fix: 连续上榜改为严格N日每天上榜，缺一日都不行

提示词：
- SYSTEM_PROMPT 重写为可执行原则（事实优先/时间锚定/判断挂数字/禁用套话）＋输出格式契约
- DAILY_ANALYSIS_PROMPT 重排注意力：取数指令置顶（要求同轮并行调用 4 个核心工具）、
  写作规约 8 条、环比快照居中、前日报告全文置底并改为「今日数据优先+核对昨日展望」
- 新增单位口径、符号规范（+/- 是前端红涨绿跌着色依据）、不荐股等硬规约
- 移除已废弃的「今日定调」摘要规则（与分段指令、前端渲染互相冲突）
- 八章重构：板块资金流独立为「四、资金与筹码」，重复的「关注方向+下个交易日建议」
  合并为「七、明日展望」

生成链路：
- 修复分段生成未回灌前文，后段看不到前段导致重复铺数据、数字口径打架
- 新增 REQUIRED_TOOLS 校验：核心工具不全时补一轮并在 user 消息点名缺失项
- 修复 _extract_summary 被 # 标题行占掉，改为剥离标题与 Markdown 标记后截断

AGENTS.md 同步八章结构与 prompt 工程约定

AGENTS.md

@@ -73,7 +73,10 @@
 - ✅ 替代方案：使用腾讯实时行情API的外盘(索引7)和内盘(索引8)数据计算净主动买入额 = (外盘 - 内盘) × 当前价 × 100（单位：元）
 ## 每日 AI 分析（backend FastAPI，15:10 自动触发）
 
-- 报告结构约定：正文标题（#）后第一行必须是引用块 `> 今日定调：<80字内核心结论+关键数字>`；保存时由 `_extract_summary()` 正则提取进 `summary` 字段，前端顶部高亮展示，缺失时退回正文截断
+- 报告结构约定：正文以 `# {trade_date} A股收盘分析报告` 开头后直接进入第一章，无"今日定调"摘要（已移除：prompt 不生成、前端无高亮框）；`summary` 为去掉标题行与 Markdown 标记后的正文前200字，供管理列表展示
+- 八章固定顺序：一、市场总览｜二、题材热点分析｜三、核心股追踪｜四、资金与筹码｜五、重要消息面｜六、海外市场与国内期货｜七、明日展望｜八、风险提示；分段归属：part1=一+二、part2=三+四、part3=五~八（原"四、关注方向/五、下个交易日建议"内容重复，已合并为"七、明日展望"，板块资金流从第二章挪出独立成第四章）
+- prompt 工程约定（改模板必读）：①取数指令放 prompt 最前（要求同一轮并行调用 4 个核心工具，代码用 `REQUIRED_TOOLS` 校验，缺则补一轮并在 user 消息里点名缺哪些）；②环比快照紧随其后、前日报告全文放最后（避免长文本把取数指令挤出注意力区）；③凡写数字的规则必须同时写"找不到就写 —（今日无数据）"，否则模型会用常识补全；④涨跌幅/环比/净额一律带 + 或 -，这是前端 `colorizeText` 红涨绿跌的着色依据；⑤模板用 `.format()` 渲染，正文中出现裸 `{}` 会直接报错
+- 分段生成必须回灌前文（`messages.append({"role":"assistant","content":part_content})`）：否则后段看不到前段，会重复铺同一段数据、数字口径打架；生成失败的占位段不回灌
 - 环比数据：`collect_ai_analysis` 每次运行先采集当日盘面快照（指数+涨跌统计 JSON）写入 `daily_market_stats` 表（UNIQUE trade_date，upsert），再读上一交易日快照格式化为 prompt 中的"环比数据段"；首跑无昨日数据时 AI 须如实标注"暂无昨日基准"
 - 连板梯队：`get_market_dashboard` 返回 `limitLadder` 字段（完整版，2连板以上全量+首板前8），涨停原因/封单金额来自涨停池按 thscode 匹配；看板 events 里的天梯仍只取每层前2（保持 UI 精简），两处用途不同不要合并
 - tokens 口径：`ai_reports.tokens_used` 只记"当次生成"消耗（约7万/份）；同日重新生成走 UPSERT，`generation_count` 自增、`updated_at` 刷新、`created_at` 保留首次生成时间；表有 UNIQUE(trade_date, report_type)，禁止改回 INSERT OR REPLACE 之外还要注意别用 lastrowid（UPSERT 更新时不可靠，须回查 id）

backend/database.py

@@ -83,6 +83,7 @@ CREATE TABLE IF NOT EXISTS ai_reports (
   model TEXT NOT NULL,
   tokens_used INTEGER,
   generation_count INTEGER NOT NULL DEFAULT 1,
+  llm_calls INTEGER,
   created_at TEXT NOT NULL DEFAULT (datetime('now','localtime')),
   updated_at TEXT,
   UNIQUE(trade_date, report_type)
@@ -121,6 +122,7 @@ def init_db():
     for alter_sql in (
         "ALTER TABLE ai_reports ADD COLUMN generation_count INTEGER NOT NULL DEFAULT 1",
         "ALTER TABLE ai_reports ADD COLUMN updated_at TEXT",
+        "ALTER TABLE ai_reports ADD COLUMN llm_calls INTEGER",
     ):
         try:
             conn.execute(alter_sql)

