观潮锐评记：让 AI 从「改语气」到「做判断」，7 项数据增强 173 行代码

接上回：观潮出海记——美股支持上线，AAPL 和 TSLA 能分析了。

出海那天很兴奋，但第二天小龙虾做了一件事让我冷静下来——它读完了观潮的全部代码，然后问了一个问题：

"你的 LLM 分析股票时，到底看到了什么数据？"

"这不是 AI 分析，这是 AI 改作文"

答案让人尴尬。

观潮的分析链路是这样的：数据层拉 K 线 → 技术分析引擎算评分 → 模板叙事生成一段中文文本 → LLM 把这段文本"润色"成更自然的语气。

问题在于，LLM 拿到的只有三样东西：

1. 一段模板叙事文本（"威海广泰近5日偏弱，均线空头排列..."）
2. 一个评分数字（-82）
3. 持仓上下文（"4600股，成本¥8.75，浮盈+13.2%"）

它看不到新闻、看不到估值、看不到龙虎榜。PE/PB 字段写了但永远是 0。新闻数据明明拉回来了，但没人传给 LLM。get_lhb() 方法写好了，_analyze_stock_sync() 里根本没调。

用小龙虾的话说："LLM 润色 ≠ LLM 分析，它只是在改写模板叙事的语气，不是基于原始数据做独立判断。"

这就是一次代码审计的价值——你自己写的东西，你以为它在"分析"，其实它只是在"改作文"。

T1：先把存货用尽

最讽刺的发现是：很多数据代码已经写好了，只是没接到主分析流里。小龙虾把这些叫做"存货"——写好没用的代码比没写更浪费。

三项改动，一个下午：

龙虎榜接线。get_lhb() 方法一直在 data.py 里躺着，只是 _analyze_stock_sync() 的并发拉取里没调它。加一行 executor.submit(market_data.get_lhb, symbol) 就行——但 AKShare 更新了 API 签名，从 symbol 参数变成了日期范围查全市场再筛个股，多花了二十分钟做适配。

新闻喂 LLM。新闻数据明明在 news 变量里，polish_narrative() 的参数列表里就是没有它。加个 news 参数，在 prompt 里插入新闻标题列表，告诉 LLM"如有重大利好/利空务必提及"。

效果立竿见影。改之前，威海广泰的叙事是"近5日偏弱，均线空头排列"。改之后：

消息面倒是有些亮点，收购空港股权、获得国际奖项、无人机试飞成功，都算利好。

LLM 终于不是个"瞎子"了。

美股新闻。之前美股分析直接跳过了新闻（_skip_news = _is_us）。yfinance 的 ticker.news 是免费的，只是返回格式比较坑—— title 藏在 content.title 里面，不是顶层的 title 字段。一个 hotfix 解决。TSLA 分析里出现了"US jury finds Elon Musk misled Twitter shareholders"。

三个 fix 跟着三个 commit，T1 的教训是：第三方 API 永远在变，代码写好不代表能用，必须实际跑一遍验证。

T2：PE/PB 的惊喜

T2 的第一项是补基本面——PE/PB/ROE，小龙虾审计中标注的"最大缺口"。

原始规划是用 baostock 的 query_profit_data() 单独拉季报数据，预估 60 行代码。但我在验证数据质量时发现了一个惊喜：

# baostock K线查询，原来支持这些字段
rs = bs.query_history_k_data_plus(
    bs_code,
    "date,open,high,low,close,volume,pctChg,turn,peTTM,pbMRQ",
    ...
)

peTTM 和 pbMRQ 就在 K 线接口里。不需要额外请求、不需要新方法、不需要缓存策略——只要在查询字符串里多写两个字段名。

预估 60 行，实际改动 1 行查询字段 + 2 行列名映射 + 3 行 server.py 提取。PE 从永远的 0 变成了 24.07。

同一个 commit 里还顺手加了换手率（turn 字段），在技术分析里做了异常检测：换手率 >8% 配合方向判断是放量上攻还是主力出货，突然萧条（从 2% 跌到 0.5%）提示市场关注度下降。和已有的量比、OBV 形成三角交叉验证。

T2-3：从"改作文"到"做判断"

