前言¶
做 A 股研究的开发者常遇到两类问题：一是按热度榜抓股票，抓到的多是已被充分 price-in 的标的；二是只看 PE 或题材做静态筛选，容易把周期高点、一次性收益或概念炒作误判成机会。AI选股助手（cbxh-stock-picker）把热点早期发现、盈利预测上修、PEG 估值约束和历史候选池追踪放进同一个框架，输出可复盘、可连续跟踪的选股候选池。下面介绍它的定位、能力、启用方式和典型用法。
这是什么¶
AI选股助手是一个面向 A 股及可扩展市场的选股研究 Skill，坐标 @user_d2258560/cbxh-stock-picker，发布者 user_d2258560，来源 community，分类 professional，版本 1.0.3，SkillHub 评分 100000、下载 1311 次、安装 0 次，标签 requires_api_key=false。官方地址为 https://api.skillhub.cn/user_d2258560/cbxh-stock-picker ，SkillHub 页面为 https://www.skillhub.cn/skills/user_d2258560/cbxh-stock-picker ，GitHub 镜像仓库为 https://github.com/AIxiaohuaCB/cbxh-stock-picker 。
它定位为投资研究和筛选助手，不是自动交易系统。输出的是证据化的候选列表、增长假设、估值错配分析、候选池持续性检查、price-in 评估、验证问题和监控动作，不能视为保证收益的投资建议。
核心逻辑是先扩大候选池，避免错过早期机会；再用盈利增长、估值和涨幅约束收窄候选，避免买到已被充分 price-in 的高热度股票。判断围绕四类问题：市场关注度或盈利预期是否处于上升早期、PE_TTM 与未来增长是否匹配、1W/1M/2M/3M/6M 涨幅是否已透支基本面、标的是否连续进入候选池及优先级变化。
核心功能¶
已核实的能力如下。
- 多通道信息雷达：从热度榜、主题线索、研报/公告/新闻召回和一致预期变化中扩大候选池，降低 miss 机会的概率。
- 三口径 PEG 比较：默认以当前或当日 PE_TTM 为 PEG 分子，同时比较 1Y Growth PEG、2Y CAGR PEG 与 TTM PEG，2026E PE 和 2027E PE 作为参考估值字段。
- 盈利增长驱动拆解：在讨论估值前先拆解盈利增长的实际来源，并给出 Base/Bull/Bear 前瞻盈利情景。
- 五窗口 price-in 检查：检查 1W、1M、2M、3M、6M 的涨幅是否已明显透支基本面变化。
- 候选池历史追踪：通过本地底稿记录每只标的是新进入、持续在池、重新进入还是被剔除，并比较上次优先级与本次优先级变化、连续在池次数。
- 陷阱排除：排除周期高点、一次性收益、会计噪声、治理风险和预期已完全计入价格造成的假机会。
- 结构化 HTML 报告：默认输出单文件自包含 HTML，包含核心结论、A/B/C 候选主表、重点标的卡片、剔除清单、数据口径说明、验证动作和结果质检；Markdown 仅用于简报或在用户明确要求时使用。
安装与启用¶
该 Skill 使用通用 SKILL.md 格式。已抓取资料中未核实到官方一键安装命令，以下是已核实的获取途径和本地文件结构。
- SkillHub 页面：https://www.skillhub.cn/skills/user_d2258560/cbxh-stock-picker
- GitHub 镜像仓库：https://github.com/AIxiaohuaCB/cbxh-stock-picker
- 官方地址：https://api.skillhub.cn/user_d2258560/cbxh-stock-picker
仓库内已核实的关键文件如下：
SKILL.md # 触发条件、Purpose、Core philosophy、工作流
references/data-source-routing.md # 数据源选择规则
references/history-ledger.md # 历史底稿字段定义
data/candidate_history.csv # 本地候选池历史底稿
scripts/append_history.py # 追加当前运行记录到历史底稿
outputs/ # 默认 HTML 报告输出目录
