这一章跟着一只股票走完全程：从「今天该不该跑」开始，到数据、指标、新闻、Prompt、模型、守卫、落库、推送。每一站都告诉你它为什么存在，以及失败时会发生什么。
先记住一个判断
DSA 的可靠性不来自「模型很聪明」，而来自把不确定性切成很多小段，每段都允许降级。行情失败用收盘价，基本面超时用缺失标记，模型 JSON 坏了换模型，结论太激进用规则压回来。整条链路的设计哲学是：不追求完美输入，只追求可解释的次优输出。
全景：八站流水线
这条线由 StockAnalysisPipeline.analyze_stock() 串起来，外层是 run() 的线程池与批次调度。下面按站点拆解。
预检：今天该跑吗？这只股票能跑吗？
流水线真正开始前，先做三件「不产生分析内容、但决定是否继续」的事：
按股票所属市场查交易所日历。A 股休市就跳过 A 股，港股、美股各自判断；--force-run 可强制。指数并入 cn 市场语义。
如果 SQLite 里已经有该股票当日行情，抓数步骤可以直接跳过；整轮运行会冻结一个「目标交易日」，避免跨零点时前后数据日期不一致。
代码、名称、市场、资产类型（股票/指数/ETF）被解析成结构化目标。裸 6 位默认股票，显式指数才会进入指数路径。
失败会怎样
交易日不匹配 → 跳过该股票并记录原因；股票列表为空 → 整轮失败并写 empty_stock_list；单个代码解析失败 → 只影响该目标，不阻断同批其他股票。
取数：把「现在」和「过去」都拿到
一只股票需要四类输入。它们来自不同供应商，失败策略也不同：
| 数据 | 用途 | 失败策略 |
|---|---|---|
| 实时行情 | 盘中最新价、涨跌幅、量比，替换最后一根日线 | 失败退回最近收盘价，并标注数据来源 |
| 近 90 天日线 | 均线、MACD、RSI、支撑压力、历史对比 | 多源降级；仍失败则该股无法分析 |
| 筹码与资金 | 获利盘、集中度、主力资金流 | 不支持/超时 → 字段标记缺失，继续 |
| 基本面 | 财务快照、估值、板块归属、公司事件 | 独立预算（默认约 8 秒），超时降级 |
日线通常已落库，所以这里同时承担「增量更新」职责：先查当天是否已有数据，没有才走网络。数据源的选择与降级细节见数据源与降级。
失败会怎样
实时价失败不是致命错误；日线失败会触发多源切换；基本面超时会留下「数据缺失」标记，Prompt 会明确告诉模型「这块没有」，而不是让模型自由发挥。
指标：先算出一份确定性观点
StockTrendAnalyzer 用 pandas/numpy 计算均线、MACD、RSI、乖离率与量能，输出趋势状态、买入信号、0–100 的技术分和风险因素。这个分数不依赖 LLM，是模型之外的第二意见。
| 维度 | 分值 | 看什么 |
|---|---|---|
| 趋势 | 30 | 均线排列、MA20 方向、趋势强度 |
| 乖离率 | 20 | 离 MA5/MA10/MA20 的距离，MA5 阈值默认 5% |
| 量能 | 15 | 量比、放量/缩量、与均量比较 |
| 支撑 | 10 | 价格与均线/关键位的距离 |
| MACD | 15 | 金叉/死叉、零轴位置、柱体变化 |
| RSI | 10 | 超买超卖、多周期一致性 |
总分映射为买入信号（强买/买入/观望/卖出等）。盘中可选「实时价叠加」：把最后一根收盘价替换为最新价，让均线更贴近当下；代价是数据未收盘，稳定性略差。
为什么先算指标，再让 LLM 分析？
因为 LLM 对数字的敏感度不稳定。先把均线、MACD、RSI、乖离率算成明确的结构化字段，再喂给模型，模型的任务从「计算」变成「解释与综合」。这是降低幻觉的关键工程手段。
情报：给模型一双看新闻的眼睛
新闻不是「越多越好」，而是「越相关越好」。系统会围绕股票名称、代码、行业与事件，最多发起约 5 组检索，把新闻、公告、舆情汇总成情报上下文；可选接入社交舆情（如 Reddit/X/Polymarket，部分市场）。
