Alpha派金融投研平台API技能,调用Alpha派投资研究接口,涵盖投研问答、数据检索、投资研究Agent(公司概览、业绩点评、调研大纲、主题选股、投资逻辑、可比公司、观点质疑、行业概览、个股选基、主题选基、绘图)以及股票公告查询。
AlphaPai Research Skill
功能概述
AlphaPai Research Skill是一项面向实际任务的技能,主要用于基于Alpha派(AlphaPai)Open API 的投研能力技能;所有 API 调用均通过 scripts/alphapai_client.py 的 CLI 完成,无需手动编写请求代码;
核心要点
- Alpha派各接口的返回内容均由专业投研模型生成,质量高、格式完整, 调用完成后应将原始输出直接呈现给用户,不做二次加工 :;
- 禁止总结或压。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
使用与执行
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
AlphaPai Research Skill
基于Alpha派(AlphaPai)Open API 的投研能力技能。所有 API 调用均通过 scripts/alphapai_client.py 的 CLI 完成,无需手动编写请求代码。
输出原则
Alpha派各接口的返回内容均由专业投研模型生成,质量高、格式完整,调用完成后应将原始输出直接呈现给用户,不做二次加工:
- 禁止总结或压缩:不得将原文缩写为摘要,不得用自己的语言改写
- 禁止截断:无论内容多长,必须完整输出,不得以"以上为主要内容"等方式省略
- 保留原始格式:Markdown 标题层级、加粗、列表、表格、引用块等结构一律原样保留
- 引用来源随正文输出:若接口返回了参考来源(文档标题、日期、评分等),紧随正文完整呈现
若用户明确要求"总结"或"提炼",则在完整输出原文之后,再额外附上总结,而非替代原文。
数据背景
Alpha派是讯兔科技开发的金融投研 AI 应用,具有丰富的投研场景数据。不同数据源对应不同质量与特征,对专业用户的判断至关重要:
- 路演纪要:A股上市公司业绩会、券商路演、专家交流等一线会议内容
- 券商点评:分析师每日给机构投资者发送的点评(时效性高,质量参差不齐)
- 微信公众号:投研相关公众号及上市公司官方公众号内容
- 券商研报:国内外券商分析师撰写的研究报告
- 公司公告:上市公司在交易所发布的官方公告(最权威口径)
- 图表与数据:公告/研报图片、表格,及EDB宏观/行业/个股时序数据
首次使用:配置 API Key
python scripts/alphapai_client.py config --set-key YOUR_API_KEY # 非默认服务地址时追加:--set-url https://your-host
查看当前配置:
python scripts/alphapai_client.py config --show
如用户未提供 api_key,向其说明:可在 Alpha 派💻电脑端获取,或联系客户经理。不要在对话中回显完整 api_key。
接口一:投研知识问答
向 Alpha派的投研助手 PaiPai 提问,获取答案。按照输出原则完整呈现回答正文与引用来源,不做二次总结。
python scripts/alphapai_client.py qa --question "问题内容" [选项]
| 选项 | 说明 |
|---|---|
--question / -q |
问题内容(必填) |
--mode Flash|Think |
问答模式(默认 Flash):Flash=简单搜索问答,一问一搜一答;Think=Wide Search,一问多搜一答 |
--context MSG [MSG ...] |
多轮对话历史,按顺序传入 |
--web-search |
开启联网搜索 |
--deep-reasoning |
开启深度推理 |
--start YYYY-MM-DD |
数据筛选开始日期 |
--end YYYY-MM-DD |
数据筛选结束日期 |
--json |
输出原始JSON(供程序解析) |
示例:
# 基础问答(Flash 模式,默认) python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何?" # Think 模式(Wide Search,更广泛检索) python scripts/alphapai_client.py qa --question "贵州茅台2024年经营情况如何?" --mode Think # 多轮对话 python scripts/alphapai_client.py qa --question "对行业的影响呢?" --context "云南缺电对哪些公司会造成影响?" "影响主要集中在高耗能行业" # 联网搜索 + 时间范围 python scripts/alphapai_client.py qa --question "近期新能源车销量趋势" --web-search --start 2025-01-01 --end 2025-03-01
接口二:投研知识检索(基于RAG技术)
获取会被送入大模型的原始底层原始数据,适合自行加工或构建自定义 RAG 流程。
python scripts/alphapai_client.py recall --query "查询问题" [选项]
| 选项 | 说明 |
|---|---|
--query / -q |
查询问题(必填) |
--type TYPES |
数据类型,逗号分隔(不传则全类型) |
--no-cutoff |
返回截断前完整内容(默认截断,与送入大模型的数据一致) |
--start YYYY-MM-DD |
数据筛选开始日期 |
--end YYYY-MM-DD |
数据筛选结束日期 |
--json |
输出原始JSON(供程序解析) |
示例:
# 检索和召回点评和Q&A类型数据 python scripts/alphapai_client.py recall --query "贵州茅台2024年市值" --type comment,qa --start 2025-01-01 --end 2025-03-20 # 检索和召回全类型完整内容 python scripts/alphapai_client.py recall --query "宁德时代电池技术" --no-cutoff
recallType 枚举值
选择 --type 参数时,根据用户意图选择合适的数据类型:
| 类型值 | 含义 | 特点 |
|---|---|---|
comment |
券商点评 | 时效性最强,分析师每日发送,质量参差不齐 |
roadShow |
路演会议纪要 | 业绩会、券商路演、专家交流,一线投研内容 |
roadShow_ir |
上市公司官方路演纪要 | 官方披露,量少 |
roadShow_us |
美股 earnings 纪要 | 美股上市公司业绩会 |
roadShow_od |
私域会议纪要 | 内部渠道 |
report |
国内券商研报 | 深度分析,时效性较低 |
foreign_report |
海外券商研报 | 摩根、花旗等头部机构 |
wechat_public_article |
微信公众号 | 行业资讯及上市公司官方公众号 |
ann |
上市公司官方公告 | 最权威口径,交易所披露 |
vps |
基金定期报告 | 基金持仓、季报等 |
table |
公告/研报数据表格 | 结构化表格数据 |
image |
研报图片 | 产业链图示、指标对比图表 |
qa |
调研/路演中提取的Q&A | 结构化问答对 |
edb |
EDB时序数据库 | 宏观、行业、个股时间序列数据 |
接口三:股票 Agent
POST /alpha/open-api/v1/paipai/stock/agent — SSE 流式,响应结构同接口一。业绩点评场景需先通过接口四获取公告ID。
输出要求:严格遵照输出原则。Agent 生成内容通常较长(千字以上),必须完整输出全文,不得以任何形式截断、摘要或改写。Markdown 格式(标题、表格、加粗、列表)和参考来源原样保留。
mode 1 — 个股业绩点评
根据公司公告、业绩会路演、研报,对公司最新财务报告进行点评。
必填: --stock CODE:NAME --report-type TYPE --report-id ID --report-title TITLE --report-period PERIOD(公告信息先用 report 命令查询)
可选: --concern TEXT(用户关注方向)
# Step 1:查询公告列表,获取 report-id 等信息 python scripts/alphapai_client.py report --code 603380.SH # Step 2:调用业绩点评 python scripts/alphapai_client.py agent --mode 1 --question "易德龙2025年一季报业绩点评" --stock 603380.SH:易德龙 --report-type 季报 --report-id HANNC002658114224 --report-title "易德龙:2025年第一季度报告" --report-period "2025年一季报"
mode 2 — 公司一页纸
基于最新公告、路演、研报、点评,对公司进行初步完整分析。
必填: --stock CODE:NAME
可选: --language 中文|英文(美股公司可选)--template-text TEXT(自定义公司一页纸模板,默认为空)
python scripts/alphapai_client.py agent --mode 2 --question "亿纬锂能(300014.SZ)的公司一页纸" --stock 300014.SZ:亿纬锂能
mode 3 — 个股调研大纲
快速生成调研一家公司时应该问的问题清单。
必填: --stock CODE:NAME
可选: --template-text TEXT(调研大纲中希望关注的内容要点,默认为空)
python scripts/alphapai_client.py agent --mode 3 --question "巨星科技(002444.SZ)的调研问题大纲" --stock 002444.SZ:巨星科技
mode 5 — 主题选股
根据事件、主题、关键词筛选相关股票。(template 值自动设为 1,无需手动传)
必填: --template-text TEXT(选股主题,与 --question 保持一致)
python scripts/alphapai_client.py agent --mode 5 --question "和白酒相关的公司" --template-text "和白酒相关的公司"
mode 7 — 投资逻辑
梳理一家公司近期事件,提炼投资逻辑。
必填: --stock CODE:NAME
可选: --template-text TEXT(关注的分析要点、维度、指标,默认为空)--only-answer(仅返回最终答案,不返回中间过程)
python scripts/alphapai_client.py agent --mode 7 --question "亿纬锂能(300014.SZ)的公司投资逻辑" --stock 300014.SZ:亿纬锂能
mode 8 — 可比公司
从业务经营、产业链位置上,检索最具对标性的其他公司。(template 值自动设为 1,无需手动传)
必填: --stock CODE:NAME
可选: --concern TEXT(对比过程中关注的话题,如产品参数、技术路线、估值、盈利等)
python scripts/alphapai_client.py agent --mode 8 --question "比亚迪(002594.SZ)的可比公司" --stock 002594.SZ:比亚迪
mode 9 — 观点 Challenge
利用Alpha派信息,对用户观点进行逻辑挑战,启发多角度思考。(template 值自动设为 1,无需手动传)
必填: --template-text TEXT(待 Challenge 的观点,与 --question 中观点描述保持一致)
可选: --concern TEXT(关注焦点,进一步限定 Challenge 范围)--start / --end YYYY-MM-DD(检索信息时间范围)
python scripts/alphapai_client.py agent --mode 9 --question "Challenge该观点:小米汽车未来的增长" --template-text "小米汽车未来的增长" --concern "YU7" --start 2024-10-25 --end 2025-10-24
mode 11 — 行业一页纸
基于最新公告、路演、研报、点评,对一个行业进行初步完整分析(细粒度行业通常更佳)。
必填: --industry NAME(行业名称)
可选: --template-text TEXT(自定义行业一页纸模板,默认为空)
