UZI 股票深度分析引擎
输入股票代码，一键生成由 66 位虚拟投资大佬打分、覆盖 22 维数据与 17 种机构方法的 Bloomberg 风格 HTML 报告。
证据显示有明确的角色边界（agent 不编造数字、需用户确认的 --remote 操作、数据缺口透明标注），且大量使用公共数据源、不强求 API key。但权限和隔离不完整：脚本大量读取环境变量（部分可能是敏感配置）、存在自动安装依赖和 curl 脚本执行（虽有说明，但可能超出最小权限）、缺少明确的沙箱隔离或回滚机制。此外，Hermes 扫描器曾报告 168 个安全发现（尽管项目解释为误报，但无法静态验证）。因此给予 15 分，扣除部分分数因为权限管理、沙箱隔离和第三方安全验证不足。
提供大量自述的测试（声称 332 或 642 个 pytest），但静态审阅中仅能确认部分测试文件存在，且测试覆盖的是渲染器、基础抓取器等内部组件，并非完整的端到端关键路径。主要脚本 run.py 的依赖（akshare、yfinance 等）和网络依赖（多个数据源）可能导致运行不稳定，但项目提供了多源 fallback 机制。错误提示设计较好（明确提示网络问题、数据缺口处理）。但无法验证实际运行成功，因此仅给予 8 分。
适用场景和用户群体非常清晰（A股/港股/美股分析），支持中文数据源和大陆网络环境的 fallback（如 pip 镜像）。触发条件明确（通过 /stock-deep-analyzer 命令或自然语言），且提供了三档深度模式和 --school 等参数。但能力边界（如对财务数据准确性的限制）并未完全声明，且部分功能强依赖海外服务（如 yfinance 抓美股）在大陆可能受限，虽有备选但未完全证明。因此给予 12 分。
文档结构非常完善：有 AGENTS.md、CLAUDE.md、CODEX.md、README、更新日志、BUGS-LOG、版本号（v3.9.2）、MIT 许可证、作者和维护者信息（FloatFu-true）。有版本管理（.version-bump.json）和安装说明。但存在少量版本不一致（如 package.json 描述中写 51 位评委，但 SKILL.md 声称 66 位），且缺少明确的更新日志文件（RELEASE-NOTES.md 未在提供文件中）。因此给予 12 分。
价值主张明确（生成 22 维分析报告和 HTML），且提供了具体的产物（如 DCF 敏感性表、IC memo）。但无法验证实际输出质量，且工作流高度依赖 agent 介入（如 role-play 66 评委），可能引入主观性。替代方案（如直接使用其它工具）未明显提及，边际价值有限。因此给予 6 分。
提供了测试文件（如 test_all_renderers.py）但未看到测试执行结果，且无 CI 配置。关键声明（如“685 tests 全过”）无法独立验证。第三方证据（如 Hermes 扫描报告）虽提及但未提供具体链接，且多为项目自述。因此仅给予 4 分。
- 核心功能依赖多个外部数据源（东财、雪球、akshare 等）和网络，运行稳定性受限于数据源可用性；在中国大陆或海外容器中表现可能不一致，建议充分测试。
- 工作流中要求 agent 自行 role-play 66 位投资者并写入 agent_analysis.json，存在主观性风险，可能导致报告偏差。
- 存在自动安装依赖、执行远程脚本（如 install-hermes.sh）和 --remote 启动 Cloudflare Tunnel 等行为，请确保用户明确授权。
- 项目被 Hermes 扫描器报告 DANGEROUS（168 findings），虽作者称全部为误报，但建议在使用前仔细审查代码或选择更成熟的选择。
- 部分功能（如社交热榜抓取微博、知乎等）可能违反相关平台条款，请谨慎使用。
这个 Skill 能做什么，适合哪些场景？
UZI-Skill 是一个针对 A 股、港股和美股的个股深度分析技能。它以 Python 脚本为工具，自动采集 22 个维度的数据（行情、财报、龙虎榜、社交热榜等），调用 DCF、Comps、LBO 等 17 种机构分析方法，并模拟 66 位不同风格的投资大佬（从巴菲特到游资）进行打分和评论。最终产出自包含的 HTML 报告、分享卡片和文本摘要。所有操作在用户本地执行，全部使用免费数据源，无需 API key。当前版本 v3.9.2，由 FloatFu-true 维护，采用 MIT 许可证。
