取得台股即時報價，包含股價、漲跌、漲跌幅、成交量、開高低收

取得美股即時報價，可同時查詢多檔

取得股票歷史價格資料（日K線），用於分析趨勢、計算漲跌幅

取得台股市場熱力圖數據，按產業分組顯示各股漲跌幅與成交量

取得大盤綜覽：三大法人整體動態＋類股強弱排名＋系統性風險指數＋匯率。適合「今天大盤如何？」類型的問題。

取得今日各產業漲跌幅排名，判斷資金正在輪動到哪些產業、哪些產業最弱

搜尋股票或主題的相關新聞

查詢台幣對美元匯率，用於跨市場投資組合統一計價

取得單一股票的季節性報酬矩陣（近 N 年每月報酬、各月平均報酬），幫助判斷「哪幾月該進/該出」。

並排比較多檔股票的關鍵指標：股價表現、本益比(PE)、股價淨值比(PB)、股息殖利率，快速找出相對便宜或強勢的標的

取得個股多維度雷達圖評分（成長力、獲利品質、籌碼強度、技術動能、估值合理性等 6 軸）。快速判斷個股的綜合素質，適合「這檔股票各方面表現如何」的問題。目前僅支援台股（TW）。

取得 ETF 的前十大持股

查詢交易日狀態：當前是否開市、最近交易日、最近 5 個交易日清單、下個預期開市日。以本地 daily_prices 為實際成交日來源，國定假日推算為粗估。

取得今日台股三大法人整體概況：外資、投信、自營商合計買賣超金額，以及各產業淨流向排名。適合快速掌握大盤法人動態。

取得三大法人資金按產業細分的詳細流向，可指定外資/投信/自營商，顯示各投資人對每個產業的具體買賣超金額。適合深入分析特定投資人的產業佈局。

取得個股完整籌碼面概覽：融資融券餘額/使用率、鉅額交易、內部人持股異動（資料來源：Solo Market Database）

取得全市場融資使用率排行 — 高融資使用率是潛在風險訊號

取得近期異常鉅額交易清單 — 大戶或法人的大額買賣訊號

取得內部人（董監事/大股東）近期大量賣出警示

從本地資料庫取得台股基本面數據（月營收、季度EPS、估值指標），比即時 API 更穩定完整

取得台股公司的基本面財務數據：月營收、每股盈餘(EPS)、本益比(PER)、殖利率、股價淨值比等

取得台股個股月營收資料，包含年增率（YoY）、月增率（MoM），分析營收成長趨勢

取得股票的殖利率現況、歷史殖利率趨勢、近期除息事件，評估股息投資價值

從本地資料庫取得個股近 N 季的 EPS（每股盈餘）與年增率（YoY）。適合分析獲利趨勢、判斷成長加速或衰退。

DCF 估值計算器。依使用者輸入的 FCF、成長率、折現率、永續成長率計算企業合理價值與每股內在價值。若未提供參數，會從資料庫推估合理預設值（FCF 以年化 EPS×流通股數×0.8 作代理）。回傳企業價值、每股內在價值、對現價的安全邊際。

計算股票目前的技術指標：RSI(14)、MACD(12,26,9)、KD(9,3,3)、布林通道(20,2)、量比，判斷超買超賣狀態與趨勢方向

偵測股票 K 線型態（錘子、吞噬、晨星、暮星、三白兵、三黑鴉等 13 種常見反轉/持續型態）。回傳最近出現的型態清單及各自方向與信心值。

計算股票的左側與右側交易價位。左側（逆勢/抄底）包含均線支撐、Fibonacci回撤等；右側（順勢/追漲）包含突破壓力、均線站上確認等

計算多檔股票之間的相關性矩陣（Pearson 相關係數）

計算個股的 Beta 係數（相對大盤的系統性風險）、與大盤的相關係數、年化波動度。用於風險調整評價與資產配置。Beta > 1 表示比大盤更敏感。

取得美國總體經濟快照（FRED 資料）：10 年期公債殖利率、Fed Funds、CPI YoY、失業率、美元指數、VIX。用於判讀總經環境、跨資產情境、Risk-on/off 切換

取得美國通膨數據：CPI、核心 CPI、PCE、核心 PCE 的最新值、年增率與趨勢方向。通膨是判斷 Fed 政策走向與股市估值的關鍵指標。

取得美國就業市場數據：非農就業、失業率、勞動參與率及趨勢。就業數據是 Fed 雙重使命之一，直接影響升降息預期。

取得 FRED（聯準會）特定總經時間序列的歷史數據，例如 10 年期公債殖利率（DGS10）、聯邦基金利率（FEDFUNDS）、M2 貨幣供給（M2SL）、CPI（CPIAUCSL）等。適合深入分析單一宏觀指標的歷史走勢。

