阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/a-stock-data-skill/ 「芋道源码」欢迎转载，保留摘要，谢谢！

• 一个文件，把 A 股数据源都收了
• 现在有八十七个接口，分十五层
• 资金面和短线数据这两块最实用
• 装法就是把文件放进去
• 它省的是找接口的时间

---

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

1. RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
2. RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
3. 您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
4. 新的源码解析文章实时收到通知。每周更新一篇左右。
5. 认真的源码交流微信群。

---

最近在 GitHub 上翻到一个项目，叫 a-stock-data。它干的事挺单纯，把 A 股那些公开接口整理好，打包成一个文件，让 AI 编程助手能直接用。

做 A 股数据的人应该懂，写代码不费劲，费劲的是找接口。行情在一个地方，研报在另一个地方，龙虎榜、解禁、股东户数又各散在各处，每家的字段名不一样，鉴权方式不一样，有的还限制访问频率。这个项目相当于把这些坑提前填完了。以前想把这几类数据凑到一起，光是把各家的字段对齐就要花掉一整天，第二天接口一改又得重来。

项目现在一万多 Star，在数据工具这类偏底层的项目里算人气很足的了，作者更新也勤，我写这篇的时候仓库还在动。

一个文件，把 A 股数据源都收了

它就是一个文件，一个 SKILL.md，不用部署，也不用起服务。文件里用结构化的文字加 Python 代码，把每个接口怎么调、参数怎么填、返回什么字段都写清楚了。

国产的 AI 编程助手，只要支持往上下文里塞文档就都能读它。Claude Code、Codex、OpenClaw 这些支持 Skill 机制的更没问题。

有一点挺讨喜，除了 iwencai 的语义搜索要申请一个 Key，其他数据源都不用注册、不用 Key，装完就能查。

现在有八十七个接口，分十五层

这是这个项目变化最快的地方。我翻到的资料里写的是 22 个数据源、60 个接口，而仓库现在的自述已经是 34 个数据源、87 个端点、15 层。上面那张卡片截图就是早一些的版本，能看出它当时还写着 60 个接口。

十五层的命名本身就说明作者是按业务维度分的，而不是按数据源分。行情与 K 线、当日逐笔、研报、信号、资金面、新闻、财务、公告、打板、ETF 期权、舆情、宏观利率、期货大宗、事件驱动、可转债，基本把散在各处的 A 股数据都收进来了。

六十个接口全列出来没人看得下去，按平时会用到的场景挑几块说。

行情和估值这一层最常开。实时价格、K 线、五档盘口、逐笔成交都有，走的是通达信和腾讯的通道。历史估值也能拉，比如问一句「茅台现在的 PE 在过去十年是什么分位」，它会去取 2016 年以来的日频数据算出来。

研报和机构预期这一层里，个股研报、评级、券商给的三年盈利预测都能拉，研报 PDF 原文也能下。iwencai 的自然语言搜索比较实用，直接说「人形机器人产业链最近的研报，特别是丝杠和减速器」，它按语义去找，不用自己凑关键词。

资金面和短线数据这两块最实用

资金面这一层我自己看得比较多。个股主力资金是流入还是流出，分钟级的，可以直接问。龙虎榜的上榜记录、买卖席位前五、哪些营业部在买，全市场当天的净买入排名，都能查。融资融券的日级明细、大宗交易的成交价与溢价率、股东户数的季度变化，也都在里面。

还有一个筹码分布，获利比例、平均成本、筹码峰在什么位置。这个是在本地用成交量和换手率算的，不请求外部接口，所以不受数据源限流影响。

短线数据这一层对做打板的人更直接。当天涨停多少家、最高几连板、炸板率多少，有专门的涨停池、炸板池、跌停池。昨天涨停的票今天表现怎么样，也能算晋级率。交易所的重点监控名单和严重异常波动记录也接进来了，这类信息平时散在公告里挺难找，现在能直接查。

另外还有两块容易被忽略的。公告与新闻这一层能检索沪深北全量公告，也有个股新闻和实时电报；互动易问答能拉到投资者提问与公司官方回复，想知道公司怎么回应某个传闻，这是个很直接的信源。宏观那一层接的是官方站，社融、PMI、指数成分与权重、交易所日历都有。财务、舆情与可转债这三层覆盖面也不窄，做基本面或者做事件驱动的人可以自己翻一翻。

装法就是把文件放进去

装起来三步，两分钟不到。

先建技能目录，把 SKILL.md 下载进去，再装几个 Python 依赖。

mkdir -p ~/.claude/skills/a-stock-data
curl -o ~/.claude/skills/a-stock-data/SKILL.md \
  https://raw.githubusercontent.com/simonlin1212/a-stock-data/main/SKILL.md
pip install mootdx requests pandas stockstats numpy baostock xlrd openpyxl

装完说一句话就行，比如「帮我看看 688017 的估值」，它会自己去读这个文件、跑里面的代码。想查别的接着问，不用记命令和参数。

不用 Skill 机制的助手也有办法，把文件内容贴进项目上下文，或者干脆把里面的 Python 代码抠出来放进自己的脚本跑，都行。

它省的是找接口的时间

这个工具说到底就是管数据的，查出来的东西怎么用，还得自己拿主意。几十个接口调得再顺，也不等于就懂公司、懂行业了。

它主要的价值在于把「找接口」这段重复劳动消掉了。这活技术含量不高，但每次换数据源都要重做一遍字段映射和限流处理，攒下来是笔不小的时间账。数据这层有人提前铺好，做投研、做量化，或者想让 AI 帮忙盯数据的人，都能省下不少时间。

照例提醒一句，这个项目只提供数据获取工具，不构成任何投资建议。股市有风险，决策要谨慎。

顺带说一句它不适合什么场景。它给的是原始数据和常用指标，不做策略回测、不做组合管理，也不替你判断估值贵不贵。想搭完整投研流程，它只能算最底下那一层。

仓库在 https://github.com/simonlin1212/a-stock-data