diff --git a/longhubang_engine.py b/longhubang_engine.py
index 47a47cc..0bd28fb 100644
--- a/longhubang_engine.py
+++ b/longhubang_engine.py
@@ -6,6 +6,7 @@
 from longhubang_data import LonghubangDataFetcher
 from longhubang_db import LonghubangDatabase
 from longhubang_agents import LonghubangAgents
+from longhubang_scoring import LonghubangScoring
 from typing import Dict, Any, List
 from datetime import datetime, timedelta
 import time
@@ -25,6 +26,7 @@ class LonghubangEngine:
         self.data_fetcher = LonghubangDataFetcher()
         self.database = LonghubangDatabase(db_path)
         self.agents = LonghubangAgents(model=model)
+        self.scoring = LonghubangScoring()
         print(f"[智瞰龙虎] 分析引擎初始化完成")
     
     def run_comprehensive_analysis(self, date=None, days=1) -> Dict[str, Any]:
@@ -89,6 +91,13 @@ class LonghubangEngine:
             }
             print(f"✓ 数据统计完成")
             
+            # 阶段3.5: AI智能评分排名
+            print("\n[阶段3.5] AI智能评分排名...")
+            print("-" * 60)
+            scoring_df = self.scoring.score_all_stocks(data_list)
+            results["scoring_ranking"] = scoring_df
+            print(f"✓ 完成 {len(scoring_df)} 只股票的智能评分排名")
+            
             # 阶段4: AI分析师团队分析
             print("\n[阶段4] AI分析师团队工作中...")
             print("-" * 60)
diff --git a/longhubang_scoring.py b/longhubang_scoring.py
new file mode 100644
index 0000000..57bf961
--- /dev/null
+++ b/longhubang_scoring.py
@@ -0,0 +1,582 @@
+"""
+智瞰龙虎AI智能评分模块
+对龙虎榜上榜股票进行综合评分排名
+"""
+
+import pandas as pd
+from typing import Dict, List
+from collections import Counter
+
+
+class LonghubangScoring:
+    """龙虎榜股票智能评分系统"""
+    
+    def __init__(self):
+        """初始化评分系统"""
+        # 顶级游资名单（根据市场知名度和历史战绩）
+        self.top_youzi = [
+            '赵老哥', '章盟主', '92科比', '瑞鹤仙', '小鳄鱼',
+            '养家心法', '欢乐海岸', '古北路', '成都系', '佛山系',
+            '方新侠', '乔帮主', '淮海路', '东方财富',
+            '国信深圳', '华泰深圳', '中信杭州', '招商深圳'
+        ]
+        
+        # 知名游资（次一级）
+        self.famous_youzi = [
+            '深股通', '沪股通', '北向资金',
+            '中金公司', '中信证券', '国泰君安', '海通证券',
+            '广发证券', '华泰证券', '招商证券'
+        ]
+        
+        # 机构关键词
+        self.institution_keywords = [
+            '机构专用', '机构', '基金', '保险', '社保',
+            'QFII', 'RQFII', '券商', '信托'
+        ]
+        
+        print("[智瞰龙虎] 评分系统初始化完成")
+    
+    def calculate_stock_score(self, stock_data: List[Dict]) -> float:
+        """
+        计算单个股票的综合评分
+        
+        Args:
+            stock_data: 该股票的所有龙虎榜记录
+            
+        Returns:
+            综合评分 (0-100分)
+        """
+        if not stock_data:
+            return 0.0
+        
+        # 1. 买入资金含金量评分 (0-30分)
+        capital_quality_score = self._calculate_capital_quality(stock_data)
+        
+        # 2. 净买入额评分 (0-25分)
+        net_inflow_score = self._calculate_net_inflow_score(stock_data)
+        
+        # 3. 卖出压力评分 (0-20分)
+        sell_pressure_score = self._calculate_sell_pressure_score(stock_data)
+        
+        # 4. 机构共振评分 (0-15分)
+        institution_score = self._calculate_institution_score(stock_data)
+        
+        # 5. 其他加分项 (0-10分)
+        bonus_score = self._calculate_bonus_score(stock_data)
+        
+        # 综合评分
+        total_score = (
+            capital_quality_score +
+            net_inflow_score +
+            sell_pressure_score +
+            institution_score +
+            bonus_score