backend/dist/admin.html

@@ -334,7 +334,7 @@ function renderReports(list) {
   document.getElementById('recentBody').innerHTML = list.map(r =>
     `<tr>
       <td>${r.trade_date}</td>
-      <td><a href="/ai-analysis" target="_blank" style="color:var(--primary);text-decoration:none">${r.title || '-'}</a></td>
+      <td><a href="/ai-analysis?date=${r.trade_date}" target="_blank" style="color:var(--primary);text-decoration:none">${r.title || '-'}</a></td>
       <td>${r.tokens_used || 0}</td>
     </tr>`
   ).join('') || '<tr><td colspan="3" style="color:var(--muted-foreground);text-align:center">暂无数据</td></tr>';
@@ -349,7 +349,7 @@ function renderAllReports(list) {
       <td>${r.tokens_used || 0}</td>
       <td>${r.created_at || '-'}</td>
       <td style="white-space:nowrap">
-        <a href="/ai-analysis" target="_blank" class="btn btn-ghost btn-sm" style="padding:3px 10px;font-size:11px;text-decoration:none">查看</a>
+        <a href="/ai-analysis?date=${r.trade_date}" target="_blank" class="btn btn-ghost btn-sm" style="padding:3px 10px;font-size:11px;text-decoration:none">查看</a>
         <button class="btn btn-destructive btn-sm" style="padding:3px 10px;font-size:11px" onclick="deleteReport(${r.id})">删除</button>
       </td>
     </tr>`

backend/routes/admin.py

@@ -144,7 +144,7 @@ async def admin_list_reports(request: Request):
     try:
         rows = conn.execute(
             "SELECT id, trade_date, report_type, title, summary, tools_used, model, tokens_used, "
-            "generation_count, created_at, updated_at "
+            "generation_count, llm_calls, created_at, updated_at "
             "FROM ai_reports ORDER BY trade_date DESC, id DESC LIMIT 50"
         ).fetchall()
         items = []

backend/routes/ai_analysis.py

@@ -64,7 +64,7 @@ async def list_reports():
     try:
         rows = conn.execute(
             "SELECT id, trade_date, report_type, title, summary, tools_used, model, tokens_used, "
-            "generation_count, created_at, updated_at "
+            "generation_count, llm_calls, created_at, updated_at "
             "FROM ai_reports ORDER BY trade_date DESC, id DESC LIMIT 50"
         ).fetchall()
         items = []
@@ -77,6 +77,29 @@ async def list_reports():
         conn.close()
 
 
+@router.get("/ai-analysis/by-date/{trade_date}", summary="按交易日获取 AI 分析报告")
+async def get_report_by_date(trade_date: str):
+    try:
+        datetime.strptime(trade_date, "%Y-%m-%d")
+    except ValueError:
+        raise HTTPException(status_code=400, detail="日期格式错误，应为 YYYY-MM-DD")
+    conn = get_connection()
+    try:
+        row = conn.execute(
+            """SELECT r.*,
+                      (SELECT COUNT(*) FROM ai_reports WHERE trade_date <= r.trade_date) AS issue_number
+               FROM ai_reports r WHERE r.trade_date = ? AND r.report_type = 'daily' LIMIT 1""",
+            (trade_date,)
+        ).fetchone()
+        if not row:
+            raise HTTPException(status_code=404, detail=f"{trade_date} 暂无分析报告")
+        item = dict_from_row(row)
+        item["toolsUsed"] = json.loads(item.pop("tools_used") or "[]")
+        return JSONResponse({"data": item}, headers=_NO_CACHE_HEADERS)
+    finally:
+        conn.close()
+
+
 @router.get("/ai-analysis/{report_id}", summary="AI 分析报告详情")
 async def get_report(report_id: int):
     conn = get_connection()

backend/routes/core_stocks.py

@@ -20,11 +20,11 @@ def _recent_trade_dates(conn, n: int = 10) -> list[str]:
     return [r["trade_date"] for r in reversed(rows)]
 
 
-@router.get("/active", summary="活跃核心股 + 最近10日涨幅矩阵")
-async def active_core_stocks():
+@router.get("/active", summary="活跃核心股 + 最近N日涨幅矩阵")
+async def active_core_stocks(days: int = Query(10, ge=1, le=30, description="交易日天数")):
     conn = get_connection()
     try:
-        dates = _recent_trade_dates(conn, 10)
+        dates = _recent_trade_dates(conn, days)
         if not dates:
             return JSONResponse({"dates": [], "stocks": []}, headers=_NO_CACHE_HEADERS)
 
@@ -90,6 +90,56 @@ async def active_core_stocks():
         conn.close()
 
 
+@router.get("/consecutive", summary="最近N日每天上榜的核心股")
+async def consecutive_core_stocks(days: int = Query(3, ge=2, le=10, description="交易日天数")):
+    conn = get_connection()
+    try:
+        rows = conn.execute(
+            "SELECT DISTINCT trade_date FROM daily_core_stocks ORDER BY trade_date DESC LIMIT ?",
+            (days,)
+        ).fetchall()
+        recent_dates = [r["trade_date"] for r in reversed(rows)]
+
+        if len(recent_dates) < days:
+            return JSONResponse({"days": days, "stocks": []}, headers=_NO_CACHE_HEADERS)
+
+        placeholders = ",".join("?" * len(recent_dates))
+        rows = conn.execute(
+            f"""SELECT trade_date, stock_code, stock_name, f3, cover_count
+                FROM daily_core_stocks
+                WHERE trade_date IN ({placeholders})""",
+            recent_dates,
+        ).fetchall()
+
+        stock_dates: dict[str, dict] = {}
+        for r in rows:
+            code = r["stock_code"]
+            s = stock_dates.setdefault(code, {
+                "stockCode": code,
+                "stockName": r["stock_name"],
+                "dates": set(),
+                "dailyGains": {},
+            })
+            s["dates"].add(r["trade_date"])
+            s["dailyGains"][r["trade_date"]] = r["f3"]
+
+        results = []
+        for code, s in stock_dates.items():
+            if len(s["dates"]) >= days:
+                results.append({
+                    "stockCode": code,
+                    "stockName": s["stockName"],
+                    "consecutiveDays": len(s["dates"]),
+                    "recentDates": sorted(s["dates"]),
+                    "dailyGains": s["dailyGains"],
+                })
+
+        results.sort(key=lambda x: -x["consecutiveDays"])
+        return JSONResponse({"days": days, "recentDates": recent_dates, "stocks": results}, headers=_NO_CACHE_HEADERS)
+    finally:
+        conn.close()
+
+
 @router.get("/history", summary="指定交易日核心股(含所属题材)")
 async def core_stock_history(date: str = Query(..., description="交易日 YYYY-MM-DD")):
     conn = get_connection()

