投研文章结构化摘要生成

工作流程

1. 接收材料：用户输入一篇或多篇投研材料（文本、链接、文件）
2. 格式转换：非Markdown/纯文本文件自动转换为Markdown格式
3. 去重检测：调用去重脚本，逐级检测新文章与已有摘要的重复关系
4. 逐篇提炼：仅对去重后的唯一文章按Markdown模板生成结构化摘要文件
5. 生成汇总表：所有材料处理完后，调用脚本生成Excel汇总表
6. 生成HTML网页：调用脚本生成可视化HTML网页"投研观点集思录"

Markdown输出模板

对每篇材料生成一个 .md 文件，严格按以下格式：

### 原文标题
[提取原文标题]

### 发布日期
[提取该篇内容的发布日期]

### 发布作者
[提取发布作者]

### 原文链接
[提取原文链接]

### 核心观点
1. [观点1，≤20字]。[论据1，≤30字]
2. [观点2，≤20字]。[论据2，≤30字]
3. [观点3，≤20字]。[论据3，≤30字]

### 投资建议
[投资建议，40-50字，必须包含方向性表述，提示风险，禁止绝对化表述]

### 判断方向
[🔴强看多 / 🟠偏多 / ⚪中性 / 🔵偏空 / 🟢强看空]

### 分析逻辑
[仅从以下6个中选取，可多选用 `/` 分隔：基本面驱动 / 资金面驱动 / 政策驱动 / 技术面驱动 / 事件驱动 / 产业链驱动]

### 关联标签
[标签1（看多），标签2（看空），标签3，...]（至少3个、最多10个，看多→看空→无观点排序，逗号分隔）

### 关注标的
[提取文中提到的具体可交易标的，如股票名称、基金名称等，最多10个，逗号分隔。无明确标的填"无"]

### 时效性
[仅从以下3个中单选：短期(1-5日) / 中期(1-4周) / 长期(1月以上)]

### 原文摘要
[150-200字原文核心段落摘要，保留关键数据和专有名词]

提炼规则

• 核心观点：3条，每条格式为"观点≤20字。论据≤30字"，一条总字数至少30字，论据必须从原文提炼，严禁编造
• 投资建议：40-50字，包含方向性表述，提示风险，禁止绝对化表述（如"必涨""一定""稳赚"）
• 判断方向：严格按分级标准选择，无明确方向时填⚪中性
• 分析逻辑：只能从【基本面驱动/资金面驱动/政策驱动/技术面驱动/事件驱动/产业链驱动】中选取，可多选用 / 分隔，不得自创关键词
• 关联标签：优先使用备选项，至少3个、最多10个，看多→看空→无观点排序，逗号分隔。每个标签后可附（看多）/（看空），仅限原文有明确多空观点时
• 时效性：只能从【短期(1-5日)/中期(1-4周)/长期(1月以上)】中单选，必须使用完整格式
• 关注标的：提取具体可交易标的（股票、基金等），最多10个，逗号分隔。排除笼统概念如"科技股""黄金"等。无明确标的填"无"
• 原文摘要：150-200字，保留关键数据和专有名词

详细分级标准和备选项参见 references/standards.md。

格式转换

在提炼前，将非Markdown/纯文本文件自动转换为Markdown格式，确保后续处理统一。

支持格式

环境依赖

脚本自动检测并使用可用的转换工具（按优先级）：

1. python -m markitdown（推荐，需 pip install markitdown[all]，完整格式支持）
2. uvx markitdown（需安装 uv，可能缺少部分可选依赖）
3. 无可用工具时自动尝试 pip install markitdown[all] 安装

调用方式

$env:PYTHONIOENCODING="utf-8"; python scripts/convert_to_md.py <file1> [file2] ...

• .md/.txt 文件自动跳过
• 转换后的文件保存在 output/YYYYMMDD/<原文件名>_raw.md
• 输出格式：# CONVERTED_FILES / # SKIPPED / # ERRORS 三个段落

脚本路径：scripts/convert_to_md.py（相对于本Skill目录）

去重检测

在提炼前，对新文章与已有摘要进行逐级去重，避免重复处理：

去重规则（三级递进）

• 默认扫描 output/ 下所有日期目录的已有MD文件
• 支持 --date 参数限制扫描范围
• 多篇新文章之间也会互相去重（后到的与先判为唯一的比较）
• 被判为重复的文章会报告匹配级别和已存在的文章标题

