前言¶

做 A 股选股或复盘时，常见做法是盯几只自选股的 K 线，凭经验找「像去年某段」的走势，再主观判断后面会不会延续。全市场逐只比对成本高，手工记涨跌幅也容易漏段。若希望把「这段走势在历史上出现过多少次、之后涨跌概率如何」变成可检索的统计，需要一套形态匹配流程，而不是单看一张图。

下面介绍 SkillHub 上的社区 Skill k线形态选股器（坐标 @user_2bda22ce/stockmatcher，当前版本 1.0.2）。它面向 Agent：在对话里描述选股、形态匹配、走势相似、历史回测等需求时，按技能文档调用本地脚本，在全市场或单票历史中搜索相似 K 线段落，并输出后续收益与上涨概率等统计。SkillHub 标注 requires_api_key=false；主流程依赖东方财富或通达信本地数据，无需为 Skill 本身配置 API Key。

这是什么¶

k线形态选股器 在 SkillHub 上的简介为：可以通过个股自定义的末端时间走势，来验证市场历史个股走势，从而预知未来一段时间内的趋势。

更准确地说，它是基于 SKILL.md 的 Agent Skill（包内标识名 a-stock-pattern-matcher），由社区发布者 user_2bda22ce 维护，分类为 professional，来源 community。技能文档将其定位为 A 股智能形态匹配选股工具：比对历史走势形态，找出与目标序列最相似的历史片段，并汇总匹配段之后的市场表现，供决策参考（历史统计不等于未来收益）。

• SkillHub 页面：https://www.skillhub.cn/skills/user_2bda22ce/stockmatcher
• API 入口（SkillHub 生态）：https://api.skillhub.cn/user_2bda22ce/stockmatcher

核心功能¶

以下能力均来自 v1.0.2 技能文档，Agent 在匹配到触发场景（选股、形态匹配、走势相似、找类似股票、历史回测、K 线分析等）时应按文档执行。

1. 手动输入涨跌幅：用户提供逗号分隔的日涨跌幅序列，在全市场搜索相似走势（文档称该方式最灵活、最可靠）。
2. 指定股票代码：取某只股票最近 N 个交易日窗口，在全市场（cross）或自身历史（self）中搜索匹配。
3. 截图识别 K 线：从 K 线截图提取涨跌序列（准确度依赖图片质量，建议东方财富/同花顺日 K）。
4. 可视化对比：生成匹配结果图表。
5. 统计输出：后续 N 日平均收益、上涨概率、高相似度子集胜率等；相似度为 0～1 的余弦相似度。

v1.0.2 变更要点：新增通达信本地数据支持，移除 tushare API 依赖，数据源东方财富优先、通达信备选，并修复硬编码 token 等安全问题。

安装与启用¶

SkillHub 官方建议让 Agent 按安装说明拉取技能，坐标为 @user_2bda22ce/stockmatcher。

1. 安装 SkillHub CLI（若尚未安装）¶

先检查是否已有 CLI：

command -v skillhub && skillhub --version

未安装时，可使用 SkillHub 文档中的完整安装命令（需联网）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅安装 CLI 时：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2. 安装本 Skill 到当前 Agent 的 skills 目录¶

安装时必须用 --dir 指向当前客户端识别的 skills 目录，否则默认落在 ./skills/ 可能无法被加载。常用路径如下（摘自 SkillHub 安装文档）：

在 Cursor 中示例：

skillhub install @user_2bda22ce/stockmatcher --dir ~/.cursor/skills/

也可将下面提示词发给 AI，由其按 https://skillhub.cn/install/skillhub.md 完成安装：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_2bda22ce/stockmatcher`。

3. Python 依赖与数据环境¶

技能目录内脚本（见下文「脚本位置」）需要：

pip install numpy pandas Pillow matplotlib openpyxl

数据源（按优先级自动选择）：

1. 东方财富本地数据（推荐）：可设置环境变量 EASTMONEY_DATA_PATH 指向数据目录；文档说明会在工作区目录结构中自动搜索。
2. 通达信本地数据：v1.0.2 起作为备选（见变更说明）。

旧版脚本 rhythm_pattern_matcher.py 仍可能使用 tushare，需 TUSHARE_TOKEN；主程序 smart_pattern_matcher.py 在 v1.0.2 说明为纯本地数据源。结果默认写入技能工作目录下的 pattern_results/。

安装或升级后，按你所用客户端要求重启或刷新 Agent，使新 Skill 生效。

典型用法¶

在技能包根目录（含 SKILL.md 与 scripts/）下执行。下列命令与参数与官方 SKILL.md 一致。

模式 1：手动涨跌幅（推荐）¶

适合已有明确涨跌节奏、不绑定某只股票代码的场景：

python scripts/smart_pattern_matcher.py --returns "2.1,-0.5,1.3,0.8,-1.2,-0.3,3.5,1.2,-0.8,2.0"

常用参数：--top（默认 15）、--threshold（最低相似度，默认 0.3）、--after（后续观察天数，默认 10）。

模式 2：指定股票代码¶

# 全市场搜索
python scripts/smart_pattern_matcher.py --code 002594 --window 15 --mode cross

# 自身历史搜索
python scripts/smart_pattern_matcher.py --code 600519 --window 20 --mode self

--window 为观察窗口交易日数（默认 20）；--mode 取 cross 或 self。

模式 3：K 线截图¶

python scripts/smart_pattern_matcher.py --image kline_screenshot.png

模式 4：全市场扫描¶

python scripts/smart_pattern_matcher.py --mode scan --window 20 --top 5

文档注明该模式耗时长（约 20～30 分钟），且旧版受 tushare 限频影响；v1.0.2 主程序以本地数据为主，仍应谨慎用于大批量扫描。

输出如何读¶

窗口长度建议：5～10 日偏短线；15～20 日文档推荐的中线波段；30～60 日偏趋势级。

适用场景与注意¶

适合谁

• 需要在对话里完成「找全市场类似这段走势的股票」「某票最近 20 日像自己历史上哪一段」的量化同事。
• 已具备或可配置东方财富/通达信本地行情数据，希望减少在线 API 限频的 A 股研究者。

限制与注意

1. 文档明确：历史不代表未来；上涨概率 70% 仍意味着约 30% 下跌可能。
2. 停牌、次新股数据不足会被跳过；全市场搜索默认包含 ST。
3. 截图识别依赖图片质量，不如手动 --returns 稳定。
4. 全市场扫描与首次加载本地数据耗时较长，文档给出过加载与缓存相关耗时说明，应按机器与数据体量实测。
5. SkillHub 页面统计（抓取时）：评分 100000，下载约 2425，安装约 54；社区 Skill，使用前自行评估合规与投资风险。

脚本位置（技能包内）

• 主程序：scripts/smart_pattern_matcher.py
• 通达信接口：scripts/tdx_local.py
• 旧版：scripts/rhythm_pattern_matcher.py（tushare）
• 公式参考：scripts/pattern_tdx.txt、scripts/pattern_em.txt

结尾¶

k线形态选股器 把「末端走势像谁、历史上类似片段之后怎么走」收敛成可重复的搜索与统计流程，适合挂在 Cursor 等 Agent 上，用自然语言触发形态匹配任务。安装与优先源规则以 SkillHub 官方说明为准；功能细节以技能包内 SKILL.md（v1.0.2）为准。

• SkillHub：https://www.skillhub.cn/skills/user_2bda22ce/stockmatcher
• 安装说明：https://skillhub.cn/install/skillhub.md