backend/services/ai_service.py

@@ -21,7 +21,7 @@ from database import get_connection
 
 _CST = timezone(timedelta(hours=8))
 
-SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中发现投资机会。
+SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中发现投资机会。为收盘后的每日复盘报告供稿。读者是有一定经验、但没时间盯盘的短线与波段投资者。
 
 你的分析风格：
 - 数据驱动，基于真实数据而非主观臆断
@@ -33,6 +33,7 @@ SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中
 - 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/板块资金流/两融/海外指数与国内期货/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_consecutive_core_stocks: 获取最近N个交易日每天都上榜的核心股（缺一日都不行），用于识别持续活跃的热点股
 - get_stock_quote: 获取个股实时行情
 - get_fund_flow: 获取个股资金流向
 - get_news: 获取财经快讯（新浪7x24，用于重要消息面）
@@ -41,62 +42,88 @@ SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中
 1. 你必须先调用工具获取数据，然后基于数据进行分析
 2. 不要凭空编造数据，所有数据必须来自工具返回
 3. 如果工具返回空数据，如实说明数据不可用
-4. 分析完成后给出明确的结论和建议"""
+4. 分析完成后给出明确的结论和建议
 
-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。
+工作原则：
+1. 事实优先：所有数字、股票名称与代码、涨停原因、封单金额必须能在工具返回中找到出处；工具没有的写「—（今日无数据）」，严禁凭记忆、常识或推理补全。
+2. 时间锚定：只分析给定交易日当天及之前的真实数据，禁止引用训练记忆中的行情、政策或题材。
+3. 判断必须挂数字：每个结论后面要有价格/涨跌幅/金额/家数支撑，不做无数据的定性判断。
+4. 说人话：结论先行、短句、少形容词；禁用「整体来看」「值得注意的是」「情绪有所回暖」这类无信息量的套话。
+
+输出格式（前端按 ## 二级标题切卡片渲染，红涨绿跌依赖数字符号）：
+- 章节标题严格用 `## 一、xxx` 形式，标题不超过 12 字
+- 涨跌幅、环比变化、资金净额等有方向的数字必须带 + 或 - 号（如 +2.31%、-15.6亿）；不带符号的数字不会被着色
+- 多维度对比一律用 Markdown 表格，表头标注单位"""
+
+# 一次工具轮就必须拿全的核心工具：模型常只调 1-2 个就开写，缺失会让对应章节数据空洞
+REQUIRED_TOOLS = ("get_market_dashboard", "get_theme_history",
+                  "get_active_core_stocks", "get_consecutive_core_stocks", "get_news")
+
+DAILY_ANALYSIS_PROMPT = """请对 {trade_date}（A股交易日） 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（含涨跌统计、市场温度、连板梯队 limitLadder、板块资金流 sectorFundFlow、两融、海外与期货 globalMarkets）
-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
-4. get_news(limit=30) - 获取今日财经快讯
+你的分析风格：
+- 数据驱动，基于真实数据而非主观臆断
+- 逻辑清晰，先总后分，层层递进
+- 观点明确，给出具体的操作建议
+- 风险提示，每次推荐都需说明风险点
 
-生成报告时必须遵守以下格式规则：
+重要规则：
+1. 你必须先调用工具获取数据，然后基于数据进行分析
+2. 不要凭空编造数据，所有数据必须来自工具返回
+3. 如果工具返回空数据，如实说明数据不可用
+4. 分析完成后给出明确的结论和建议
 
