feat: 每日AI分析改造——定调摘要、环比快照、完整连板梯队带涨停原因、生成次数记账

backend/services/ai_service.py

@@ -3,10 +3,14 @@
 负责：
 1. 调用 OpenAI 兼容 API 进行分析
 2. Function Calling 循环（AI 可主动获取数据）
-3. 保存报告到数据库
+3. 采集当日盘面快照（供次日环比）
+4. 保存报告到数据库
 """
 
 import json
+import re
+import traceback
+
 import httpx
 from datetime import datetime, timezone, timedelta
 
@@ -25,7 +29,7 @@ SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中
 - 风险提示，每次推荐都需说明风险点
 
 可用工具：
-- get_market_dashboard: 获取市场整体数据（指数/涨跌统计/行业强度/事件情报/市场温度）
+- get_market_dashboard: 获取市场整体数据（指数/涨跌统计/市场温度/连板梯队/行业强度/事件情报）
 - get_theme_history: 获取指定日期的题材涨幅排行
 - get_active_core_stocks: 获取核心股追踪数据（10日涨幅矩阵+所属题材）
 - get_stock_quote: 获取个股实时行情
@@ -40,26 +44,39 @@ SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中
 DAILY_ANALYSIS_PROMPT = """请对 {trade_date} 的A股市场进行收盘分析，生成一份完整的分析报告。
 
 {prev_report_section}
+{prev_snapshot_section}
 
 请先调用以下工具获取数据：
-1. get_market_dashboard - 获取市场整体数据
+1. get_market_dashboard - 获取市场整体数据（含涨跌统计、市场温度、连板梯队 limitLadder）
 2. get_theme_history(date="{trade_date}") - 获取今日题材涨幅
 3. get_active_core_stocks - 获取核心股数据
 
+生成报告时必须遵守以下格式规则：
+
+1. 报告标题（# 一级标题）之后的第一行，必须是一个引用块"定调摘要"，格式严格为：
+> 今日定调：<一句话核心结论，不超过80字，必须包含1-2个关键数字（如成交额、涨停家数、市场温度）>
+
+2. 量能与情绪类数字必须给环比：若上方提供了"前一交易日盘面数据快照"，成交额、涨跌家数、涨停数、市场温度等在与昨日对比后表述（如"成交额2.05万亿，较昨日缩量约700亿"）；没有昨日快照则如实说明"暂无昨日数据"。
+
+3. 连板梯队必须完整呈现 get_market_dashboard 返回的 limitLadder：从最高连板到2连板逐级列表格，每只标注涨停原因（reason字段）与封单金额（sealWan，单位万，为空则不写）；首板只挑3-5只人气最高的点评。
+
+4. 适当使用表格展示数据对比。
+
 然后基于数据生成报告，结构如下：
 
 ## 一、市场总览
-- 主要指数表现（上证、深证、创业板）
-- 涨跌家数统计
+- 主要指数表现（上证、深证、创业板、科创50）
+- 涨跌家数统计（含涨停/跌停/炸板率，须环比）
 - 市场温度评估
 
 ## 二、题材热点分析
 - 今日涨幅前5题材
 - 持续活跃的题材
 - 新兴热点题材
+- 明显退潮的题材（警示）
 
 ## 三、核心股追踪
-- 连板股分析
+- 连板梯队分析（按格式规则3完整呈现）
 - 核心股表现
 - 龙头股辨识
 
@@ -80,6 +97,9 @@ DAILY_ANALYSIS_PROMPT = """请对 {trade_date} 的A股市场进行收盘分析
 
 请用 Markdown 格式输出，适当使用表格展示数据对比。"""
 
+# 报告头部的"今日定调"引用行，保存时提取为 summary
+_TONE_LINE_RE = re.compile(r"^>\s*今日定调[：:]\s*(.+)$", re.MULTILINE)
+
 
 async def call_llm(messages: list, tools: list = None) -> dict:
     """调用 OpenAI 兼容 API"""
@@ -119,11 +139,16 @@ async def collect_ai_analysis(trade_date: str) -> dict:
         {"id": int, "tokens_used": int, "tools_used": list}
     """
     prev_report_section = _get_prev_report_section(trade_date)
+    # 采集当日盘面快照（供次日环比），并读取上一交易日快照注入 prompt
+    await _capture_market_snapshot(trade_date)
+    prev_snapshot_section = _get_prev_snapshot_section(trade_date)
+
     messages = [
         {"role": "system", "content": SYSTEM_PROMPT},
         {"role": "user", "content": DAILY_ANALYSIS_PROMPT.format(
             trade_date=trade_date,
-            prev_report_section=prev_report_section
+            prev_report_section=prev_report_section,
+            prev_snapshot_section=prev_snapshot_section,
         )}
     ]
 
@@ -171,20 +196,127 @@ async def collect_ai_analysis(trade_date: str) -> dict:
                     "content": result
                 })
 
-    summary = final_content[:200].replace("\n", " ") if final_content else ""
+    summary = _extract_summary(final_content)
     report_id = _save_report(trade_date, final_content, summary, tools_used, total_tokens)
 
     return {"id": report_id, "tokens_used": total_tokens, "tools_used": tools_used, "truncated": was_truncated}
 