前面补的所有数据——新闻、PE/PB、换手率——最终都要汇聚到一个地方：LLM 的 prompt。

之前的 prompt 是这样的：

你是一位经验丰富的A股分析师，正在和朋友聊投资。
请将以下分析报告润色为更自然、更有"聊天感"的短评。
...
原始分析：
{template_narrative}

"请润色"——定位就是改语气。LLM 再聪明，你只给它一段文字让它改写，它也只能改写。

改造后的 prompt：

你是一位经验丰富的A股分析师，正在和朋友聊投资。
请基于以下数据和分析，输出一段自然的、有"聊天感"的投资短评。

要求：
- 基于结构化数据做独立交叉验证，不要只改写模板叙事
- 如果数据之间有矛盾（技术vs基本面、资金vs价格），要重点分析
...

结构化数据：
方向: 看空 | 综合评分: -82 (原始-77, 体制调整-5)
价格: 9.91 | 5日涨跌: -5.8% | 20日位置: 6%
均线: 空头排列 | MA5偏离: -1.3% | MA20偏离: -8.0%
动量: RSI 30 | MACD 死叉
量能: 量比 0.75x | OBV斜率 -0.839 | 换手率 0.9% (5日均 1.2%)
估值: PE(TTM) 72.1 | PB(MRQ) 5.12
布林: 位置 6% | ATR 0.39
体制: 熊市 — 趋势向下 | 建议仓位 ≤20%
冲突: 技术面看空但主力资金净流入（可能洗盘）

模板分析（供参考，不要照搬）：
{template_narrative}

关键变化："请润色"变成了"请基于数据做独立判断"，模板叙事从"原始分析"降级为"供参考，不要照搬"。

效果对比：

Before（T1 之后，有新闻但无结构化数据）：

威海广泰这两天确实有点难受，连续走弱跌了5.8%...消息面倒是有些亮点，收购空港股权...

After（T2-3，完整结构化数据）：

技术面这么空，主力资金却在悄悄吸筹，这可能是在洗盘。你8.75的成本还不错，现在浮盈13.2%，但我建议先减个20-30手锁定部分利润。原因是现在大盘还在熊市格局，反弹很可能是陷阱，而且这票PE72倍估值不算便宜。

区别一目了然：

• 会用 PE 判断估值了（"72倍不算便宜"）
• 会发现矛盾信号了（"技术面空但主力吸筹 → 可能洗盘"）
• 会给具体操作建议了（"减20-30手"，而不是笼统的"减仓"）
• 会结合体制做风险判断了（"大盘熊市，反弹可能是陷阱"）

这不再是"改作文"，是真正的"做判断"。

一个 bug 和一个教训

T2-3 上线后，小龙虾做了 re-review，给了 9.5/10。但它抓到了一个隐藏 bug：

# 我写的
f"MACD {'金叉' if _mom.get('macd_cross') == 'golden' else '死叉' if _mom.get('macd_cross') == 'death' else '无交叉'}"

# technical.py 实际返回的
macd_cross: "金叉" / "死叉" / "无"

我在用英文 golden/death 去匹配中文 金叉/死叉——永远匹配不上，LLM 看到的永远是"无交叉"。一个本应该在写代码时就发现的问题，因为两个模块之间的格式约定不一致，悄悄丢失了一个重要的技术指标。

修复只需要一行：

f"动量: RSI {_mom.get('rsi_14', 50):.0f} | MACD {_mom.get('macd_cross', '无')}"

教训很简单：数据从 A 模块流到 B 模块时，格式约定必须一致。不要在消费端硬编码生产端的值——直接用生产端返回的原始值。

173 行代码的全景

回看这一天的改动——5 个文件、173 行代码、8 个 commit：

最让我印象深刻的不是代码量，而是发现 baostock K 线自带 PE/PB 那一刻——最好的优化不是写新代码，而是发现数据就在手边只是没取。预估 60 行的改动变成了 1 行，这才是工程效率的真正体现。

下一步：回测引擎——用历史数据验证优化后的信号策略是否比优化前更准。173 行代码改了 LLM 的"视野"，但信号评分体系没变，胜率会不会因为新数据（换手率±5分）而提升？只有回测能给出答案。

观潮系列：诞生记 → 云端部署 → Dashboard + 信号 → 信号验证 → 出海记 → 锐评记