+        )
+        
+        return round(total_score, 1)
+    
+    def _calculate_capital_quality(self, stock_data: List[Dict]) -> float:
+        """
+        计算买入资金含金量评分 (0-30分)
+        顶级游资加分多，普通游资加分少
+        """
+        score = 0.0
+        max_score = 30.0
+        
+        buyers = []
+        for record in stock_data:
+            buy_amount = record.get('买入金额', 0) or record.get('mrje', 0)
+            # 确保转换为数值类型
+            try:
+                buy_amount = float(buy_amount) if buy_amount else 0
+            except (ValueError, TypeError):
+                buy_amount = 0
+            
+            if buy_amount > 0:
+                youzi_name = record.get('游资名称', '') or record.get('yzmc', '')
+                yingye_bu = record.get('营业部', '') or record.get('yyb', '')
+                buyers.append({
+                    'name': youzi_name,
+                    'yingye_bu': yingye_bu,
+                    'amount': float(buy_amount)
+                })
+        
+        if not buyers:
+            return 0.0
+        
+        # 顶级游资：每个加8-10分
+        top_youzi_count = 0
+        for buyer in buyers:
+            for top in self.top_youzi:
+                if top in buyer['name'] or top in buyer['yingye_bu']:
+                    top_youzi_count += 1
+                    score += 10.0
+                    break
+        
+        # 知名游资：每个加4-6分
+        famous_youzi_count = 0
+        for buyer in buyers:
+            is_top = any(top in buyer['name'] or top in buyer['yingye_bu'] 
+                        for top in self.top_youzi)
+            if not is_top:
+                for famous in self.famous_youzi:
+                    if famous in buyer['name'] or famous in buyer['yingye_bu']:
+                        famous_youzi_count += 1
+                        score += 5.0
+                        break
+        
+        # 普通游资：每个加1-2分
+        ordinary_count = len(buyers) - top_youzi_count - famous_youzi_count
+        score += ordinary_count * 1.5
+        
+        # 限制最高分
+        return min(score, max_score)
+    
+    def _calculate_net_inflow_score(self, stock_data: List[Dict]) -> float:
+        """
+        计算净买入额评分 (0-25分)
+        真金白银越多分数越高
+        """
+        max_score = 25.0
+        
+        # 计算总净流入
+        total_net_inflow = 0.0
+        for record in stock_data:
+            net_inflow = record.get('净流入金额', 0) or record.get('jlrje', 0)
+            try:
+                net_inflow = float(net_inflow) if net_inflow else 0
+                total_net_inflow += net_inflow
+            except (ValueError, TypeError):
+                pass
+        
+        if total_net_inflow <= 0:
+            return 0.0
+        
+        # 净流入分段评分
+        # 1000万以下：0-10分
+        # 1000-5000万：10-18分
+        # 5000万-1亿：18-22分
+        # 1亿以上：22-25分
+        net_inflow_wan = total_net_inflow / 10000  # 转换为万元
+        
+        if net_inflow_wan < 1000:
+            score = (net_inflow_wan / 1000) * 10
+        elif net_inflow_wan < 5000:
+            score = 10 + ((net_inflow_wan - 1000) / 4000) * 8
+        elif net_inflow_wan < 10000:
+            score = 18 + ((net_inflow_wan - 5000) / 5000) * 4
+        else:
+            score = 22 + min((net_inflow_wan - 10000) / 10000, 1) * 3
+        
+        return min(score, max_score)
+    
+    def _calculate_sell_pressure_score(self, stock_data: List[Dict]) -> float:
+        """
+        计算卖出压力评分 (0-20分)