-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：
+■ 第一步 · 取数（必须一次并行完成）
+在同一次回复中并行发起以下 5 个工具调用，不要拆成多轮、不要只调其中一部分：
+1. get_market_dashboard() —— 指数、涨跌统计、市场温度、连板梯队 limitLadder、板块资金流 sectorFundFlow、两融、海外指数与国内期货 globalMarkets
+2. get_theme_history(date="{trade_date}") —— 今日题材涨幅榜
+3. get_active_core_stocks() —— 核心股 10 日涨幅矩阵与所属题材
+4. get_consecutive_core_stocks(days=3) —— 最近3个交易日每天都上榜的核心股（缺一日都不行）
+5. get_news(limit=30) —— 今日财经快讯
+只有在需要核实某只具体个股时，才额外调用 get_stock_quote / get_fund_flow，合计不超过 2 次。
+
+■ 第二步 · 写作（以下规约对每一部分都生效）
+0. 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、两融余额、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. 板块资金面必须引用 get_market_dashboard 返回的 sectorFundFlow：行业主力净流入TOP3、净流出TOP3、概念净流入TOP3（单位亿元），结合题材分析说明资金动向。
-
-5. 海外市场与国内期货必须引用 get_market_dashboard 返回的 globalMarkets：overseas 为海外主要指数（纳斯达克/道琼斯/标普500/恒生/日经/富时），futures 为国内期货主力合约（按成交额降序，已含价格与涨跌幅）；点评与A股关联度高的品种（股指期货、原油、贵金属、黑色系），数据缺失则如实说明。
-
-6. 重要消息面必须基于 get_news 返回的快讯整理：挑5-8条对次日盘面影响最大的消息，每条格式为"【分类】一句话新闻 —— 一句影响解读"（分类用：宏观/政策/行业/公司/海外）；快讯中若没有某方面的重要消息，如实说明，严禁编造工具中不存在的新闻。
-
-7. 适当使用表格展示数据对比。
-
-然后基于数据生成报告。报告共八章，将由系统分三次调用完成，每次调用只负责其中一部分，具体写作指令由后续消息给出。
-
-请用 Markdown 格式输出，适当使用表格展示数据对比。"""
+1. 事实约束：所有数字、个股代码与名称、涨停原因、封单金额必须出自工具返回，找不到就写「—（今日无数据）」，禁止推测或用常识填补；禁止用「预计/有望/大概率」代替数据。
+2. 环比约束：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/跌停/炸板、市场温度、两融余额、主要指数），首次提到时必须写成「今日值（较昨日 ±变化）」；快照缺失时写「暂无昨日基准」，不得编造环比。
+3. 单位口径（全文统一，表头标注单位）：成交额→亿元（≥1万亿时写 x.xx 万亿）；资金净额→亿元；封单金额→万元（limitLadder 的 sealWan 字段）；指数→点。
+4. 符号规范：涨跌幅、环比变化、净流入/流出一律带 + 或 -，这是前端红涨绿跌的着色依据。
+5. 连板梯队：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。
+6. 板块资金：板块资金面必须引用 get_market_dashboard 返回的 sectorFundFlow：行业主力净流入TOP5、净流出TOP5、概念净流入TOP5（亿元，带符号），结合题材分析说明资金动向。
+7. 海外市场与国内期货：必须引用 get_market_dashboard 返回的 globalMarkets：overseas 为海外主要指数（纳斯达克/道琼斯/标普500/恒生/日经/富时），futures 为国内期货主力合约（按成交额降序，已含价格与涨跌幅）；点评与A股关联度高的品种（股指期货、原油、贵金属、黑色系），数据缺失则如实说明。
+8. 消息面：重要消息面必须基于 get_news 返回的快讯整理：挑5-8条对次日盘面影响最大的消息，每条格式为"【分类】一句话新闻 —— 一句影响解读"（分类用：宏观/政策/行业/公司/海外）；快讯中若没有某方面的重要消息，如实说明「今日无重要消息」，严禁编造工具中不存在的新闻。
+9. 适当使用表格展示数据对比。
+基于数据生成报告。报告共八章，固定顺序：一、市场总览｜二、题材热点分析｜三、核心股追踪｜四、资金与筹码｜五、重要消息面｜六、海外市场与国内期货｜七、下个交易日建议｜八、风险提示。
+同一段数据只允许在它归属的那一章出现：指数与量能在第一章、题材涨幅在第二章、连板与核心股在第三章、资金流与两融在第四章，其他章节只做结论引用，不重复铺数据。
+系统会把八章拆成三次生成，每次只写被指定的部分。
+"""
 
 # 分段生成指令：网关对单次 LLM 请求有约120s硬超时，整篇报告一次生成必被掐断，
 # 故拆为三段（每段约1200-1600字），各自独立调用后拼接
 REPORT_PARTS = [
     """现在写报告的【第1部分】，只输出这一部分，直接输出 Markdown，不要任何开场白或说明：
 1. 以 `# {title} A股收盘分析报告` 一级标题开头
-2. 标题后第一行输出定调引用块，格式严格为：`> 今日定调：<80字内核心结论，含1-2个关键数字>`
-3. 写 `## 一、市场总览`（指数表格、涨跌统计须环比、市场温度）与 `## 二、题材热点分析`（涨幅前5、持续活跃、新兴热点、退潮警示、板块主力资金流TOP3）
+2. `## 一、市场总览`（指数表格、涨跌统计须环比、市场温度）
+3. `## 二、题材热点分析`（涨幅前5、持续活跃、新兴热点、退潮警示、板块主力资金流TOP3）
 全文控制在1600字以内。""",
     """现在写报告的【第2部分】，只输出这一部分，直接输出 Markdown，不要重复之前内容：
-- `## 三、核心股追踪`（连板梯队完整表格：层级/股票/涨停原因/封单，首板挑3-5只人气股点评；核心股表现；龙头辨识）
-- `## 四、关注方向`（明日题材方向、潜在交易机会）
+- `## 三、核心股追踪`（连板梯队完整表格：层级/股票/涨停原因/封单，首板挑3-5只人气股点评；连续上榜股票表格：股票/连续天数/近3日涨幅，点评持续活跃的核心标的；核心股表现；龙头辨识）
+- `## 四、资金与筹码`：sectorFundFlow 的行业净流入 TOP3 / 净流出 TOP3 / 概念净流入 TOP3（亿元，带符号）、两融余额与变化、事件情报中值得注意的筹码信号
+全文控制在 1500 字以内。""",
+    """前两部分已在上下文中，现在续写【第3部分】，直接输出 Markdown，不要复述前文、不要写过渡句：
+- `## 五、重要消息面`：5-8条，格式【分类】新闻——影响解读
+- `## 六、海外市场与国内期货`（点评对次日A股的影响）
 全文控制在1300字以内。""",
     """现在写报告的【第3部分】，只输出这一部分，直接输出 Markdown，不要重复之前内容：
-- `## 五、下个交易日建议`（大盘预判、题材方向、核心股、仓位策略、规避方向）
-- `## 六、重要消息面`（5-8条，格式【分类】新闻——影响解读）
-- `## 七、海外市场与国内期货`（点评对次日A股的影响）
+- `## 七、下个交易日建议`（大盘预判、题材方向、核心股、仓位策略、潜在交易机会、规避方向，结合市场情绪、资金流向、热点题材、核心股表现、消息面、海外市场与国内期货、风险提示，给出明确的结论和建议。)
 - `## 八、风险提示`
 全文控制在1900字以内。""",
 ]
-
-# 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)
+## 五、下个交易日建议`（大盘预判、题材方向、核心股、仓位策略、规避方向）
 