启用方式是在对话中明确说出触发语，例如“CBXH的选股skill”、“用我的选股助手”、“跑一下选股助手”，或直接提出高增长低 PEG 筛选需求。未指定市场和输出格式时，默认使用 A 股、历史快照纪律、多源验证、三口径 PEG、五窗口 price-in 检查、候选池持续性追踪和增长类型分类。
典型用法¶
官方资料给出的标准工作流之一是 weekly high-growth expectation-gap radar，适合每周选股发现、防错过和早期标的雷达。
- 定义目标 universe，默认 A 股，除非用户指定港股、中概或美股。
- 在 PEG 排序前先建立三个独立候选池：热度榜/关注度池、AlphaPai/Wind/Eastmoney 主题与行业增长池、盈利预测上修池。
- 盈利预测上修池是独立候选入口，不是给已有热度池或主题池加标签；使用上修因子时不能只从上次候选列表出发，要先为当前市场和时间窗口重新生成一份上修驱动的候选列表。
- 从 Wind 和 Eastmoney 拉取盈利预测、一致预期上修、财务、估值、公告、新闻和风险事件。
- 拉取热度排名，识别关注度突然上升的方向。
- 对候选做 PEG 约束和五窗口 price-in 检查，排除周期高点、一次性收益、会计噪声、治理风险和已充分计入预期的标的。
- 查
data/candidate_history.csv，标注candidate_persistence、previous_priority、priority_change、consecutive_runs。 - 在
outputs/生成cbxh_stock_radar_YYYYMMDD.html，CSS 全部内联，不依赖外部样式表、字体、CDN、脚本或图片。 - 将本次保留候选和剔除候选全部追加到
data/candidate_history.csv；有 JSON 记录时用scripts/append_history.py，否则按references/history-ledger.md定义的字段手动追加。 - 在 HTML 报告中加入“历史底稿”小节，写明底稿路径、使用的上次快照、新进入/持续在池/重新进入/剔除数量、优先级变化、连续在池统计和持续性判断的局限。
数据源分工如下：AlphaPai 用于路演纪要、卖方评论、研报召回、公告召回、问答、一页公司分析、投资逻辑、可比公司和主题选股；Wind MCP 是 PE_TTM、预测 PE、多窗口涨幅、K 线涨幅、预测利润增长、财务基本面、事件、技术面、风险指标、公告和新闻的默认主源，多股票行情/估值字段要拆成单股票调用后合并；Eastmoney 妙想用于结构化财务、多股指标、实时行情、财务报表、估值和资金流风格查询；热度排名用于问财、雪球、东方财富的关注度雷达；westock/neodata/westock-tool 通过金融路由 Skill 补充覆盖范围、批量筛选、板块成分、行情、K 线、估值和事件数据；WebSearch 只作为公开信息 fallback，并标注为非主源。
适用场景与注意¶
适合需要定期做 A 股高增长低 PEG 筛选、希望把热度、盈利上修、估值约束和历史持续性放在同一框架里的研发或研究场景。也适合需要可复盘 HTML 报告和本地历史底稿、做连续跟踪的用户。
需要注意的点：
- 它不是自动交易系统，输出是候选池和研究证据，不能当作保证收益的投资建议。
- 完整运行依赖外部数据源能力，官方建议必装或强烈建议配置 alphapai-research、Wind 金融数据 / Wind MCP、A股实时热度排名；可选 fallback 或补充源包括 mx-finance-data、wb-finance-skill、westock-data、westock-tool、neodata-financial-search 和通用网页搜索。
- 判断 PE_TTM 是否可解释，警惕低基数造成的假低 PEG；同时要看预测机构数、上修或下修趋势、预测分歧和数据完整性。
- 历史底稿从第一次运行开始建立，之后每次运行都要先读上一次快照，否则无法判断新进入、持续在池、重新进入或剔除。
- 公开网页搜索只能补充公开新闻和二级线索，不能替代正式金融数据或公告口径。
结尾¶
AI选股助手的价值不在于给出一个可直接下单的股票名单，而是把早期发现、盈利驱动拆解、三口径 PEG、五窗口 price-in 检查和候选池历史追踪固化为可重复的研究流程。官方地址：https://api.skillhub.cn/user_d2258560/cbxh-stock-picker 。