读取用户输入的股票代码（如 600519 或 贵州茅台），通过 Python 脚本运行多阶段管道：先并行抓取 22 个维度的数据（实时行情、历史财报、K 线、龙虎榜、行业对比、社交热榜等），然后执行 DCF 估值、同行对比（Comps）、LBO、三表预测等机构建模，再由规则引擎和 agent 模拟 66 位投资者进行打分与评论。最终生成包含评分、多空辩论、评委投票、DCF 敏感性热力图、IC 备忘录等内容的 HTML 报告，同时输出一张朋友圈竖图和一段文字摘要。支持命令行参数如 --school 限定流派、--versus 多股对比、--portfolio 组合分析、--remote 生成公网链接。
- 个人投资者在买入前想快速了解一只 A 股的基本面、估值和风险，例如输入‘贵州茅台’等待 5-8 分钟获取完整分析报告。
- 投资者想从特定流派视角审视某只股票，比如使用 ‘--school F’ 只看游资（hot money）的短炒判断。
- 用户需要一份可分享的机构风格报告，例如分析师要用 HTML 报告向同事展示 DCF 估值和敏感性分析。
- 投资者想检查一只被推荐股票的‘杀猪盘’风险，调用 scan-trap 快速排查异常信号。
- 基金经理要对比 2-4 只股票的强弱，使用 ‘--versus’ 功能生成横向对决报告，或上传 CSV 分析整个组合的健康度。
这个 Skill 有哪些优点和局限？
- 完全免费数据源，零 API key，适合预算有限的个人投资者。
- 覆盖 A 股、港股、美股，多市场通用。
- 深度分析结果丰富：22 维数据、17 种机构方法、66 位模拟评委，报告专业美观。
- 提供多种深度档位（lite/medium/deep），用户可根据时间需求选择。
- 社区活跃，持续更新（v3.9.2 为最新版），并有详细更新日志。
- 依赖多个第三方数据源，部分源（如东方财富）可能被反爬，需要 MX_APIKEY 或 fallback 链。
- 脚本运行时间较长：完整分析需 5-8 分钟，深度模式 15-20 分钟。
- 模拟评委基于规则引擎和 agent 判断，不代表真实投资者观点，不构成投资建议。
- 某些数据源（如雪球实盘组合）需要登录才能访问，默认为跳过状态。
- 网络受限环境下（如海外访问国内数据源）可能较慢，需要额外配置。
如何安装这个 Skill？
支持多种 agent 安装方式，例如在 Claude Code 中执行：/plugin marketplace add wbh604/UZI-Skill 然后 /plugin install stock-deep-analyzer@uzi-skill。或直接使用 git clone 并安装依赖：git clone https://github.com/wbh604/UZI-Skill.git && cd UZI-Skill && pip install -r requirements.txt。对于 Hermes 用户，由于上游 Skills Guard 误判，需使用一键脚本：curl -fsSL https://raw.githubusercontent.com/wbh604/UZI-Skill/main/install-hermes.sh | bash。具体安装步骤以 README 为准。
如何使用这个 Skill？
在 agent 中直接发送命令，例如：/stock-deep-analyzer:analyze-stock 贵州茅台。常用命令包括：/stock-deep-analyzer:quick-scan 002217（30秒速判）、/stock-deep-analyzer:scan-trap 002217（杀猪盘排查）、/stock-deep-analyzer:dcf 600519（DCF估值）。也支持 CLI 直跑：python3 run.py <ticker> --no-browser。更多选项（如 --depth lite/deep、--school A-I）可参考 README。
这个 Skill 与同类方案有什么区别？
与 Anthropic 的 financial-services-plugins 相比，UZI-Skill 专门适配了 A 股市场，使用免费数据源，而 Anthropic 的插件主要面向美股且需要付费数据。