调用方式

# 方式1：直接传入文章文本
$env:PYTHONIOENCODING="utf-8"; python scripts/dedup_articles.py --new "文章标题1" "文章标题2"

# 方式2：传入文件路径
$env:PYTHONIOENCODING="utf-8"; python scripts/dedup_articles.py --files <f1> [f2] ...

# 限制扫描日期范围
$env:PYTHONIOENCODING="utf-8"; python scripts/dedup_articles.py --new "标题" --date 20260609 20260610

# 输出JSON格式
$env:PYTHONIOENCODING="utf-8"; python scripts/dedup_articles.py --new "标题" --json

# 调整相似度阈值
$env:PYTHONIOENCODING="utf-8"; python scripts/dedup_articles.py --new "标题" --threshold 0.9

脚本路径：scripts/dedup_articles.py（相对于本Skill目录）

生成Excel汇总表

所有Markdown文件生成后，运行脚本生成汇总Excel：

$env:PYTHONIOENCODING="utf-8"; python scripts/create_summary_xlsx.py <md1> [md2] ...

• [md2] ...：所有生成的Markdown摘要文件路径
• 输出自动保存到 output/YYYYMMDD/汇总_YYYYMMDD.xlsx（同日内多次处理自动追加）

脚本路径：scripts/create_summary_xlsx.py（相对于本Skill目录）

生成HTML可视化网页

Excel生成后，运行脚本生成"投研观点集思录"HTML网页。支持三种调用方式：

方式1：默认当日（扫描当天日期目录）

$env:PYTHONIOENCODING="utf-8"; python scripts/create_summary_html.py

自动扫描 output/当天YYYYMMDD/ 目录中的 .md 文件，仅包含当日文章。

方式2：指定日期

$env:PYTHONIOENCODING="utf-8"; python scripts/create_summary_html.py --date 20260610

只包含指定日期目录下的文章。也可指定日期范围（含两端）：

$env:PYTHONIOENCODING="utf-8"; python scripts/create_summary_html.py --date 20260609 20260610

方式3：显式指定MD文件（兼容旧模式）

$env:PYTHONIOENCODING="utf-8"; python scripts/create_summary_html.py <md1> [md2] ...

• 输出自动保存到 output/YYYYMMDD/投研观点集思录.html（YYYYMMDD为运行当日）

脚本路径：scripts/create_summary_html.py（相对于本Skill目录）

HTML网页设计规范（固定，不可修改）

• 主题：浅色暖白基底(#F6F5F1)，白色卡片
• 标题：Noto Serif SC 字体，"投研观点集思录" + 英文副标题
• 统计栏：收录文章 / 来源作者 / 文章标签（三维度动态统计）
• 筛选栏："全部"黑色重置按钮 + 4个筛选入口 + 搜索框
• 📅日期：单选下拉
• 🧭方向：多选下拉（5档+确定按钮），按钮仅显示指南针+名称（无彩色圆点），≤2项全展示，>2项省略+hover tooltip
• ✍️作者：多选下拉+确定按钮，≤3项全展示，>3项省略+hover tooltip
• 🏷️标签：多选下拉+确定按钮（可滚动），≤3项全展示，>3项省略+hover tooltip
• 卡片：双列网格(480px起)，方向徽章(52x52) + 标题/作者/日期/链接 + 标签行(关联标签仅显示3个按多空着色：看多浅红/看空浅绿/无观点蓝灰，时效性琥珀，分析逻辑灰) + 3条核心观点(红圆点) + 投资建议块 + 关注标的(每个标的独立气泡框) + 可展开原文摘要
• 方向徽章颜色：强看多=红/偏多=橘/中性=灰/偏空=蓝/强看空=青
• 卡片排序：同作者按日期降序
• 底部：免责声明 + 风险提示 + 数据截至日期（等距排列）
• 筛选交互：多选不自动关闭下拉，底部"确定"按钮关闭并筛选；搜索框实时筛选
• 详情参见：references/html_design_spec.md

Excel表格结构

输出文件命名

• 输出目录：output/YYYYMMDD/
• Markdown：output/YYYYMMDD/YYYYMMDD_N_作者.md
• Excel：output/YYYYMMDD/汇总_YYYYMMDD.xlsx（同日内多次处理自动追加）
• HTML：output/YYYYMMDD/投研观点集思录.html

注意事项

1. 多篇材料时，先转换格式，再去重，再逐篇生成Markdown，最后统一生成Excel
2. 如果原文信息缺失（如无作者、无链接），对应字段填"未提供"
3. 论据严禁凭空编造，必须从原文提炼
4. 输出文件保存到 Skill 目录下的 output/YYYYMMDD/ 子目录中，按日期组织，支持同日内多次追加
5. 同一日期的所有输出（Markdown + Excel + HTML）放在同一文件夹下，便于管理
6. HTML网页格式严格遵循设计规范，确保每次生成风格统一
7. 去重检测在提炼前执行，重复文章不会进入提炼流程，节省处理资源
8. 格式转换使用 markitdown，首次使用需联网安装依赖，后续离线可用