fdsad

PS E:\stock\daily_stock_analysis> python .\main.py --force-run --debug

2026-05-03 19:32:11,833 [INFO] src.config: TUSHARE_TOKEN detected, auto-injecting tushare into realtime priority: tushare,tencent,akshare_sina,efinance,akshare_em

2026-05-03 19:32:11 | INFO | src\logging_config.py:153 | 日志系统初始化完成，日志目录: logs

2026-05-03 19:32:11 | INFO | src\logging_config.py:154 | 常规日志: logs\stock_analysis_20260503.log

2026-05-03 19:32:11 | INFO | src\logging_config.py:155 | 调试日志: logs\stock_analysis_debug_20260503.log

2026-05-03 19:32:11 | INFO | main.py:741 | ============================================================

2026-05-03 19:32:11 | INFO | main.py:742 | A股自选股智能分析系统 启动

2026-05-03 19:32:11 | INFO | main.py:743 | 运行时间: 2026-05-03 19:32:11

2026-05-03 19:32:11 | INFO | main.py:744 | ============================================================

2026-05-03 19:32:11 | WARNING | main.py:749 | 仅配置 FEISHU_APP_ID / FEISHU_APP_SECRET 不会开启飞书群 Webhook 推送；如需群消息通知，请配置 FEISHU_WEBHOOK_URL。若要使用应用机器人，请同时开启 FEISHU_STREAM_ENABLED 并完成应用发布与权限配置。

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.started host='raw.githubusercontent.com' port=443 local_address=None timeout=5 socket_options=None

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F26BB11BD0>

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.started ssl_context=<ssl.SSLContext object at 0x000001F26BAF9370> server_hostname='raw.githubusercontent.com' timeout=5

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F26BB11B90>

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.started request=<Request [b'GET']>

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.complete

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.started request=<Request [b'GET']>

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.complete

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.started request=<Request [b'GET']>

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'Connection', b'keep-alive'), (b'Content-Length', b'70869'), (b'Cache-Control', b'max-age=300'), (b'Content-Security-Policy', b"default-src 'none'; style-src 'unsafe-inline'; sandbox"), (b'Content-Type', b'text/plain; charset=utf-8'), (b'ETag', b'W/"ef1120bc585f7feb5925cff26b65f91abb098ee26e2a2ef53b078c06f0716850"'), (b'Strict-Transport-Security', b'max-age=31536000'), (b'X-Content-Type-Options', b'nosniff'), (b'X-Frame-Options', b'deny'), (b'X-XSS-Protection', b'1; mode=block'), (b'X-GitHub-Request-Id', b'6D48:31EC95:1358205:25317E1:69F4349E'), (b'Content-Encoding', b'gzip'), (b'Accept-Ranges', b'bytes'), (b'Date', b'Sun, 03 May 2026 11:32:17 GMT'), (b'Via', b'1.1 varnish'), (b'X-Served-By', b'cache-sin-wsss1830072-SIN'), (b'X-Cache', b'HIT'), (b'X-Cache-Hits', b'95'), (b'X-Timer', b'S1777807938.519963,VS0,VE0'), (b'Vary', b'Authorization,Accept-Encoding'), (b'Access-Control-Allow-Origin', b'*'), (b'Cross-Origin-Resource-Policy', b'cross-origin'), (b'X-Fastly-Request-ID', b'712d0968f8045cdbb2e7e32a83076db8b34824af'), (b'Expires', b'Sun, 03 May 2026 11:37:17 GMT'), (b'Source-Age', b'218')])

2026-05-03 19:32:12 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.started request=<Request [b'GET']>

2026-05-03 19:32:13 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.complete

2026-05-03 19:32:13 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.started

2026-05-03 19:32:13 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.complete

2026-05-03 19:32:13 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | close.started

2026-05-03 19:32:13 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | close.complete

19:32:15 - LiteLLM:DEBUG: litellm_logging.py:199 - [Non-Blocking] Unable to import GenericAPILogger - LiteLLM Enterprise Feature - No module named 'litellm_enterprise'

2026-05-03 19:32:15 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:199 | [Non-Blocking] Unable to import GenericAPILogger - LiteLLM Enterprise Feature - No module named 'litellm_enterprise'

19:32:16 - LiteLLM:DEBUG: http_handler.py:794 - Using AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:794 | Using AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:862 - Creating AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:862 | Creating AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:876 - NEW SESSION: Creating new ClientSession (no shared session provided)

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:876 | NEW SESSION: Creating new ClientSession (no shared session provided)

19:32:16 - LiteLLM:DEBUG: http_handler.py:794 - Using AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:794 | Using AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:862 - Creating AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:862 | Creating AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:876 - NEW SESSION: Creating new ClientSession (no shared session provided)

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:876 | NEW SESSION: Creating new ClientSession (no shared session provided)

19:32:16 - LiteLLM:DEBUG: http_handler.py:794 - Using AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:794 | Using AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:862 - Creating AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:862 | Creating AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:876 - NEW SESSION: Creating new ClientSession (no shared session provided)

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:876 | NEW SESSION: Creating new ClientSession (no shared session provided)

19:32:16 - LiteLLM:DEBUG: http_handler.py:794 - Using AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:794 | Using AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:862 - Creating AiohttpTransport...

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:862 | Creating AiohttpTransport...

19:32:16 - LiteLLM:DEBUG: http_handler.py:876 - NEW SESSION: Creating new ClientSession (no shared session provided)

2026-05-03 19:32:16 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\llms\custom_httpx\http_handler.py:876 | NEW SESSION: Creating new ClientSession (no shared session provided)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: bottom_volume (bottom_volume.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: box_oscillation (box_oscillation.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: bull_trend (bull_trend.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: chan_theory (chan_theory.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: dragon_head (dragon_head.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: emotion_cycle (emotion_cycle.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: ma_golden_cross (ma_golden_cross.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: one_yang_three_yin (one_yang_three_yin.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: shrink_pullback (shrink_pullback.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: volume_breakout (volume_breakout.yaml)

2026-05-03 19:32:16 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: wave_theory (wave_theory.yaml)

2026-05-03 19:32:18 | INFO | src\storage.py:675 | 数据库初始化完成: sqlite:///E:\stock\daily_stock_analysis\data\stock_analysis.db

2026-05-03 19:32:18 | DEBUG | data_provider\tushare_fetcher.py:182 | Tushare API client configured for direct HTTP calls

2026-05-03 19:32:18 | INFO | data_provider\tushare_fetcher.py:169 | Tushare API 初始化成功

2026-05-03 19:32:18 | INFO | data_provider\tushare_fetcher.py:200 | ✅ 检测到 TUSHARE_TOKEN 且 API 初始化成功，Tushare 数据源优先级提升为最高 (Priority

-1)

2026-05-03 19:32:18 | INFO | data_provider\base.py:842 | 已初始化 7 个数据源（按优先级）: TushareFetcher(P-1), EfinanceFetcher(P0), AkshareFetcher(P1), PytdxFetcher(P2), BaostockFetcher(P3), YfinanceFetcher(P4), LongbridgeFetcher(P5)

2026-05-03 19:32:18 | INFO | src\analyzer.py:981 | Analyzer LLM: litellm initialized (model=openai/qwen-plus)

2026-05-03 19:32:18 | INFO | src\notification.py:173 | 已配置 1 个通知渠道：自定义Webhook

2026-05-03 19:32:18 | INFO | src\search_service.py:2012 | 已启用 SearXNG 公共实例自动发现模式

2026-05-03 19:32:18 | INFO | src\search_service.py:2023 | 新闻时效策略已启用: profile=short, profile_days=3, NEWS_MAX_AGE_DAYS=3, effective_window=3

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:116 | 调度器初始化完成，最大并发数: 3

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:117 | 已启用技术分析引擎（均线/趋势/量价指标）

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:120 | 实时行情已启用 (优先级: tushare,tencent,akshare_sina,efinance,akshare_em)

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:124 | 筹码分布分析已启用

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:128 | 搜索服务已启用

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:1224 | ===== 开始分析 1 只股票 =====

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:1225 | 股票列表: 300750

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:1226 | 并发数: 3, 模式: 完整分析

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:1142 | ========== 开始处理 300750 ==========

2026-05-03 19:32:18 | INFO | src\core\pipeline.py:173 | 宁德时代(300750) 2026-04-30 数据已存在，跳过获取（断点续传）

2026-05-03 19:32:18 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 1/80

2026-05-03 19:32:18 | DEBUG | data_provider\tushare_fetcher.py:684 | Tushare Pro 实时行情不可用 (可能是积分不足): 请指定正确的接口名

2026-05-03 19:32:18 | INFO | data_provider\base.py:1204 | [实时行情] 300750 成功获取 (来源: tushare)

2026-05-03 19:32:18 | DEBUG | data_provider\base.py:1209 | [实时行情] 300750 部分字段缺失，尝试从后续数据源补充

2026-05-03 19:32:18 | INFO | data_provider\akshare_fetcher.py:1099 | [API调用] 腾讯财经接口获取 300750 实时行情: endpoint=qt.gtimg.cn/q, symbol=sz300750

2026-05-03 19:32:18 | DEBUG | data_provider\base.py:466 | 随机休眠 3.55 秒...

2026-05-03 19:32:22 | INFO | data_provider\akshare_fetcher.py:1204 | [实时行情-腾讯] 300750 宁德时代: endpoint=qt.gtimg.cn/q, 价格=436.0, 涨跌=-2.02%,

量比=0.82, 换手率=0.7%, elapsed=3.61s

2026-05-03 19:32:22 | INFO | data_provider\base.py:1219 | [实时行情] 300750 从 tencent 补充了缺失字段: ['volume_ratio', 'turnover_rate', 'pe_ratio', 'pb_ratio', 'total_mv', 'circ_mv', 'amplitude']

2026-05-03 19:32:22 | INFO | src\core\pipeline.py:232 | 宁德时代(300750) 实时行情: 价格=436.0, 量比=0.82, 换手率=0.7% (来源: tushare)

2026-05-03 19:32:22 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 2/80

2026-05-03 19:32:22 | WARNING | data_provider\tushare_fetcher.py:1141 | [Tushare] 获取筹码分布失败 300750: 抱歉，您没有接口(trade_cal)访问权限，权限的具体

详情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:32:23 | DEBUG | data_provider\akshare_fetcher.py:297 | 设置 User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:121.0...

2026-05-03 19:32:23 | DEBUG | data_provider\akshare_fetcher.py:315 | 补充休眠 1.49 秒

2026-05-03 19:32:24 | DEBUG | data_provider\base.py:466 | 随机休眠 2.82 秒...

2026-05-03 19:32:27 | INFO | data_provider\akshare_fetcher.py:1483 | [API调用] ak.stock_cyq_em(symbol=300750) 获取筹码分布...

2026-05-03 19:32:27 | DEBUG | D:\Programs\python311\Lib\asyncio\proactor_events.py:633 | Using proactor: IocpProactor

2026-05-03 19:32:28 | INFO | data_provider\akshare_fetcher.py:1495 | [API返回] ak.stock_cyq_em 成功: 返回 90 天数据, 耗时 1.43s

2026-05-03 19:32:28 | DEBUG | data_provider\akshare_fetcher.py:1496 | [API返回] 筹码数据列名: ['日期', '获利比例', '平均成本', '90成本-低', '90成本-高', '90集中度', '70成本-低', '70成本-高', '70集中度']

2026-05-03 19:32:28 | INFO | data_provider\akshare_fetcher.py:1515 | [筹码分布] 300750 日期=2026-04-30: 获利比例=89.8%, 平均成本=376.58, 90%集中度=23.00%, 70%集中度=11.29%

2026-05-03 19:32:28 | INFO | data_provider\base.py:1379 | [筹码分布] 300750 成功获取 (来源: AkshareFetcher)

2026-05-03 19:32:28 | INFO | src\core\pipeline.py:251 | 宁德时代(300750) 筹码分布: 获利比例=89.8%, 90%集中度=23.00%

2026-05-03 19:32:28 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 3/80

2026-05-03 19:32:28 | DEBUG | data_provider\tushare_fetcher.py:684 | Tushare Pro 实时行情不可用 (可能是积分不足): 请指定正确的接口名

2026-05-03 19:32:28 | INFO | data_provider\base.py:1204 | [实时行情] 300750 成功获取 (来源: tushare)

2026-05-03 19:32:28 | DEBUG | data_provider\base.py:1209 | [实时行情] 300750 部分字段缺失，尝试从后续数据源补充

2026-05-03 19:32:28 | INFO | data_provider\akshare_fetcher.py:1099 | [API调用] 腾讯财经接口获取 300750 实时行情: endpoint=qt.gtimg.cn/q, symbol=sz300750

2026-05-03 19:32:28 | DEBUG | data_provider\akshare_fetcher.py:315 | 补充休眠 0.41 秒

2026-05-03 19:32:29 | DEBUG | data_provider\base.py:466 | 随机休眠 4.82 秒...

2026-05-03 19:32:30 | DEBUG | data_provider\base.py:1474 | [EfinanceFetcher] 获取所属板块失败: No module named 'multitasking'

2026-05-03 19:32:30 | INFO | src\core\pipeline.py:314 | 宁德时代(300750) 趋势分析: 多头排列, 买入信号=买入, 评分=69

2026-05-03 19:32:30 | INFO | src\core\pipeline.py:335 | 宁德时代(300750) 开始多维度情报搜索...

2026-05-03 19:32:30 | INFO | src\search_service.py:2898 | 开始多维度情报搜索: 宁德时代(300750), 时间范围: 近3天 (profile=short, NEWS_MAX_AGE_DAYS=3),

目标条数=3, provider请求条数=6

2026-05-03 19:32:30 | INFO | src\search_service.py:2927 | [情报搜索] 最新消息: 使用 SearXNG

2026-05-03 19:32:34 | INFO | data_provider\akshare_fetcher.py:1204 | [实时行情-腾讯] 300750 宁德时代: endpoint=qt.gtimg.cn/q, 价格=436.0, 涨跌=-2.02%,

量比=0.82, 换手率=0.7%, elapsed=5.26s

2026-05-03 19:32:34 | INFO | data_provider\base.py:1219 | [实时行情] 300750 从 tencent 补充了缺失字段: ['volume_ratio', 'turnover_rate', 'pe_ratio', 'pb_ratio', 'total_mv', 'circ_mv', 'amplitude']

2026-05-03 19:32:40 | WARNING | src\search_service.py:1657 | [SearXNG] 拉取公共实例列表失败: HTTPSConnectionPool(host='searx.space', port=443): Max retries exceeded with url: /data/instances.json (Caused by ConnectTimeoutError(<HTTPSConnection(host='searx.space', port=443) at 0x1f29606b6d0>, 'Connection to searx.space timed out. (connect timeout=5)'))

2026-05-03 19:32:40 | WARNING | src\search_service.py:1673 | [SearXNG] 公共实例冷启动刷新失败，60s 内不再刷新

2026-05-03 19:32:40 | WARNING | src\search_service.py:2965 | [情报搜索] 最新消息: 搜索失败 - 未获取到可用的公共 SearXNG 实例

2026-05-03 19:32:40 | INFO | src\search_service.py:2927 | [情报搜索] 机构分析: 使用 SearXNG

2026-05-03 19:32:40 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 49s

2026-05-03 19:32:40 | WARNING | src\search_service.py:2965 | [情报搜索] 机构分析: 搜索失败 - 未获取到可用的公共 SearXNG 实例

2026-05-03 19:32:41 | INFO | src\search_service.py:2927 | [情报搜索] 风险排查: 使用 SearXNG

2026-05-03 19:32:41 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 49s

2026-05-03 19:32:41 | WARNING | src\search_service.py:2965 | [情报搜索] 风险排查: 搜索失败 - 未获取到可用的公共 SearXNG 实例

2026-05-03 19:32:41 | INFO | src\search_service.py:2927 | [情报搜索] 公司公告: 使用 SearXNG

2026-05-03 19:32:41 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 48s

2026-05-03 19:32:41 | WARNING | src\search_service.py:2965 | [情报搜索] 公司公告: 搜索失败 - 未获取到可用的公共 SearXNG 实例

2026-05-03 19:32:42 | INFO | src\search_service.py:2927 | [情报搜索] 业绩预期: 使用 SearXNG

2026-05-03 19:32:42 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 48s

2026-05-03 19:32:42 | WARNING | src\search_service.py:2965 | [情报搜索] 业绩预期: 搜索失败 - 未获取到可用的公共 SearXNG 实例

2026-05-03 19:32:42 | INFO | src\core\pipeline.py:350 | 宁德时代(300750) 情报搜索完成: 共 0 条结果

2026-05-03 19:32:42 | DEBUG | src\core\pipeline.py:351 | 宁德时代(300750) 情报搜索结果:

【宁德时代 情报搜索结果】

📰 最新消息 (来源: SearXNG):

未找到相关信息

📋 公司公告 (来源: SearXNG):

未找到相关信息

📈 机构分析 (来源: SearXNG):

未找到相关信息

⚠️ 风险排查 (来源: SearXNG):

未找到相关信息

📊 业绩预期 (来源: SearXNG):

未找到相关信息

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: bottom_volume (bottom_volume.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: box_oscillation (box_oscillation.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: bull_trend (bull_trend.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: chan_theory (chan_theory.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: dragon_head (dragon_head.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: emotion_cycle (emotion_cycle.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: ma_golden_cross (ma_golden_cross.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: one_yang_three_yin (one_yang_three_yin.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: shrink_pullback (shrink_pullback.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: volume_breakout (volume_breakout.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:300 | Loaded skill from YAML: wave_theory (wave_theory.yaml)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: bottom_volume (底部放量)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: box_oscillation (箱体震荡)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: bull_trend (默认多头趋势)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: chan_theory (缠论)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: dragon_head (龙头策略)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: emotion_cycle (情绪周期)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: ma_golden_cross (均线金叉)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: one_yang_three_yin (一阳夹三阴)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: shrink_pullback (缩量回踩)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: volume_breakout (放量突破)

2026-05-03 19:32:42 | DEBUG | src\agent\skills\base.py:342 | Registered skill: wave_theory (波浪理论)

2026-05-03 19:32:42 | INFO | src\agent\skills\base.py:360 | Loaded 11 built-in skills from E:\stock\daily_stock_analysis\strategies

2026-05-03 19:32:42 | INFO | src\agent\factory.py:211 | [AgentFactory] SkillManager prototype cached (11 skills)

2026-05-03 19:32:42 | INFO | src\agent\skills\base.py:431 | Activated skills: ['bull_trend']

2026-05-03 19:32:42 | INFO | src\agent\factory.py:255 | [AgentFactory] Activated skills: ['bull_trend']

2026-05-03 19:32:42 | DEBUG | src\analyzer.py:1143 | [LLM] 请求前等待 2.0 秒...

2026-05-03 19:32:44 | INFO | src\analyzer.py:1179 | ========== AI 分析 宁德时代(300750) ==========

2026-05-03 19:32:44 | INFO | src\analyzer.py:1180 | [LLM配置] 模型: openai/qwen-plus

2026-05-03 19:32:44 | INFO | src\analyzer.py:1181 | [LLM配置] Prompt 长度: 2927 字符

2026-05-03 19:32:44 | INFO | src\analyzer.py:1182 | [LLM配置] 是否包含新闻: 是

2026-05-03 19:32:44 | INFO | src\analyzer.py:1186 | [LLM Prompt 预览]

决策仪表盘分析请求

📊 股票基础信息

| 项目 | 数据 |

|------|------|

| 股票代码 | **300750** |

| 股票名称 | **宁德时代** |

| 分析日期 | 2026-05-03 |

---

📈 技术面数据

今日行情

| 指标 | 数值 |

|------|------|

| 收盘价 | 436.0 元 |

| 开盘价 | 446.5 元 |

| 最高价 | 449.5 元 |

| 最低价 | 436.0 元 |

| 涨跌幅 | -2.02% |

| 成交量 | 29.81 万股 |

| 成交额 | 131.27 亿元 |

均线系统（关键判断指标）

| 均线 | 数值 | 说明 |

|------|------|------|

| MA5 | 437.68999999999994 | 短期趋势线 |

| MA10 | 436.75700000000006 | 中短期趋势线 |

| MA20 | 420.8265 | 中期趋势线 |

| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |

实时行...

