公司新闻脉搏：股价异动时快速归因。用 4 个并行 Agent 侦察公司事件/监管政策/行业对手/市场情绪，产出"事件时间线 + 异动主因判断 + 是否触发论文重审"。
复制下面这句话，粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具，它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-news-pulse-c15f36f59f9c ，按照其中的说明把「news-pulse」安装到你（当前 AI 工具）中。执行前先告诉我将运行的命令和写入的位置，等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看
This skill is generated from skills/news-pulse.md so Claude Code and Codex users share one canonical workflow.
$ARGUMENTS as the user's request in the current Codex thread.tools/ in this repository. Prefer running commands from the repository root with paths like python3 tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.对 $ARGUMENTS 进行最近新闻侦察与异动归因。这不是深度投研，是情报快速响应——目标是 10 分钟内回答："这家公司最近发生了什么？股价异动的真因是什么？要不要重审投资论文？"
/investment-team）、财报深读（用 /earnings-review）、长期论文跟踪（用 /thesis-tracker）向用户澄清以下信息（如未在 $ARGUMENTS 中提供）：
| 参数 | 说明 | 默认 |
|---|---|---|
| 公司名 | 中文/英文/股票代码均可 | 必填 |
| 时间窗口 | 侦察新闻的回溯天数 | 默认 14 天，财报季可缩到 7 天 |
| 股价异动 | 涨/跌幅度 + 时间，如"跌 12%/3 天" | 选填，有则用于聚焦归因 |
| 关注侧重 | 公司事件 / 监管 / 行业 / 情绪 | 默认四方平均 |
如果用户只说了公司名，先反问："最近多少天的新闻？有具体的股价异动要解释吗？"——不要默默假设。
参考 investment-team.md 的 A/B/C 评级，但维度不同：
| 等级 | 特征 | 侦察策略 |
|---|---|---|
| A 级（信息充裕） | 大盘股、媒体覆盖广、财报季 | 重点是降噪和归因——信息太多反而难找真因，每个 Agent 要有判断力，过滤掉"重复转述"的二手新闻 |
| B 级（信息适中） | 中小盘、覆盖一般 | 标准模式，每条关键事件附 1-2 个独立信源 |
| C 级（信息稀缺） | 港股小票、新上市、冷门 | 转入"扫盲模式"——可能找不到任何能解释异动的新闻，这个结论本身就有价值（可能是技术性/资金面而非基本面） |
将评级告知每个 Agent，影响其侦察方式。
使用 TeamCreate 创建团队：
team_name: {公司名}-newspulse（英文小写，如 pdd-newspulse）agent_type: team-lead使用 TaskCreate 创建以下 4 个任务：
侦察 {公司名} 近 {N} 天的公司本体事件侦察 {行业/公司} 近 {N} 天的监管与政策变化侦察 {公司名} 行业格局与对手近 {N} 天的动态侦察 {公司名} 近 {N} 天的市场情绪与机构观点变化python3 tools/xueqiu_scraper.py 抓段永平等大 V 最近相关发言
1247347556python3 tools/xueqiu_scraper.py --user-id 1247347556 --keywords {公司名},{股票代码} --output /tmp/dyp-{公司名}.md必须在同一条消息中并行调用 4 次 Task 工具。每个 Agent 配置：
subagent_type: general-purposerun_in_background: trueteam_name: {公司名}-newspulsename: 对应角色名（company-event-scout / regulatory-watcher / industry-peer-analyst / sentiment-tracker）每个 Agent 的 prompt 模板：
你是 {公司名} 新闻脉搏团队中的"{角色中文名}"，负责侦察 {侦察维度} 维度的最近 {N} 天事件。
时间窗口：{起始日期} ~ {今日日期}
股价异动背景：{用户提供的异动信息，无则写"无特定异动，常规体检"}
信息可得性等级：{A/B/C}
请完成任务 #{任务编号}：{任务subject}
具体侦察要求：
{任务description的内容}
**侦察方法**：
- 优先使用 WebSearch 搜索时效性查询（关键词加日期或"最近"、"latest"、"2026"）
- 关键事件用 WebFetch 精读原始来源（公告原文、财报、监管文件）
- 对每个事件做"独立信源验证"——传言至少要 2 个独立来源
- **不要被标题党误导**：标题与正文不符的事件要标注"标题误导"
**输出格式（重要）**：
1. **核心发现**：3-5 条最关键的事件，每条 1-2 句话
2. **完整事件时间线表格**（按日期倒序）：
| 日期 | 事件 | 来源 | 与股价异动相关性 | 持续性 |
3. **本维度归因结论**：基于侦察到的事件，回答"这个维度能否解释股价异动？置信度多少？"
4. **数据缺口声明**：哪些信息没找到、哪些有疑点、哪些需要等更多信息
5. 严格区分"事实"与"推测"，遵循 CLAUDE.md 客观性原则
**完成后**：
1. 使用 TaskUpdate 将任务标记为 completed
2. 通过 SendMessage 把完整侦察报告发送给 team-lead（type: "message", recipient: "team-lead"）
汇总 4 份侦察报告，输出异动归因报告（不是研究报告，重点是"判断"）：
用一段话（30-60 字）说明：这次股价异动的主因 + 次因 + 性质判断（价值事件/情绪波动/不明）
按日期倒序，合并所有维度的事件：
| 日期 | 维度 | 事件 | 来源 | 异动归因权重 |
|---|---|---|---|---|
| 2026-04-30 | 公司 | XX | 链接 | 🔴 高 |
| 2026-04-29 | 行业 | XX | 链接 | 🟡 中 |
| 2026-04-28 | 情绪 | XX | 链接 | ⚪ 低 |
权重图例：🔴 高（足以单独解释异动）/ 🟡 中（贡献一部分）/ ⚪ 低（背景噪音）
| 候选解释 | 证据 | 反证 | 置信度 | 持续性 |
|---|---|---|---|---|
| 例：财报 miss | 营收低于预期 5%、毛利率下滑 | 一次性因素管理层有解释 | 高 | 短期 1-2 周 |
| 例：行业 beta | 同行同期跌 8% | 该股跌幅明显大于行业 | 中 | 与行业同步 |
打勾其一：
每维度 3-5 条最重要发现 + 该维度归因贡献度。
| 行动 | 是否建议 | 理由 |
|---|---|---|
触发投资论文重审（/thesis-tracker） | ||
触发深度财报研读（/earnings-review） | ||
触发管理层重审（/management-deep-dive） | ||
| 调仓动作（加仓/减仓/不动） | 仅做提示，最终决策权在用户 | |
| 仅观察 |
诚实列出本次侦察没能解决的疑点、找不到的信息、需要等更多披露的事项。宁可标"不确定"，也不用推测填满。
写入 reports/{公司名}/{公司名}-news-{YYYYMMDD}.md。如果 reports/{公司名}/ 目录不存在则创建（说明该公司还没建过任何研究报告）。
使用 TeamDelete 清理团队资源。
CLAUDE.md 客观性原则——所有判断附数据来源，区分事实与观点