+        卖出压力越小分数越高
+        """
+        max_score = 20.0
+        
+        total_buy = 0.0
+        total_sell = 0.0
+        
+        for record in stock_data:
+            buy_amount = record.get('买入金额', 0) or record.get('mrje', 0)
+            sell_amount = record.get('卖出金额', 0) or record.get('mcje', 0)
+            
+            try:
+                buy_amount = float(buy_amount) if buy_amount else 0
+                total_buy += buy_amount
+            except (ValueError, TypeError):
+                pass
+            
+            try:
+                sell_amount = float(sell_amount) if sell_amount else 0
+                total_sell += sell_amount
+            except (ValueError, TypeError):
+                pass
+        
+        if total_buy == 0:
+            return 0.0
+        
+        # 计算卖出比例
+        sell_ratio = total_sell / total_buy if total_buy > 0 else 1.0
+        
+        # 卖出压力评分
+        # 卖出比例0-10%：20分
+        # 卖出比例10-30%：15-20分
+        # 卖出比例30-50%：10-15分
+        # 卖出比例50-80%：5-10分
+        # 卖出比例80%以上：0-5分
+        if sell_ratio < 0.1:
+            score = 20.0
+        elif sell_ratio < 0.3:
+            score = 20.0 - (sell_ratio - 0.1) / 0.2 * 5
+        elif sell_ratio < 0.5:
+            score = 15.0 - (sell_ratio - 0.3) / 0.2 * 5
+        elif sell_ratio < 0.8:
+            score = 10.0 - (sell_ratio - 0.5) / 0.3 * 5
+        else:
+            score = 5.0 - min(sell_ratio - 0.8, 0.2) / 0.2 * 5
+        
+        return max(0, min(score, max_score))
+    
+    def _calculate_institution_score(self, stock_data: List[Dict]) -> float:
+        """
+        计算机构共振评分 (0-15分)
+        机构+游资共振最高分
+        """
+        max_score = 15.0
+        
+        has_institution = False
+        has_youzi = False
+        institution_count = 0
+        youzi_count = 0
+        
+        for record in stock_data:
+            buy_amount = record.get('买入金额', 0) or record.get('mrje', 0)
+            try:
+                buy_amount = float(buy_amount) if buy_amount else 0
+            except (ValueError, TypeError):
+                buy_amount = 0
+            
+            if buy_amount <= 0:
+                continue
+            
+            youzi_name = record.get('游资名称', '') or record.get('yzmc', '')
+            yingye_bu = record.get('营业部', '') or record.get('yyb', '')
+            
+            # 检查是否是机构
+            if any(keyword in youzi_name or keyword in yingye_bu 
+                  for keyword in self.institution_keywords):
+                has_institution = True
+                institution_count += 1
+            else:
+                has_youzi = True
+                youzi_count += 1
+        
+        # 评分逻辑
+        if has_institution and has_youzi:
+            # 机构+游资共振：最高分
+            score = 15.0
+        elif has_institution:
+            # 仅机构：8-12分
+            score = min(8 + institution_count * 2, 12)
+        elif has_youzi:
+            # 仅游资：5-10分
+            score = min(5 + youzi_count * 1, 10)
+        else:
+            score = 0.0
+        
+        return min(score, max_score)
+    
+    def _calculate_bonus_score(self, stock_data: List[Dict]) -> float:
+        """
+        计算其他加分项 (0-10分)
+        买卖比例、主力集中度、热门概念等
+        """
+        max_score = 10.0
+        score = 0.0
+        
+        if not stock_data:
+            return 0.0
+        
+        # 1. 主力集中度加分 (0-3分)
+        # 如果资金集中在少数几个席位，说明主力信心强