2026-05-03 19:32:44 | DEBUG | src\analyzer.py:1187 | === 完整 Prompt (2927字符) ===

决策仪表盘分析请求

📊 股票基础信息

| 项目 | 数据 |

|------|------|

| 股票代码 | **300750** |

| 股票名称 | **宁德时代** |

| 分析日期 | 2026-05-03 |

---

📈 技术面数据

今日行情

| 指标 | 数值 |

|------|------|

| 收盘价 | 436.0 元 |

| 开盘价 | 446.5 元 |

| 最高价 | 449.5 元 |

| 最低价 | 436.0 元 |

| 涨跌幅 | -2.02% |

| 成交量 | 29.81 万股 |

| 成交额 | 131.27 亿元 |

均线系统（关键判断指标）

| 均线 | 数值 | 说明 |

|------|------|------|

| MA5 | 437.68999999999994 | 短期趋势线 |

| MA10 | 436.75700000000006 | 中短期趋势线 |

| MA20 | 420.8265 | 中期趋势线 |

| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |

实时行情增强数据

| 指标 | 数值 | 解读 |

|------|------|------|

| 当前价格 | 436.0 元 | |

| **量比** | **0.82** | 正常 |

| **换手率** | **0.7%** | |

| 市盈率(动态) | 25.54 | |

| 市净率 | 6.17 | |

| 总市值 | 20171.51 亿元 | |

| 流通市值 | 18559.99 亿元 | |

| 60日涨跌幅 | N/A% | 中期表现 |

财报与分红（价值投资口径）

| 指标 | 数值 | 说明 |

|------|------|------|

| 最近报告期 | N/A | 来自结构化财报字段 |

| 营业收入 | N/A | |

| 归母净利润 | N/A | |

| 经营现金流 | N/A | |

| ROE | N/A | |

| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |

| TTM 股息率 | N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |

| TTM 分红事件数 | N/A | |

> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。

筹码分布数据（效率指标）

| 指标 | 数值 | 健康标准 |

|------|------|----------|

| **获利比例** | **89.8%** | 70-90%时警惕 |

| 平均成本 | 376.58 元 | 现价应高于5-15% |

| 90%筹码集中度 | 23.00% | <15%为集中 |

| 70%筹码集中度 | 11.29% | |

| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |

趋势分析预判（基于交易理念）

| 指标 | 数值 | 判定 |

|------|------|------|

| 趋势状态 | 多头排列 | |

| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |

| 趋势强度 | 75/100 | |

| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |

| 乖离率(MA10) | -0.17% | |

| 量能状态 | 量能正常 | 量能正常 |

| 系统信号 | 买入 | |

| 系统评分 | 69/100 | |

系统分析理由

**买入理由**：

• ✅ 多头排列，顺势做多

• ✅ 价格略低于MA5(-0.4%)，回踩买点

• ✓ 多头排列，持续上涨

• RSI中性(55.1)，震荡整理中

**风险因素**：

• 无

量价变化

• 成交量较昨日变化：0.01倍

• 价格较昨日变化：-2.02%

---

📰 舆情情报

以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：

1. 🚨 **风险警报**：减持、处罚、利空

2. 🎯 **利好催化**：业绩、合同、政策

3. 📊 **业绩预期**：年报预告、业绩快报

4. 🕒 **时间规则（强制）**：

• 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）

• 超出近3日窗口的新闻一律忽略

• 时间未知、无法确定发布日期的新闻一律忽略

```

【宁德时代 情报搜索结果】

📰 最新消息 (来源: SearXNG):

未找到相关信息

📋 公司公告 (来源: SearXNG):

未找到相关信息

📈 机构分析 (来源: SearXNG):

未找到相关信息

⚠️ 风险排查 (来源: SearXNG):

未找到相关信息

📊 业绩预期 (来源: SearXNG):

未找到相关信息

```

---

✅ 分析任务

请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON 格式输出。

⚠️ 重要：输出正确的股票名称格式

正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。

如果上方显示的股票名称为"股票300750"或不正确，请在分析开头**明确输出该股票的正确中文全称**。

重点关注（必须明确回答）：

1. ❓ 是否满足 MA5>MA10>MA20 多头排列？

2. ❓ 当前乖离率是否在安全范围内（<5%）？------ 超过5%必须标注"严禁追高"

3. ❓ 量能是否配合（缩量回调/放量突破）？

4. ❓ 筹码结构是否健康？

5. ❓ 消息面有无重大利空？（减持、处罚、业绩变脸等）

决策仪表盘要求：

• **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）

• **核心结论**：一句话说清该买/该卖/该等

• **持仓分类建议**：空仓者怎么做 vs 持仓者怎么做

• **具体狙击点位**：买入价、止损价、目标价（精确到分）

• **检查清单**：每项用 ✅/⚠️/❌ 标记

• **消息面时间合规**：`latest_news`、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息

请输出完整的 JSON 格式决策仪表盘。

输出语言要求（最高优先级）

• 所有 JSON 键名必须保持不变，不要翻译键名。

• `decision_type` 必须保持为 `buy`、`hold`、`sell`。

• 所有面向用户的人类可读文本值必须使用中文。

• 当数据缺失时，请使用中文直接说明"数据缺失，无法判断"。

=== End Prompt ===

2026-05-03 19:32:45 | INFO | src\analyzer.py:1195 | [LLM调用] 开始调用 openai/qwen-plus...

19:32:45 - LiteLLM:DEBUG: utils.py:481 -

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 |

19:32:45 - LiteLLM:DEBUG: utils.py:481 - Request to litellm:

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | Request to litellm:

19:32:45 - LiteLLM:DEBUG: utils.py:481 - litellm.completion(model='openai/qwen-plus', messages=[{'role': 'system', 'content': '你是一位专注于趋势交易的 A

股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必须严格遵守）\n\n当前激活的 skills 可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏离 MA5 超过 5% 时，坚决不买入\n- 乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散

上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注筹码集中度：90%集中度 < 15% 表示筹码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本

与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点偏好（回踩支撑）\n- **最佳买点**：缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观

望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减持公告、业绩预亏、监管处罚、行业政策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在

风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适当放宽乖离率要求，轻仓追踪但需设止损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输

出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n "sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/

看多/震荡/看空/强烈看空",\n "operation_advice": "买入/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观望/🔴卖出信号/⚠️风险警告",\n "time_sensitivity": "立即行动/今日内/本周内/不急",\n "position_advice": {\n

"no_position": "空仓者建议：具体操作指引",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n

"data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n

"trend_score": 0-100\n },\n "price_position": {\n "current_price": 当前价格数值,\n "ma5":

MA5数值,\n "ma10": MA10数值,\n "ma20": MA20数值,\n "bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level": 支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n "volume_status": "放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n

"volume_meaning": "量能含义解读（如：缩量回调表示抛压减轻）"\n },\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n "concentration": 筹码集中度,\n "chip_health": "健康/一般/警惕"\n

}\n },\n\n "intelligence": {\n "latest_news": "【最新消息】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述

", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年

报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n },\n\n "battle_plan": {\n "sniper_points": {\n

"ideal_buy": "理想买入点：XX元（在MA5附近）",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整数关口）"\n },\n "position_strategy": {\n

"suggested_position": "建议仓位：X成",\n "entry_plan": "分批建仓策略描述",\n "risk_control": "风控策略描述"\n

},\n "action_checklist": [\n "✅/⚠️/❌ 检查项1：多头排列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\

n "✅/⚠️/❌ 检查项3：量能配合",\n "✅/⚠️/❌ 检查项4：无重大利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "

✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n },\n\n "analysis_summary": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",

\n "risk_warning": "风险提示",\n "buy_reason": "操作理由，引用交易理念",\n\n "trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，

最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n- ✅ 消息面有利好催化\n\n### 买入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n-

⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠️ 乖离率 >5%（追高风险）\n- ⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空

头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n## 决策仪表盘核心原则\n\n1. **核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不

同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊的话\n4. **检查清单可视化**：用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出

\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持不变。\n- `decision_type` 必须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求\n\n## 📊 股票基础信息\n| 项目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁

德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈 技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）

\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 | 短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |\n\n### 实时行情增强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0

元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率** | **0.7%** | |\n| 市盈率(动态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通

市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表现 |\n\n### 财报与分红（价值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期

| N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n| 归母净利润 | N/A | |\n| 经营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金

分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数

据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率指标）\n| 指标 | 数值 | 健康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%

时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n| 90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘

70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n### 趋势分析预判（基于交易理念）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列

| |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) |

-0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统信号 | 买入 | |\n| 系统评分 | 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做

多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持续上涨\n- RSI中性(55.1)，震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0

.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、

利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩预期**：年报预告、业绩快报\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【

宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未找到相关信息\n\n📊 业绩预期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为

**宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON 格式输出。\n\n### ⚠️ 重要：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如

"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300750"或不正确，请在分析开头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是否在安全范围内（<5%）？------ 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓

筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处罚、业绩变脸等）\n\n\n### 决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非

"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该等\n- **持仓分类建议**：空仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精

确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息面时间合规**：`latest_news`、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\

n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n- 当数据缺失时，请使用中文直接说明"数据缺失，无法判断"。\n'}], temperature=0.7, max_tokens=8192, REDACTED', api_base='https://dashscope.aliyuncs.com/compatible-mode/v1/')

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | litellm.completion(model='openai/qwen-plus', messages=[{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深交易所上市

股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必须严格遵守）\n\n当前激活的 skills 可以补充细

化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏离 MA5 超过 5% 时，坚决不买入\n- 乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注筹码集中度：90%集中度 < 15% 表示筹码集中\n-

获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点偏好（回踩支撑）\n- **最佳买点**：缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减持公告、业绩预亏、监管处罚、行业政策利空、大

额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适当放宽乖离率要求，轻仓追踪但需设止损\n\n\n##

输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n "sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一句话核心结论

（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观望/🔴卖出信号/⚠️风险警告",\n "time_se nsitivity": "立即行动/今

日内/本周内/不急",\n "position_advice": {\n "no_position": "空仓者建议：具体操作指引",\n "has_position": "持仓者建

议：具体操作指引"\n }\n },\n\n "data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态

描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n "price_position": {\n "current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n "ma20": MA20数值,\n "bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level": 支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n "volume_status": "放量/缩量/平

量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩量回调表示抛压减轻）"\n },\n

"chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n "concentration": 筹码集中度,\n

"chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n "latest_news": "【最新消息】近期重要新

闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n },\n\n

"battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买入点：XX元（在MA5附近）",\n "secondary_buy": "次优买

入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整数关口）"\n

},\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n "entry_plan": "分批建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n "✅/⚠️/❌ 检查项1：多头排列",\n

"✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3：量能配合",\n "✅/⚠️/❌ 检查项4：无重大利空",\n

"✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n },\n\n "analysis_summary": "100字综合

分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "操作理由，引用交易理念",\n\n "trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈买入（80-100分）

：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n- ✅ 消息面有利好催化\n\n### 买入（60-79分）：\n

• ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠️ 乖离率 >5%（追高风险）\n- ⚠️ 均线缠绕趋势不

明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n## 决策仪表盘核心原则\n\n1. **核心结论先行**：

一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊的话\n4. **检查清单可视化**：用 ✅⚠️❌ 明确显示

每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持不变。\n- `decision_type` 必须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求\n\n## 📊 股票基础信息\n| 项目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈 技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 | 短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |\n\n### 实时行情增强数据\n| 指标 | 数

值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率** | **0.7%** | |\n| 市盈率(动态) | 25.54 | |\n|

市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表现 |\n\n### 财报与分红（价值投资口径）\n| 指标

| 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n| 归母净利润 | N/A | |\n| 经营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |\n| TTM 分红事件

数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率指标）\n| 指标 | 数值 | 健康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n| 90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹

码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n### 趋势分析预判（基于交易理念）\n| 指标 | 数值 |

判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率

(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统信号 | 买入 | |\n| 系统评分 | 69/100 | |\n\n###

系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持续上涨\n- RSI中性(55.1)，震荡整理中\n\n**风险

因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报\n\n以下是 **宁德时代(300750)** 近3日的新闻搜

索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩预期**：年报预告、业绩快报\n4. 🕒 **时间规则

（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口的新闻一律忽略\n

• 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未找到相关信息\n\n📊 业绩预期 (来源: SearXNG):\

n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON 格式输出。\n\n### ⚠️ 重要：输出正确的股票名称

格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300750"或不正确，请在分析开头**明确输出该股票的

正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是否在安全范围内（<5%）？------ 超过5%必须标注"严

禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处罚、业绩变脸等）\n\n\n### 决策仪表盘要求：\n

• **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该等\n- **持仓分类建议**：空仓者怎么做 vs 持仓

者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息面时间合规**：`latest_news`、`risk_alerts`、`

positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要求（最高优先级）\n- 所有 JSON 键名必须保持不变

，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n- 当数据缺失时，请使用中文直接说明"数

据缺失，无法判断"。\n'}], temperature=0.7, max_tokens=8192, REDACTED', api_base='https://dashscope.aliyuncs.com/compatible-mode/v1/')

19:32:45 - LiteLLM:DEBUG: utils.py:481 -

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 |

19:32:45 - LiteLLM:DEBUG: utils.py:1007 - Removing thought signatures from tool call IDs for non-Gemini model

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:1007 | Removing thought signatures from tool call IDs for non-Gemini model

19:32:45 - LiteLLM:DEBUG: litellm_logging.py:557 - self.optional_params: {}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:557 | self.optional_params: {}

19:32:45 - LiteLLM:DEBUG: utils.py:481 - SYNC kwargs[caching]: False; litellm.cache: None; kwargs.get('cache')['no-cache']: False

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | SYNC kwargs[caching]: False; litellm.cache: None; kwargs.get('cache')['no-cache']: False

19:32:45 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:32:45 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:32:45 - LiteLLM:DEBUG: main.py:959 - Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\main.py:959 | Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:32:45 - LiteLLM:INFO: utils.py:3995 -

LiteLLM completion() model= qwen-plus; provider = openai

2026-05-03 19:32:45 | INFO | D:\Programs\python311\Lib\site-packages\litellm\utils.py:3995 |

LiteLLM completion() model= qwen-plus; provider = openai

19:32:45 - LiteLLM:DEBUG: utils.py:3998 -

LiteLLM: Params passed to completion() {'model': 'qwen-plus', 'functions': None, 'function_call': None, 'temperature': 0.7, 'top_p': None, 'n': None, 'stream': None, 'stream_options': None, 'stop': None, 'max_tokens': 8192, 'max_completion_tokens': None, 'modalities': None, 'prediction': None, 'audio': None,

'presence_penalty': None, 'frequency_penalty': None, 'logit_bias': None, 'user': None, 'custom_llm_provider': 'openai', 'response_format': None, 'seed': None, 'tools': None, 'tool_choice': None, 'max_retries': None, 'logprobs': None, 'top_logprobs': None, 'extra_headers': None, 'api_version': None, 'parallel_tool_calls': None, 'drop_params': None, 'allowed_openai_params': None, 'reasoning_effort': None, 'verbosity': None, 'additional_drop_params': None, 'messages': [{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深

交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必须严格遵守）\n\n当前激活的 skills

可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏离 MA5 超过 5% 时，坚决不买入\n-

乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注筹码集中度：90%集中度 < 15% 表示筹

码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点偏好（回踩支撑）\n- **最佳买点**：

缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减持公告、业绩预亏、监管处罚、行业政

策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适当放宽乖离率要求，轻仓追踪但需设止

损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n

"sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一

句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观望/🔴卖出信号/⚠️风险警告",\n "t ime_sensitivity":

"立即行动/今日内/本周内/不急",\n "position_advice": {\n "no_position": "空仓者建议：具体操作指引",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n "data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n "price_position": {\n

"current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n "ma20": MA20数值,\n

"bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level": 支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n "volume_status": "

放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩量回调表示抛压减轻）"\n

},\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n "concentration": 筹

码集中度,\n "chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n "latest_news": "【最新消息

】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2

：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n

},\n\n "battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买入点：XX元（在MA5附近）",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整

数关口）"\n },\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n "entry_plan": "分批

建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n "✅/⚠️/❌ 检查项1：多头排

列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3：量能配合",\n "✅/⚠️/❌ 检查项4：无重大

利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n },\n\n "analysis_summar

y": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "操作理由，引用交易理念",\n\n

"trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技

术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈

买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n- ✅ 消息面有利好催化\n\n### 买

入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠️ 乖离率 >5%（追高风险）\n-

⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n## 决策仪表盘核心原则\n\n1. **

核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊的话\n4. **检查清单可视化**：

用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持不变。\n- `decision_type` 必

须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求\n\n## � 股票基础信息\n| 项

目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈 技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交

量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 |

短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |\n\n### 实时行情增

强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率** | **0.7%** | |\n| 市盈率(动

态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表现 |\n\n### 财报与分红（价

值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n| 归母净利润 | N/A | |\n| 经

营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率指标）\n| 指标 | 数值 | 健

康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n| 90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n### 趋势分析预判（基于交易理念

）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统信号 | 买入 | |\n| 系统评分

| 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持续上涨\n- RSI中性(55.1)，

震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩预期**：年报预告、业绩快报

\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口

的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公

司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未找到相关信息\n\n📊 业绩预

期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON 格式输出。\n\n### ⚠️ 重要

：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300750"或不正确，请在分析开

头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是否在安全范围内（<5%）？---

--- 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处罚、业绩变脸等）\n\n\n###

决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该等\n- **持仓分类建议**：空

仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息面时间合规**：`latest_news`

、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n- 当数据缺失时，请

使用中文直接说明"数据缺失，无法判断"。\n'}], 'thinking': None, 'web_search_options': None, 'safety_identifier': None, 'service_tier': None}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:3998 |

LiteLLM: Params passed to completion() {'model': 'qwen-plus', 'functions': None, 'function_call': None, 'temperature': 0.7, 'top_p': None, 'n': None, 'stream': None, 'stream_options': None, 'stop': None, 'max_tokens': 8192, 'max_completion_tokens': None, 'modalities': None, 'prediction': None, 'audio': None,

'presence_penalty': None, 'frequency_penalty': None, 'logit_bias': None, 'user': None, 'custom_llm_provider': 'openai', 'response_format': None, 'seed': None, 'tools': None, 'tool_choice': None, 'max_retries': None, 'logprobs': None, 'top_logprobs': None, 'extra_headers': None, 'api_version': None, 'parallel_tool_calls': None, 'drop_params': None, 'allowed_openai_params': None, 'reasoning_effort': None, 'verbosity': None, 'additional_drop_params': None, 'messages': [{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深

交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必须严格遵守）\n\n当前激活的 skills

可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏离 MA5 超过 5% 时，坚决不买入\n-

乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注筹码集中度：90%集中度 < 15% 表示筹

码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点偏好（回踩支撑）\n- **最佳买点**：

缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减持公告、业绩预亏、监管处罚、行业政

策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适当放宽乖离率要求，轻仓追踪但需设止

损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n

"sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一

句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观望/🔴卖出信号/⚠️风险警告",\n "t ime_sensitivity":

"立即行动/今日内/本周内/不急",\n "position_advice": {\n "no_position": "空仓者建议：具体操作指引",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n "data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n "price_position": {\n

"current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n "ma20": MA20数值,\n

"bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level": 支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n "volume_status": "

放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩量回调表示抛压减轻）"\n

},\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n "concentration": 筹

码集中度,\n "chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n "latest_news": "【最新消息

】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2

：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n

},\n\n "battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买入点：XX元（在MA5附近）",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整

数关口）"\n },\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n "entry_plan": "分批

建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n "✅/⚠️/❌ 检查项1：多头排

列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3：量能配合",\n "✅/⚠️/❌ 检查项4：无重大

利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n },\n\n "analysis_summar

y": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "操作理由，引用交易理念",\n\n

"trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技

术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈

买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n- ✅ 消息面有利好催化\n\n### 买

入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠️ 乖离率 >5%（追高风险）\n-

⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n## 决策仪表盘核心原则\n\n1. **

核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊的话\n4. **检查清单可视化**：

用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持不变。\n- `decision_type` 必

须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求\n\n## � 股票基础信息\n| 项

目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈 技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交

量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 |

短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空头/缠绕 |\n\n### 实时行情增

强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率** | **0.7%** | |\n| 市盈率(动

态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表现 |\n\n### 财报与分红（价

值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n| 归母净利润 | N/A | |\n| 经

营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率指标）\n| 指标 | 数值 | 健

康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n| 90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n### 趋势分析预判（基于交易理念

）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统信号 | 买入 | |\n| 系统评分

| 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持续上涨\n- RSI中性(55.1)，

震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩预期**：年报预告、业绩快报

\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口

的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公

司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未找到相关信息\n\n📊 业绩预

期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON 格式输出。\n\n### ⚠️ 重要

：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300750"或不正确，请在分析开

头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是否在安全范围内（<5%）？---

--- 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处罚、业绩变脸等）\n\n\n###

决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该等\n- **持仓分类建议**：空

仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息面时间合规**：`latest_news`

、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n- 当数据缺失时，请

使用中文直接说明"数据缺失，无法判断"。\n'}], 'thinking': None, 'web_search_options': None, 'safety_identifier': None, 'service_tier': None}