 
 async def _consume_sse(resp: httpx.Response) -> dict:
@@ -231,11 +258,14 @@ async def collect_ai_analysis(trade_date: str) -> dict:
     # ── 阶段一：工具轮（只获取数据，模型若直接开写报告则丢弃，由阶段二重写） ──
     tools_used = []
     total_tokens = 0
+    llm_calls = 0
     was_truncated = False
     max_rounds = 8
+    tool_rounds = 0
 
     for i in range(max_rounds):
         response = await call_llm(messages, tools=TOOLS)
+        llm_calls += 1
         total_tokens += response.get("usage", {}).get("total_tokens", 0)
 
         choice = response["choices"][0]
@@ -246,6 +276,7 @@ async def collect_ai_analysis(trade_date: str) -> dict:
               f"tool_calls={len(message.get('tool_calls') or [])}")
 
         if finish_reason == "tool_calls" and message.get("tool_calls"):
+            tool_rounds += 1
             messages.append(message)
             for tool_call in message["tool_calls"]:
                 func_name = tool_call["function"]["name"]
@@ -257,7 +288,21 @@ async def collect_ai_analysis(trade_date: str) -> dict:
                     "tool_call_id": tool_call["id"],
                     "content": result
                 })
-            break  # 工具已齐，立即进入分段写作（再问一轮模型只会空转120s）
+            # 核心工具齐了就立即进分段写作（再问一轮只会空转120s）；
+            # 不齐则最多再补一轮，否则对应章节会无数据可写
+            if all(t in tools_used for t in REQUIRED_TOOLS):
+                break
+            if tool_rounds >= 2:
+                print(f"[ai-service] 核心工具仍不齐（已取：{sorted(set(tools_used))}），直接进入写作")
+                break
+            print(f"[ai-service] 核心工具不全，补一轮取数（{tool_rounds}/2）")
+            missing = [t for t in REQUIRED_TOOLS if t not in tools_used]
+            messages.append({
+                "role": "user",
+                "content": f"还缺以下数据，请立即调用后停止取数：{', '.join(missing)}"
+                           f"（get_theme_history 的 date 参数为 {trade_date}）"
+            })
+            continue
 
         # 非工具轮（模型直接开写/空返回）：只要有工具结果就直接进入分段写作；
         # 一轮工具都没拿到则重试
@@ -281,6 +326,7 @@ async def collect_ai_analysis(trade_date: str) -> dict:
                 "content": part_prompt.format(title=trade_date) if part_idx == 0 else part_prompt,
             }]
             response = await call_llm(part_messages)
+            llm_calls += 1
             total_tokens += response.get("usage", {}).get("total_tokens", 0)
             choice = response["choices"][0]
             part_content = choice["message"].get("content") or ""
@@ -293,22 +339,26 @@ async def collect_ai_analysis(trade_date: str) -> dict:
             was_truncated = True
             print(f"[ai-service] 警告：part {part_idx + 1} 三次尝试均失败")
             part_content = f"\n\n> （第{part_idx + 1}部分生成失败，请稍后重新生成）\n"
+        else:
+            # 回灌前文：后段看不到前段内容会导致重复铺数据、数字口径打架
+            messages.append({"role": "assistant", "content": part_content})
         final_content += (final_content and "\n\n" or "") + part_content
 
     summary = _extract_summary(final_content)
-    report_id = _save_report(trade_date, final_content, summary, tools_used, total_tokens)
+    report_id = _save_report(trade_date, final_content, summary, tools_used, total_tokens, llm_calls)
+    print(f"[ai-service] 生成完成：LLM调用 {llm_calls} 次，tokens {total_tokens}")
 
-    return {"id": report_id, "tokens_used": total_tokens, "tools_used": tools_used, "truncated": was_truncated}
+    return {"id": report_id, "tokens_used": total_tokens, "llm_calls": llm_calls, "tools_used": tools_used, "truncated": was_truncated}
 
 
 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", " ")
+    """摘要：去掉标题行与 Markdown 标记后截断 200 字（供管理列表展示）
+
+    正文首行是 `# XXXX A股收盘分析报告`，直接截断会让它占掉摘要大半。
+    """
+    text = re.sub(r"^#.*$", "", content or "", flags=re.MULTILINE)
+    text = re.sub(r"[>#*`|]", "", text)
+    return re.sub(r"\s+", " ", text).strip()[:200]
 
 
 def _num(v) -> str:
@@ -425,14 +475,14 @@ def _get_prev_snapshot_section(trade_date: str) -> str:
         conn.close()
 
