UZI-Skill：用 Agent 做股票深度分析

UZI-Skill 是一个股票分析类 Agent Skill 。它把数据采集、估值建模、投资风格评审和报告生成放到一条流程里，输入一只股票，就能生成一份可打开的 HTML 分析报告。

它覆盖 A 股、港股、美股。仓库当前是 Python 项目，MIT 协议，GitHub 上接近 2k stars 。项目定位很明确：不是做行情软件，也不是只让模型写几段泛泛评论，而是让 Agent 调工具、跑数据、出结构化报告。

适合三类人试用：

想快速看一只票，不想在多个网站之间来回查数据
想把 DCF 、同行对比、龙虎榜、杀猪盘检测放进同一个分析流程
想测试“金融分析 Skill”在 Claude Code 、 Codex 、 Hermes 、 Cursor 、 Gemini CLI 里的实际效果

这类工具不能替代投资判断，也不构成投资建议。它更适合作为研究起点：先把资料、模型和分歧摆出来，再由人决定要不要继续深挖。

它能做什么

UZI-Skill 的核心输出是一份股票分析报告。报告里会包含综合评分、核心结论、关键风险、估值区间和后续观察点。

它的流程大概分成几层：

采集 22 个维度的数据，比如行情、财务、估值、同业、资金流、龙虎榜、政策、事件、舆情
跑机构分析方法，比如 DCF 、 Comps 、 LBO 、三表预测、 IC Memo 、催化剂日历
让不同投资风格的评审团给出判断，比如价值派、成长派、宏观派、技术派、中国价投、 A 股游资、量化派
最后生成 HTML 报告、分享图和简短摘要

这个项目比较有意思的地方，是它把“投资风格差异”做进了评审环节。比如同一只股票，价值派可能看 ROE 和安全边际，游资会看题材热度、龙虎榜、板块辨识度，量化派会看动量和因子。

这种设计的好处是，报告不会只给一个单调结论，而是能把分歧呈现出来。

如果多空分歧很大，报告会把冲突单独展示。对股票研究来说，这比一个简单的“买入 / 卖出”更有用。分歧本身就是信息：它告诉你市场到底在争什么。

安装方法

最稳妥的方式是先按你使用的 Agent 环境来装。

Claude Code

/plugin marketplace add wbh604/UZI-Skill
/plugin install stock-deep-analyzer@uzi-skill

装好后，用带命名空间的命令更稳：

/stock-deep-analyzer:analyze-stock 贵州茅台
/stock-deep-analyzer:quick-scan 002217
/stock-deep-analyzer:scan-trap 002217
/stock-deep-analyzer:dcf 600519

Hermes

Hermes 当前可能会被 Skills Guard 误判拦截。仓库提供了一键安装脚本，直接绕过 Hub 扫描，把 4 个 skill 用 symlink 放到本地 skills 目录：

curl -fsSL https://raw.githubusercontent.com/wbh604/UZI-Skill/main/install-hermes.sh | bash

也可以 clone 后手动安装：

git clone --depth 1 https://github.com/wbh604/UZI-Skill.git ~/UZI-Skill
mkdir -p ~/.hermes/skills
for s in deep-analysis investor-panel lhb-analyzer trap-detector; do
  ln -sfn ~/UZI-Skill/skills/$s ~/.hermes/skills/$s
done
"$HOME/.hermes/venv/bin/pip" install -r ~/UZI-Skill/requirements.txt

重启 Hermes 后，在 /skills 里应该能看到：

deep-analysis
investor-panel
lhb-analyzer
trap-detector

验证命令：

/analyze-stock 600519.SH --depth lite

报告通常会生成到：

~/.hermes/skills/deep-analysis/scripts/reports/<ticker>_<date>/full-report-standalone.html

CLI 直用

如果不想接 Agent，也可以直接跑 Python：

git clone https://github.com/wbh604/UZI-Skill.git
cd UZI-Skill
pip install -r requirements.txt
python run.py 贵州茅台

