
```
```
tool_fetch_northbound_flow
```
```
tool_fetch_sector_data
```

通用输出字段

```
overall_score
```
```
sentiment_stage
```
```
sub_scores
```
```
factor_attribution
```
```
data_completeness_ratio
```
```
action_bias
```
```
risk_counterevidence
```
```
confidence_band
```
```
degraded
```