 
-def _save_report(trade_date: str, content: str, summary: str, tools_used: list, tokens_used: int) -> int:
+def _save_report(trade_date: str, content: str, summary: str, tools_used: list, tokens_used: int, llm_calls: int = 0) -> 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'))
+               (trade_date, report_type, title, content, summary, tools_used, model, tokens_used, llm_calls, updated_at)
+               VALUES (?, 'daily', ?, ?, ?, ?, ?, ?, ?, datetime('now','localtime'))
                ON CONFLICT(trade_date, report_type) DO UPDATE SET
                  title = excluded.title,
                  content = excluded.content,
@@ -440,6 +490,7 @@ def _save_report(trade_date: str, content: str, summary: str, tools_used: list,
                  tools_used = excluded.tools_used,
                  model = excluded.model,
                  tokens_used = excluded.tokens_used,
+                 llm_calls = excluded.llm_calls,
                  updated_at = excluded.updated_at,
                  generation_count = ai_reports.generation_count + 1""",
             (
@@ -450,6 +501,7 @@ def _save_report(trade_date: str, content: str, summary: str, tools_used: list,
                 json.dumps(tools_used),
                 AI_MODEL,
                 tokens_used,
+                llm_calls,
             ),
         )
         conn.commit()
@@ -474,7 +526,11 @@ def _get_prev_report_section(trade_date: str) -> str:
             return ""
         prev_date = row["trade_date"]
         prev_content = row["content"] or ""
-        return f"""以下是前一个交易日（{prev_date}）的分析报告，请参考其中的分析逻辑和关注方向，结合今日数据进行对比分析：
+        return f"""以下是前一个交易日（{prev_date}）的分析报告，仅用于保持分析连续性：
+
+- 今日数据优先：两者冲突时以今日工具数据为准，并在正文点出变化（如"昨日提示的××今日××"）
+- 禁止照搬昨日结论、禁止复制昨日段落
+- 重点核对昨日"明日展望"与"风险提示"里提到的方向是否兑现；未兑现的要在正文中说明
 
 {prev_content}
 

backend/services/ai_tools.py

@@ -42,6 +42,20 @@ TOOLS = [
             "parameters": {"type": "object", "properties": {}, "required": []}
         }
     },
+    {
+        "type": "function",
+        "function": {
+            "name": "get_consecutive_core_stocks",
+            "description": "获取最近N个交易日每天都上榜的核心股（缺一日都不行），用于识别持续活跃的热点股",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "days": {"type": "integer", "description": "交易日天数，默认3"}
+                },
+                "required": []
+            }
+        }
+    },
     {
         "type": "function",
         "function": {
@@ -98,6 +112,8 @@ async def execute_tool(tool_name: str, arguments: dict) -> str:
             return await _get_theme_history(arguments.get("date", ""))
         elif tool_name == "get_active_core_stocks":
             return await _get_active_core_stocks()
+        elif tool_name == "get_consecutive_core_stocks":
+            return await _get_consecutive_core_stocks(arguments.get("days", 3))
         elif tool_name == "get_stock_quote":
             return await _get_stock_quote(arguments.get("code", ""))
         elif tool_name == "get_fund_flow":
@@ -219,6 +235,66 @@ async def _get_active_core_stocks() -> str:
         conn.close()
 
 
+async def _get_consecutive_core_stocks(days: int = 3) -> str:
+    """获取最近N个交易日**每个交易日都上榜**的核心股，缺一日都不行"""
+    from database import get_connection
+    conn = get_connection()
+    try:
+        # 最近N个有数据的交易日
+        rows = conn.execute(
+            "SELECT DISTINCT trade_date FROM daily_core_stocks ORDER BY trade_date DESC LIMIT ?",
+            (days,)
+        ).fetchall()
+        recent_dates = [r["trade_date"] for r in reversed(rows)]
+
+        if len(recent_dates) < days:
+            return json.dumps({"days": days, "stocks": []}, ensure_ascii=False)
+
+        # 查询这些日期的上榜记录
+        placeholders = ",".join("?" * len(recent_dates))
+        rows = conn.execute(
+            f"""SELECT trade_date, stock_code, stock_name, f3, cover_count
+                FROM daily_core_stocks
+                WHERE trade_date IN ({placeholders})""",
+            recent_dates,
+        ).fetchall()
+
+        # 按股票分组，记录上榜日期
+        stock_dates: dict[str, dict] = {}
+        for r in rows:
+            code = r["stock_code"]
+            s = stock_dates.setdefault(code, {
+                "stockCode": code,
+                "stockName": r["stock_name"],
+                "dates": set(),
+                "dailyGains": {},
+            })
+            s["dates"].add(r["trade_date"])
+            s["dailyGains"][r["trade_date"]] = r["f3"]
+
+        # 只保留N个交易日全部上榜的股票
+        results = []
+        for code, s in stock_dates.items():
+            if len(s["dates"]) >= days:
+                results.append({
+                    "stockCode": code,
+                    "stockName": s["stockName"],
+                    "consecutiveDays": len(s["dates"]),
+                    "recentDates": sorted(s["dates"]),
+                    "dailyGains": s["dailyGains"],
+                })
+
+        results.sort(key=lambda x: -x["consecutiveDays"])
+
+        return json.dumps({
+            "days": days,
+            "recentDates": recent_dates,
+            "stocks": results,
+        }, ensure_ascii=False)
+    finally:
+        conn.close()
+
+
 async def _get_stock_quote(code: str) -> str:
     """获取个股实时行情"""
     from services.tencent import fetch_quote

src/lib/ai-analysis-api.ts

@@ -15,6 +15,7 @@ export interface AiReport {
   model: string;
   tokens_used: number;
   generation_count?: number;
+  llm_calls?: number | null;
   issue_number?: number;
   created_at: string;
   updated_at?: string | null;
@@ -34,6 +35,13 @@ export async function fetchAiReports(): Promise<AiReport[]> {
   return result.data || [];
 }
 