取得美國殖利率曲線狀態（DGS10、DGS2、T10Y2Y）並判讀是否倒掛。殖利率倒掛歷史上常為衰退前兆

判讀 Fed 當前貨幣政策立場（緊縮/中性/寬鬆）與近 6 個月趨勢（升息/持平/降息），基於 FRED 的 DFF（聯邦基金有效利率）

取得股票的財務事件（除息日、法說會、財報發布日等）

取得財經事件行事曆：法說會、財報發佈、股利發放、除權息日等重大事件。適合回答「近期有哪些重要財報」「這週有什麼大事件」。

分析指定股票的新聞情緒（看漲/看跌/中性），回傳情緒分數與摘要

取得市場情緒分析（結合 FinBERT 新聞情緒、法人動向），回傳情緒指數（0-100）和各來源細項。比 analyze_sentiment 更精確

取得個股情緒分析（NER 比對新聞 + FinBERT 情緒評分），回傳情緒時序和相關新聞

未來走勢預測 / forecast / 未來價格推估 — 從輿情服務取得多模型對未來 1d / 5d / 10d / 1m / 3m horizon 的預測共識（含情緒驅動的方向 / 機率 / 置信度）。當使用者問「下週走勢」「未來表現」「會漲還是會跌」「下個月怎麼看」這類預測問題時優先用此工具。需後端 sentiment 服務啟用；未啟用時會回 enabled:false。

進場時機建議 / entry timing / 何時買 — 從輿情服務取得情緒驅動的建議進場策略（含買點訊號 / 風險警示 / 建議持有時間）。當使用者問「現在該不該買」「進場時機」「什麼時候進場好」時用此工具。需後端 sentiment 服務啟用；未啟用時會回 enabled:false。

取得使用者的投資組合（持股明細、成本、現值、損益）

取得已實現損益報告：每檔股票的已結算獲利/虧損金額、報酬率、持有天數。適合回答「我賺錢的股票有哪些」「哪些交易虧了多少」。

取得投資組合的完整績效曲線與統計指標：總報酬率、CAGR、最大回撤、夏普比率、波動度、勝率；並附上與台股大盤（TWII）、S&P500、散戶指數的比較曲線及每筆交易標記。適合回答「我的整體投資績效如何」「跑贏大盤了嗎」。

取得投資組合綜合評分與投資人等級（新手/穩健/進階/專業），以及多個維度的量化指標。可讓 LLM 瞭解用戶投資水準，調整建議深度與語氣。

分析目前投資組合的集中度風險，回傳 Herfindahl 指數、前 N 大部位佔比、集中度警示與建議（例如單一股票占比過高）。資料來自使用者實際持股，以台幣計價。

取得持倉個股的量化信號警示：超買/超賣、突破、籌碼異動等。由後台分析引擎定期運算，可快速掌握需要關注的個股。

新增一筆交易記錄到持倉（買入或賣出），執行前會請使用者確認。必填：stockId、market、action（buy/sell）、shares、price、tradeDate。

修改一筆已存在的交易紀錄（依 transaction id）。執行前會請使用者確認。可修改 shares / price / tradeDate / note。

刪除一筆已存在的交易紀錄（依 transaction id）。執行前會請使用者確認。此操作不可逆。

查詢交易日誌 — 取得過去交易的決策快照與市場情境記錄

根據使用者實際交易紀錄做績效分析（回測的升級版）：以 FIFO 配對買進/賣出，計算已實現損益、勝率、平均持有天數、平均單筆報酬、最佳/最差交易、每檔股票表現、未實現損益。比純粹看持倉損益更能回答「我的選股/擇時策略有效嗎」。

回測交易策略 — 用歷史數據驗證策略績效。支援策略：rsi_oversold(RSI超賣)、ma_crossover(均線交叉)、breakout(突破)、mean_reversion(均值回歸)

對單一策略做參數網格搜尋 — 在指定參數範圍內跑完所有組合，找出夏普比率最高的參數配置。適合「我想知道 RSI 策略用哪組參數最穩」這類問題。

對同一標的並排比較多個策略的表現（最多 6 個），一次看清哪個策略在這檔最適合。

蒙地卡羅隨機選股因子挖掘（B2 Factor Mining）— 翻轉「哪個組合最好」（brute force selection bias 必死）為「好組合的共同特徵是什麼」。跑 N 個隨機組合 → 對每個組合算因子暴露（動能 / 波動度 / 規模 / 產業集中度...）→ 對 (factor, sharpe) 做迴歸找出顯著因子。輸出：因子排序 + Pearson r + R² + scatter raw data。屬研究工具，輸出應做新策略假設源、不該直接交易。

蒙地卡羅隨機選股 benchmark — 從指定 universe 隨機抽 N 檔等權重持有 K 次，得到 random benchmark 分布；如帶入用戶策略指標，回傳該策略落點百分位 + p-value。回答「我的策略真有 alpha 還是運氣好」。低頻交易者特別有效（單條 path 不穩 → MC 把 single-path 變 distribution）。