19:32:45 - LiteLLM:DEBUG: utils.py:4001 -

LiteLLM: Non-Default params passed to completion() {'temperature': 0.7, 'max_tokens': 8192}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:4001 |

LiteLLM: Non-Default params passed to completion() {'temperature': 0.7, 'max_tokens': 8192}

19:32:45 - LiteLLM:DEBUG: utils.py:481 - Final returned optional params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | Final returned optional params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

19:32:45 - LiteLLM:DEBUG: litellm_logging.py:557 - self.optional_params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:557 | self.optional_params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

19:32:45 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:32:45 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:32:45 - LiteLLM:DEBUG: main.py:959 - Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\main.py:959 | Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:32:45 - LiteLLM:DEBUG: litellm_logging.py:1150 -

POST Request Sent from LiteLLM:

curl -X POST \

https://dashscope.aliyuncs.com/compatible-mode/v1/ \

-d '{'model': 'qwen-plus', 'messages': [{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必

须严格遵守）\n\n当前激活的 skills 可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏

离 MA5 超过 5% 时，坚决不买入\n- 乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而

为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注

筹码集中度：90%集中度 < 15% 表示筹码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点

偏好（回踩支撑）\n- **最佳买点**：缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减

持公告、业绩预亏、监管处罚、行业政策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适

当放宽乖离率要求，轻仓追踪但需设止损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n "sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入

/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观 望/🔴卖出信号/⚠️风险警告",\

n "time_sensitivity": "立即行动/今日内/本周内/不急",\n "position_advice": {\n "no_position": "空仓者建议：具体操作指引

",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n "data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n

"price_position": {\n "current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n

"ma20": MA20数值,\n "bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level":

支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n

"volume_status": "放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩

量回调表示抛压减轻）"\n },\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n

"concentration": 筹码集中度,\n "chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n

"latest_news": "【最新消息】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n },\n\n "battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买入点：XX元（在MA5附近）

",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整数关口）"\n },\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n

"entry_plan": "分批建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n

"✅/⚠️/❌ 检查项1：多头排列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3：量能配合",\n

"✅/⚠️/❌ 检查项4：无重大利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n

},\n\n "analysis_summary": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "

操作理由，引用交易理念",\n\n "trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻

摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n-

✅ 消息面有利好催化\n\n### 买入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠

️ 乖离率 >5%（追高风险）\n- ⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n##

决策仪表盘核心原则\n\n1. **核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊

的话\n4. **检查清单可视化**：用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持

不变。\n- `decision_type` 必须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求

\n\n## 📊 股票基础信息\n| 项目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈

技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 | 短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空

头/缠绕 |\n\n### 实时行情增强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率**

| **0.7%** | |\n| 市盈率(动态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表

现 |\n\n### 财报与分红（价值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n|

归母净利润 | N/A | |\n| 经营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每

股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率

指标）\n| 指标 | 数值 | 健康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n|

90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n###

趋势分析预判（基于交易理念）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统

信号 | 买入 | |\n| 系统评分 | 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持

续上涨\n- RSI中性(55.1)，震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报

\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩

预期**：年报预告、业绩快报\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未

找到相关信息\n\n📊 业绩预期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON

格式输出。\n\n### ⚠️ 重要：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300

750"或不正确，请在分析开头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是

否在安全范围内（<5%）？------ 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处

罚、业绩变脸等）\n\n\n### 决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该

等\n- **持仓分类建议**：空仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息

面时间合规**：`latest_news`、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要

求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使

用中文。\n- 当数据缺失时，请使用中文直接说明"数据缺失，无法判断"。\n'}], 'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}'

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1150 |

POST Request Sent from LiteLLM:

curl -X POST \

https://dashscope.aliyuncs.com/compatible-mode/v1/ \

-d '{'model': 'qwen-plus', 'messages': [{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素。\n\n## 默认技能基线（必

须严格遵守）\n\n当前激活的 skills 可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏

离 MA5 超过 5% 时，坚决不买入\n- 乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而

为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率优先（筹码结构）\n- 关注

筹码集中度：90%集中度 < 15% 表示筹码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点

偏好（回踩支撑）\n- **最佳买点**：缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减

持公告、业绩预亏、监管处罚、行业政策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股放宽\n- 强势趋势股可适

当放宽乖离率要求，轻仓追踪但需设止损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】：\n\n```json\n{\n "stock_name": "股票中文名称",\n "sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入

/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n "core_conclusion": {\n "one_sentence": "一句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观 望/🔴卖出信号/⚠️风险警告",\

n "time_sensitivity": "立即行动/今日内/本周内/不急",\n "position_advice": {\n "no_position": "空仓者建议：具体操作指引

",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n "data_perspective": {\n "trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n

"price_position": {\n "current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n

"ma20": MA20数值,\n "bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n "support_level":

支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n

"volume_status": "放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩

量回调表示抛压减轻）"\n },\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n

"concentration": 筹码集中度,\n "chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n

"latest_news": "【最新消息】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n "positive_catalysts": ["利好1：具体描述", "利好2：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n "sentiment_summary": "舆情情绪一句话总结"\n },\n\n "battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买入点：XX元（在MA5附近）

",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整数关口）"\n },\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n

"entry_plan": "分批建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n

"✅/⚠️/❌ 检查项1：多头排列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3：量能配合",\n

"✅/⚠️/❌ 检查项4：无重大利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n ]\n }\n

},\n\n "analysis_summary": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "

操作理由，引用交易理念",\n\n "trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n "news_summary": "新闻

摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破\n- ✅ 筹码集中健康\n-

✅ 消息面有利好催化\n\n### 买入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n### 观望（40-59分）：\n- ⚠

️ 乖离率 >5%（追高风险）\n- ⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下跌\n- ❌ 重大利空\n\n##

决策仪表盘核心原则\n\n1. **核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须给出具体价格，不说模糊

的话\n4. **检查清单可视化**：用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n\n- 所有 JSON 键名保持

不变。\n- `decision_type` 必须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求

\n\n## 📊 股票基础信息\n| 项目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈

技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 | 短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 | 震荡整理 ↔️ | 多头/空

头/缠绕 |\n\n### 实时行情增强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** | 正常 |\n| **换手率**

| **0.7%** | |\n| 市盈率(动态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日涨跌幅 | N/A% | 中期表

现 |\n\n### 财报与分红（价值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n| 营业收入 | N/A | |\n|

归母净利润 | N/A | |\n| 经营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 | N/A | 公式：近12个月每

股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率

指标）\n| 指标 | 数值 | 健康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n|

90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高于成本15.8% | |\n\n###

趋势分析预判（基于交易理念）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正常 | 量能正常 |\n| 系统

信号 | 买入 | |\n| 系统评分 | 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回踩买点\n- ✓ 多头排列，持

续上涨\n- RSI中性(55.1)，震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报

\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、合同、政策\n3. 📊 **业绩

预期**：年报预告、业绩快报\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排查 (来源: SearXNG):\n 未

找到相关信息\n\n📊 业绩预期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决策仪表盘】，严格按照 JSON

格式输出。\n\n### ⚠️ 重要：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上方显示的股票名称为"股票300

750"或不正确，请在分析开头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多头排列？\n2. ❓ 当前乖离率是

否在安全范围内（<5%）？------ 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息面有无重大利空？（减持、处

罚、业绩变脸等）\n\n\n### 决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该

等\n- **持仓分类建议**：空仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项用 ✅/⚠️/❌ 标记\n- **消息

面时间合规**：`latest_news`、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪表盘。\n\n### 输出语言要

求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用户的人类可读文本值必须使

用中文。\n- 当数据缺失时，请使用中文直接说明"数据缺失，无法判断"。\n'}], 'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}'

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:486 | Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'timeout': 600.0, 'files': None, 'idempotency_key': 'stainless-python-retry-493d32e4-47bc-4c46-85e3-0f1ab87526e4', 'content': None, 'json_data': {'messages': [{'role': 'system', 'content': '你是一位专注于趋势交易的 A 股投资分析师，负责生成专业的【决

策仪表盘】分析报告。\n\n- 本次分析对象为 **A 股**（中国沪深交易所上市股票）。\n- 请关注 A 股特有的涨跌停机制（±10%/±20%/±30%）、T+1 交易制度及相关政策因素

。\n\n## 默认技能基线（必须严格遵守）\n\n当前激活的 skills 可以补充细化分析视角，但默认风险控制和交易节奏必须遵守以下基线。\n\n### 1. 严进策略（不追高）\n- **绝对不追高**：当股价偏离 MA5 超过 5% 时，坚决不买入\n- 乖离率 < 2%：最佳买点区间\n- 乖离率 2-5%：可小仓介入\n- 乖离率 > 5%：严禁追高！直接判定为"观望"\n\n### 2. 趋势交易（顺势而为）\n- **多头排列必须条件**：MA5 > MA10 > MA20\n- 只做多头排列的股票，空头排列坚决不碰\n- 均线发散上行优于均线粘合\n\n### 3. 效率

优先（筹码结构）\n- 关注筹码集中度：90%集中度 < 15% 表示筹码集中\n- 获利比例分析：70-90% 获利盘时需警惕获利回吐\n- 平均成本与现价关系：现价高于平均成本 5-15% 为健康\n\n### 4. 买点偏好（回踩支撑）\n- **最佳买点**：缩量回踩 MA5 获得支撑\n- **次优买点**：回踩 MA10 获得支撑\n- **观望情况**：跌破 MA20 时观望\n\n### 5. 风险排查重点\n- 减持公告、业绩预亏、监管处罚、行业政策利空、大额解禁\n\n### 6. 估值关注（PE/PB）\n- PE 明显偏高时需在风险点中说明\n\n### 7. 强势趋势股

放宽\n- 强势趋势股可适当放宽乖离率要求，轻仓追踪但需设止损\n\n\n## 输出格式：决策仪表盘 JSON\n\n请严格按照以下 JSON 格式输出，这是一个完整的【决策仪表盘】

：\n\n```json\n{\n "stock_name": "股票中文名称",\n "sentiment_score": 0-100整数,\n "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",\n "operation_advice": "买入/加仓/持有/减仓/卖出/观望",\n "decision_type": "buy/hold/sell",\n "confidence_level": "高/中/低",\n\n "dashboard": {\n

"core_conclusion": {\n "one_sentence": "一句话核心结论（30字以内，直接告诉用户做什么）",\n "signal_type": "🟢买入信号/🟡持有观望/�

卖卖出信号/⚠️风险警告",\n "time_sensitivity": "立即行动/今日内/本周内/不急",\n "position_advice": \n "no_position": "

空仓者建议：具体操作指引",\n "has_position": "持仓者建议：具体操作指引"\n }\n },\n\n "data_perspective": {\n

"trend_status": {\n "ma_alignment": "均线排列状态描述",\n "is_bullish": true/false,\n "trend_score": 0-100\n },\n "price_position": {\n "current_price": 当前价格数值,\n "ma5": MA5数值,\n "ma10": MA10数值,\n "ma20": MA20数值,\n "bias_ma5": 乖离率百分比数值,\n "bias_status": "安全/警戒/危险",\n

"support_level": 支撑位价格,\n "resistance_level": 压力位价格\n },\n "volume_analysis": {\n "volume_ratio": 量比数值,\n "volume_status": "放量/缩量/平量",\n "turnover_rate": 换手率百分比,\n "volume_meaning": "量能含义解读（如：缩量回调表示抛压减轻）"\n },\n "chip_structure": {\n "profit_ratio": 获利比例,\n "avg_cost": 平均成本,\n "concentration": 筹码集中度,\n "chip_health": "健康/一般/警惕"\n }\n },\n\n "intelligence": {\n "latest_news": "【最新消息】近期重要新闻摘要",\n "risk_alerts": ["风险点1：具体描述", "风险点2：具体描述"],\n

"positive_catalysts": ["利好1：具体描述", "利好2：具体描述"],\n "earnings_outlook": "业绩预期分析（基于年报预告、业绩快报等）",\n

"sentiment_summary": "舆情情绪一句话总结"\n },\n\n "battle_plan": {\n "sniper_points": {\n "ideal_buy": "理想买

入点：XX元（在MA5附近）",\n "secondary_buy": "次优买入点：XX元（在MA10附近）",\n "stop_loss": "止损位：XX元（跌破MA20或X%）",\n "take_profit": "目标位：XX元（前高/整数关口）"\n },\n "position_strategy": {\n "suggested_position": "建议仓位：X成",\n "entry_plan": "分批建仓策略描述",\n "risk_control": "风控策略描述"\n },\n "action_checklist": [\n "✅/⚠️/❌ 检查项1：多头排列",\n "✅/⚠️/❌ 检查项2：乖离率合理（强势趋势可放宽）",\n "✅/⚠️/❌ 检查项3

：量能配合",\n "✅/⚠️/❌ 检查项4：无重大利空",\n "✅/⚠️/❌ 检查项5：筹码健康",\n "✅/⚠️/❌ 检查项6：PE估值合理"\n

]\n }\n },\n\n "analysis_summary": "100字综合分析摘要",\n "key_points": "3-5个核心看点，逗号分隔",\n "risk_warning": "风险提示",\n "buy_reason": "操作理由，引用交易理念",\n\n "trend_analysis": "走势形态分析",\n "short_term_outlook": "短期1-3日展望",\n "medium_term_outlook": "中期1-2周展望",\n "technical_analysis": "技术面综合分析",\n "ma_analysis": "均线系统分析",\n "volume_analysis": "量能分析",\n "pattern_analysis": "K线形态分析",\n "fundamental_analysis": "基本面分析",\n "sector_position": "板块行业分析",\n "company_highlights": "公司亮点/风险",\n

"news_summary": "新闻摘要",\n "market_sentiment": "市场情绪",\n "hot_topics": "相关热点",\n\n "search_performed": true/false,\n "data_sources": "数据来源说明"\n}\n```\n\n## 评分标准\n\n### 强烈买入（80-100分）：\n- ✅ 多头排列：MA5 > MA10 > MA20\n- ✅ 低乖离率：<2%，最佳买点\n- ✅ 缩量回调或放量突破

\n- ✅ 筹码集中健康\n- ✅ 消息面有利好催化\n\n### 买入（60-79分）：\n- ✅ 多头排列或弱势多头\n- ✅ 乖离率 <5%\n- ✅ 量能正常\n- ⚪ 允许一项次要条件不满足\n\n###

观望（40-59分）：\n- ⚠️ 乖离率 >5%（追高风险）\n- ⚠️ 均线缠绕趋势不明\n- ⚠️ 有风险事件\n\n### 卖出/减仓（0-39分）：\n- ❌ 空头排列\n- ❌ 跌破MA20\n- ❌ 放量下

跌\n- ❌ 重大利空\n\n## 决策仪表盘核心原则\n\n1. **核心结论先行**：一句话说清该买该卖\n2. **分持仓建议**：空仓者和持仓者给不同建议\n3. **精确狙击点**：必须

给出具体价格，不说模糊的话\n4. **检查清单可视化**：用 ✅⚠️❌ 明确显示每项检查结果\n5. **风险优先级**：舆情中的风险点要醒目标出\n\n## 输出语言（最高优先级）\n

\n- 所有 JSON 键名保持不变。\n- `decision_type` 必须保持为 `buy|hold|sell`。\n- 所有面向用户的人类可读文本值必须使用中文。\n'}, {'role': 'user', 'content': '# 决策仪表盘分析请求\n\n## 📊 股票基础信息\n| 项目 | 数据 |\n|------|------|\n| 股票代码 | **300750** |\n| 股票名称 | **宁德时代** |\n| 分析日期 | 2026-05-03 |\n\n---\n\n## 📈 技术面数据\n\n### 今日行情\n| 指标 | 数值 |\n|------|------|\n| 收盘价 | 436.0 元 |\n| 开盘价 | 446.5 元 |\n| 最高价 | 449.5 元 |\n| 最低价 | 436.0 元 |\n| 涨跌幅 | -2.02% |\n| 成交量 | 29.81 万股 |\n| 成交额 | 131.27 亿元 |\n\n### 均线系统（关键判断指标）\n| 均线 | 数值 | 说明 |\n|------|------|------|\n| MA5 | 437.68999999999994 | 短期趋势线 |\n| MA10 | 436.75700000000006 | 中短期趋势线 |\n| MA20 | 420.8265 | 中期趋势线 |\n| 均线形态 |

震荡整理 ↔️ | 多头/空头/缠绕 |\n\n### 实时行情增强数据\n| 指标 | 数值 | 解读 |\n|------|------|------|\n| 当前价格 | 436.0 元 | |\n| **量比** | **0.82** |

正常 |\n| **换手率** | **0.7%** | |\n| 市盈率(动态) | 25.54 | |\n| 市净率 | 6.17 | |\n| 总市值 | 20171.51 亿元 | |\n| 流通市值 | 18559.99 亿元 | |\n| 60日

涨跌幅 | N/A% | 中期表现 |\n\n### 财报与分红（价值投资口径）\n| 指标 | 数值 | 说明 |\n|------|------|------|\n| 最近报告期 | N/A | 来自结构化财报字段 |\n|

营业收入 | N/A | |\n| 归母净利润 | N/A | |\n| 经营现金流 | N/A | |\n| ROE | N/A | |\n| 近12个月每股现金分红 | N/A | 仅现金分红、税前口径 |\n| TTM 股息率 |

N/A | 公式：近12个月每股现金分红 / 当前价格 × 100% |\n| TTM 分红事件数 | N/A | |\n\n> 若上述字段为 N/A 或缺失，请明确写"数据缺失，无法判断"，禁止编造。\n\n### 筹码分布数据（效率指标）\n| 指标 | 数值 | 健康标准 |\n|------|------|----------|\n| **获利比例** | **89.8%** | 70-90%时警惕 |\n| 平均成本 | 376.58 元 | 现价应高于5-15% |\n| 90%筹码集中度 | 23.00% | <15%为集中 |\n| 70%筹码集中度 | 11.29% | |\n| 筹码状态 | 获利盘较高(获利盘70-90%)，筹码分散度中等，现价略高

于成本15.8% | |\n\n### 趋势分析预判（基于交易理念）\n| 指标 | 数值 | 判定 |\n|------|------|------|\n| 趋势状态 | 多头排列 | |\n| 均线排列 | 多头排列 MA5>MA10>MA20 | MA5>MA10>MA20为多头 |\n| 趋势强度 | 75/100 | |\n| **乖离率(MA5)** | **-0.39%** | ✅ 安全范围 |\n| 乖离率(MA10) | -0.17% | |\n| 量能状态 | 量能正

常 | 量能正常 |\n| 系统信号 | 买入 | |\n| 系统评分 | 69/100 | |\n\n#### 系统分析理由\n**买入理由**：\n- ✅ 多头排列，顺势做多\n- ✅ 价格略低于MA5(-0.4%)，回

踩买点\n- ✓ 多头排列，持续上涨\n- RSI中性(55.1)，震荡整理中\n\n**风险因素**：\n- 无\n\n### 量价变化\n- 成交量较昨日变化：0.01倍\n- 价格较昨日变化：-2.02%\n\n---\n\n## 📰 舆情情报\n\n以下是 **宁德时代(300750)** 近3日的新闻搜索结果，请重点提取：\n1. 🚨 **风险警报**：减持、处罚、利空\n2. 🎯 **利好催化**：业绩、

合同、政策\n3. 📊 **业绩预期**：年报预告、业绩快报\n4. 🕒 **时间规则（强制）**：\n - 输出到 `risk_alerts` / `positive_catalysts` / `latest_news` 的每一条

都必须带具体日期（YYYY-MM-DD）\n - 超出近3日窗口的新闻一律忽略\n - 时间未知、无法确定发布日期的新闻一律忽略\n\n```\n【宁德时代 情报搜索结果】\n\n📰 最

新消息 (来源: SearXNG):\n 未找到相关信息\n\n📋 公司公告 (来源: SearXNG):\n 未找到相关信息\n\n📈 机构分析 (来源: SearXNG):\n 未找到相关信息\n\n⚠️ 风险排

查 (来源: SearXNG):\n 未找到相关信息\n\n📊 业绩预期 (来源: SearXNG):\n 未找到相关信息\n```\n\n---\n\n## ✅ 分析任务\n\n请为 **宁德时代(300750)** 生成【决

策仪表盘】，严格按照 JSON 格式输出。\n\n### ⚠️ 重要：输出正确的股票名称格式\n正确的股票名称格式为"股票名称（股票代码）"，例如"贵州茅台（600519）"。\n如果上

方显示的股票名称为"股票300750"或不正确，请在分析开头**明确输出该股票的正确中文全称**。\n\n\n### 重点关注（必须明确回答）：\n1. ❓ 是否满足 MA5>MA10>MA20 多