+        seat_count = len(stock_data)
+        if seat_count == 1:
+            score += 3.0
+        elif seat_count == 2:
+            score += 2.5
+        elif seat_count == 3:
+            score += 2.0
+        elif seat_count <= 5:
+            score += 1.5
+        else:
+            score += 1.0
+        
+        # 2. 热门概念加分 (0-3分)
+        all_concepts = []
+        for record in stock_data:
+            concepts = record.get('概念', '') or record.get('gl', '')
+            if concepts:
+                all_concepts.extend([c.strip() for c in str(concepts).split(',')])
+        
+        hot_keywords = [
+            '人工智能', 'AI', 'ChatGPT', '算力', '新能源', '芯片', '半导体',
+            '军工', '医药', '消费', '5G', '新材料', '量子', '光伏',
+            '储能', '锂电池', '汽车', '游戏', '传媒', '元宇宙'
+        ]
+        
+        concept_score = 0
+        for concept in all_concepts:
+            if any(keyword in concept for keyword in hot_keywords):
+                concept_score += 0.3
+        
+        score += min(concept_score, 3.0)
+        
+        # 3. 连续上榜加分 (0-2分)
+        # 这里简化处理，如果有多条记录可能表示连续上榜
+        if len(stock_data) >= 3:
+            score += 2.0
+        elif len(stock_data) == 2:
+            score += 1.0
+        
+        # 4. 买卖比例优秀加分 (0-2分)
+        total_buy = 0.0
+        total_sell = 0.0
+        for r in stock_data:
+            try:
+                buy = float(r.get('买入金额', 0) or r.get('mrje', 0) or 0)
+                total_buy += buy
+            except (ValueError, TypeError):
+                pass
+            try:
+                sell = float(r.get('卖出金额', 0) or r.get('mcje', 0) or 0)
+                total_sell += sell
+            except (ValueError, TypeError):
+                pass
+        
+        if total_buy > 0:
+            buy_sell_ratio = total_buy / (total_sell + 1)
+            if buy_sell_ratio >= 10:
+                score += 2.0
+            elif buy_sell_ratio >= 5:
+                score += 1.5
+            elif buy_sell_ratio >= 3:
+                score += 1.0
+        
+        return min(score, max_score)
+    
+    def score_all_stocks(self, data_list: List[Dict]) -> pd.DataFrame:
+        """
+        对所有上榜股票进行评分排名
+        
+        Args:
+            data_list: 龙虎榜数据列表
+            
+        Returns:
+            评分排名DataFrame
+        """
+        if not data_list:
+            return pd.DataFrame()
+        
+        # 按股票代码分组
+        stocks_dict = {}
+        for record in data_list:
+            code = record.get('股票代码') or record.get('gpdm')
+            name = record.get('股票名称') or record.get('gpmc')
+            
+            if not code:
+                continue
+            
+            if code not in stocks_dict:
+                stocks_dict[code] = {
+                    'code': code,
+                    'name': name,
+                    'records': []
+                }
+            
+            stocks_dict[code]['records'].append(record)
+        
+        # 计算每只股票的评分
+        results = []
+        for code, stock_info in stocks_dict.items():
+            records = stock_info['records']
+            
+            # 计算各维度评分
+            capital_quality = self._calculate_capital_quality(records)
+            net_inflow = self._calculate_net_inflow_score(records)
+            sell_pressure = self._calculate_sell_pressure_score(records)
+            institution = self._calculate_institution_score(records)