計算投資組合的風險值 (Value at Risk)，包含歷史 VaR、參數 VaR、條件 VaR (Expected Shortfall)，以及各持股的風險貢獻度

取得當前市場的系統性風險評估：VIX 水準、信用利差、流動性指標等，綜合判定市場風險環境。適合回答「現在市場整體風險高嗎」「適合進場嗎」。

投資組合最佳化 — Markowitz 最大夏普比率法。輸入多檔股票，根據歷史日報酬率計算最優權重配置，輸出各股建議比例、預期年報酬、年化波動度、夏普比率。

一次取得個股完整分析資料：即時報價＋技術指標（RSI/MACD/KD/布林）＋三大法人＋月營收＋新聞情緒。適合「幫我完整分析 XXXX」類型的問題。

自然語言選股 — 根據條件篩選符合條件的台股或美股。可篩選：外資買超、股價站上均線、漲跌幅、成交量、市值、本益比等

一鍵執行完整個股研究工作流：並行取得即時報價、技術指標、籌碼面、基本面、交易價位、法人動態，一次拿到所有投資決策所需資料。比逐一呼叫各工具更高效，適合「幫我完整分析 2330」此類請求。

儲存一筆分析備忘（文字筆記），之後可以透過查詢讀取。

列出所有股票投資論點（thesis）。可選擇只看仍有效的、或只看快到 next_review_date 的。

查詢單檔股票的投資論點（hypothesis、key_levels、risk_conditions、watch_points、tags、next_review_date）。

新增或更新單檔股票的投資論點。同一 (stockId, market) 只能有一筆，重覆呼叫會覆寫。

把某檔股票的投資論點標記為失效（保留紀錄，可日後 reactivate）。

重啟之前標記為失效的投資論點。

永久刪除某檔股票的投資論點（無法復原；非必要請改用 invalidate_thesis）。

列出關注清單（與實際持倉 portfolio 分開，只是觀察追蹤）。

把股票加入關注清單。

修改關注清單某筆項目的 note / tags / display_name（要 id）。

從關注清單移除一筆股票（提供 id 或 stockId+market 組合）。

設定股價提醒，執行前會請使用者確認。條件：above（突破）或 below（跌破）。

列出所有股價/條件提醒（包含已觸發、未觸發）。

取消一筆股價/條件提醒（用 id）。

對指定股票立即啟動歷史日線補齊（不等排程，直接執行）。適合當圖表顯示歷史資料不足時主動幫用戶補料。補齊作業透過 SSE 回報進度，通常數秒至數十秒完成。

對指定的一批股票（symbols 陣列）立即啟動歷史日線批次補齊。適合當用戶的投資組合或多檔股票都缺少足夠歷史資料時一次性補全。每個市場同時只能有一個補齊作業。

深度個股研究 — 5 個專業 AI agent 並行辯論：🐂 多頭 vs 🐻 空頭 vs 📰 情緒 vs 🛡️ 風險 → 🎯 Synthesizer 整合給 6-level 最終建議（strong_buy / buy / hold / sell / strong_sell / avoid）。比單一 LLM 分析更穩，因為 Bull/Bear 各自只看支持自己論點的證據，Synthesizer 看到兩邊全貌再下結論。回傳每個 agent 的 reasoning + final action + 信心分數。需要 Premium tier — Free / Standard 收到 403。LLM 成本約 $0.16/call。

每日 portfolio 簡報（盤前 morning / 盤後 evening）— 整合當前持股表現、未實現損益、產業曝險、relevant macro / institutional flow，產出一段 LLM 摘要 + actionable next steps。盤前看「今天該注意什麼」，盤後看「今天發生什麼 + 明天 setup」。預設 mode='get'（讀最新一份）；若指定 mode='generate' 會跑新的一份（~10-20s）。LLM 成本約 $0.04/generate call，get 是 free。

並排比較 2-5 檔候選投資標的的深度分析（升級版 compare_stocks — 後者只看 PE/PB/殖利率，這裡跑 get_full_stock_analysis 拿到 price/technical/chip/fundamentals/levels/institutional/news 全套）+ 自動帶出每檔現有 thesis 狀態。不打 LLM（cost=$0），純粹並行 fetch + 結構化；agent 自己看 raw evidence 做 reasoning，token-effective 且避免 LLM-synthesized bias。

過去 N 天交易反思 — 把 analyze_trade_performance（FIFO PnL / 勝率 / 平均持有天數）+ get_trade_journal（最近交易紀錄）+ get_portfolio_signals（當前訊號）三份資料結構化成 'lessons learned' 草稿。輸出包含：wins / losses / patterns（盤整時亂操作 / 抱不住贏家 / 凹單等可偵測的習慣）/ recommendations / open_positions_to_review。不打 LLM（cost=$0），agent LLM 看結構化 evidence 自己寫 review。