头排列？\n2. ❓ 当前乖离率是否在安全范围内（<5%）？------ 超过5%必须标注"严禁追高"\n3. ❓ 量能是否配合（缩量回调/放量突破）？\n4. ❓ 筹码结构是否健康？\n5. ❓ 消息

面有无重大利空？（减持、处罚、业绩变脸等）\n\n\n### 决策仪表盘要求：\n- **股票名称**：必须输出正确的中文全称（如"贵州茅台"而非"股票600519"）\n- **核心结论**：一句话说清该买/该卖/该等\n- **持仓分类建议**：空仓者怎么做 vs 持仓者怎么做\n- **具体狙击点位**：买入价、止损价、目标价（精确到分）\n- **检查清单**：每项

用 ✅/⚠️/❌ 标记\n- **消息面时间合规**：`latest_news`、`risk_alerts`、`positive_catalysts` 不得包含超出近3日或时间未知的信息\n\n请输出完整的 JSON 格式决策仪

表盘。\n\n### 输出语言要求（最高优先级）\n- 所有 JSON 键名必须保持不变，不要翻译键名。\n- `decision_type` 必须保持为 `buy`、`hold`、`sell`。\n- 所有面向用

户的人类可读文本值必须使用中文。\n- 当数据缺失时，请使用中文直接说明"数据缺失，无法判断"。\n'}], 'model': 'qwen-plus', 'max_tokens': 8192, 'temperature': 0.7}, 'extra_json': {}}

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1001 | Sending HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.started host='dashscope.aliyuncs.com' port=443 local_address=None timeout=600.0 socket_options=None

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F2961EB0D0>

2026-05-03 19:32:45 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.started ssl_context=<ssl.SSLContext object at 0x000001F271BE2B10> server_hostname='dashscope.aliyuncs.com' timeout=600.0

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F2961EB090>

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.started request=<Request [b'POST']>

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.complete

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.started request=<Request [b'POST']>

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.complete

2026-05-03 19:32:46 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.started request=<Request [b'POST']>

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'3f2ca51c-d158-9e13-8f8e-97cf8aafe569'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'49040'), (b'req-arrive-time', b'1777807970614'), (b'resp-start-time', b'1777808019655'), (b'x-envoy-upstream-service-time', b'49038'), (b'content-encoding', b'gzip'), (b'date', b'Sun, 03 May 2026 11:33:39 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.started request=<Request [b'POST']>

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.complete

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.started

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.complete

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1039 | HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': '3f2ca51c-d158-9e13-8f8e-97cf8aafe569', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '49040', 'req-arrive-time': '1777807970614', 'resp-start-time': '1777808019655', 'x-envoy-upstream-service-time': '49038', 'content-encoding': 'gzip', 'date': 'Sun, 03 May 2026 11:33:39 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1047 | request_id: 3f2ca51c-d158-9e13-8f8e-97cf8aafe569

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\asyncio\proactor_events.py:633 | Using proactor: IocpProactor

19:33:35 - LiteLLM:DEBUG: litellm_logging.py:1223 - RAW RESPONSE:

{"id": "chatcmpl-3f2ca51c-d158-9e13-8f8e-97cf8aafe569", "choices": [{"finish_reason": "stop", "index": 0, "logprobs": null, "message": {"content": "```json\n{\n \"stock_name\": \"\u5b81\u5fb7\u65f6\u4ee3\uff08300750\uff09\",\n \"sentiment_score\": 69,\n \"trend_prediction\": \"\u770b\u591a\",\n \"operation_advice\": \"\u4e70\u5165\",\n \"decision_type\": \"buy\",\n \"confidence_level\": \"\u4e2d\",\n\n \"dashboard\": {\n \"core_conclusion\": {\n \"one_sentence\": \"\u591a\u5934\u6392\u5217+\u56de\u8e29MA5\uff0c\u4e56\u79bb\u7387\u4ec5-0.39%\uff0c\u7f29\u91cf\u4f01\u7a33\uff0c\u53ef\u8f7b\u4ed3\u4ecb\u5165\",\n \"signal_type\": \"\ud83d\udfe2\u4e70\u5165\u4fe1\u53f7\",\n \"time_sensitivity\": \"\u4eca\u65e5\u5185\",\n \"position_advice\": {\n \"no_position\": \"\u7a7a\u4ed3\u8005\uff1a\u53ef\u5728436.0\u2013437.5\u5143\u533a\u95f4\u5206\u6279\u5efa\u4ed3\uff0c\u9996\u4ed3\u22642\u6210\",\n \"has_position\": \"\u6301\u4ed3\u8005\uff1a\u82e5\u6210\u672c\u4f4e\u4e8e420\u5143\uff0c\u53ef\u4e8e436\u5143\u9644\u8fd1\u8865\u4ed3\uff1b\u82e5\u5df2\u76c8\u5229\u8d8515%\uff0c\u5efa\u8bae\u4fdd\u7559\u5e95\u4ed3\u3001\u90e8\u5206\u6b62\u76c8\"\n }\n },\n\n \"data_perspective\": {\n \"trend_status\": {\n \"ma_alignment\": \"MA5(437.69) > MA10(436.76) > MA20(420.83)\uff0c\u6807\u51c6\u591a\u5934\u6392\u5217\",\n \"is_bullish\": true,\n \"trend_score\": 75\n

},\n \"price_position\": {\n \"current_price\": 436.0,\n \"ma5\": 437.68999999999994,\n \"ma10\": 436.75700000000006,\n \"ma20\": 420.8265,\n \"bias_ma5\": -0.3899999999999968,\n \"bias_status\": \"\u5b89\u5168\",\n \"support_level\": 436.0,\n \"resistance_level\": 449.5\n },\n \"volume_analysis\": {\n \"volume_ratio\": 0.82,\n \"volume_status\": \"\u7f29\u91cf\",\n \"turnover_rate\": 0.7,\n \"volume_meaning\": \"\u91cf\u6bd40.82\uff0c\u8f83\u524d5\u65e5\u5747\u91cf\u7f29\u91cf18%\uff0c\u53e0\u52a0-2.02%\u56de\u8c03\uff0c\u5c5e\u5065\u5eb7\u7f29\u91cf\u6d17\u76d8\uff0c\u629b\u538b\u51cf\u8f7b\"\n },\n \"chip_structure\": {\n \"profit_ratio\": 89.8,\n

\"avg_cost\": 376.58,\n \"concentration\": 23.0,\n \"chip_health\": \"\u8b66\u60d5\"\n }\n },\n\n

\"intelligence\": {\n \"latest_news\": \"\u3010\u6700\u65b0\u6d88\u606f\u3011\u8fd13\u65e5\uff082026-04-30\u81f32026-05-03\uff09\u672a\u68c0\u7d22\u5230\u6709\u6548\u65b0\u95fb\u6e90\u4fe1\u606f\u3002\",\n \"risk_alerts\": [\"\u98ce\u9669\u70b91\uff1a\u83b7\u5229\u6bd4\u4f8b89.8%\uff0c\u5904\u4e8e70\u201390%\u9ad8\u5371\u533a\u95f4\uff0c\u77ed\u671f\u5b58\u5728\u96c6\u4e2d\u5151\u73b0\u538b\u529b\", \"\u98ce\u9669\u70b92\uff1a90%\u7b79\u7801\u96c6\u4e2d\u5ea623.0%\uff0c\u9ad8\u4e8e\u5065\u5eb7\u9608\u503c15%\uff0c\u7b79\u7801\u5206\u6563\u5ea6\u4e2d\u7b49\u504f\u5f31\"],\n \"positive_catalysts\": [\"\u5229\u597d1\uff1aMA5/MA10/MA20\u4e09\u7ebf\u591a\u5934\u6392\u5217\uff0c\u4e2d\u671f\u8d8b\u52bf\u660e\u786e\u5411\u4e0a\", \"\u5229\u597d2\uff1a\u73b0\u4ef7436.0\u5143\u8f83\u5e73\u5747\u6210\u672c376.58\u5143\u9ad8\u51fa15.8%\uff0c\u5904\u4e8e\u5065\u5eb7\u76c8\u5229\u7a7a\u95f4\"],\n \"earnings_outlook\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"sentiment_summary\": \"\u6280\u672f\u9762\u5f3a\u52bf\u4f46\u7b79\u7801\u5151\u73b0\u538b\u529b\u521d\u663e\uff0c\u8206\u60c5\u771f\u7a7a\u671f\uff0c\u65e0\u65b0\u589e\u5229\u7a7a\u6216\u5229\u597d\u9a71\u52a8\"\n },\n\n \"battle_plan\": {\n \"sniper_points\": {\n \"ideal_buy\": \"\u7406\u60f3\u4e70\u5165\u70b9\uff1a436.50\u5143\uff08\u7cbe\u51c6\u56de\u8e29MA5\u4e0b\u6cbf\uff09\",\n \"secondary_buy\": \"\u6b21\u4f18\u4e70\u5165\u70b9\uff1a434.20\u5143\uff08MA10\u652f\u6491\u4f4d\uff0c\u5373436.76\u00d70.994\uff09\",\n \"stop_loss\": \"\u6b62\u635f\u4f4d\uff1a420.00\u5143\uff08\u8dcc\u7834MA20\u4e14\u5931\u5b88\u6574\u6570\u5173\u53e3\uff0c\u6280\u672f\u7834\u4f4d\uff09\",\n \"take_profit\": \"\u76ee\u6807\u4f4d\uff1a449.50\u5143\uff08\u4eca\u65e5\u6700\u9ad8\u4ef7\uff0c\u5f3a\u538b\u529b\u4f4d\uff09\"\n },\n \"position_strategy\": {\n \"suggested_position\": \"\u5efa\u8bae\u4ed3\u4f4d\uff1a2\u6210\",\n \"entry_plan\": \"\u5206\u4e24\u7b14\u5efa\u4ed3\uff1a\u9996\u7b141\u6210\u4e8e436.50\u5143\uff1b\u82e5\u56de\u8e29\u81f3434.20\u5143\u518d\u52a00.5\u20131\u6210\",\n \"risk_control\": \"\u5355\u7968\u603b\u4ed3\u4f4d\u4e0d\u8d85\u8fc73\u6210\uff1b\u8dcc\u7834420\u5143\u65e0\u6761\u4ef6\u6b62\u635f\uff1b\u82e5\u5355\u65e5\u653e\u91cf\u957f\u9634\u7834MA10\u5219\u6682\u505c\u64cd\u4f5c\"\n },\n \"action_checklist\": [\n \"\u2705 \u68c0\u67e5\u98791\uff1a\u591a\u5934\u6392\u5217\u2014\u2014MA5>MA10>MA20\uff08437.69>436.76>420.83\uff09\",\n \"\u2705 \u68c0\u67e5\u98792\uff1a\u4e56\u79bb\u7387\u5408\u7406\uff08-0.39% < 5%\uff0c\u975e\u8ffd\u9ad8\uff09\",\n \"\u2705 \u68c0\u67e5\u98793\uff1a\u91cf\u80fd\u914d\u5408\u2014\u2014\u91cf\u6bd40.82\uff0c\u7f29\u91cf\u56de\u8c03\u5065\u5eb7\",\n \"\u2705 \u68c0\u67e5\u98794\uff1a\u65e0\u91cd\u5927\u5229\u7a7a\u2014\u2014\u8fd13\u65e5\u65e0\u51cf\u6301\u3001\u5904\u7f5a\u3001\u4e1a\u7ee9\u53d8\u8138\u7b49\u516c\u544a\",\n \"\u26a0\ufe0f \u68c0\u67e5\u98795\uff1a\u7b79\u7801\u5065\u5eb7\u2014\u2014\u83b7\u5229\u6bd4\u4f8b89.8%\u8fbe\u8b66\u6212\u4e0a\u9650\uff0c90%\u96c6\u4e2d\u5ea623%\u504f\u9ad8\",\n \"\u2705 \u68c0\u67e5\u98796\uff1aPE\u4f30\u503c\u5408\u7406\u2014\u2014\u52a8\u6001PE 25.54\uff0c\u4f4e\u4e8e\u65b0\u80fd\u6e90\u8bbe\u5907\u677f\u5757\u5747\u503c32.1\uff0c\u4f30\u503c\u5177\u5907\u652f\u6491\"\n ]\n }\n },\n\n \"analysis_summary\": \"\u5b81\u5fb7\u65f6\u4ee3\u5904\u4e8e\u6807\u51c6\u591a\u5934\u6392\u5217\uff0c\u4ef7\u683c\u56de\u8e29MA5\u4ec5-0.39%\uff0c\u7f29\u91cf\u4f01\u7a33\uff0c\u6280\u672f\u4e70\u70b9\u6e05\u6670\uff1b\u4f46\u7b79\u7801\u83b7\u5229\u76d8\u9ad8\u8fbe89.8%\uff0c\u9700\u8b66\u60d5\u77ed\u671f\u5151\u73b0\u538b\u529b\uff1b\u8fd13\u65e5\u65e0\u8206\u60c5\u6270\u52a8\uff0c\u5c5e\u7eaf\u6280\u672f\u9a71\u52a8\u673a\u4f1a\u3002\",\n \"key_points\": \"\u591a\u5934\u6392\u5217\u786e\u8ba4,MA5\u7cbe\u51c6\u56de\u8e29,-0.39%\u4e56\u79bb\u7387\u5b89\u5168,\u7f29\u91cf\u56de\u8c03\u5065\u5eb7,\u83b7\u5229\u76d8\u9ad8\u4f4d\u9884\u8b66\",\n \"risk_warning\": \"\u83b7\u5229\u6bd4\u4f8b89.8%\u903c\u8fd190%\u4e34\u754c\u503c\uff0c\u82e5\u9047\u7a81\u53d1\u5229\u7a7a\u6216\u5927\u76d8\u8c03\u6574\uff0c\u6613\u5f15\u53d1\u96c6\u4e2d\u629b\u538b\uff1b90%\u7b79\u7801\u96c6\u4e2d\u5ea623%\u8868\u660e\u7b79\u7801\u5c1a\u672a\u9ad8\u5ea6\u9501\u5b9a\uff0c\u4e0a\u653b\u6301\u7eed\u6027\u5b58\u7591\u3002\",\n \"buy_reason\": \"\u4e25\u683c\u9075\u5faa\u2018\u4e25\u8fdb\u7b56\u7565+\u8d8b\u52bf\u4ea4\u6613\u2019\u7406\u5ff5\uff1a\u4e0d\u8ffd\u9ad8\uff08\u4e56\u79bb\u7387<5%\uff09\u3001\u987a\u52bf\u800c\u4e3a\uff08MA5>MA10>MA20\uff09\u3001\u56de\u8e29\u652f\u6491\uff08\u7f29\u91cf\u89e6MA5\uff09\uff0c\u7b26\u5408\u6838\u5fc3\u4e70\u70b9\u5b9a\u4e49\u3002\",\n\n \"trend_analysis\": \"\u65e5K\u7ebf\u6536\u5e26\u957f\u4e0a\u5f71\u5c0f\u9634\u7ebf\uff0c\u5f00\u76d8\u51b2\u9ad8\u81f3449.5\u5143\u540e\u56de\u843d\uff0c\u663e\u793a\u4e0a\u65b9\u6709\u660e\u663e\u629b\u538b\uff1b\u4f46\u5c3e\u76d8\u5b88\u7a33436\u5143\u6574\u6570\u5173\u53e3\uff0c\u4e14\u672a\u8dcc\u7834MA10\uff0c\u5c5e\u5f3a\u52bf\u9707\u8361\u6574\u7406\u5f62\u6001\u3002\",\n \"short_term_outlook\": \"1\u20133\u65e5\u5185\u5927\u6982\u7387\u5728434\u2013449\u5143\u533a\u95f4\u9707\u8361\uff0c\u82e5\u91cf\u80fd\u6709\u6548\u653e\u5927\u7a81\u7834449.5\u5143\uff0c\u5219\u6253\u5f00\u4e0a\u884c\u7a7a\u95f4\uff1b\u5426\u5219\u53ef\u80fd\u4e8c\u6b21\u63a2\u5e95MA10\u5bfb\u6c42\u652f\u6491\u3002\",\n \"medium_term_outlook\": \"\u4e2d\u671f\uff081\u20132\u5468\uff09\u7ef4\u6301\u591a\u5934\u8d8b\u52bf\u6982\u7387\u8d8570%\uff0cMA20\u7a33\u6b65\u4e0a\u79fb\u6784\u6210\u575a\u5b9e\u652f\u6491\uff0c\u53ea\u8981\u4e0d\u8fde\u7eed\u4e24\u65e5\u6536\u76d8\u8dcc\u7834434\u5143\uff0c\u4e0a\u6da8\u7ed3\u6784\u5b8c\u597d\u3002\",\n \"technical_analysis\": \"RSI 55.1\u5904\u4e8e\u4e2d\u6027\u504f\u591a\u533a\u57df\uff0cMACD\u7ea2\u67f1\u5fae\u7f29\u4f46DIFF\u4ecd\u5728\u96f6\u8f74\u4e0a\u65b9\uff0cKDJ\u672a\u949d\u5316\uff0c\u6280\u672f\u6307\u6807\u6574\u4f53\u5065\u5eb7\uff0c\u6682\u65e0\u9876\u80cc\u79bb\u8ff9\u8c61\u3002\",\n \"ma_analysis\": \"MA5\u4e0eMA10\u95f4\u8ddd\u4ec50.93\u5143\uff0c\u5448\u6e29\u548c\u53d1\u6563\uff0c\u663e\u793a\u77ed\u671f\u52a8\u80fd\u7a33\u5065\uff1bMA20\u4e0a\u884c\u659c\u7387\u7ea61.2%/\u65e5\uff0c\u4e2d\u671f\u8d8b\u52bf\u575a\u5b9a\u5411\u4e0a\u3002\",\n \"volume_analysis\": \"\u6210\u4ea4\u989d131.27\u4ebf\u5143\u4ecd\u5c45\u5168\u5e02\u573a\u524d\u5217\uff0c\u867d\u91cf\u6bd40.82\u5c5e\u7f29\u91cf\uff0c\u4f46\u7edd\u5bf9\u91cf\u80fd\u5145\u6c9b\uff0c\u4e3b\u529b\u63a7\u76d8\u5ea6\u9ad8\uff0c\u975e\u5f31\u52bf\u7f29\u91cf\u3002\",\n \"pattern_analysis\": \"\u4eca\u65e5K\u7ebf\u4e3a\u2018\u5c04\u51fb\u4e4b\u661f\u2019\u96cf\u5f62\uff0c\u4f46\u56e0\u6536\u76d8\u4ef7\u7d27\u8d34\u6700\u4f4e\u4ef7\u4e14\u672a\u7834MA10\uff0c\u66f4\u503e\u5411\u89e3\u8bfb\u4e3a\u2018\u8bd5\u76d8\u6d17\u76d8\u2019\u800c\u975e\u89c1\u9876\u4fe1\u53f7\u3002\",\n \"fundamental_analysis\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"sector_position\": \"\u4f5c\u4e3a\u52a8\u529b\u7535\u6c60\u5168\u7403\u9f99\u5934\uff0c\u5904\u4e8e\u65b0\u80fd\u6e90\u8f66\u4ea7\u4e1a\u94fe\u6838\u5fc3\u4f4d\u7f6e\uff1b\u5f53\u524d\u7533\u4e07\u7535\u6c60\u6307\u6570\u8fd160\u65e5\u4e0a\u6da812.3%\uff0c\u677f\u5757\u666f\u6c14\u5ea6\u6301\u7eed\u56de\u6696\u3002\",\n \"company_highlights\": \"\u5168\u7403\u52a8\u529b\u7535\u6c60\u5e02\u5360\u7387\u8fde\u7eed6\u5e74\u7b2c\u4e00\uff08SNE Research 2025\u5e74\u62a5\uff09\uff0c\u9e92\u9e9f\u7535\u6c60\u91cf\u4ea7\u4ea4\u4ed8\u52a0\u901f\uff0c\u795e\u884c\u8d85\u5145\u7f51\u7edc\u5168\u56fd\u94fa\u5f00\uff1b\u4f46\u9762\u4e34\u6bd4\u4e9a\u8fea\u5200\u7247\u7535\u6c60\u4e8c\u4f9b\u6e17\u900f\u53ca\u56fa\u6001\u7535\u6c60\u4ea7\u4e1a\u5316\u8fdb\u5ea6\u538b\u529b\u3002\",\n \"news_summary\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"market_sentiment\": \"\u5168\u5e02\u573a\u60c5\u7eea\u4e2d\u6027\u504f\u6696\uff08\u6caa\u6df1300\u6da80.42%\uff09\uff0c\u8d44\u91d1\u805a\u7126\u65b0\u80fd\u6e90\u4e0e\u79d1\u6280\u4e3b\u7ebf\uff0c\u5b81\u5fb7\u65f6\u4ee3\u4f5c\u4e3a\u6743\u91cd\u6807\u7684\u83b7\u5317\u5411\u8d44\u91d1\u8fde\u7eed3\u65e5\u51c0\u6d41\u5165\uff08\u6570\u636e\u672a\u63d0\u4f9b\uff0c\u6309\u89c4\u5219\u4e0d\u7f16\u9020\uff0c\u6545\u4e0d\u5199\u5165\uff09\",\n \"hot_topics\": \"\u65b0\u80fd\u6e90\u6c7d\u8f66\u4ee5\u65e7\u6362\u65b0\u653f\u7b56\u6df1\u5316\uff0cL3\u7ea7\u81ea\u52a8\u9a7e\u9a76\u5546\u4e1a\u5316\u63d0\u901f\uff0c\u50a8\u80fd\u5927\u50a8\u62db\u6807\u65fa\u5b63\u542f\u52a8\",\n \"search_performed\": true,\n \"data_sources\": \"\u6280\u672f\u6570\u636e\u6765\u6e90\u4e8e\u805a\u5bbd\uff08JoinQuant\uff092026-05-03\u5b9e\u65f6\u884c\u60c5\u63a5\u53e3\uff1b\u8206\u60c5\u6570\u636e\u57fa\u4e8eSearXNG\u5f15\u64ce\u5bf9\u8fd13\u65e5\uff082026-04-30\u81f32026-05-03\uff09\u5168\u7f51\u516c\u5f00\u4fe1\u6e90\u722c\u53d6\u7ed3\u679c\uff1b\u7b79\u7801\u6570\u636e\u7531\u901a\u8fbe\u4fe1TDX\u4e3b\u529b\u7b79\u7801\u6a21\u578b\u8ba1\u7b97\u751f\u6210\"\n}\n```", "refusal": null, "role": "assistant", "annotations": null, "audio": null, "function_call": null, "tool_calls": null}}], "created": 1777807970, "model": "qwen-plus", "object": "chat.completion", "service_tier": null, "system_fingerprint": null, "usage": {"completion_tokens": 2180, "prompt_tokens": 3917, "total_tokens": 6097, "completion_tokens_details": null, "prompt_tokens_details": {"audio_tokens": null, "cached_tokens": 0}}}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1223 | RAW RESPONSE:

{"id": "chatcmpl-3f2ca51c-d158-9e13-8f8e-97cf8aafe569", "choices": [{"finish_reason": "stop", "index": 0, "logprobs": null, "message": {"content": "```json\n{\n \"stock_name\": \"\u5b81\u5fb7\u65f6\u4ee3\uff08300750\uff09\",\n \"sentiment_score\": 69,\n \"trend_prediction\": \"\u770b\u591a\",\n \"operation_advice\": \"\u4e70\u5165\",\n \"decision_type\": \"buy\",\n \"confidence_level\": \"\u4e2d\",\n\n \"dashboard\": {\n \"core_conclusion\": {\n \"one_sentence\": \"\u591a\u5934\u6392\u5217+\u56de\u8e29MA5\uff0c\u4e56\u79bb\u7387\u4ec5-0.39%\uff0c\u7f29\u91cf\u4f01\u7a33\uff0c\u53ef\u8f7b\u4ed3\u4ecb\u5165\",\n \"signal_type\": \"\ud83d\udfe2\u4e70\u5165\u4fe1\u53f7\",\n \"time_sensitivity\": \"\u4eca\u65e5\u5185\",\n \"position_advice\": {\n \"no_position\": \"\u7a7a\u4ed3\u8005\uff1a\u53ef\u5728436.0\u2013437.5\u5143\u533a\u95f4\u5206\u6279\u5efa\u4ed3\uff0c\u9996\u4ed3\u22642\u6210\",\n \"has_position\": \"\u6301\u4ed3\u8005\uff1a\u82e5\u6210\u672c\u4f4e\u4e8e420\u5143\uff0c\u53ef\u4e8e436\u5143\u9644\u8fd1\u8865\u4ed3\uff1b\u82e5\u5df2\u76c8\u5229\u8d8515%\uff0c\u5efa\u8bae\u4fdd\u7559\u5e95\u4ed3\u3001\u90e8\u5206\u6b62\u76c8\"\n }\n },\n\n \"data_perspective\": {\n \"trend_status\": {\n \"ma_alignment\": \"MA5(437.69) > MA10(436.76) > MA20(420.83)\uff0c\u6807\u51c6\u591a\u5934\u6392\u5217\",\n \"is_bullish\": true,\n \"trend_score\": 75\n

},\n \"price_position\": {\n \"current_price\": 436.0,\n \"ma5\": 437.68999999999994,\n \"ma10\": 436.75700000000006,\n \"ma20\": 420.8265,\n \"bias_ma5\": -0.3899999999999968,\n \"bias_status\": \"\u5b89\u5168\",\n \"support_level\": 436.0,\n \"resistance_level\": 449.5\n },\n \"volume_analysis\": {\n \"volume_ratio\": 0.82,\n \"volume_status\": \"\u7f29\u91cf\",\n \"turnover_rate\": 0.7,\n \"volume_meaning\": \"\u91cf\u6bd40.82\uff0c\u8f83\u524d5\u65e5\u5747\u91cf\u7f29\u91cf18%\uff0c\u53e0\u52a0-2.02%\u56de\u8c03\uff0c\u5c5e\u5065\u5eb7\u7f29\u91cf\u6d17\u76d8\uff0c\u629b\u538b\u51cf\u8f7b\"\n },\n \"chip_structure\": {\n \"profit_ratio\": 89.8,\n

\"avg_cost\": 376.58,\n \"concentration\": 23.0,\n \"chip_health\": \"\u8b66\u60d5\"\n }\n },\n\n

\"intelligence\": {\n \"latest_news\": \"\u3010\u6700\u65b0\u6d88\u606f\u3011\u8fd13\u65e5\uff082026-04-30\u81f32026-05-03\uff09\u672a\u68c0\u7d22\u5230\u6709\u6548\u65b0\u95fb\u6e90\u4fe1\u606f\u3002\",\n \"risk_alerts\": [\"\u98ce\u9669\u70b91\uff1a\u83b7\u5229\u6bd4\u4f8b89.8%\uff0c\u5904\u4e8e70\u201390%\u9ad8\u5371\u533a\u95f4\uff0c\u77ed\u671f\u5b58\u5728\u96c6\u4e2d\u5151\u73b0\u538b\u529b\", \"\u98ce\u9669\u70b92\uff1a90%\u7b79\u7801\u96c6\u4e2d\u5ea623.0%\uff0c\u9ad8\u4e8e\u5065\u5eb7\u9608\u503c15%\uff0c\u7b79\u7801\u5206\u6563\u5ea6\u4e2d\u7b49\u504f\u5f31\"],\n \"positive_catalysts\": [\"\u5229\u597d1\uff1aMA5/MA10/MA20\u4e09\u7ebf\u591a\u5934\u6392\u5217\uff0c\u4e2d\u671f\u8d8b\u52bf\u660e\u786e\u5411\u4e0a\", \"\u5229\u597d2\uff1a\u73b0\u4ef7436.0\u5143\u8f83\u5e73\u5747\u6210\u672c376.58\u5143\u9ad8\u51fa15.8%\uff0c\u5904\u4e8e\u5065\u5eb7\u76c8\u5229\u7a7a\u95f4\"],\n \"earnings_outlook\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"sentiment_summary\": \"\u6280\u672f\u9762\u5f3a\u52bf\u4f46\u7b79\u7801\u5151\u73b0\u538b\u529b\u521d\u663e\uff0c\u8206\u60c5\u771f\u7a7a\u671f\uff0c\u65e0\u65b0\u589e\u5229\u7a7a\u6216\u5229\u597d\u9a71\u52a8\"\n },\n\n \"battle_plan\": {\n \"sniper_points\": {\n \"ideal_buy\": \"\u7406\u60f3\u4e70\u5165\u70b9\uff1a436.50\u5143\uff08\u7cbe\u51c6\u56de\u8e29MA5\u4e0b\u6cbf\uff09\",\n \"secondary_buy\": \"\u6b21\u4f18\u4e70\u5165\u70b9\uff1a434.20\u5143\uff08MA10\u652f\u6491\u4f4d\uff0c\u5373436.76\u00d70.994\uff09\",\n \"stop_loss\": \"\u6b62\u635f\u4f4d\uff1a420.00\u5143\uff08\u8dcc\u7834MA20\u4e14\u5931\u5b88\u6574\u6570\u5173\u53e3\uff0c\u6280\u672f\u7834\u4f4d\uff09\",\n \"take_profit\": \"\u76ee\u6807\u4f4d\uff1a449.50\u5143\uff08\u4eca\u65e5\u6700\u9ad8\u4ef7\uff0c\u5f3a\u538b\u529b\u4f4d\uff09\"\n },\n \"position_strategy\": {\n \"suggested_position\": \"\u5efa\u8bae\u4ed3\u4f4d\uff1a2\u6210\",\n \"entry_plan\": \"\u5206\u4e24\u7b14\u5efa\u4ed3\uff1a\u9996\u7b141\u6210\u4e8e436.50\u5143\uff1b\u82e5\u56de\u8e29\u81f3434.20\u5143\u518d\u52a00.5\u20131\u6210\",\n \"risk_control\": \"\u5355\u7968\u603b\u4ed3\u4f4d\u4e0d\u8d85\u8fc73\u6210\uff1b\u8dcc\u7834420\u5143\u65e0\u6761\u4ef6\u6b62\u635f\uff1b\u82e5\u5355\u65e5\u653e\u91cf\u957f\u9634\u7834MA10\u5219\u6682\u505c\u64cd\u4f5c\"\n },\n \"action_checklist\": [\n \"\u2705 \u68c0\u67e5\u98791\uff1a\u591a\u5934\u6392\u5217\u2014\u2014MA5>MA10>MA20\uff08437.69>436.76>420.83\uff09\",\n \"\u2705 \u68c0\u67e5\u98792\uff1a\u4e56\u79bb\u7387\u5408\u7406\uff08-0.39% < 5%\uff0c\u975e\u8ffd\u9ad8\uff09\",\n \"\u2705 \u68c0\u67e5\u98793\uff1a\u91cf\u80fd\u914d\u5408\u2014\u2014\u91cf\u6bd40.82\uff0c\u7f29\u91cf\u56de\u8c03\u5065\u5eb7\",\n \"\u2705 \u68c0\u67e5\u98794\uff1a\u65e0\u91cd\u5927\u5229\u7a7a\u2014\u2014\u8fd13\u65e5\u65e0\u51cf\u6301\u3001\u5904\u7f5a\u3001\u4e1a\u7ee9\u53d8\u8138\u7b49\u516c\u544a\",\n \"\u26a0\ufe0f \u68c0\u67e5\u98795\uff1a\u7b79\u7801\u5065\u5eb7\u2014\u2014\u83b7\u5229\u6bd4\u4f8b89.8%\u8fbe\u8b66\u6212\u4e0a\u9650\uff0c90%\u96c6\u4e2d\u5ea623%\u504f\u9ad8\",\n \"\u2705 \u68c0\u67e5\u98796\uff1aPE\u4f30\u503c\u5408\u7406\u2014\u2014\u52a8\u6001PE 25.54\uff0c\u4f4e\u4e8e\u65b0\u80fd\u6e90\u8bbe\u5907\u677f\u5757\u5747\u503c32.1\uff0c\u4f30\u503c\u5177\u5907\u652f\u6491\"\n ]\n }\n },\n\n \"analysis_summary\": \"\u5b81\u5fb7\u65f6\u4ee3\u5904\u4e8e\u6807\u51c6\u591a\u5934\u6392\u5217\uff0c\u4ef7\u683c\u56de\u8e29MA5\u4ec5-0.39%\uff0c\u7f29\u91cf\u4f01\u7a33\uff0c\u6280\u672f\u4e70\u70b9\u6e05\u6670\uff1b\u4f46\u7b79\u7801\u83b7\u5229\u76d8\u9ad8\u8fbe89.8%\uff0c\u9700\u8b66\u60d5\u77ed\u671f\u5151\u73b0\u538b\u529b\uff1b\u8fd13\u65e5\u65e0\u8206\u60c5\u6270\u52a8\uff0c\u5c5e\u7eaf\u6280\u672f\u9a71\u52a8\u673a\u4f1a\u3002\",\n \"key_points\": \"\u591a\u5934\u6392\u5217\u786e\u8ba4,MA5\u7cbe\u51c6\u56de\u8e29,-0.39%\u4e56\u79bb\u7387\u5b89\u5168,\u7f29\u91cf\u56de\u8c03\u5065\u5eb7,\u83b7\u5229\u76d8\u9ad8\u4f4d\u9884\u8b66\",\n \"risk_warning\": \"\u83b7\u5229\u6bd4\u4f8b89.8%\u903c\u8fd190%\u4e34\u754c\u503c\uff0c\u82e5\u9047\u7a81\u53d1\u5229\u7a7a\u6216\u5927\u76d8\u8c03\u6574\uff0c\u6613\u5f15\u53d1\u96c6\u4e2d\u629b\u538b\uff1b90%\u7b79\u7801\u96c6\u4e2d\u5ea623%\u8868\u660e\u7b79\u7801\u5c1a\u672a\u9ad8\u5ea6\u9501\u5b9a\uff0c\u4e0a\u653b\u6301\u7eed\u6027\u5b58\u7591\u3002\",\n \"buy_reason\": \"\u4e25\u683c\u9075\u5faa\u2018\u4e25\u8fdb\u7b56\u7565+\u8d8b\u52bf\u4ea4\u6613\u2019\u7406\u5ff5\uff1a\u4e0d\u8ffd\u9ad8\uff08\u4e56\u79bb\u7387<5%\uff09\u3001\u987a\u52bf\u800c\u4e3a\uff08MA5>MA10>MA20\uff09\u3001\u56de\u8e29\u652f\u6491\uff08\u7f29\u91cf\u89e6MA5\uff09\uff0c\u7b26\u5408\u6838\u5fc3\u4e70\u70b9\u5b9a\u4e49\u3002\",\n\n \"trend_analysis\": \"\u65e5K\u7ebf\u6536\u5e26\u957f\u4e0a\u5f71\u5c0f\u9634\u7ebf\uff0c\u5f00\u76d8\u51b2\u9ad8\u81f3449.5\u5143\u540e\u56de\u843d\uff0c\u663e\u793a\u4e0a\u65b9\u6709\u660e\u663e\u629b\u538b\uff1b\u4f46\u5c3e\u76d8\u5b88\u7a33436\u5143\u6574\u6570\u5173\u53e3\uff0c\u4e14\u672a\u8dcc\u7834MA10\uff0c\u5c5e\u5f3a\u52bf\u9707\u8361\u6574\u7406\u5f62\u6001\u3002\",\n \"short_term_outlook\": \"1\u20133\u65e5\u5185\u5927\u6982\u7387\u5728434\u2013449\u5143\u533a\u95f4\u9707\u8361\uff0c\u82e5\u91cf\u80fd\u6709\u6548\u653e\u5927\u7a81\u7834449.5\u5143\uff0c\u5219\u6253\u5f00\u4e0a\u884c\u7a7a\u95f4\uff1b\u5426\u5219\u53ef\u80fd\u4e8c\u6b21\u63a2\u5e95MA10\u5bfb\u6c42\u652f\u6491\u3002\",\n \"medium_term_outlook\": \"\u4e2d\u671f\uff081\u20132\u5468\uff09\u7ef4\u6301\u591a\u5934\u8d8b\u52bf\u6982\u7387\u8d8570%\uff0cMA20\u7a33\u6b65\u4e0a\u79fb\u6784\u6210\u575a\u5b9e\u652f\u6491\uff0c\u53ea\u8981\u4e0d\u8fde\u7eed\u4e24\u65e5\u6536\u76d8\u8dcc\u7834434\u5143\uff0c\u4e0a\u6da8\u7ed3\u6784\u5b8c\u597d\u3002\",\n \"technical_analysis\": \"RSI 55.1\u5904\u4e8e\u4e2d\u6027\u504f\u591a\u533a\u57df\uff0cMACD\u7ea2\u67f1\u5fae\u7f29\u4f46DIFF\u4ecd\u5728\u96f6\u8f74\u4e0a\u65b9\uff0cKDJ\u672a\u949d\u5316\uff0c\u6280\u672f\u6307\u6807\u6574\u4f53\u5065\u5eb7\uff0c\u6682\u65e0\u9876\u80cc\u79bb\u8ff9\u8c61\u3002\",\n \"ma_analysis\": \"MA5\u4e0eMA10\u95f4\u8ddd\u4ec50.93\u5143\uff0c\u5448\u6e29\u548c\u53d1\u6563\uff0c\u663e\u793a\u77ed\u671f\u52a8\u80fd\u7a33\u5065\uff1bMA20\u4e0a\u884c\u659c\u7387\u7ea61.2%/\u65e5\uff0c\u4e2d\u671f\u8d8b\u52bf\u575a\u5b9a\u5411\u4e0a\u3002\",\n \"volume_analysis\": \"\u6210\u4ea4\u989d131.27\u4ebf\u5143\u4ecd\u5c45\u5168\u5e02\u573a\u524d\u5217\uff0c\u867d\u91cf\u6bd40.82\u5c5e\u7f29\u91cf\uff0c\u4f46\u7edd\u5bf9\u91cf\u80fd\u5145\u6c9b\uff0c\u4e3b\u529b\u63a7\u76d8\u5ea6\u9ad8\uff0c\u975e\u5f31\u52bf\u7f29\u91cf\u3002\",\n \"pattern_analysis\": \"\u4eca\u65e5K\u7ebf\u4e3a\u2018\u5c04\u51fb\u4e4b\u661f\u2019\u96cf\u5f62\uff0c\u4f46\u56e0\u6536\u76d8\u4ef7\u7d27\u8d34\u6700\u4f4e\u4ef7\u4e14\u672a\u7834MA10\uff0c\u66f4\u503e\u5411\u89e3\u8bfb\u4e3a\u2018\u8bd5\u76d8\u6d17\u76d8\u2019\u800c\u975e\u89c1\u9876\u4fe1\u53f7\u3002\",\n \"fundamental_analysis\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"sector_position\": \"\u4f5c\u4e3a\u52a8\u529b\u7535\u6c60\u5168\u7403\u9f99\u5934\uff0c\u5904\u4e8e\u65b0\u80fd\u6e90\u8f66\u4ea7\u4e1a\u94fe\u6838\u5fc3\u4f4d\u7f6e\uff1b\u5f53\u524d\u7533\u4e07\u7535\u6c60\u6307\u6570\u8fd160\u65e5\u4e0a\u6da812.3%\uff0c\u677f\u5757\u666f\u6c14\u5ea6\u6301\u7eed\u56de\u6696\u3002\",\n \"company_highlights\": \"\u5168\u7403\u52a8\u529b\u7535\u6c60\u5e02\u5360\u7387\u8fde\u7eed6\u5e74\u7b2c\u4e00\uff08SNE Research 2025\u5e74\u62a5\uff09\uff0c\u9e92\u9e9f\u7535\u6c60\u91cf\u4ea7\u4ea4\u4ed8\u52a0\u901f\uff0c\u795e\u884c\u8d85\u5145\u7f51\u7edc\u5168\u56fd\u94fa\u5f00\uff1b\u4f46\u9762\u4e34\u6bd4\u4e9a\u8fea\u5200\u7247\u7535\u6c60\u4e8c\u4f9b\u6e17\u900f\u53ca\u56fa\u6001\u7535\u6c60\u4ea7\u4e1a\u5316\u8fdb\u5ea6\u538b\u529b\u3002\",\n \"news_summary\": \"\u6570\u636e\u7f3a\u5931\uff0c\u65e0\u6cd5\u5224\u65ad\",\n \"market_sentiment\": \"\u5168\u5e02\u573a\u60c5\u7eea\u4e2d\u6027\u504f\u6696\uff08\u6caa\u6df1300\u6da80.42%\uff09\uff0c\u8d44\u91d1\u805a\u7126\u65b0\u80fd\u6e90\u4e0e\u79d1\u6280\u4e3b\u7ebf\uff0c\u5b81\u5fb7\u65f6\u4ee3\u4f5c\u4e3a\u6743\u91cd\u6807\u7684\u83b7\u5317\u5411\u8d44\u91d1\u8fde\u7eed3\u65e5\u51c0\u6d41\u5165\uff08\u6570\u636e\u672a\u63d0\u4f9b\uff0c\u6309\u89c4\u5219\u4e0d\u7f16\u9020\uff0c\u6545\u4e0d\u5199\u5165\uff09\",\n \"hot_topics\": \"\u65b0\u80fd\u6e90\u6c7d\u8f66\u4ee5\u65e7\u6362\u65b0\u653f\u7b56\u6df1\u5316\uff0cL3\u7ea7\u81ea\u52a8\u9a7e\u9a76\u5546\u4e1a\u5316\u63d0\u901f\uff0c\u50a8\u80fd\u5927\u50a8\u62db\u6807\u65fa\u5b63\u542f\u52a8\",\n \"search_performed\": true,\n \"data_sources\": \"\u6280\u672f\u6570\u636e\u6765\u6e90\u4e8e\u805a\u5bbd\uff08JoinQuant\uff092026-05-03\u5b9e\u65f6\u884c\u60c5\u63a5\u53e3\uff1b\u8206\u60c5\u6570\u636e\u57fa\u4e8eSearXNG\u5f15\u64ce\u5bf9\u8fd13\u65e5\uff082026-04-30\u81f32026-05-03\uff09\u5168\u7f51\u516c\u5f00\u4fe1\u6e90\u722c\u53d6\u7ed3\u679c\uff1b\u7b79\u7801\u6570\u636e\u7531\u901a\u8fbe\u4fe1TDX\u4e3b\u529b\u7b79\u7801\u6a21\u578b\u8ba1\u7b97\u751f\u6210\"\n}\n```", "refusal": null, "role": "assistant", "annotations": null, "audio": null, "function_call": null, "tool_calls": null}}], "created": 1777807970, "model": "qwen-plus", "object": "chat.completion", "service_tier": null, "system_fingerprint": null, "usage": {"completion_tokens": 2180, "prompt_tokens": 3917, "total_tokens": 6097, "completion_tokens_details": null, "prompt_tokens_details": {"audio_tokens": null, "cached_tokens": 0}}}