+export async function fetchAiReportByDate(tradeDate: string): Promise<AiReport> {
+  const resp = await fetch(`${API_BASE}/api/ai-analysis/by-date/${tradeDate}`);
+  if (!resp.ok) throw new Error(`请求失败 (${resp.status})`);
+  const result = await resp.json();
+  return result.data;
+}
+
 export async function fetchAiReport(id: number): Promise<AiReport> {
   const resp = await fetch(`${API_BASE}/api/ai-analysis/${id}`);
   if (!resp.ok) throw new Error(`请求失败 (${resp.status})`);

src/lib/core-stock-api.ts

@@ -33,11 +33,11 @@ export interface CoreStockHistoryResponse {
   items: CoreStockHistoryItem[];
 }
 
-/** 获取活跃核心股 + 最近10日涨幅矩阵 */
-export async function fetchActiveCoreStocks(): Promise<ActiveCoreStocksResponse> {
+/** 获取活跃核心股 + 最近N日涨幅矩阵 */
+export async function fetchActiveCoreStocks(days: number = 10): Promise<ActiveCoreStocksResponse> {
   const baseUrl = getApiBaseUrl();
   try {
-    const resp = await fetch(`${baseUrl}/api/core-stocks/active`, { method: "GET", cache: "no-store" });
+    const resp = await fetch(`${baseUrl}/api/core-stocks/active?days=${days}`, { method: "GET", cache: "no-store" });
     if (!resp.ok) return { dates: [], stocks: [] };
     return resp.json();
   } catch (err) {

src/routes/ai-analysis.tsx

@@ -1,15 +1,22 @@
 import * as React from "react";
-import { Link, createFileRoute } from "@tanstack/react-router";
+import { Link, createFileRoute, useNavigate } from "@tanstack/react-router";
 import { ArrowLeft, Clock, Loader2, AlertCircle, Wrench, Calendar } from "lucide-react";
 import { useQuery } from "@tanstack/react-query";
 import Markdown from "react-markdown";
 import remarkGfm from "remark-gfm";
 import type { Components } from "react-markdown";
 import { Mermaid } from "../components/Mermaid";
-import { fetchAiLatestReport } from "../lib/ai-analysis-api";
+import { fetchAiLatestReport, fetchAiReportByDate, fetchAiReports } from "../lib/ai-analysis-api";
 import { Card, CardContent } from "../components/ui/card";
 
 export const Route = createFileRoute("/ai-analysis")({
+  validateSearch: (search: Record<string, unknown>) => {
+    return {
+      date: typeof search.date === "string" ? search.date : undefined,
+      // 兼容 ?data=YYYY-MM-DD 写法
+      data: typeof search.data === "string" ? search.data : undefined,
+    };
+  },
   component: AiAnalysisPage,
 });
 
@@ -46,7 +53,7 @@ function colorizeChildren(children: React.ReactNode): React.ReactNode {
   });
 }
 
-/** 按 "## " 二级标题拆分报告为多张卡片；首段（# 标题 + 定调引用块）单独一张 */
+/** 按 "## " 二级标题拆分报告为多张卡片；首段（# 标题等）若无正文则不单独成卡 */
 function splitReport(content: string): { intro: string; sections: { title: string; body: string }[] } {
   const parts = content.split(/\n(?=## )/);
   const sections = parts.slice(1).map((p) => {
@@ -55,16 +62,36 @@ function splitReport(content: string): { intro: string; sections: { title: strin
     const body = nl === -1 ? "" : p.slice(nl + 1).trim();
     return { title, body };
   });
-  return { intro: parts[0].trim(), sections };
+  const intro = parts[0].trim();
+  // intro 只剩标题（无其他内容）时置空，避免渲染一张只有大标题的空卡片
+  const introBody = intro.replace(/^#[^\n]*$/m, "").trim();
+  return { intro: introBody ? intro : "", sections };
 }
 
 function AiAnalysisPage() {
+  const navigate = useNavigate();
+  const { date, data } = Route.useSearch();
+  const tradeDate = date ?? data ?? undefined;
+  const isHistorical = !!tradeDate;
+
   const { data: report, isLoading, isError } = useQuery({
-    queryKey: ["ai-report-latest"],
-    queryFn: fetchAiLatestReport,
+    queryKey: isHistorical ? ["ai-report", tradeDate] : ["ai-report-latest"],
+    queryFn: () => (isHistorical ? fetchAiReportByDate(tradeDate!) : fetchAiLatestReport()),
     retry: false,
   });
 
+  const { data: history = [] } = useQuery({
+    queryKey: ["ai-reports"],
+    queryFn: fetchAiReports,
+    retry: false,
+  });
+
+  const goDate = (d?: string) => {
+    navigate({ to: "/ai-analysis", search: d ? { date: d } : {} });
+  };
+
+  const selectedDate = tradeDate ?? report?.trade_date ?? "";
+
   const mdComponents: Components = {
     table({ children, ...props }) {
       return (
@@ -93,17 +120,34 @@ function AiAnalysisPage() {
     <div className="min-h-screen bg-background text-foreground">
       <div className="max-w-4xl mx-auto px-3 sm:px-4 py-4 sm:py-6">
         {/* Header */}
-        <div className="flex items-center gap-2 sm:gap-3 mb-4 sm:mb-6">
-          <Link to="/" className="text-muted-foreground hover:text-foreground transition-colors">
-            <ArrowLeft className="h-5 w-5" />
-          </Link>
-          <h1 className="text-lg sm:text-xl md:text-2xl font-bold flex items-center gap-2">
-            <Calendar className="h-5 w-5 text-primary" />
-            AI 收盘分析
-            {report?.issue_number ? (
-              <span className="text-xs font-normal text-muted-foreground">总第 {report.issue_number} 期</span>
-            ) : null}
-          </h1>
+        <div className="flex items-center justify-between gap-2 sm:gap-3 mb-4 sm:mb-6">
+          <div className="flex items-center gap-2 sm:gap-3 min-w-0">
+            <Link to="/" className="text-muted-foreground hover:text-foreground transition-colors shrink-0">
+              <ArrowLeft className="h-5 w-5" />
+            </Link>
+            <h1 className="text-lg sm:text-xl md:text-2xl font-bold flex items-center gap-2 truncate">
+              <Calendar className="h-5 w-5 text-primary shrink-0" />
+              AI 收盘分析
+              {report?.issue_number ? (
+                <span className="text-xs font-normal text-muted-foreground whitespace-nowrap">总第 {report.issue_number} 期</span>
+              ) : null}
+            </h1>
+          </div>
+          {history.length > 0 && (
+            <select
+              value={history.some((h) => h.trade_date === selectedDate) ? selectedDate : ""}
+              onChange={(e) => goDate(e.target.value || undefined)}
+              className="text-xs sm:text-sm border border-border rounded-md bg-background px-2 py-1.5 text-foreground shrink-0"
+              aria-label="选择历史报告日期"
+            >
+              <option value="">最新</option>
+              {history.map((h) => (
+                <option key={h.id} value={h.trade_date}>
+                  {h.trade_date}
+                </option>
+              ))}
+            </select>
+          )}
         </div>
 