+            bonus = self._calculate_bonus_score(records)
+            
+            total_score = capital_quality + net_inflow + sell_pressure + institution + bonus
+            
+            # 计算实际数据（安全转换）
+            total_buy = 0.0
+            total_sell = 0.0
+            total_net = 0.0
+            for r in records:
+                try:
+                    buy = float(r.get('买入金额', 0) or r.get('mrje', 0) or 0)
+                    total_buy += buy
+                except (ValueError, TypeError):
+                    pass
+                try:
+                    sell = float(r.get('卖出金额', 0) or r.get('mcje', 0) or 0)
+                    total_sell += sell
+                except (ValueError, TypeError):
+                    pass
+                try:
+                    net = float(r.get('净流入金额', 0) or r.get('jlrje', 0) or 0)
+                    total_net += net
+                except (ValueError, TypeError):
+                    pass
+            
+            # 统计买入席位数（安全比较）
+            buy_seats = 0
+            for r in records:
+                try:
+                    buy = float(r.get('买入金额', 0) or r.get('mrje', 0) or 0)
+                    if buy > 0:
+                        buy_seats += 1
+                except (ValueError, TypeError):
+                    pass
+            
+            # 统计机构数量
+            institution_count = sum(1 for r in records 
+                                  if any(kw in (r.get('游资名称', '') or r.get('yzmc', '')) or 
+                                        kw in (r.get('营业部', '') or r.get('yyb', ''))
+                                        for kw in self.institution_keywords))
+            
+            # 获取概念
+            concepts_list = []
+            for r in records:
+                concepts = r.get('概念', '') or r.get('gl', '')
+                if concepts:
+                    concepts_list.extend([c.strip() for c in str(concepts).split(',')])
+            
+            top_concepts = Counter(concepts_list).most_common(3)
+            concept_str = ','.join([c[0] for c in top_concepts]) if top_concepts else ''
+            
+            # 判断机构参与
+            has_institution = institution_count > 0
+            
+            results.append({
+                '排名': 0,  # 稍后填充
+                '股票名称': stock_info['name'],
+                '股票代码': code,
+                '综合评分': round(total_score, 1),
+                '资金含金量': round(capital_quality, 0),
+                '净买入额': round(net_inflow, 0),
+                '卖出压力': round(sell_pressure, 0),
+                '机构共振': round(institution, 0),
+                '加分项': round(bonus, 0),
+                '顶级游资': self._count_top_youzi(records),
+                '买方数': buy_seats,
+                '机构参与': '✅' if has_institution else '❌',
+                '净流入': round(total_net, 2)
+            })
+        
+        # 转换为DataFrame并排序
+        df = pd.DataFrame(results)
+        if df.empty:
+            return df
+        
+        df = df.sort_values('综合评分', ascending=False).reset_index(drop=True)
+        df['排名'] = range(1, len(df) + 1)
+        
+        # 添加奖牌
+        if len(df) >= 1:
+            df.loc[0, '排名'] = '🥇 1'
+        if len(df) >= 2:
+            df.loc[1, '排名'] = '🥈 2'
+        if len(df) >= 3:
+            df.loc[2, '排名'] = '🥉 3'
+        
+        return df
+    
+    def _count_top_youzi(self, records: List[Dict]) -> int:
+        """统计顶级游资数量"""
