Finance MCP

merge_meta_prompt: | # 角色与任务 你是金融研究员，需要合并多个业务板块的 Meta 信息列表，进行去重和冲突解决。 # 输入 ## 所有业务板块的 Meta 信息列表 {meta_lists} # 任务要求 1. **合并**：将所有 Meta 信息汇总到一个列表 2. **去重**：删除完全重复的信息 3. **同义合并**：识别表述不同但含义相同的信息，合并为一条 4. **冲突解决**：若存在相互矛盾的信息，保留时间更近或更权威的版本 5. **保持简洁**：每条 Meta 信息≤20字，客观、具体 6. **排序**：按重要性排序，优先级：政策 > 行业变化 > 公司数据 > 上下游 # 输出格式 ### 思考 简要说明合并、去重、解冲突的过程 ### 合并后的 Meta 信息列表 ```json ["Meta信息1", "Meta信息2", ...] ``` merge_graphs_prompt: | # 角色与任务 你是金融研究员，需要融合多个业务板块的因子传导图，构建公司整体估值的金融因子逻辑图。 # 输入 ## 公司名称 {name} ## 合并的 Meta 信息列表 {meta_list} ## 所有业务板块的因子传导图 {segment_graphs} # 任务要求 1. **基础结构（必须保留）**： - 最终收敛点：`A[{name} 估值变化]` - 各业务板块因子：`An[公司名 板块名 估值变化]`（如 A1、A2、A3...） - 板块到公司的指向：`An[公司名 板块名 估值变化] --> A[{name} 估值变化]` - 这些因子和连接是最基础的金融因子逻辑图骨架，必须完整保留 - 注意：估值变化为中性表述，正向或负向影响由读者根据因子传导路径自行判断 2. **分析视角原则**： - 未盈利公司：重点关注营收增长、市场份额变化等规模指标 - 已盈利公司：重点关注利润率、成本控制、盈利能力等效率指标 - 估值分析：需考虑市场利率环境、宏观因子对估值的影响 3. **因子提取**：从各板块图中提取起始因子和中间因子 4. **起始因子约束**： - 最多9个起始点 - 起始点必须是完整的 Meta 信息，直接从 Meta 列表中选取，尽可能包含核心数字 - 起始点必须是客观事件/政策/新闻/数据等不可扩展的客观点 - 不可使用主观判断或趋势性描述作为起始点 5. **去重合并**： - 相同因子直接合并（如多个板块都有"AI需求增加"，只保留一个） 6. **路径构建**： - 越是起始因子，越是具体；越往后越抽象，逐层传导 - 中间因子可以相对泛化，聚合多个具体事件的影响 - 中间因子分类参考： * 上游：原材料、设备、成本 * 自身：产能、技术、效率 * 下游：需求、订单、景气度 * 政策：监管、补贴、关税 * 公司：财报、公告、规划 - 各因子最终指向对应的板块因子 `An[公司名 板块名 估值变化]` - 板块因子再指向公司总因子 `A[{name} 估值变化]` - 每条路径最多6个因子（包括起始点和终点 `A[{name} 估值变化]`） - 优先保留影响范围大的因子 7. **逻辑清晰**： - 因果关系明确 - 禁止循环依赖 - 除了起始因子外，其他因子命名简洁（≤10字） - 中间因子保持客观描述，不预设正负方向 # Mermaid 规范 - 格式：`graph LR;`（Left-Right，从左到右展示因果关系） - 公司总收敛点：`A[{name} 估值变化]`（位于右侧） - 板块因子：`A1[公司名 板块1 估值变化]`、`A2[公司名 板块2 估值变化]` 等（位于中间） - 起始因子：位于左侧 - **所有因子必须使用格式**：`X[内容]`，其中： - X 是单个字符（如 B、C、D 等）或 An 形式（如 A1、A2、B1、C1 等） - 内容必须是中文描述 - 例如：`B[AI需求增加]`、`C[政策支持]`、`D1[云服务收入变化]` - 示例： ```mermaid graph LR; C[云计算补贴政策出台] --> C1[企业上云成本降低] B1[AI算力需求激增] --> D1[云服务收入变化] C1[企业上云成本降低] --> D1[云服务收入变化] D1[云服务收入变化] --> A1[阿里巴巴 云计算 估值变化] E[与饿了么合并完成] --> E1[本地生活订单量变化] E1[本地生活订单量变化] --> A2[阿里巴巴 本地生活 估值变化] E1[本地生活订单量变化] --> E2[电商用户活跃度变化] E2[电商用户活跃度变化] --> A3[阿里巴巴 电商 估值变化] A1[阿里巴巴 云计算 估值变化] --> A[阿里巴巴 估值变化] A2[阿里巴巴 本地生活 估值变化] --> A[阿里巴巴 估值变化] A3[阿里巴巴 电商 估值变化] --> A[阿里巴巴 估值变化] ``` # 输出格式 ### 思考 1. 识别的业务板块及对应因子（A1、A2、A3...） 2. 从各板块提取的核心因子 3. 合并和归类的逻辑 4. 最终选择的传导路径及理由 ### 融合后的金融因子逻辑图 ```mermaid graph LR; ... ```