- 命中的新闻会落库，后续可以复用，避免每轮重复抓取。
- 没有配置搜索源时不会报错，只是情报为空——报告的风险与催化部分会更保守。
- 新闻内容会作为「外部证据」进入 Prompt，并在某些路径里参与证据约束，减少模型凭空编造催化。
失败会怎样
搜索服务不可用 → 跳过情报，报告仍能生成；单条新闻抓取失败 → 丢弃该条；社交舆情未配置 → 不进入上下文。整个阶段是 fail-open 的。
上下文：把「一只股票」放进「今天的市场」
只看个股很容易误判：大盘暴跌时，再漂亮的多头排列也可能被砸穿。上下文装配会把至少五层信息拼在一起：
市场阶段
盘前、盘中、午休、收盘竞价、盘后。盘前不能假装知道今天怎么收盘。
当日大盘上下文
指数涨跌、市场宽度、板块强弱，给个股一个「背景板」。
市场结构
龙头、题材、资金风格；没有成分股证据时，不允许模型宣称「龙头」。
上下文包
把技术面、基本面、情报、数据质量打包成结构化摘要，控制长度与优先级。
这些片段不是简单拼接，而是各自带 schema 版本与质量状态。旧版本或 not_supported 的块会被跳过，避免脏数据污染 Prompt。
Prompt 的本质是「有损压缩」
90 天日线不可能全塞进去，必须压缩成均线、MACD、关键位、量能与结论。压缩得好，模型抓重点；压缩得差，模型只能猜。上下文包的工程价值就在这里。
LLM：按 JSON 契约生成决策仪表盘
分析器把系统提示词、行情表、技术指标、筹码、新闻、市场阶段拼成一条完整请求，要求模型返回严格 JSON。请求不是一次性的：
主模型 + 回退模型依次尝试；主模型超时、限流、JSON 不合法都会切下一个。
优先流式，能更早发现空响应；流式失败可退回非流式。
先提取 JSON 对象，用 json-repair 修常见格式问题；再做最小契约校验（关键字段是否齐全）。
完全无法解析时走文本解析，给一个保守分数并标记 success=False；这类结果不会作为正常分析落库。
模型输出包含六大块：核心结论、数据透视、情报、作战计划、阶段决策、信号归因。每个字段都有枚举或格式约束，方便前端、通知与 DecisionSignal 复用。
失败会怎样
所有模型都失败 → 该股分析失败，但同批其他股票继续；JSON 缺字段 → 有完整性重试，仍缺则用占位文本而不是崩溃；模型只返回散文 → 文本解析保底，但可信度下降。
守卫：让结论「落地」而不是「飘着」
这是 DSA 与其他「把股票数据丢给 GPT」的项目最不一样的地方。模型给出结论后，至少还有四道确定性检查：
| 守卫 | 检查什么 | 典型动作 |
|---|---|---|
| 结构守卫 | 现价相对支撑/压力的位置：破位 <0.985、近支撑 ≤1.03、突破 >1.01、近压力 ≥0.97 | 在压力位附近买入但资金没流入 → 降为持有/观望；在支撑位附近卖出但无重大风险 → 降为持有 |
| 阶段守卫 | 盘前/盘中/收盘竞价/盘后，能说什么 | 盘前不允许编造当日走势；数据 stale 时不允许高置信度 |
| 大盘守卫 | 当日市场上下文与个股结论是否冲突 | 大盘系统性风险下，压低激进买入 |
| 评分校准 | 持有/观望的分数区间 | 把 hold/watch 分数夹到 45–59，避免「观望 85 分」这种自相矛盾 |
买入还要看资金流：没有资金流入的「突破」会被降级，资金流出且未突破的「强势」也会被降级。这些规则不保证赚钱，但能显著减少「模型被一根阳线冲昏头」的概率。
一句话理解
LLM 负责写「分析稿」，守卫负责当「风控编辑」。稿件可以精彩，但不能越过红线。
交付：落库、报告、信号与推送
分析成功后，系统会做四件事：
- 写历史：整份结果序列化进
analysis_history，Web、回测、历史对比都从这里读。 - 抽信号：把结论转成