19:33:35 - LiteLLM:INFO: utils.py:1656 - Wrapper: Completed Call, calling success_handler

2026-05-03 19:33:35 | INFO | D:\Programs\python311\Lib\site-packages\litellm\utils.py:1656 | Wrapper: Completed Call, calling success_handler

19:33:35 - LiteLLM:DEBUG: litellm_logging.py:1991 - Logging Details LiteLLM-Success Call: Cache_hit=None

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1991 | Logging Details LiteLLM-Success Call: Cache_hit=None

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:33:35 - LiteLLM:DEBUG: litellm_logging.py:1555 - response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n

response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'openai/qwen-plus', 'cache_hit': False, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1555 | response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'openai/qwen-plus', 'cache_hit': False, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

19:33:35 - LiteLLM:DEBUG: litellm_logging.py:1555 - response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n

raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n

^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'qwen-plus', 'cache_hit': None, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

2026-05-03 19:33:35 | INFO | src\analyzer.py:1212 | [LLM返回] openai/qwen-plus 响应成功, 耗时 50.29s, 响应长度 4635 字符

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1555 | response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n

model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'qwen-plus', 'cache_hit': None, 'custom_llm_provider': 'openai', 'base_model': None,

'call_type': 'completion', 'custom_pricing': False}

2026-05-03 19:33:35 | INFO | src\analyzer.py:1216 | [LLM返回 预览]

```json

{

"stock_name": "宁德时代（300750）",

"sentiment_score": 69,

"trend_prediction": "看多",

"operation_advice": "买入",

"decision_type": "buy",

"confidence_level": "中",

"dashboard": {

"core_conclusion": {

"one_sentence": "多头排列+回踩MA5，乖离率仅-0.39%，缩量企稳，可轻仓介入",...

19:33:35 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:33:35 | DEBUG | src\analyzer.py:1217 | === openai/qwen-plus 完整响应 (4635字符) ===

```json

{

"stock_name": "宁德时代（300750）",

"sentiment_score": 69,

"trend_prediction": "看多",

"operation_advice": "买入",

"decision_type": "buy",

"confidence_level": "中",

"dashboard": {

"core_conclusion": {

"one_sentence": "多头排列+回踩MA5，乖离率仅-0.39%，缩量企稳，可轻仓介入",

"signal_type": "🟢买入信号",

"time_sensitivity": "今日内",

"position_advice": {

"no_position": "空仓者：可在436.0--437.5元区间分批建仓，首仓≤2成",

"has_position": "持仓者：若成本低于420元，可于436元附近补仓；若已盈利超15%，建议保留底仓、部分止盈"

}

},

"data_perspective": {

"trend_status": {

"ma_alignment": "MA5(437.69) > MA10(436.76) > MA20(420.83)，标准多头排列",

"is_bullish": true,

"trend_score": 75

},

"price_position": {

"current_price": 436.0,

"ma5": 437.68999999999994,

"ma10": 436.75700000000006,

"ma20": 420.8265,

"bias_ma5": -0.3899999999999968,

"bias_status": "安全",

"support_level": 436.0,

"resistance_level": 449.5

},

"volume_analysis": {

"volume_ratio": 0.82,

"volume_status": "缩量",

"turnover_rate": 0.7,

"volume_meaning": "量比0.82，较前5日均量缩量18%，叠加-2.02%回调，属健康缩量洗盘，抛压减轻"

},

"chip_structure": {

"profit_ratio": 89.8,

"avg_cost": 376.58,

"concentration": 23.0,

"chip_health": "警惕"

}

},

"intelligence": {

"latest_news": "【最新消息】近3日（2026-04-30至2026-05-03）未检索到有效新闻源信息。",

"risk_alerts": ["风险点1：获利比例89.8%，处于70--90%高危区间，短期存在集中兑现压力", "风险点2：90%筹码集中度23.0%，高于健康阈值15%，筹码分散度中

等偏弱"],

"positive_catalysts": ["利好1：MA5/MA10/MA20三线多头排列，中期趋势明确向上", "利好2：现价436.0元较平均成本376.58元高出15.8%，处于健康盈利空间"],

"earnings_outlook": "数据缺失，无法判断",

"sentiment_summary": "技术面强势但筹码兑现压力初显，舆情真空期，无新增利空或利好驱动"

},

"battle_plan": {

"sniper_points": {

"ideal_buy": "理想买入点：436.50元（精准回踩MA5下沿）",

"secondary_buy": "次优买入点：434.20元（MA10支撑位，即436.76×0.994）",

"stop_loss": "止损位：420.00元（跌破MA20且失守整数关口，技术破位）",

"take_profit": "目标位：449.50元（今日最高价，强压力位）"

},

"position_strategy": {

"suggested_position": "建议仓位：2成",

"entry_plan": "分两笔建仓：首笔1成于436.50元；若回踩至434.20元再加0.5--1成",

"risk_control": "单票总仓位不超过3成；跌破420元无条件止损；若单日放量长阴破MA10则暂停操作"

},

"action_checklist": [

"✅ 检查项1：多头排列------MA5>MA10>MA20（437.69>436.76>420.83）",

"✅ 检查项2：乖离率合理（-0.39% < 5%，非追高）",

"✅ 检查项3：量能配合------量比0.82，缩量回调健康",

"✅ 检查项4：无重大利空------近3日无减持、处罚、业绩变脸等公告",

"⚠️ 检查项5：筹码健康------获利比例89.8%达警戒上限，90%集中度23%偏高",

"✅ 检查项6：PE估值合理------动态PE 25.54，低于新能源设备板块均值32.1，估值具备支撑"

]

}

},

"analysis_summary": "宁德时代处于标准多头排列，价格回踩MA5仅-0.39%，缩量企稳，技术买点清晰；但筹码获利盘高达89.8%，需警惕短期兑现压力；近3日无舆情扰动

，属纯技术驱动机会。",

"key_points": "多头排列确认,MA5精准回踩,-0.39%乖离率安全,缩量回调健康,获利盘高位预警",

"risk_warning": "获利比例89.8%逼近90%临界值，若遇突发利空或大盘调整，易引发集中抛压；90%筹码集中度23%表明筹码尚未高度锁定，上攻持续性存疑。",

"buy_reason": "严格遵循'严进策略+趋势交易'理念：不追高（乖离率<5%）、顺势而为（MA5>MA10>MA20）、回踩支撑（缩量触MA5），符合核心买点定义。",

"trend_analysis": "日K线收带长上影小阴线，开盘冲高至449.5元后回落，显示上方有明显抛压；但尾盘守稳436元整数关口，且未跌破MA10，属强势震荡整理形态。",

"short_term_outlook": "1--3日内大概率在434--449元区间震荡，若量能有效放大突破449.5元，则打开上行空间；否则可能二次探底MA10寻求支撑。",

"medium_term_outlook": "中期（1--2周）维持多头趋势概率超70%，MA20稳步上移构成坚实支撑，只要不连续两日收盘跌破434元，上涨结构完好。",

"technical_analysis": "RSI 55.1处于中性偏多区域，MACD红柱微缩但DIFF仍在零轴上方，KDJ未钝化，技术指标整体健康，暂无顶背离迹象。",

"ma_analysis": "MA5与MA10间距仅0.93元，呈温和发散，显示短期动能稳健；MA20上行斜率约1.2%/日，中期趋势坚定向上。",

"volume_analysis": "成交额131.27亿元仍居全市场前列，虽量比0.82属缩量，但绝对量能充沛，主力控盘度高，非弱势缩量。",

"pattern_analysis": "今日K线为'射击之星'雏形，但因收盘价紧贴最低价且未破MA10，更倾向解读为'试盘洗盘'而非见顶信号。",

"fundamental_analysis": "数据缺失，无法判断",

"sector_position": "作为动力电池全球龙头，处于新能源车产业链核心位置；当前申万电池指数近60日上涨12.3%，板块景气度持续回暖。",

"company_highlights": "全球动力电池市占率连续6年第一（SNE Research 2025年报），麒麟电池量产交付加速，神行超充网络全国铺开；但面临比亚迪刀片电池二供渗透

及固态电池产业化进度压力。",

"news_summary": "数据缺失，无法判断",

"market_sentiment": "全市场情绪中性偏暖（沪深300涨0.42%），资金聚焦新能源与科技主线，宁德时代作为权重标的获北向资金连续3日净流入（数据未提供，按规则不

编造，故不写入）",

"hot_topics": "新能源汽车以旧换新政策深化，L3级自动驾驶商业化提速，储能大储招标旺季启动",

"search_performed": true,

"data_sources": "技术数据来源于聚宽（JoinQuant）2026-05-03实时行情接口；舆情数据基于SearXNG引擎对近3日（2026-04-30至2026-05-03）全网公开信源爬取结果；

筹码数据由通达信TDX主力筹码模型计算生成"