+        count = 0
+        for record in records:
+            buy_amount = record.get('买入金额', 0) or record.get('mrje', 0)
+            try:
+                buy_amount = float(buy_amount) if buy_amount else 0
+            except (ValueError, TypeError):
+                buy_amount = 0
+            
+            if buy_amount <= 0:
+                continue
+            
+            youzi_name = record.get('游资名称', '') or record.get('yzmc', '')
+            yingye_bu = record.get('营业部', '') or record.get('yyb', '')
+            
+            if any(top in youzi_name or top in yingye_bu for top in self.top_youzi):
+                count += 1
+        
+        return count
+    
+    def get_score_explanation(self) -> str:
+        """获取评分维度说明"""
+        explanation = """
+        【AI智能评分维度说明】
+        
+        📊 总分100分，由5个维度组成：
+        
+        1️⃣ 买入资金含金量 (0-30分)
+           - 顶级游资（赵老哥、章盟主等）：每个+10分
+           - 知名游资（深股通、中信等）：每个+5分
+           - 普通游资：每个+1.5分
+           
+        2️⃣ 净买入额评分 (0-25分)
+           - 净流入1000万以下：0-10分
+           - 净流入1000-5000万：10-18分
+           - 净流入5000万-1亿：18-22分
+           - 净流入1亿以上：22-25分
+           
+        3️⃣ 卖出压力评分 (0-20分)
+           - 卖出比例0-10%：20分（压力极小）
+           - 卖出比例10-30%：15-20分（压力较小）
+           - 卖出比例30-50%：10-15分（压力中等）
+           - 卖出比例50-80%：5-10分（压力较大）
+           - 卖出比例80%以上：0-5分（压力极大）
+           
+        4️⃣ 机构共振评分 (0-15分)
+           - 机构+游资共振：15分（最强信号）
+           - 仅机构买入：8-12分
+           - 仅游资买入：5-10分
+           
+        5️⃣ 其他加分项 (0-10分)
+           - 主力集中度：席位越少越集中，+1-3分
+           - 热门概念：AI、新能源、芯片等，+0-3分
+           - 连续上榜：连续多日上榜，+0-2分
+           - 买卖比例优秀：买入远大于卖出，+0-2分
+        
+        💡 评分越高，表示该股票受到资金青睐程度越高，
+           但仍需结合市场环境、技术面等因素综合判断！
+        """
+        return explanation
+
+
+# 测试函数
+if __name__ == "__main__":
+    print("=" * 60)
+    print("测试智瞰龙虎评分系统")
+    print("=" * 60)
+    
+    # 创建测试数据
+    test_data = [
+        {
+            '股票代码': '001337',
+            '股票名称': '四川黄金',
+            '游资名称': '92科比',
+            '营业部': '兴业证券股份有限公司南京天元东路证券营业部',
+            '买入金额': 14470401,
+            '卖出金额': 15080,
+            '净流入金额': 14455321,
+            '概念': '贵金属,黄金概念,次新股'
+        },
+        {
+            '股票代码': '001337',
+            '股票名称': '四川黄金',
+            '游资名称': '赵老哥',
+            '营业部': '某证券公司',
+            '买入金额': 10000000,
+            '卖出金额': 0,
+            '净流入金额': 10000000,
+            '概念': '贵金属,黄金概念'
+        }
+    ]
+    
+    scoring = LonghubangScoring()
+    
+    # 测试评分
+    df_result = scoring.score_all_stocks(test_data)
+    
+    print("\n评分结果：")
+    print(df_result)
+    
+    print("\n" + scoring.get_score_explanation())
+
diff --git a/longhubang_ui.py b/longhubang_ui.py
index 0634648..267ab21 100644
--- a/longhubang_ui.py
+++ b/longhubang_ui.py
@@ -250,7 +250,8 @@ def display_analysis_results(result):
     st.markdown("---")
     
     # 创建子标签页
-    tab1, tab2, tab3, tab4 = st.tabs([
+    tab1, tab2, tab3, tab4, tab5 = st.tabs([
+        "🏆 AI评分排名",
         "🎯 推荐股票",
         "🤖 AI分析师报告",
         "📊 数据详情",
@@ -258,18 +259,209 @@ def display_analysis_results(result):
     ])
     
     with tab1:
-        display_recommended_stocks(result)
+        display_scoring_ranking(result)
     
     with tab2:
-        display_agents_reports(result)
+        display_recommended_stocks(result)
     
     with tab3:
-        display_data_details(result)