 
-def _save_report(trade_date: str, content: str, summary: str, tools_used: list, tokens_used: int) -> int:
-    """保存报告到数据库"""
+def _extract_summary(content: str) -> str:
+    """提取报告头部的"今日定调"引用行作为摘要；缺失时退回正文截断"""
+    match = _TONE_LINE_RE.search(content or "")
+    if match:
+        text = match.group(1).strip()
+        if text:
+            return text[:200]
+    return (content or "")[:200].replace("\n", " ")
+
+
+def _num(v) -> str:
+    """快照数值安全转字符串"""
+    if isinstance(v, float):
+        return f"{v:g}"
+    return str(v if v is not None else "-")
+
+
+def _fmt_amount(v) -> str:
+    """成交额（元）→ 万亿/亿 可读格式"""
+    try:
+        v = float(v)
+    except (TypeError, ValueError):
+        return "-"
+    if v >= 1e12:
+        return f"{v / 1e12:.2f}万亿"
+    if v >= 1e8:
+        return f"{v / 1e8:.0f}亿"
+    return f"{v:.0f}元"
+
+
+def _fmt_index(idx: dict) -> str:
+    if not idx:
+        return "-"
+    sign = "+" if idx.get("changePct", 0) >= 0 else ""
+    return f"{idx.get('price', '-')}（{sign}{idx.get('changePct', 0)}%）"
+
+
+async def _capture_market_snapshot(trade_date: str) -> bool:
+    """采集当日盘面快照入库（指数+涨跌统计），供次日分析做环比"""
+    try:
+        from routes.market_dashboard import _build_dashboard
+        data = await _build_dashboard()
+        payload = json.dumps(
+            {"indices": data.get("indices", []), "marketStats": data.get("marketStats", {})},
+            ensure_ascii=False,
+            default=str,
+        )
+        conn = get_connection()
+        try:
+            conn.execute(
+                """INSERT INTO daily_market_stats (trade_date, payload) VALUES (?, ?)
+                   ON CONFLICT(trade_date) DO UPDATE SET payload = excluded.payload""",
+                (trade_date, payload),
+            )
+            conn.commit()
+        finally:
+            conn.close()
+        return True
+    except Exception:
+        print(f"[ai-service] 市场快照采集失败 {trade_date}：")
+        traceback.print_exc()
+        return False
+
+
+def _get_prev_snapshot_section(trade_date: str) -> str:
+    """读取上一交易日盘面快照，格式化为 prompt 中的环比数据段"""
     conn = get_connection()
     try:
-        cursor = conn.execute(
-            """INSERT OR REPLACE INTO ai_reports
-               (trade_date, report_type, title, content, summary, tools_used, model, tokens_used)
-               VALUES (?, 'daily', ?, ?, ?, ?, ?, ?)""",
+        row = conn.execute(
+            "SELECT trade_date, payload FROM daily_market_stats WHERE trade_date < ? ORDER BY trade_date DESC LIMIT 1",
+            (trade_date,),
+        ).fetchone()
+        if not row:
+            return ""
+        try:
+            snap = json.loads(row["payload"])
+        except (TypeError, ValueError):
+            return ""
+        stats = snap.get("marketStats") or {}
+        indices = {i.get("name"): i for i in (snap.get("indices") or []) if isinstance(i, dict)}
+        idx_line = "、".join(
+            f"{name} {_fmt_index(indices.get(name))}"
+            for name in ("上证指数", "深证成指", "创业板指", "科创50")
+        )
+        return f"""以下是前一交易日（{row["trade_date"]}）的盘面数据快照，报告中的量能与情绪数字必须给出与它的环比对比：
+
+- 两市成交额：{_fmt_amount(stats.get("totalTurnover"))}
+- 上涨/下跌/平盘：{_num(stats.get("upCount"))}/{_num(stats.get("downCount"))}/{_num(stats.get("flatCount"))}，涨停 {_num(stats.get("limitUp"))} 家、跌停 {_num(stats.get("limitDown"))} 家、炸板 {_num(stats.get("limitBreak"))} 家（炸板率 {_num(stats.get("breakRate"))}%）
+- 强势/弱势股：{_num(stats.get("strongCount"))}/{_num(stats.get("weakCount"))}，市场宽度 {_num(stats.get("marketBreadth"))}%
+- 市场温度：{_num(stats.get("temperature"))} 分，竞价信号：{stats.get("auctionSignal") or "-"}
+- 指数收盘：{idx_line}
+
+---
+"""
+    finally:
+        conn.close()
+
+
+def _save_report(trade_date: str, content: str, summary: str, tools_used: list, tokens_used: int) -> int:
+    """保存报告到数据库（同日重生成：覆盖内容、generation_count+1、tokens 记当次消耗）"""
+    conn = get_connection()
+    try:
+        conn.execute(
+            """INSERT INTO ai_reports
+               (trade_date, report_type, title, content, summary, tools_used, model, tokens_used, updated_at)
+               VALUES (?, 'daily', ?, ?, ?, ?, ?, ?, datetime('now','localtime'))
+               ON CONFLICT(trade_date, report_type) DO UPDATE SET
+                 title = excluded.title,
+                 content = excluded.content,
+                 summary = excluded.summary,
+                 tools_used = excluded.tools_used,
+                 model = excluded.model,
+                 tokens_used = excluded.tokens_used,
+                 updated_at = excluded.updated_at,
+                 generation_count = ai_reports.generation_count + 1""",
             (
                 trade_date,
                 f"{trade_date} A股收盘分析",
@@ -193,10 +325,14 @@ def _save_report(trade_date: str, content: str, summary: str, tools_used: list,
                 json.dumps(tools_used),
                 AI_MODEL,
                 tokens_used,
-            )
+            ),
         )
         conn.commit()
-        return cursor.lastrowid
+        row = conn.execute(
+            "SELECT id FROM ai_reports WHERE trade_date = ? AND report_type = 'daily'",
+            (trade_date,),
+        ).fetchone()
+        return row["id"]
     finally:
         conn.close()