python scripts/alphapai_client.py agent --mode 11 --question "白酒的行业一页纸" --industry 白酒
mode 12 — 个股选基
根据个股及公募基金定期报告,查找持仓个股权重最高的基金。
必填: --stock-list CODE:NAME [...] --report-date DATE --fund-type TYPE
可选: --if-annual 0|1(是否年报,默认0)
python scripts/alphapai_client.py agent --mode 12 --question "环旭电子、中际旭创、卓胜微的持仓基金" --report-date 2025-09-30 --fund-type 全部 --stock-list 601231.SH:环旭电子 300308.SZ:中际旭创 300782.SZ:卓胜微
mode 13 — 主题选基
根据事件、主题、关键词筛选相关基金。
必填: --report-date DATE --fund-type 全部|主动|指数|ETF
可选: --if-annual 0|1
python scripts/alphapai_client.py agent --mode 13 --question "2025三季报持有房地产的主动基金有哪些?" --report-date 2025-09-30 --fund-type 主动
mode 15 — 画图
分析用户 query 并以图片方式展示调研结果,一图胜千言。
必填: --picture-color 主色HEX 辅色HEX --picture-style PPT风格|科普风格
--picture-color固定传两个 HEX 值(主色、辅色),不含#前缀,如2A66F6 A5A8AF,不可多传或少传。
可选: --source 0|1(0=仅图片,1=图文,默认0)
python scripts/alphapai_client.py agent --mode 15 --question "黄金" --picture-color 2A66F6 A5A8AF --picture-style 科普风格
接口四:获取股票公告列表
查询某只股票在交易所公开的公告列表,用于获取业绩点评所需的公告ID。
python scripts/alphapai_client.py report --code[--json]
示例:
python scripts/alphapai_client.py report --code 603380.SH
接口五:搜图表
从研报和公告中搜索相关图片和表格。
python scripts/alphapai_client.py image --query "搜索内容" [选项]
| 选项 | 说明 |
|---|---|
--query / -q |
搜索内容(必填) |
--files-range CODE [...] |
来源类型代码(可多个,默认不限制):3=内资研报 8=外资研报 6=公告 9=三方研报 |
--topk N |
返回数量(1-100,默认50) |
--recall-mode MODE |
召回模式: both(默认)/vector_only/es_only |
--llm-rank |
使用LLM重排序 |
--start / --end YYYY-MM-DD |
发布日期范围 |
--json |
输出原始JSON |
示例:
python scripts/alphapai_client.py image --query "新能源车销量趋势" --topk 10 --start 2025-01-01
典型工作流
工作流1:投研问答
- 确认配置存在(
config --show) - 执行
qa命令,回答和引用来源直接输出 - 格式化呈现给用户
工作流2:获取原始数据自定义分析
- 确认配置存在
- 执行
recall命令,根据需求选择--type和时间范围 - 使用
--json输出原始数据供后续脚本处理
工作流3:个股业绩点评(Agent)
- 确认配置存在
- 执行
report --code查询公告列表,获取stockReportId、stockReportTitle、stockReportPeriod、reportType - 执行
agent --mode 1并传入上述公告信息,得到业绩点评
工作流4:其他 Agent 场景
- 确认配置存在
- 根据场景选择
--mode,按接口三参数表传入必填项 - 格式化呈现回答和引用来源
工作流5:图表搜索
- 确认配置存在
- 执行
image --query "..."搜索相关图表 - 从返回的
imageUrl获取图片链接展示给用户
升级 Skill
当用户说"帮我升级 alphapai-research skill"或类似意图时,执行以下流程:
- 获取远程版本信息:通过 WebFetch 工具拉取安装指引文档:
https://open-api.rabyte.cn/alpha/open-api/v1/file/api-docs/install.md - 解析远程版本:读取返回文档 frontmatter 中的
version字段 - 读取本地版本:读取当前
SKILL.mdfrontmatter 中的metadata.version字段 - 版本对比与决策:
- 远程版本 == 本地版本 → 告知用户"alphapai-research 已是最新版本(vX.X.X),无需升级。"流程结束
- 远程版本 > 本地版本 → 按照远程
install.md中的 升级安装 流程执行 - 远程版本 < 本地版本 → 告知用户"本地版本高于远程版本,可能使用了预发布版,跳过升级。"流程结束
升级安装的具体步骤(下载、解压、备份、替换、验证)完全遵照远程
install.md文档中的指引执行,无需硬编码在此处。
参考文件
| 文件 | 内容 | 何时读取 |
|---|---|---|
references/api_reference.md |
完整 API 字段定义、响应结构、枚举值(含5个接口) | 调试异常响应、需要完整字段说明、参数含义不明时 |
scripts/alphapai_client.py |
CLI 源码 + 可导入的 AlphaPaiClient 类 |
需要模块化/程序化调用,或排查 CLI 底层行为时 |
热门AI工具
相关专题
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.8万人学习
共6课时 | 54.7万人学习
最新文章