+        display_agents_reports(result)
     
     with tab4:
+        display_data_details(result)
+    
+    with tab5:
         display_visualizations(result)
 
 
+def display_scoring_ranking(result):
+    """显示AI智能评分排名"""
+    
+    st.subheader("🏆 AI智能评分排名")
+    
+    scoring_df = result.get('scoring_ranking')
+    
+    if scoring_df is None or (hasattr(scoring_df, 'empty') and scoring_df.empty):
+        st.warning("暂无评分数据")
+        return
+    
+    # 评分说明
+    with st.expander("📖 评分维度说明", expanded=False):
+        st.markdown("""
+        ### 📊 AI智能评分体系 (总分100分)
+        
+        #### 1️⃣ 买入资金含金量 (0-30分)
+        - **顶级游资**（赵老哥、章盟主、92科比等）：每个 +10分
+        - **知名游资**（深股通、中信证券等）：每个 +5分
+        - **普通游资**：每个 +1.5分
+        
+        #### 2️⃣ 净买入额评分 (0-25分)
+        - 净流入 < 1000万：0-10分
+        - 净流入 1000-5000万：10-18分
+        - 净流入 5000万-1亿：18-22分
+        - 净流入 > 1亿：22-25分
+        
+        #### 3️⃣ 卖出压力评分 (0-20分)
+        - 卖出比例 0-10%：20分 ✨（压力极小）
+        - 卖出比例 10-30%：15-20分（压力较小）
+        - 卖出比例 30-50%：10-15分（压力中等）
+        - 卖出比例 50-80%：5-10分（压力较大）
+        - 卖出比例 > 80%：0-5分（压力极大）
+        
+        #### 4️⃣ 机构共振评分 (0-15分)
+        - **机构+游资共振**：15分 ⭐（最强信号）
+        - 仅机构买入：8-12分
+        - 仅游资买入：5-10分
+        
+        #### 5️⃣ 其他加分项 (0-10分)
+        - **主力集中度**：席位越少越集中 (+1-3分)
+        - **热门概念**：AI、新能源、芯片等 (+0-3分)
+        - **连续上榜**：连续多日上榜 (+0-2分)
+        - **买卖比例优秀**：买入远大于卖出 (+0-2分)
+        
+        ---
+        
+        💡 **评分越高，表示该股票受到资金青睐程度越高！**  
+        ⚠️ **但仍需结合市场环境、技术面等因素综合判断！**
+        """)
+    
+    st.markdown("---")
+    
+    # 显示TOP10评分表格
+    st.markdown("### 🥇 TOP10 综合评分排名")
+    
+    top10_df = scoring_df.head(10).copy()
+    
+    # 格式化显示
+    st.dataframe(
+        top10_df,
+        column_config={
+            "排名": st.column_config.TextColumn("排名", width="small"),
+            "股票名称": st.column_config.TextColumn("股票名称", width="medium"),
+            "股票代码": st.column_config.TextColumn("代码", width="small"),
+            "综合评分": st.column_config.NumberColumn(
+                "综合评分",
+                format="%.1f",
+                help="总分100分"
+            ),
+            "资金含金量": st.column_config.ProgressColumn(
+                "资金含金量",
+                format="%d分",
+                min_value=0,
+                max_value=30
+            ),
+            "净买入额": st.column_config.ProgressColumn(
+                "净买入额",
+                format="%d分",
+                min_value=0,
+                max_value=25
+            ),
+            "卖出压力": st.column_config.ProgressColumn(
+                "卖出压力",
+                format="%d分",
+                min_value=0,
+                max_value=20
+            ),
+            "机构共振": st.column_config.ProgressColumn(
+                "机构共振",
+                format="%d分",
+                min_value=0,
+                max_value=15
+            ),
+            "加分项": st.column_config.ProgressColumn(
+                "加分项",
+                format="%d分",
+                min_value=0,
+                max_value=10
+            ),
+            "顶级游资": st.column_config.NumberColumn("顶级游资", format="%d家"),
+            "买方数": st.column_config.NumberColumn("买方数", format="%d家"),
+            "机构参与": st.column_config.TextColumn("机构参与"),
+            "净流入": st.column_config.NumberColumn("净流入(元)", format="%.2f")
+        },
+        hide_index=True,
+        use_container_width=True