也可以输入代码：

python run.py 600519
python run.py 00700.HK
python run.py AAPL

常用命令

日常使用建议先从三个命令开始。

快速看一眼：

python run.py 600519 --depth lite --no-browser

标准分析：

python run.py 600519 --depth medium --no-browser

深度研究：

python run.py 600519 --depth deep

三档差异比较清楚：

lite：适合临时扫一眼，速度快，维度少
medium：适合日常研究，完整度和耗时比较平衡
deep：适合认真看一只票，耗时更长，会加入更多模型和辩论

如果只想看某一个专项，可以用这些命令：

/stock-deep-analyzer:quick-scan 002217
/stock-deep-analyzer:dcf 600519
/stock-deep-analyzer:comps 002273
/stock-deep-analyzer:earnings 002273
/stock-deep-analyzer:catalysts 002273
/stock-deep-analyzer:ic-memo 002273
/stock-deep-analyzer:scan-trap 002217

如果你只关心游资视角，可以锁定 F 组：

python run.py 002217 --school F --no-browser

F 组会偏向短线生态：板块热度、龙虎榜席位、封板质量、辨识度、是否在游资射程内。

龙虎榜和杀猪盘检测

UZI-Skill 里有两个很适合 A 股场景的子 skill 。

第一个是 lhb-analyzer，用来分析龙虎榜。它会尝试识别买卖席位，判断机构和游资谁在主导，并对照同板块个股看辨识度。

适合这样问：

最近龙虎榜怎么样？
谁在买这只票？
赵老哥有没有上榜？
这是不是游资票？

第二个是 trap-detector，用于排查杀猪盘特征。它不是保证安全的工具，但可以把一些高风险信号集中列出来，比如异常拉升、资金结构不稳、舆情突然升温、成交异动等。

适合这样用：

/stock-deep-analyzer:scan-trap 002217

DCF 和机构模型

如果只看短线，很多指标会被情绪盖住。 UZI-Skill 也保留了机构模型部分，比如 DCF 、同行对比、 LBO 、三表预测、 IC Memo 。

DCF 专项可以这样跑：

/stock-deep-analyzer:dcf 600519

如果要做投委会材料，可以试：

/stock-deep-analyzer:ic-memo 600519

这些模型默认会用一组基础假设。实际使用时，不要直接把模型结果当答案。更合理的做法是看假设是否适合这家公司：增长率、折现率、终值增速、同行选择，都会影响结论。

使用时的几个注意点

第一，股票名识别可能出错。遇到同名公司、 ETF 、 LOF 、可转债时，最好直接输入代码。

第二，首次安装后依赖可能不全。最常见的问题是缺少 akshare，可以重新跑：

pip install -r requirements.txt

Hermes 环境下则用：

"$HOME/.hermes/venv/bin/pip" install -r ~/UZI-Skill/requirements.txt

第三，网络环境会影响数据质量。部分数据源在不同地区可用性不同。如果抓取不稳定，可以先用 lite 模式，或者配置可选数据源：

MX_APIKEY=your_miaoxiang_key
TUSHARE_TOKEN=your_tushare_token

第四，报告要看“证据链”，不要只看分数。分数只是入口，关键是它为什么这么打分：财务数据、估值假设、龙虎榜、行业事件、评审团分歧，这些才是需要人继续判断的部分。

适合怎么用

我更建议把它当成一个“股票研究启动器”。

先用 lite 快速扫，再用 medium 看完整报告。如果一只票值得继续研究，再用 deep 跑更长流程。短线票可以加看龙虎榜和游资视角，长线票可以重点看 DCF 、同行对比和风险部分。

这套工具的价值不在于替你下单，而在于把大量分散资料先整理出来。人再拿着这些资料继续验证，比从零开始查要省很多时间。

来源：https://github.com/wbh604/UZI-Skill