         {/* Content */}
@@ -115,8 +159,20 @@ function AiAnalysisPage() {
         ) : isError || !report ? (
           <div className="flex flex-col items-center gap-3 py-20">
             <AlertCircle className="h-6 w-6 text-destructive" />
-            <p className="text-sm text-muted-foreground">暂无分析报告</p>
-            <p className="text-xs text-muted-foreground/60">请通过管理面板触发 AI 分析</p>
+            <p className="text-sm text-muted-foreground">
+              {isHistorical ? `${tradeDate} 暂无分析报告` : "暂无分析报告"}
+            </p>
+            {isHistorical ? (
+              <Link
+                to="/ai-analysis"
+                search={{}}
+                className="text-xs text-primary hover:underline"
+              >
+                查看最新报告
+              </Link>
+            ) : (
+              <p className="text-xs text-muted-foreground/60">请通过管理面板触发 AI 分析</p>
+            )}
           </div>
         ) : (
           <>
@@ -129,6 +185,7 @@ function AiAnalysisPage() {
                     <span className="truncate">{report.updated_at || report.created_at}</span>
                   </span>
                   <span>{report.tokens_used?.toLocaleString()} tokens</span>
+                  {report.llm_calls ? <span>{report.llm_calls} 次 LLM 调用</span> : null}
                   {(report.generation_count ?? 1) > 1 && (
                     <span>第 {report.generation_count} 次生成</span>
                   )}
@@ -142,18 +199,6 @@ function AiAnalysisPage() {
               </CardContent>
             </Card>
 
-            {/* 今日定调摘要 */}
-            {report.summary && (
-              <div className="mb-3 sm:mb-4 rounded-lg border border-primary/30 bg-primary/5 px-3 sm:px-4 py-3">
-                <div className="flex items-start gap-2.5">
-                  <span className="shrink-0 mt-0.5 rounded bg-primary/10 px-1.5 py-0.5 text-[11px] font-semibold text-primary">
-                    今日定调
-                  </span>
-                  <p className="text-sm leading-relaxed">{report.summary}</p>
-                </div>
-              </div>
-            )}
-
             {/* 报告正文：按 ## 章节分卡片渲染 */}
             {(() => {
               const { intro, sections } = splitReport(report.content);

src/routes/core-stocks.tsx

@@ -1,8 +1,9 @@
 import { createFileRoute, Link } from "@tanstack/react-router";
 import { useQuery } from "@tanstack/react-query";
-import { Fragment } from "react";
+import { Fragment, useState } from "react";
 import { fetchActiveCoreStocks } from "@/lib/core-stock-api";
 import { ArrowLeft, RefreshCw, Flame } from "lucide-react";
+import { Tabs, TabsList, TabsTrigger } from "@/components/ui/tabs";
 
 export const Route = createFileRoute("/core-stocks")({
   component: CoreStocksPage,
@@ -16,9 +17,10 @@ function formatGain(v: number | null | undefined): string {
 }
 
 function CoreStocksPage() {
+  const [days, setDays] = useState(10);
   const { data, isLoading, isFetching, refetch } = useQuery({
-    queryKey: ["core-stocks", "active"],
-    queryFn: fetchActiveCoreStocks,
+    queryKey: ["core-stocks", "active", days],
+    queryFn: () => fetchActiveCoreStocks(days),
     staleTime: 60_000,
     retry: false,
   });
@@ -48,9 +50,18 @@ function CoreStocksPage() {
       </header>
 
       <div className="max-w-5xl mx-auto px-4 mt-3 pb-8">
-        <p className="text-[10px] text-muted-foreground mb-2">
-          活跃热点股（最近 10 个交易日内上榜）· 按上榜次数排序 · 共 {stocks.length} 只
-        </p>
+        <div className="flex items-center justify-between mb-3">
+          <p className="text-[10px] text-muted-foreground">
+            活跃热点股（最近 {days} 个交易日内上榜）· 按上榜次数排序 · 共 {stocks.length} 只
+          </p>
+          <Tabs value={String(days)} onValueChange={(v) => setDays(Number(v))}>
+            <TabsList>
+              <TabsTrigger value="3">近3日</TabsTrigger>
+              <TabsTrigger value="5">近5日</TabsTrigger>
+              <TabsTrigger value="10">近10日</TabsTrigger>
+            </TabsList>
+          </Tabs>
+        </div>
 
         {isLoading ? (
           <div className="animate-pulse rounded-xl bg-muted h-32" />