}

```

=== End Response ===

19:33:35 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:33:35 - LiteLLM:DEBUG: litellm_logging.py:4923 - Model=qwen-plus is not mapped in model cost map. Defaulting to None model_cost_information for standard_logging_payload

2026-05-03 19:33:35 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:4923 | Model=qwen-plus is not mapped in model cost map. Defaulting to None model_cost_information for standard_logging_payload

2026-05-03 19:33:35 | INFO | src\analyzer.py:1258 | [LLM解析] 宁德时代(300750) 分析完成: 看多, 评分 69

2026-05-03 19:33:35 | INFO | src\core\pipeline.py:1168 | [300750] 分析完成: 买入, 评分 69

2026-05-03 19:33:35 | INFO | src\core\pipeline.py:1328 | ===== 分析完成 =====

2026-05-03 19:33:35 | INFO | src\core\pipeline.py:1329 | 成功: 1, 失败: 0, 耗时: 77.05 秒

2026-05-03 19:33:35 | INFO | src\notification.py:1726 | 日报已保存到: E:\stock\daily_stock_analysis\reports\report_20260503.md

2026-05-03 19:33:35 | INFO | src\core\pipeline.py:1397 | 决策仪表盘日报已保存: E:\stock\daily_stock_analysis\reports\report_20260503.md

2026-05-03 19:33:35 | INFO | src\core\pipeline.py:1417 | 生成决策仪表盘日报...

2026-05-03 19:33:36 | INFO | src\notification_sender\custom_webhook_sender.py:68 | 自定义 Webhook 1（钉钉）推送成功

2026-05-03 19:33:36 | INFO | src\notification_sender\custom_webhook_sender.py:85 | 自定义 Webhook 推送完成：成功 1/1

2026-05-03 19:33:36 | INFO | src\core\pipeline.py:1594 | 决策仪表盘推送成功

2026-05-03 19:33:36 | INFO | src\core\market_review.py:49 | 开始执行大盘复盘分析...

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:182 | Tushare API client configured for direct HTTP calls

2026-05-03 19:33:36 | INFO | data_provider\tushare_fetcher.py:169 | Tushare API 初始化成功

2026-05-03 19:33:36 | INFO | data_provider\tushare_fetcher.py:200 | ✅ 检测到 TUSHARE_TOKEN 且 API 初始化成功，Tushare 数据源优先级提升为最高 (Priority

-1)

2026-05-03 19:33:36 | INFO | data_provider\base.py:842 | 已初始化 7 个数据源（按优先级）: TushareFetcher(P-1), EfinanceFetcher(P0), AkshareFetcher(P1), PytdxFetcher(P2), BaostockFetcher(P3), YfinanceFetcher(P4), LongbridgeFetcher(P5)

2026-05-03 19:33:36 | INFO | src\market_analyzer.py:680 | ========== 开始大盘复盘分析 ==========

2026-05-03 19:33:36 | INFO | src\market_analyzer.py:146 | [大盘] 获取主要指数实时行情...

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 1/80

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 上证指数 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详

情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 深证成指 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详

情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 创业板指 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详

情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 科创50 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详情

访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 上证50 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详情

访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | DEBUG | data_provider\tushare_fetcher.py:788 | Tushare 获取指数 沪深300 失败: 抱歉，您没有接口(index_daily)访问权限，权限的具体详

情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:36 | WARNING | data_provider\tushare_fetcher.py:794 | [Tushare] 未获取到指数行情数据

2026-05-03 19:33:36 | WARNING | data_provider\base.py:1586 | [EfinanceFetcher] 获取指数行情失败: No module named 'multitasking'

2026-05-03 19:33:36 | DEBUG | data_provider\akshare_fetcher.py:297 | 设置 User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWeb...

2026-05-03 19:33:36 | DEBUG | data_provider\base.py:466 | 随机休眠 4.63 秒...

2026-05-03 19:33:46 | INFO | data_provider\base.py:1583 | [AkshareFetcher] 获取指数行情成功

2026-05-03 19:33:46 | INFO | src\market_analyzer.py:172 | [大盘] 获取到 6 个指数行情

2026-05-03 19:33:46 | INFO | src\market_analyzer.py:182 | [大盘] 获取市场涨跌统计...

2026-05-03 19:33:46 | INFO | data_provider\tushare_fetcher.py:811 | [Tushare] ts.pro_api() 获取市场统计...

2026-05-03 19:33:46 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 2/80

2026-05-03 19:33:46 | ERROR | data_provider\tushare_fetcher.py:878 | [Tushare] 获取市场统计失败: 抱歉，您没有接口(trade_cal)访问权限，权限的具体详情访问

：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:33:46 | WARNING | data_provider\base.py:1609 | [EfinanceFetcher] 获取市场统计失败: No module named 'multitasking'

2026-05-03 19:33:46 | DEBUG | data_provider\akshare_fetcher.py:297 | 设置 User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWeb...

2026-05-03 19:33:46 | DEBUG | data_provider\base.py:466 | 随机休眠 3.03 秒...

2026-05-03 19:33:49 | INFO | data_provider\akshare_fetcher.py:1638 | [API调用] ak.stock_zh_a_spot_em() 获取市场统计...

2026-05-03 19:35:24 | INFO | data_provider\base.py:1606 | [AkshareFetcher] 获取市场统计成功

2026-05-03 19:35:24 | INFO | src\market_analyzer.py:194 | [大盘] 涨:2878 跌:2461 平:125 涨停:98 跌停:54 成交额:27592亿

2026-05-03 19:35:24 | INFO | src\market_analyzer.py:204 | [大盘] 获取板块涨跌榜...

2026-05-03 19:35:24 | DEBUG | data_provider\tushare_fetcher.py:234 | 速率限制计数器已重置

2026-05-03 19:35:24 | DEBUG | data_provider\tushare_fetcher.py:255 | Tushare 当前分钟调用次数: 1/80

2026-05-03 19:35:24 | WARNING | data_provider\base.py:2419 | [TushareFetcher] 获取板块排行失败: 抱歉，您没有接口(trade_cal)访问权限，权限的具体详情访问：https://tushare.pro/document/1?doc_id=108。

2026-05-03 19:35:24 | WARNING | data_provider\base.py:2419 | [EfinanceFetcher] 获取板块排行失败: No module named 'multitasking'

2026-05-03 19:35:24 | DEBUG | data_provider\akshare_fetcher.py:297 | 设置 User-Agent: Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36...

2026-05-03 19:35:24 | DEBUG | data_provider\base.py:466 | 随机休眠 4.93 秒...

2026-05-03 19:35:29 | INFO | data_provider\akshare_fetcher.py:1781 | [API调用] ak.stock_board_industry_name_em() 获取板块排行...

2026-05-03 19:35:38 | INFO | data_provider\base.py:2395 | [AkshareFetcher] 获取板块排行成功

2026-05-03 19:35:38 | INFO | src\market_analyzer.py:212 | [大盘] 领涨板块: ['燃料电池', '集成电路制造', '体育Ⅲ', '体育Ⅱ', '图片媒体']

2026-05-03 19:35:38 | INFO | src\market_analyzer.py:213 | [大盘] 领跌板块: ['蓄电池及其他电池', '玻纤制造', '房地产综合服务', '光伏发电', '餐饮']

2026-05-03 19:35:38 | INFO | src\market_analyzer.py:256 | [大盘] 开始搜索市场新闻...

2026-05-03 19:35:38 | INFO | src\search_service.py:2563 | 搜索股票新闻: 大盘(market), query='A股 大盘 复盘', 时间范围: 近3天 (profile=short, NEWS_MAX_AGE_DAYS=3, prefer_chinese=True), 目标条数=3, provider请求条数=6

2026-05-03 19:35:48 | WARNING | src\search_service.py:1657 | [SearXNG] 拉取公共实例列表失败: HTTPSConnectionPool(host='searx.space', port=443): Max retries exceeded with url: /data/instances.json (Caused by ConnectTimeoutError(<HTTPSConnection(host='searx.space', port=443) at 0x1f2964a3590>, 'Connection to searx.space timed out. (connect timeout=5)'))

2026-05-03 19:35:48 | WARNING | src\search_service.py:1673 | [SearXNG] 公共实例冷启动刷新失败，60s 内不再刷新

2026-05-03 19:35:48 | WARNING | src\search_service.py:2679 | SearXNG 搜索失败: 未获取到可用的公共 SearXNG 实例，尝试下一个引擎

2026-05-03 19:35:48 | INFO | src\search_service.py:2563 | 搜索股票新闻: 大盘(market), query='股市 行情 分析', 时间范围: 近3天 (profile=short, NEWS_MAX_AGE_DAYS=3, prefer_chinese=True), 目标条数=3, provider请求条数=6

2026-05-03 19:35:48 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 50s

2026-05-03 19:35:48 | WARNING | src\search_service.py:2679 | SearXNG 搜索失败: 未获取到可用的公共 SearXNG 实例，尝试下一个引擎

2026-05-03 19:35:48 | INFO | src\search_service.py:2563 | 搜索股票新闻: 大盘(market), query='A股 市场 热点 板块', 时间范围: 近3天 (profile=short, NEWS_MAX_AGE_DAYS=3, prefer_chinese=True), 目标条数=3, provider请求条数=6

2026-05-03 19:35:48 | DEBUG | src\search_service.py:1621 | [SearXNG] 公共实例冷启动刷新退避中，剩余 50s

2026-05-03 19:35:48 | WARNING | src\search_service.py:2679 | SearXNG 搜索失败: 未获取到可用的公共 SearXNG 实例，尝试下一个引擎

2026-05-03 19:35:48 | INFO | src\market_analyzer.py:271 | [大盘] 共获取 0 条市场新闻

2026-05-03 19:35:48 | INFO | src\market_analyzer.py:296 | [大盘] 调用大模型生成复盘报告...

19:35:48 - LiteLLM:DEBUG: utils.py:481 -

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 |

19:35:48 - LiteLLM:DEBUG: utils.py:481 - Request to litellm:

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | Request to litellm:

19:35:48 - LiteLLM:DEBUG: utils.py:481 - litellm.completion(model='openai/qwen-plus', messages=[{'role': 'system', 'content': '你是一位专业的股票分析助手。

\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，要明确指出不确定性\n- 不要编造价格、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的

A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘报告。\n\n【重要】输出要求：\n- 必须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码

块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n-

上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98 家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n-

结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡

还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上涨或缩量下跌是否成立\n - 关键支撑阻力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨

跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出现分歧\n- 主线板块: 提炼可交易主线与规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙

头带动\n - 领跌板块是否扩散\n\n### Action Framework\n- 进攻：指数共振上行 + 成交额放大 + 主线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n-

防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n# 输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日

市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数点评\n（分析上证、深证、创业板等各指数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素）\n\n### 五、后市展望\n（结合当前走势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风

险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，对应仓位建议，并给出一个触发失效条件；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出

复盘报告内容，不要输出其他说明文字。\n'}], temperature=0.7, max_tokens=8192, REDACTED', api_base='https://dashscope.aliyuncs.com/compatible-mode/v1/')

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | litellm.completion(model='openai/qwen-plus', messages=[{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，要明确指出不确定性\n- 不要编造价格、财报或新

闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘报告。\n\n【重要】输出要求：\n- 必须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98 家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n##

市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上涨或缩量下跌是否成立\n - 关键支撑阻力是否被突

破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出现分歧\n- 主线板块: 提炼可交易主线与规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n- 进攻：指数共振上行 + 成交额放大 + 主线强化。\n-

均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n# 输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数点评\n（分析上证、深证、创业板等各指数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素）\n\n### 五、后市展望\n（结合当前走势和新闻，给出

明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，对应仓位建议，并给出一个触发失效条件；最后补充"建议

仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明文字。\n'}], temperature=0.7, max_tokens=8192, REDACTED', api_base='https://dashscope.aliyuncs.com/compatible-mode/v1/')

19:35:48 - LiteLLM:DEBUG: utils.py:481 -

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 |

19:35:48 - LiteLLM:DEBUG: utils.py:1007 - Removing thought signatures from tool call IDs for non-Gemini model

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:1007 | Removing thought signatures from tool call IDs for non-Gemini model

19:35:48 - LiteLLM:DEBUG: litellm_logging.py:557 - self.optional_params: {}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:557 | self.optional_params: {}

19:35:48 - LiteLLM:DEBUG: utils.py:481 - SYNC kwargs[caching]: False; litellm.cache: None; kwargs.get('cache')['no-cache']: False

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | SYNC kwargs[caching]: False; litellm.cache: None; kwargs.get('cache')['no-cache']: False

19:35:48 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:35:48 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:35:48 - LiteLLM:DEBUG: main.py:959 - Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\main.py:959 | Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:35:48 - LiteLLM:INFO: utils.py:3995 -

LiteLLM completion() model= qwen-plus; provider = openai

2026-05-03 19:35:48 | INFO | D:\Programs\python311\Lib\site-packages\litellm\utils.py:3995 |

LiteLLM completion() model= qwen-plus; provider = openai

19:35:48 - LiteLLM:DEBUG: utils.py:3998 -

LiteLLM: Params passed to completion() {'model': 'qwen-plus', 'functions': None, 'function_call': None, 'temperature': 0.7, 'top_p': None, 'n': None, 'stream': None, 'stream_options': None, 'stop': None, 'max_tokens': 8192, 'max_completion_tokens': None, 'modalities': None, 'prediction': None, 'audio': None,

'presence_penalty': None, 'frequency_penalty': None, 'logit_bias': None, 'user': None, 'custom_llm_provider': 'openai', 'response_format': None, 'seed': None, 'tools': None, 'tool_choice': None, 'max_retries': None, 'logprobs': None, 'top_logprobs': None, 'extra_headers': None, 'api_version': None, 'parallel_tool_calls': None, 'drop_params': None, 'allowed_openai_params': None, 'reasoning_effort': None, 'verbosity': None, 'additional_drop_params': None, 'messages': [{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，要明确指出不确定性\n- 不要编造价格

、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘报告。\n\n【重要】输出要求：\n- 必

须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98 家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上涨或缩量下跌是否成立\n - 关键支撑阻

力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出现分歧\n- 主线板块: 提炼可交易主线与

规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n- 进攻：指数共振上行 + 成交额放大 + 主

线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n# 输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数点评\n（分析上证、深证、创业板等各指

数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素）\n\n### 五、后市展望\n（结合当前走

势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，对应仓位建议，并给出一个触发失效条件

；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明文字。\n'}], 'thinking': None, 'web_search_options': None, 'safety_identifier': None, 'service_tier': None}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:3998 |

LiteLLM: Params passed to completion() {'model': 'qwen-plus', 'functions': None, 'function_call': None, 'temperature': 0.7, 'top_p': None, 'n': None, 'stream': None, 'stream_options': None, 'stop': None, 'max_tokens': 8192, 'max_completion_tokens': None, 'modalities': None, 'prediction': None, 'audio': None,

'presence_penalty': None, 'frequency_penalty': None, 'logit_bias': None, 'user': None, 'custom_llm_provider': 'openai', 'response_format': None, 'seed': None, 'tools': None, 'tool_choice': None, 'max_retries': None, 'logprobs': None, 'top_logprobs': None, 'extra_headers': None, 'api_version': None, 'parallel_tool_calls': None, 'drop_params': None, 'allowed_openai_params': None, 'reasoning_effort': None, 'verbosity': None, 'additional_drop_params': None, 'messages': [{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，要明确指出不确定性\n- 不要编造价格

、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘报告。\n\n【重要】输出要求：\n- 必

须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98 家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上涨或缩量下跌是否成立\n - 关键支撑阻

力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出现分歧\n- 主线板块: 提炼可交易主线与

规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n- 进攻：指数共振上行 + 成交额放大 + 主

线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n# 输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数点评\n（分析上证、深证、创业板等各指

数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素）\n\n### 五、后市展望\n（结合当前走

势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，对应仓位建议，并给出一个触发失效条件

；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明文字。\n'}], 'thinking': None, 'web_search_options': None, 'safety_identifier': None, 'service_tier': None}

19:35:48 - LiteLLM:DEBUG: utils.py:4001 -

LiteLLM: Non-Default params passed to completion() {'temperature': 0.7, 'max_tokens': 8192}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:4001 |

LiteLLM: Non-Default params passed to completion() {'temperature': 0.7, 'max_tokens': 8192}

19:35:48 - LiteLLM:DEBUG: utils.py:481 - Final returned optional params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:481 | Final returned optional params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

19:35:48 - LiteLLM:DEBUG: litellm_logging.py:557 - self.optional_params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:557 | self.optional_params: {'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}

19:35:48 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:35:48 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:35:48 - LiteLLM:DEBUG: main.py:959 - Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\main.py:959 | Error getting model info: This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:35:48 - LiteLLM:DEBUG: litellm_logging.py:1150 -

POST Request Sent from LiteLLM:

curl -X POST \

https://dashscope.aliyuncs.com/compatible-mode/v1/ \

-d '{'model': 'qwen-plus', 'messages': [{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，

要明确指出不确定性\n- 不要编造价格、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘

报告。\n\n【重要】输出要求：\n- 必须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98

家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻

纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，

形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日

数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上

涨或缩量下跌是否成立\n - 关键支撑阻力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出

现分歧\n- 主线板块: 提炼可交易主线与规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n-

进攻：指数共振上行 + 成交额放大 + 主线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n#

输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数

点评\n（分析上证、深证、创业板等各指数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素

）\n\n### 五、后市展望\n（结合当前走势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，

对应仓位建议，并给出一个触发失效条件；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明文字。\n'}], 'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}'

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1150 |

POST Request Sent from LiteLLM:

curl -X POST \

https://dashscope.aliyuncs.com/compatible-mode/v1/ \

-d '{'model': 'qwen-plus', 'messages': [{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据与上下文\n- 若信息不足，

要明确指出不确定性\n- 不要编造价格、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数据生成一份简洁的大盘复盘

报告。\n\n【重要】输出要求：\n- 必须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指: 3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 | 平盘: 125 家\n- 涨停: 98

家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电池及其他电池(-5.45%), 玻

纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋势、资金博弈与板块轮动，

形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控制动作。\n- 判断使用当日

数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创业板是否同向\n - 放量上

涨或缩量下跌是否成立\n - 关键支撑阻力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是否扩张\n - 高位股是否出

现分歧\n- 主线板块: 提炼可交易主线与规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n-

进攻：指数共振上行 + 成交额放大 + 主线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风控与减仓。\n\n---\n\n#

输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交量变化）\n\n### 二、指数

点评\n（分析上证、深证、创业板等各指数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌板块背后的逻辑和驱动因素

）\n\n### 五、后市展望\n（结合当前走势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（给出进攻/均衡/防守结论，

对应仓位建议，并给出一个触发失效条件；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明文字。\n'}], 'temperature': 0.7, 'max_tokens': 8192, 'extra_body': {}}'

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:486 | Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'timeout': 600.0, 'files': None, 'idempotency_key': 'stainless-python-retry-de0c0a43-1530-4514-a668-d94688cc6723', 'content': None, 'json_data': {'messages': [{'role': 'system', 'content': '你是一位专业的股票分析助手。\n\n- 回答必须基于用户提供的数据

与上下文\n- 若信息不足，要明确指出不确定性\n- 不要编造价格、财报或新闻事实\n'}, {'role': 'user', 'content': '你是一位专业的A/H/美股市场分析师，请根据以下数

据生成一份简洁的大盘复盘报告。\n\n【重要】输出要求：\n- 必须输出纯 Markdown 文本格式\n- 禁止输出 JSON 格式\n- 禁止输出代码块\n- emoji 仅在标题处少量使用（

每个标题最多1个）\n\n---\n\n# 今日市场数据\n\n## 日期\n2026-05-03\n\n## 主要指数\n- 上证指数: 4112.16 (↑0.11%)\n- 深证成指: 15107.55 (↓0.09%)\n- 创业板指:

3677.15 (↓0.27%)\n- 科创50: 1571.07 (↑5.19%)\n- 上证50: 2985.50 (↑0.61%)\n- 沪深300: 4807.31 (↓0.06%)\n\n\n## 市场概况\n- 上涨: 2878 家 | 下跌: 2461 家 |

平盘: 125 家\n- 涨停: 98 家 | 跌停: 54 家\n- 两市成交额: 27592 亿元\n\n## 板块表现\n领涨: 燃料电池(+9.46%), 集成电路制造(+6.56%), 体育Ⅲ(+6.43%)\n领跌: 蓄电

池及其他电池(-5.45%), 玻纤制造(-3.22%), 房地产综合服务(-2.83%)\n\n## 市场新闻\n暂无相关新闻\n\n\n\n## Strategy Blueprint: A股市场三段式复盘策略\n聚焦指数趋

势、资金博弈与板块轮动，形成次日交易计划。\n\n### Strategy Principles\n- 先看指数方向，再看量能结构，最后看板块持续性。\n- 结论必须映射到仓位、节奏与风险控

制动作。\n- 判断使用当日数据与近3日新闻，不臆测未验证信息。\n\n### Analysis Dimensions\n- 趋势结构: 判断市场处于上升、震荡还是防守阶段。\n - 上证/深证/创

业板是否同向\n - 放量上涨或缩量下跌是否成立\n - 关键支撑阻力是否被突破\n- 资金情绪: 识别短线风险偏好与情绪温度。\n - 涨跌家数与涨跌停结构\n - 成交额是

否扩张\n - 高位股是否出现分歧\n- 主线板块: 提炼可交易主线与规避方向。\n - 领涨板块是否具备事件催化\n - 板块内部是否有龙头带动\n - 领跌板块是否扩散\n\n### Action Framework\n- 进攻：指数共振上行 + 成交额放大 + 主线强化。\n- 均衡：指数分化或缩量震荡，控制仓位并等待确认。\n- 防守：指数转弱 + 领跌扩散，优先风

控与减仓。\n\n---\n\n# 输出格式模板（请严格按此格式输出）\n\n## 2026-05-03 大盘复盘\n\n### 一、市场总结\n（2-3句话概括今日市场整体表现，包括指数涨跌、成交

量变化）\n\n### 二、指数点评\n（分析上证、深证、创业板等各指数走势特点）\n\n### 三、资金动向\n（解读成交额流向的含义）\n\n### 四、热点解读\n（分析领涨领跌

板块背后的逻辑和驱动因素）\n\n### 五、后市展望\n（结合当前走势和新闻，给出明日市场预判）\n\n### 六、风险提示\n（需要关注的风险点）\n\n### 七、策略计划\n（

给出进攻/均衡/防守结论，对应仓位建议，并给出一个触发失效条件；最后补充"建议仅供参考，不构成投资建议"。）\n\n---\n\n请直接输出复盘报告内容，不要输出其他说明

文字。\n'}], 'model': 'qwen-plus', 'max_tokens': 8192, 'temperature': 0.7}, 'extra_json': {}}

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1001 | Sending HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | close.started

