📦
Fastmcp3
No description available
0 installs
Trust: 30 — Low
Devtools
Ask AI about Fastmcp3
Powered by Claude · Grounded in docs
I know everything about Fastmcp3. Ask me about installation, configuration, usage, or troubleshooting.
0/500
Loading tools...
Reviews
Documentation
投资组合报告生成器
本仓库包含一个基于 Pandas 的小型工具,可将 data/ 目录中的持仓与价格文件转换成带有情景分析、数据质量提示以及 AI 投资建议的 HTML 报告。本文档介绍如何配置环境与使用新增的 --analysis-text/--analysis-file 选项。
1. 准备运行环境
- 安装 Python 3.10+。
- 安装依赖(至少需要
pandas与openpyxl才能读取 Excel):pip install pandas openpyxl
2. 准备数据文件
| 路径 | 内容 |
|---|---|
data/portfolio_positions.xlsx | 推荐。包含 positions 与 price_map 两个 sheet。positions 需具备 symbol, qty, cost 列;price_map 需要 symbol, price 列。 |
data/portfolio_positions.csv | 仅当没有 Excel 文件时使用,需包含 symbol, qty, cost, price 列。 |
如果两个文件都存在,程序优先读取 Excel。
3. 生成报告
基础命令:
python host/portfolio_dashboard.py --output reports/latest.html --open
--output:指定 HTML 产物路径(默认reports/portfolio_report.html)。--open:生成后立即在系统默认浏览器中打开。
4. 传入 AI 投资建议
更新后的脚本提供两种方式注入 AI 文本:
- 直接传字符串
python host/portfolio_dashboard.py \ --analysis-text "短期建议减仓科技股,关注医药板块的防御属性。" - 从文件读取
若文件不存在或为空,则会自动回退到程序自带的盈亏分析描述。python host/portfolio_dashboard.py \ --analysis-file reports/ai_summary.txt
5. 其他可选输入
--quality-text / --quality-file:传入数据质量与风险提示。--scenario-file path/to/scenario.json:提供情景模拟 JSON,结构示例:{ "base_totals": {"pnl": 120000}, "scenarios": [ {"label": "乐观", "totals": {"pnl": 180000, "pnl_pct": 12.3}}, {"label": "压力", "totals": {"pnl": -90000, "pnl_pct": -6.1}} ] }
将上述参数自由组合即可生成带有 AI 建议的完整报告。若未提供 AI 文本,程序会根据持仓胜负、净值与情景模拟自动生成一段中文分析,确保报告始终可读。
6. 沿用原本的 host_app 全流程
如果你之前是直接运行 host_app.py,它依旧可用于“一键跑完”全部步骤:读取组合 → 启动 MCP server → 让 DeepSeek 选择并调用工具 → 自动写入报告。
- 在终端执行:
python host/host_app.py -s -5% -s 0% -s +5%-s/--scenario参数可重复出现,用于告诉模型希望探索的情景(百分比或绝对价格)。
- 根据提示输入你想了解的持仓问题(直接回车则使用默认提示语)。
- host_app 会自动:
- 启动
server/mcp_server.py并输出可用工具列表; - 调用 DeepSeek 进行两轮对话(第一轮挑工具,第二轮汇总分析);
- 将模型返回的“数据质量提示 + 情景分析 + 投资建议”写入
reports/portfolio_report.html。
- 启动
- 运行完成后,直接用浏览器打开
reports/portfolio_report.html即可查看最新报告。若你同时使用--analysis-text/--analysis-file的 CLI 流程,这两个方式会共享同一份 HTML 文件,随时可以覆盖更新。
因此:
- 想要完全自动化(由模型来生成建议) → 继续运行
python host/host_app.py。 - 想手动输入或复用现成的 AI 文本 → 运行
python host/portfolio_dashboard.py --analysis-text ...。
你可以按需选择其一,也可以先用 host_app 获得建议后,再将文本保存成文件供 CLI 复现。