DecisionSignal，带动作、评分、周期、入场区间、止损、目标价与过期时间。 - 生成报告：默认在通知层拼装 Markdown；开启
REPORT_RENDERER_ENABLED时使用 Jinja2 模板按平台渲染。 - 推送：按渠道能力分片、降噪、转图片，再逐个发送；单个渠道失败不影响其他渠道。
批量模式下，单股报告会先汇总成「决策仪表盘」，再与大盘复盘合并推送；同时本地 reports/ 会保留一份 Markdown。
失败会怎样
落库失败 → 标记 report_save_failed；所有通知渠道失败 → 报告仍在本地；某个渠道超时 → 状态记为 partial_failed，其他渠道照常。
报告长什么样：六个问题，一份答案
一份完整报告本质上在回答六个问题：发生了什么？证据是什么？结论是什么？在哪里买/卖？风险在哪？下一步做什么？ 对应到结构大致是：
| 报告区块 | 回答的问题 | 谁消费 |
|---|---|---|
| 摘要与评分 | 这只股票今天值不值得看？ | 推送首屏、仪表盘 |
| 情报速览 | 有什么新闻、业绩、催化、风险？ | 人、后续追问 |
| 核心结论 | 买/卖/观望，理由是什么？ | 决策信号、回测 |
| 数据透视 | 行情、均线、量能、筹码怎么组合？ | 人、调试 |
| 作战计划 | 狙击点、止损、目标、检查清单 | 实际执行 |
| 信号归因 / 历史对比 | 为什么是现在？和上次有什么不同？ | 复盘、策略改进 |
评分不是「上涨概率」
统一的五档刻度是：80–100 强烈买入、60–79 买入、40–59 观望、20–39 减仓、0–19 卖出。它衡量的是「当前证据下建议动作的强度」，不是「明天涨的概率」。把它当概率用，是初学者最常见的误读。
DecisionSignal：把「观点」变成「可追踪的承诺」
报告是给人看的，信号是给系统追踪的。每份分析会抽取一条结构化信号，核心字段包括：动作、评分、持有周期、入场区间、止损价、目标价、过期时间、来源报告。它有三个好处：
- 可回测：过期后可以对照真实价格，评估这次建议是否有效。
- 可告警：价格触发入场/止损时，告警中心可以通知你。
- 可复盘：同一只股票的历史信号形成一条决策轨迹，而不是散落在聊天记录里。
注意「会过期」是特性不是缺陷。三天前的买入区间，今天可能已经完全失效；不设过期时间的信号，等于鼓励你刻舟求剑。
批量与并发：三只股票同时跑，但不互相拖累
默认 MAX_WORKERS=3，这是一个刻意的保守值：数据源大多免费或有限流，并发太高容易触发封禁。批量执行时：
- 每只股票独立处理，单只异常被捕获，不影响同批其他结果。
- 股票数量较多时会尝试批量预取行情，减少重复请求。
- 进度通过回调上报，Web 端用 SSE 实时显示，不必轮询。
- 成功结果才会进入汇总与推送；失败结果会出现在日志与诊断里。
并发调高不是「更快更好」。如果你的数据源是 Tushare 这类有明确频率限制的服务，贸然开 10 个线程只会让整批一起限流。
失败学：一份「不会全军覆没」的清单
| 如果…… | 系统会…… | 你该…… |
|---|---|---|
| 某个数据源挂了 | 按优先级切下一个，连续失败 3 次熔断 5 分钟 | 看数据质量页，必要时配更强数据源 |
| LLM 超时 | 切回退模型；仍失败则该股失败 | 降低并发、换更稳的模型或缩短 Prompt |
| JSON 不合法 | json-repair → 契约校验 → 完整性重试 → 文本兜底 | 看日志里的模型名与错误类型 |
| 盘中进程重启 | 已落库的当日数据可跳过抓取；目标交易日冻结 | 直接重跑，通常能续上 |
| 定时任务重复触发 | 文件锁 / 原子认领尽量保证至多一次 | 确保只有一个调度入口与共享数据库 |
模型给出「买入」，但现价已经非常接近压力位，且资金流没有明显流入。结构守卫最可能做什么？