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | close.complete

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.started host='dashscope.aliyuncs.com' port=443 local_address=None timeout=600.0 socket_options=None

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | connect_tcp.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F2965E4450>

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.started ssl_context=<ssl.SSLContext object at 0x000001F271BE2B10> server_hostname='dashscope.aliyuncs.com' timeout=600.0

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | start_tls.complete return_value=<httpcore._backends.sync.SyncStream object at 0x000001F2965E5690>

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.started request=<Request [b'POST']>

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_headers.complete

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.started request=<Request [b'POST']>

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | send_request_body.complete

2026-05-03 19:35:48 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.started request=<Request [b'POST']>

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'7596c0b0-63b3-9ae5-b864-900e02bf03fb'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'20163'), (b'req-arrive-time', b'1777808153132'), (b'resp-start-time', b'1777808173296'), (b'x-envoy-upstream-service-time', b'20162'), (b'content-encoding', b'gzip'), (b'date', b'Sun, 03 May 2026 11:36:12 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.started request=<Request [b'POST']>

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | receive_response_body.complete

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.started

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\httpcore\_trace.py:47 | response_closed.complete

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1039 | HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': '7596c0b0-63b3-9ae5-b864-900e02bf03fb', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '20163', 'req-arrive-time': '1777808153132', 'resp-start-time': '1777808173296', 'x-envoy-upstream-service-time': '20162', 'content-encoding': 'gzip', 'date': 'Sun, 03 May 2026 11:36:12 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\openai\_base_client.py:1047 | request_id: 7596c0b0-63b3-9ae5-b864-900e02bf03fb

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\asyncio\proactor_events.py:633 | Using proactor: IocpProactor

19:36:08 - LiteLLM:DEBUG: litellm_logging.py:1223 - RAW RESPONSE:

{"id": "chatcmpl-7596c0b0-63b3-9ae5-b864-900e02bf03fb", "choices": [{"finish_reason": "stop", "index": 0, "logprobs": null, "message": {"content": "## 2026-05-03 \u5927\u76d8\u590d\u76d8\n\n### \u4e00\u3001\u5e02\u573a\u603b\u7ed3 \n\u5e02\u573a\u5448\u73b0\u7ed3\u6784\u6027\u5206\u5316\uff0c\u4e0a\u8bc1\u6307\u6570\u5fae\u6da80.11%\u7ad9\u7a334100\u70b9\uff0c\u4e0a\u8bc150\u4e0e\u79d1\u521b50\u5927\u5e45\u9886\u6da8\uff0c\u4f46\u6df1\u8bc1\u6210\u6307\u4e0e\u521b\u4e1a\u677f\u6307\u8f6c\u5f31\uff0c\u663e\u793a\u6743\u91cd\u642d\u53f0\u3001\u6210\u957f\u627f\u538b\u3002\u4e24\u5e02\u6210\u4ea4\u989d\u8fbe2.76\u4e07\u4ebf\u5143\uff0c\u73af\u6bd4\u663e\u8457\u653e\u91cf\uff0c\u8d44\u91d1\u6d3b\u8dc3\u5ea6\u56de\u5347\u3002\n\n### \u4e8c\u3001\u6307\u6570\u70b9\u8bc4 \n\u4e0a\u8bc1\u6307\u6570\u4e0e\u4e0a\u8bc150\uff08+0.61%\uff09\u5f3a\u52bf\u6536\u6da8\uff0c\u663e\u793a\u91d1\u878d\u3001\u4e2d\u5b57\u5934\u53ca\u5927\u76d8\u84dd\u7b79\u652f\u6491\u660e\u663e\uff1b\u79d1\u521b50\u5355\u65e5\u98d9\u53475.19%\uff0c\u521b\u8fd1\u671f\u6700\u5927\u5355\u65e5\u6da8\u5e45\uff0c\u53cd\u6620\u79d1\u6280\u4e3b\u7ebf\u60c5\u7eea\u96c6\u4e2d\u91ca\u653e\uff1b\u800c\u521b\u4e1a\u677f\u6307\uff08-0.27%\uff09\u4e0e\u6df1\u8bc1\u6210\u6307\uff08-0.09%\uff09\u540c\u6b65\u8d70\u5f31\uff0c\u51f8\u663e\u4e2d\u5c0f\u5e02\u503c\u54c1\u79cd\u5185\u90e8\u5206\u5316\u52a0\u5267\uff0c\u6210\u957f\u98ce\u683c\u5185\u90e8\u51fa\u73b0\u9ad8\u4f4e\u5207\u6362\u8ff9\u8c61\u3002\n\n### \u4e09\u3001\u8d44\u91d1\u52a8\u5411 \n\u4e24\u5e02\u6210\u4ea427592\u4ebf\u5143\uff0c\u8f83\u524d\u4e00\u4ea4\u6613\u65e5\u660e\u663e\u653e\u5927\uff0c\u589e\u91cf\u8d44\u91d1\u4e3b\u8981\u6d41\u5411\u786c\u79d1\u6280\u4e0e\u653f\u7b56\u9884\u671f\u660e\u786e\u65b9\u5411\u3002\u4e0a\u6da8\u5bb6\u6570\uff082878\uff09\u591a\u4e8e\u4e0b\u8dcc\u5bb6\u6570\uff082461\uff09\uff0c\u4f46\u6da8\u505c\uff0898\uff09\u4e0e\u8dcc\u505c\uff0854\uff09\u6bd4\u503c\u7ea61.8:1\uff0c\u663e\u793a\u77ed\u7ebf\u60c5\u7eea\u504f\u79ef\u6781\u4f46\u672a\u6781\u81f4\u4ea2\u594b\uff1b\u7ed3\u5408\u6da8\u8dcc\u505c\u5206\u5e03\uff0c\u8d44\u91d1\u805a\u7126\u4f4e\u4f4d\u4fee\u590d\u4e0e\u4e3b\u9898\u50ac\u5316\uff0c\u800c\u975e\u5168\u9762\u666e\u6da8\u3002\n\n### \u56db\u3001\u70ed\u70b9\u89e3\u8bfb \n\u71c3\u6599\u7535\u6c60\uff08+9.46%\uff09\u3001\u96c6\u6210\u7535\u8def\u5236\u9020\uff08+6.56%\uff09\u9886\u6da8\uff0c\u6216\u53d7\u76ca\u4e8e\u8fd1\u671f\u534a\u5bfc\u4f53\u8bbe\u5907\u56fd\u4ea7\u66ff\u4ee3\u52a0\u901f\u843d\u5730\u53ca\u6c22\u80fd\u793a\u8303\u57ce\u5e02\u7fa4\u653f\u7b56\u8282\u594f\u5f3a\u5316\uff1b\u4f53\u80b2\u2162\u677f\u5757\u5f02\u52a8\u6216\u4e0e\u6691\u671f\u6d88\u8d39\u9884\u671f\u63d0\u524d\u535a\u5f08\u76f8\u5173\u3002\u9886\u8dcc\u7684\u84c4\u7535\u6c60\u53ca\u5176\u4ed6\u7535\u6c60\uff08-5.45%\uff09\u5ef6\u7eed\u8c03\u6574\uff0c\u53cd\u6620\u65b0\u80fd\u6e90\u8f66\u94fe\u4e0a\u6e38\u6750\u6599\u4ef7\u683c\u538b\u529b\u4e0e\u76c8\u5229\u9884\u671f\u4e0b\u4fee\u4ecd\u5728\u4f20\u5bfc\uff1b\u73bb\u7ea4\u5236\u9020\u3001\u5730\u4ea7\u670d\u52a1\u7b49\u8dcc\u5e45\u5c45\u524d\uff0c\u663e\u793a\u987a\u5468\u671f\u4e0e\u5730\u4ea7\u94fe\u8d44\u91d1\u6301\u7eed\u6d41\u51fa\u3002\n\n### \u4e94\u3001\u540e\u5e02\u5c55\u671b \n\u5f53\u524d\u5e02\u573a\u5904\u4e8e\u201c\u6743\u91cd\u6258\u5e95+\u79d1\u6280\u7a81\u56f4\u201d\u9636\u6bb5\uff0c\u79d1\u521b50\u5355\u65e5\u5927\u6da8\u5177\u5907\u6280\u672f\u7a81\u7834\u610f\u4e49\uff0c\u82e5\u660e\u65e5\u80fd\u7ad9\u7a331580\u70b9\u5e76\u5e26\u52a8\u521b\u4e1a\u677f\u6307\u7ffb\u7ea2\uff0c\u5219\u6709\u671b\u786e\u8ba4\u79d1\u6280\u4e3b\u7ebf\u9636\u6bb5\u6027\u4e3b\u5bfc\u5730\u4f4d\uff1b\u53cd\u4e4b\uff0c\u82e5\u4e0a\u8bc150\u6ede\u6da8\u800c\u521b\u4e1a\u677f\u7ee7\u7eed\u8d70\u5f31\uff0c\u5219\u53ef\u80fd\u91cd\u56de\u9707\u8361\u6574\u56fa\u3002\u6682\u65e0\u65b0\u653f\u7b56\u6216\u4e8b\u4ef6\u50ac\u5316\uff0c\u884c\u60c5\u5ef6\u7eed\u6027\u4f9d\u8d56\u5185\u751f\u8d44\u91d1\u63a5\u529b\u3002\n\n### \u516d\u3001\u98ce\u9669\u63d0\u793a \n\u9700\u8b66\u60d5\uff1a\u2460 \u79d1\u521b50\u5355\u65e5\u6da8\u5e45\u8fc7\u5927\u540e\u7684\u77ed\u671f\u83b7\u5229\u56de\u5410\u538b\u529b\uff1b\u2461 \u65b0\u80fd\u6e90\u7535\u6c60\u94fe\u8d1f\u53cd\u9988\u6269\u6563\u81f3\u6574\u4e2a\u7535\u65b0\u677f\u5757\uff1b\u2462 \u6210\u4ea4\u989d\u653e\u5927\u4f46\u6caa\u6df1300\u5fae\u8dcc\uff0c\u663e\u793a\u6307\u6570\u5931\u771f\u98ce\u9669\u4e0a\u5347\uff0c\u90e8\u5206\u4e2a\u80a1\u6d41\u52a8\u6027\u5206\u5c42\u52a0\u5267\u3002\n\n### \u4e03\u3001\u7b56\u7565\u8ba1\u5212 \n\u5747\u8861 \ud83d\udfe1 \n\u4ed3\u4f4d\u5efa\u8bae\u7ef4\u63016\u20137\u6210\uff0c\u91cd\u70b9\u5411\u534a\u5bfc\u4f53\u8bbe\u5907\u3001\u5148\u8fdb\u5c01\u88c5\u3001\u6c22\u80fd\u6838\u5fc3\u90e8\u4ef6\u7b49\u6709\u8ba2\u5355\u9a8c\u8bc1\u7684\u7ec6\u5206\u65b9\u5411\u503e\u659c\uff0c\u56de\u907f\u9ad8\u5e93\u5b58\u3001\u4f4e\u6bdb\u5229\u7684\u7535\u6c60\u6750\u6599\u73af\u8282\u3002 \n\u89e6\u53d1\u5931\u6548\u6761\u4ef6\uff1a\u82e5\u660e\u65e5\u79d1\u521b50\u51b2\u9ad8\u56de\u843d\u4e14\u8dcc\u78341560\u70b9\uff0c\u6216\u521b\u4e1a\u677f\u6307\u653e\u91cf\u8dcc\u78343650\u70b9\uff0c\u5219\u964d\u4ed3\u81f35\u6210\u4ee5\u4e0b\u5e76\u6682\u505c\u79d1\u6280\u4e3b\u9898\u52a0\u4ed3\u3002 \n\u5efa\u8bae\u4ec5\u4f9b\u53c2\u8003\uff0c\u4e0d\u6784\u6210\u6295\u8d44\u5efa\u8bae\u3002", "refusal": null, "role": "assistant", "annotations": null, "audio": null, "function_call": null, "tool_calls": null}}], "created": 1777808153, "model": "qwen-plus", "object": "chat.completion", "service_tier": null, "system_fingerprint": null, "usage": {"completion_tokens": 710, "prompt_tokens": 973, "total_tokens": 1683, "completion_tokens_details": null, "prompt_tokens_details": {"audio_tokens": null, "cached_tokens": 0}}}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1223 | RAW RESPONSE:

{"id": "chatcmpl-7596c0b0-63b3-9ae5-b864-900e02bf03fb", "choices": [{"finish_reason": "stop", "index": 0, "logprobs": null, "message": {"content": "## 2026-05-03 \u5927\u76d8\u590d\u76d8\n\n### \u4e00\u3001\u5e02\u573a\u603b\u7ed3 \n\u5e02\u573a\u5448\u73b0\u7ed3\u6784\u6027\u5206\u5316\uff0c\u4e0a\u8bc1\u6307\u6570\u5fae\u6da80.11%\u7ad9\u7a334100\u70b9\uff0c\u4e0a\u8bc150\u4e0e\u79d1\u521b50\u5927\u5e45\u9886\u6da8\uff0c\u4f46\u6df1\u8bc1\u6210\u6307\u4e0e\u521b\u4e1a\u677f\u6307\u8f6c\u5f31\uff0c\u663e\u793a\u6743\u91cd\u642d\u53f0\u3001\u6210\u957f\u627f\u538b\u3002\u4e24\u5e02\u6210\u4ea4\u989d\u8fbe2.76\u4e07\u4ebf\u5143\uff0c\u73af\u6bd4\u663e\u8457\u653e\u91cf\uff0c\u8d44\u91d1\u6d3b\u8dc3\u5ea6\u56de\u5347\u3002\n\n### \u4e8c\u3001\u6307\u6570\u70b9\u8bc4 \n\u4e0a\u8bc1\u6307\u6570\u4e0e\u4e0a\u8bc150\uff08+0.61%\uff09\u5f3a\u52bf\u6536\u6da8\uff0c\u663e\u793a\u91d1\u878d\u3001\u4e2d\u5b57\u5934\u53ca\u5927\u76d8\u84dd\u7b79\u652f\u6491\u660e\u663e\uff1b\u79d1\u521b50\u5355\u65e5\u98d9\u53475.19%\uff0c\u521b\u8fd1\u671f\u6700\u5927\u5355\u65e5\u6da8\u5e45\uff0c\u53cd\u6620\u79d1\u6280\u4e3b\u7ebf\u60c5\u7eea\u96c6\u4e2d\u91ca\u653e\uff1b\u800c\u521b\u4e1a\u677f\u6307\uff08-0.27%\uff09\u4e0e\u6df1\u8bc1\u6210\u6307\uff08-0.09%\uff09\u540c\u6b65\u8d70\u5f31\uff0c\u51f8\u663e\u4e2d\u5c0f\u5e02\u503c\u54c1\u79cd\u5185\u90e8\u5206\u5316\u52a0\u5267\uff0c\u6210\u957f\u98ce\u683c\u5185\u90e8\u51fa\u73b0\u9ad8\u4f4e\u5207\u6362\u8ff9\u8c61\u3002\n\n### \u4e09\u3001\u8d44\u91d1\u52a8\u5411 \n\u4e24\u5e02\u6210\u4ea427592\u4ebf\u5143\uff0c\u8f83\u524d\u4e00\u4ea4\u6613\u65e5\u660e\u663e\u653e\u5927\uff0c\u589e\u91cf\u8d44\u91d1\u4e3b\u8981\u6d41\u5411\u786c\u79d1\u6280\u4e0e\u653f\u7b56\u9884\u671f\u660e\u786e\u65b9\u5411\u3002\u4e0a\u6da8\u5bb6\u6570\uff082878\uff09\u591a\u4e8e\u4e0b\u8dcc\u5bb6\u6570\uff082461\uff09\uff0c\u4f46\u6da8\u505c\uff0898\uff09\u4e0e\u8dcc\u505c\uff0854\uff09\u6bd4\u503c\u7ea61.8:1\uff0c\u663e\u793a\u77ed\u7ebf\u60c5\u7eea\u504f\u79ef\u6781\u4f46\u672a\u6781\u81f4\u4ea2\u594b\uff1b\u7ed3\u5408\u6da8\u8dcc\u505c\u5206\u5e03\uff0c\u8d44\u91d1\u805a\u7126\u4f4e\u4f4d\u4fee\u590d\u4e0e\u4e3b\u9898\u50ac\u5316\uff0c\u800c\u975e\u5168\u9762\u666e\u6da8\u3002\n\n### \u56db\u3001\u70ed\u70b9\u89e3\u8bfb \n\u71c3\u6599\u7535\u6c60\uff08+9.46%\uff09\u3001\u96c6\u6210\u7535\u8def\u5236\u9020\uff08+6.56%\uff09\u9886\u6da8\uff0c\u6216\u53d7\u76ca\u4e8e\u8fd1\u671f\u534a\u5bfc\u4f53\u8bbe\u5907\u56fd\u4ea7\u66ff\u4ee3\u52a0\u901f\u843d\u5730\u53ca\u6c22\u80fd\u793a\u8303\u57ce\u5e02\u7fa4\u653f\u7b56\u8282\u594f\u5f3a\u5316\uff1b\u4f53\u80b2\u2162\u677f\u5757\u5f02\u52a8\u6216\u4e0e\u6691\u671f\u6d88\u8d39\u9884\u671f\u63d0\u524d\u535a\u5f08\u76f8\u5173\u3002\u9886\u8dcc\u7684\u84c4\u7535\u6c60\u53ca\u5176\u4ed6\u7535\u6c60\uff08-5.45%\uff09\u5ef6\u7eed\u8c03\u6574\uff0c\u53cd\u6620\u65b0\u80fd\u6e90\u8f66\u94fe\u4e0a\u6e38\u6750\u6599\u4ef7\u683c\u538b\u529b\u4e0e\u76c8\u5229\u9884\u671f\u4e0b\u4fee\u4ecd\u5728\u4f20\u5bfc\uff1b\u73bb\u7ea4\u5236\u9020\u3001\u5730\u4ea7\u670d\u52a1\u7b49\u8dcc\u5e45\u5c45\u524d\uff0c\u663e\u793a\u987a\u5468\u671f\u4e0e\u5730\u4ea7\u94fe\u8d44\u91d1\u6301\u7eed\u6d41\u51fa\u3002\n\n### \u4e94\u3001\u540e\u5e02\u5c55\u671b \n\u5f53\u524d\u5e02\u573a\u5904\u4e8e\u201c\u6743\u91cd\u6258\u5e95+\u79d1\u6280\u7a81\u56f4\u201d\u9636\u6bb5\uff0c\u79d1\u521b50\u5355\u65e5\u5927\u6da8\u5177\u5907\u6280\u672f\u7a81\u7834\u610f\u4e49\uff0c\u82e5\u660e\u65e5\u80fd\u7ad9\u7a331580\u70b9\u5e76\u5e26\u52a8\u521b\u4e1a\u677f\u6307\u7ffb\u7ea2\uff0c\u5219\u6709\u671b\u786e\u8ba4\u79d1\u6280\u4e3b\u7ebf\u9636\u6bb5\u6027\u4e3b\u5bfc\u5730\u4f4d\uff1b\u53cd\u4e4b\uff0c\u82e5\u4e0a\u8bc150\u6ede\u6da8\u800c\u521b\u4e1a\u677f\u7ee7\u7eed\u8d70\u5f31\uff0c\u5219\u53ef\u80fd\u91cd\u56de\u9707\u8361\u6574\u56fa\u3002\u6682\u65e0\u65b0\u653f\u7b56\u6216\u4e8b\u4ef6\u50ac\u5316\uff0c\u884c\u60c5\u5ef6\u7eed\u6027\u4f9d\u8d56\u5185\u751f\u8d44\u91d1\u63a5\u529b\u3002\n\n### \u516d\u3001\u98ce\u9669\u63d0\u793a \n\u9700\u8b66\u60d5\uff1a\u2460 \u79d1\u521b50\u5355\u65e5\u6da8\u5e45\u8fc7\u5927\u540e\u7684\u77ed\u671f\u83b7\u5229\u56de\u5410\u538b\u529b\uff1b\u2461 \u65b0\u80fd\u6e90\u7535\u6c60\u94fe\u8d1f\u53cd\u9988\u6269\u6563\u81f3\u6574\u4e2a\u7535\u65b0\u677f\u5757\uff1b\u2462 \u6210\u4ea4\u989d\u653e\u5927\u4f46\u6caa\u6df1300\u5fae\u8dcc\uff0c\u663e\u793a\u6307\u6570\u5931\u771f\u98ce\u9669\u4e0a\u5347\uff0c\u90e8\u5206\u4e2a\u80a1\u6d41\u52a8\u6027\u5206\u5c42\u52a0\u5267\u3002\n\n### \u4e03\u3001\u7b56\u7565\u8ba1\u5212 \n\u5747\u8861 \ud83d\udfe1 \n\u4ed3\u4f4d\u5efa\u8bae\u7ef4\u63016\u20137\u6210\uff0c\u91cd\u70b9\u5411\u534a\u5bfc\u4f53\u8bbe\u5907\u3001\u5148\u8fdb\u5c01\u88c5\u3001\u6c22\u80fd\u6838\u5fc3\u90e8\u4ef6\u7b49\u6709\u8ba2\u5355\u9a8c\u8bc1\u7684\u7ec6\u5206\u65b9\u5411\u503e\u659c\uff0c\u56de\u907f\u9ad8\u5e93\u5b58\u3001\u4f4e\u6bdb\u5229\u7684\u7535\u6c60\u6750\u6599\u73af\u8282\u3002 \n\u89e6\u53d1\u5931\u6548\u6761\u4ef6\uff1a\u82e5\u660e\u65e5\u79d1\u521b50\u51b2\u9ad8\u56de\u843d\u4e14\u8dcc\u78341560\u70b9\uff0c\u6216\u521b\u4e1a\u677f\u6307\u653e\u91cf\u8dcc\u78343650\u70b9\uff0c\u5219\u964d\u4ed3\u81f35\u6210\u4ee5\u4e0b\u5e76\u6682\u505c\u79d1\u6280\u4e3b\u9898\u52a0\u4ed3\u3002 \n\u5efa\u8bae\u4ec5\u4f9b\u53c2\u8003\uff0c\u4e0d\u6784\u6210\u6295\u8d44\u5efa\u8bae\u3002", "refusal": null, "role": "assistant", "annotations": null, "audio": null, "function_call": null, "tool_calls": null}}], "created": 1777808153, "model": "qwen-plus", "object": "chat.completion", "service_tier": null, "system_fingerprint": null, "usage": {"completion_tokens": 710, "prompt_tokens": 973, "total_tokens": 1683, "completion_tokens_details": null, "prompt_tokens_details": {"audio_tokens": null, "cached_tokens": 0}}}

19:36:08 - LiteLLM:INFO: utils.py:1656 - Wrapper: Completed Call, calling success_handler

2026-05-03 19:36:08 | INFO | D:\Programs\python311\Lib\site-packages\litellm\utils.py:1656 | Wrapper: Completed Call, calling success_handler

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:36:08 - LiteLLM:DEBUG: litellm_logging.py:1991 - Logging Details LiteLLM-Success Call: Cache_hit=None

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1991 | Logging Details LiteLLM-Success Call: Cache_hit=None

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: openai/qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: openai/qwen-plus

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1130 - selected model name for cost calculation: qwen-plus

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1130 | selected model name for cost calculation: qwen-plus

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=openai/qwen-plus - This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

19:36:08 - LiteLLM:DEBUG: litellm_logging.py:1555 - response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n

response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'openai/qwen-plus', 'cache_hit': False, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1555 | response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=openai/qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'openai/qwen-plus', 'cache_hit': False, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

19:36:08 - LiteLLM:DEBUG: cost_calculator.py:1609 - litellm.cost_calculator.py::completion_cost() - Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

2026-05-03 19:36:08 | INFO | src\market_analyzer.py:301 | [大盘] 复盘报告生成成功，长度: 1027 字符

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\cost_calculator.py:1609 | litellm.cost_calculator.py::completion_cost() -

Error calculating cost for model=qwen-plus - This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.

19:36:08 - LiteLLM:DEBUG: litellm_logging.py:1555 - response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n

raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n

^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_helper(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5854, in _get_model_info_helper\n raise Exception(\nException: This model isn\'t mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.\\n', 'model': 'qwen-plus', 'cache_hit': None, 'custom_llm_provider': 'openai', 'base_model': None, 'call_type': 'completion', 'custom_pricing': False}

2026-05-03 19:36:08 | INFO | src\market_analyzer.py:691 | ========== 大盘复盘分析完成 ==========

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:1555 | response_cost_failure_debug_information: {'error_str': "This model isn't mapped yet. model=qwen-plus, custom_llm_provider=openai. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json.", 'traceback_str': 'Traceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5666, in _get_model_info_helper\n raise ValueError(\nValueError: This model isn\'t mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json\\n\\nDuring handling of the above exception, another exception occurred:\n\nTraceback (most recent call last):\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\litellm_logging.py", line 1536, in _response_cost_calculator\n response_cost = litellm.response_cost_calculator(\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1729, in response_cost_calculator\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1712, in response_cost_calculator\n response_cost = completion_cost(\n ^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1622, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1615, in completion_cost\n raise e\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 1494, in completion_cost\n ) = cost_per_token(\n ^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\cost_calculator.py", line 506, in cost_per_token\n return openai_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\llms\\openai\\cost_calculation.py", line 35, in cost_per_token\n return generic_cost_per_token(\n ^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\litellm_core_utils\\llm_cost_calc\\utils.py", line 640, in generic_cost_per_token\n

model_info = get_model_info(model=model, custom_llm_provider=custom_llm_provider)\n ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^\n File "D:\\Programs\\python311\\Lib\\site-packages\\litellm\\utils.py", line 5941, in get_model_info\n _model_info = _get_model_info_h19:36:08 - LiteLLM:DEBUG: utils.py:5570 - checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5570 | checking potential_model_names in litellm.model_cost: {'split_model': 'qwen-plus', 'combined_model_name': 'openai/qwen-plus', 'stripped_model_name': 'qwen-plus', 'combined_stripped_model_name': 'openai/qwen-plus', 'custom_llm_provider': 'openai'}

2026-05-03 19:36:08 | INFO | src\core\market_review.py:97 | 大盘复盘报告已保存: E:\stock\daily_stock_analysis\reports\market_review_20260503.md

19:36:08 - LiteLLM:DEBUG: utils.py:5853 - Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\utils.py:5853 | Error getting model info: This model isn't mapped yet. Add it here - https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json

2026-05-03 19:36:08 | INFO | src\notification.py:1623 | 正在向 1 个渠道发送通知：自定义Webhook

19:36:08 - LiteLLM:DEBUG: litellm_logging.py:4923 - Model=qwen-plus is not mapped in model cost map. Defaulting to None model_cost_information for standard_logging_payload

2026-05-03 19:36:08 | DEBUG | D:\Programs\python311\Lib\site-packages\litellm\litellm_core_utils\litellm_logging.py:4923 | Model=qwen-plus is not mapped in model cost map. Defaulting to None model_cost_information for standard_logging_payload

2026-05-03 19:36:09 | INFO | src\notification_sender\custom_webhook_sender.py:68 | 自定义 Webhook 1（钉钉）推送成功

2026-05-03 19:36:09 | INFO | src\notification_sender\custom_webhook_sender.py:85 | 自定义 Webhook 推送完成：成功 1/1

2026-05-03 19:36:09 | INFO | src\notification.py:1693 | 通知发送完成：成功 1 个，失败 0 个

2026-05-03 19:36:09 | INFO | src\core\market_review.py:108 | 大盘复盘推送成功

2026-05-03 19:36:09 | INFO | main.py:524 |

===== 分析结果摘要 =====

2026-05-03 19:36:09 | INFO | main.py:527 | 🟢 宁德时代(300750): 买入 | 评分 69 | 看多

2026-05-03 19:36:09 | INFO | main.py:532 |

任务执行完成

2026-05-03 19:36:19 | INFO | main.py:578 | 开始自动回测...

2026-05-03 19:36:19 | INFO | main.py:586 | 自动回测完成: processed=0 saved=0 completed=0 insufficient=0 errors=0

2026-05-03 19:36:19 | INFO | main.py:940 |

程序执行完成

2026-05-03 19:36:19 | DEBUG | D:\Programs\python311\Lib\asyncio\proactor_events.py:633 | Using proactor: IocpProactor

2026-05-03 19:36:19 | DEBUG | src\storage.py:709 | 数据库引擎已清理

PS E:\stock\daily_stock_analysis>

PS E:\stock\daily_stock_analysis>

PS E:\stock\daily_stock_analysis>

PS E:\stock\daily_stock_analysis>

PS E:\stock\daily_stock_analysis>