夜雨聆风Agent · A股全栈数据 · 27个端点 · 13数据源 · 零第三方封装依赖
—— simonlin1212/a-stock-data 是一个专为 AI 编程助手
设计的自包含 Skill 文件，把散户/研究员需要的 A 股市场
数据（行情、研报、龙虎榜、资金流、公告等）统一封装成
27 个可直接调用的接口。AI 助手只需一句自然语言就能
拉取数据，无需记忆各家 API 的鉴权参数、风控阈值和
URL 拼接方式。
散户和研究员的数据困境
想在 AI 对话里查一只 A 股的龙虎榜、估值或研报， 你面临什么？首先，mootdx 的 K 线参数、东财 PDF 的 Referer 头、iwencai 的 X-Claw 鉴权都需要逐一配置。 其次，东财接口有严格风控（每秒 >5 次即封 IP）， 而通达信和腾讯的接口却零风险但被多数教程忽略。 更麻烦的是，akshare 这类封装库时常因为底层 API 改版 导致整个调用链路断裂——淘宝双十一级别的流量变动 在东财 API 上可能只因为 Referer 头变了就报 403。
a-stock-data 的作者 Simon 林自己也踩过这些坑：
V3.2.2 版本修复的两个 Issue 很典型——百度 PAE
getrelatedblock 接口返回空数组、601xxx 开头的股票
（平安、工行、中石油）查巨潮公告永远返回 0 条记录。
这些问题不是代码 bug，而是上游数据源的无征兆变更。
目标用户很明确：在 AI 辅助下做 A 股投研的个人投资者、 量化研究员、以及需要快速验证股票假设的产品经理。 你不需要掌握任何数据源鉴权知识，只需要把你的 AI 助手 配置好这个 Skill 文件，然后说出「帮我看看 688017 的估值」 或「当前哪些行业在资金流入」即可。
五分钟上手：从安装到第一句查询
安装过程极其简洁。创建目录，下载一个 SKILL.md 文件， 安装三个 pip 包（mootdx、requests、pandas、stockstats）， 总计不到 2 分钟。兼容 Claude Code、Codex 和 OpenClaw， 也支持手动粘贴到任意 AI 编程助手的系统 prompt 中。
样例一：个股估值 说出「帮我估一下 688017，给我 PE / PEG / 消化时间」。 AI 自动调用腾讯财经接口获取实时估值（PE/PB）， 再走同花顺一致预期接口拉取机构预测 EPS， 计算前向 PE 和 PEG，整个过程约 30 秒返回一份 带数字的估值简报。关键词触发点：估值、一致预期、 PEG、PE 消化年数。
样例二：题材归因与概念板块
问 AI「最近哪些股票走强，主要是什么题材」。
AI 调用同花顺热点接口获取当日强势股及题材标签
（编辑部人工标注的 reason tags），再调东财 slist
一次拉全每只股所属的行业/概念/地域板块，
包含 BK 码、当日涨跌幅和龙头股。
V3.2.2 把板块归属从失效的百度 PAE 切到了东财，
一次请求拿全所有结果。
样例三：完整调研流程 说「帮我调研一下新标的三七互娱（002555）」。 AI 依次执行：机构研报覆盖检查 -> 一致预期估值 -> 概念板块归属 -> 资金流向（主力/散户分钟级）-> 龙虎榜近况 -> 未来 90 天解禁预警 -> 融资融券变化。 这套流程封装在项目的「新标的调研」工作流中， 全程约 1 分钟完成。单个用例的数据来自不同数据源， 但 AI 使用者完全感知不到背后的跳转与鉴权。
架构设计与创新之处
a-stock-data 的架构围绕「七层数据 + 数据源优先级」 展开，这是一个在实践中打磨出来的分级策略。 七层架构：行情层（mootdx + 腾讯 + 百度 K 线）-> 研报层（东财 + 同花顺 + iwencai）-> 信号层 （热点/北向/龙虎榜/解禁/行业）-> 资金面 （两融/大宗/股东/分红）-> 新闻层 -> 基础数据 -> 公告层。每一层的调用代码都以内嵌 Python 函数的形式 写在 SKILL.md 里，依赖只到 requests/pandas 级别。
V3.0 的 Breaking Change 是整个项目最值得关注的决定：
彻底移除 akshare，所有数据源改为直连 HTTP API。
akshare 虽然是著名 A 股数据封装库，但它作为中间层
增加了故障点——东财改一个参数名、pandas 升级后
ArrowInvalid 报错、同花顺接口加了反爬 401，
最终用户都得等 akshare 发新版本才能恢复。
直连后每次 API 变更只需作者直接在 SKILL 中修复，
用户可以即时看到更新。
东财统一限流器 em_get() 是另一个实用创新。
所有东财系的接口（datacenter/push2/reportapi/search/
np-weblist）统一走一个带串行限流、会话复用、
抖动随机化的入口。不要求使用者理解「每秒不能超过
5 次」或「并发不要超过 10」——代码自带了防封。
批量任务只需把 EM_MIN_INTERVAL 从 1.0 秒调大即可。
数据源优先级排序 是这个 Skill 的隐形价值。 多数公开教程或代码库会优先推荐东财（因为数据全）， 但项目实测发现 mootdx（通达信 TCP）和腾讯财经接口 在数千次连续调用中从未触发过 IP 封禁。 所以代码里明确标注了优先顺序：能用通达信/腾讯的， 永远先用它们。东财仅用于龙虎榜、解禁、两融、资金流等 「独有」端点。这一原则大幅降低了用户批量查询时的 被封概率。
创新也体现在避坑经验文档化上。SKILL.md 的 FAQ 中
记录了大量实测校准结果：腾讯 API 字段 43 是振幅 %，
不是网上流传的 PB（实际是字段 46）；百度股市通
ResultCode 有时返回 int 0，有时返回 string "0"；
部分大陆住宅 IP 会被东财间歇性风控（HTTP 000）。
这些细节在传统数据封装库里都藏起来了，而在
a-stock-data 里全写在明处，可查可验证。
落地方向与潜在演进
这个项目最直接的落地场景是个人 AI 投研工作流 自动化。把 SKILL.md 丢进 Claude Code 或 Codex 后， 日常的「查估值 -> 看资金流 -> 对比 5 只半导体股的 PE/PB」这类操作从人工查 Wind/同花顺的 15 分钟 压缩到了 AI 对话里的 2 分钟。对于没有专业数据终端 （Wind、Bloomberg）的个人投资者，这个 Skill 提供了 一个成本极低的替代方案——零 API Key 费用 （iwencai 除外），一台能跑 Python 的机器即可。
更广阔的空间在于批量筛选与预警场景。 目前单票调研做得很完善，但当一个用户想 「在创业板里筛选出 PE < 30、北向资金连续 3 日流入、 且未来 2 月无解禁的股票」时，AI 可以结合 mootdx 的财务快照 + 同花顺北向 + 东财解禁日历 实现全流程串联。潜在演进方向包括：接入财报三表 做自动化基本面评分、结合新浪三表做选股模型的回测框架、 以及增加条件预警——当某只股的融资余额或股东户数 出现异常波动时主动推送提醒。
需要注意的是，这个项目当前主要面向中文用户体验， 多数数据源（同花顺、东财、巨潮）和服务对象 （A 股投资者）决定了它的语言和市场边界。 对海外用户来说，yfinance 或 Polygon 仍是首选； 但在中国 A 股投研这个垂直场景里，a-stock-data 提供了一个比 akshare/Tushare 更轻量、更透明、 更及时的选择。
截至 2026 年 6 月，项目在 GitHub 上已获 3.6K 星标、 747 Fork，创建不到一个月，社区反馈集中在接口稳定性 和修复速度上——Issue 提交后通常 1-2 天作者就发布 新版本修复。对于高频依赖 A 股数据的 AI 用户， 这是目前 GitHub 上最值得关注的工具之一。