+    )
+    
+    st.markdown("---")
+    
+    # 评分分布图表
+    st.markdown("### 📊 评分分布可视化")
+    
+    col1, col2 = st.columns(2)
+    
+    with col1:
+        # 综合评分柱状图
+        fig1 = px.bar(
+            top10_df,
+            x='股票名称',
+            y='综合评分',
+            title='TOP10 综合评分对比',
+            text='综合评分',
+            color='综合评分',
+            color_continuous_scale='RdYlGn'
+        )
+        fig1.update_traces(texttemplate='%{text:.1f}分', textposition='outside')
+        fig1.update_layout(
+            xaxis_tickangle=-45,
+            showlegend=False,
+            height=400
+        )
+        st.plotly_chart(fig1, use_container_width=True)
+    
+    with col2:
+        # 五维评分雷达图（显示第一名）
+        if len(top10_df) > 0:
+            first_place = top10_df.iloc[0]
+            
+            fig2 = go.Figure(data=go.Scatterpolar(
+                r=[
+                    first_place['资金含金量'] / 30 * 100,
+                    first_place['净买入额'] / 25 * 100,
+                    first_place['卖出压力'] / 20 * 100,
+                    first_place['机构共振'] / 15 * 100,
+                    first_place['加分项'] / 10 * 100
+                ],
+                theta=['资金含金量', '净买入额', '卖出压力', '机构共振', '加分项'],
+                fill='toself',
+                name=first_place['股票名称']
+            ))
+            
+            fig2.update_layout(
+                polar=dict(
+                    radialaxis=dict(
+                        visible=True,
+                        range=[0, 100]
+                    )
+                ),
+                showlegend=True,
+                title=f"🥇 {first_place['股票名称']} 五维评分",
+                height=400
+            )
+            st.plotly_chart(fig2, use_container_width=True)
+    
+    st.markdown("---")
+    
+    # 完整排名表格
+    st.markdown("### 📋 完整评分排名")
+    
+    st.dataframe(
+        scoring_df,
+        column_config={
+            "排名": st.column_config.TextColumn("排名", width="small"),
+            "股票名称": st.column_config.TextColumn("股票名称"),
+            "股票代码": st.column_config.TextColumn("代码"),
+            "综合评分": st.column_config.NumberColumn("综合评分", format="%.1f"),
+            "顶级游资": st.column_config.NumberColumn("顶级游资", format="%d家"),
+            "买方数": st.column_config.NumberColumn("买方数", format="%d家"),
+            "机构参与": st.column_config.TextColumn("机构"),
+            "净流入": st.column_config.NumberColumn("净流入(元)", format="%.2f")
+        },
+        hide_index=True,
+        use_container_width=True
+    )
+
+
 def display_recommended_stocks(result):
     """显示推荐股票"""
     
diff --git a/智瞰龙虎AI评分说明.md b/智瞰龙虎AI评分说明.md
new file mode 100644
index 0000000..558cb76
--- /dev/null
+++ b/智瞰龙虎AI评分说明.md
@@ -0,0 +1,322 @@
+# 智瞰龙虎 AI智能评分系统说明
+
+## 📊 评分体系概述
+
+智瞰龙虎的AI智能评分系统对所有上榜股票进行100分制综合评分，从5个维度全面评估股票受资金青睐的程度。
+
+## 🎯 五大评分维度
+
+### 1️⃣ 买入资金含金量 (0-30分)
+
+**评分规则**：根据买入游资的级别和数量加分
+
+| 游资类型 | 单个加分 | 示例 |
+|---------|---------|-----|
+| **顶级游资** | +10分 | 赵老哥、章盟主、92科比、瑞鹤仙、小鳄鱼、养家心法、欢乐海岸、古北路、成都系、佛山系等 |
+| **知名游资** | +5分 | 深股通、沪股通、北向资金、中金公司、中信证券、国泰君安、海通证券等 |
+| **普通游资** | +1.5分 | 其他营业部席位 |
+
+**计算逻辑**：
+```
+资金含金量得分 = 顶级游资数量 × 10 + 知名游资数量 × 5 + 普通游资数量 × 1.5
+（最高30分）
+```
+
+**实战意义**：
+- 顶级游资参与，表示该股得到顶尖短线高手认可
+- 多个游资同时买入，形成合力，爆发力更强
+- 游资级别越高，对标的的筛选越严格，成功率越高
+
+---
+
+### 2️⃣ 净买入额评分 (0-25分)
+
+**评分规则**：根据净流入金额分段评分
+
+| 净流入金额 | 得分范围 | 含义 |
+|-----------|---------|------|
+| < 1000万 | 0-10分 | 试探性买入 |
+| 1000-5000万 | 10-18分 | 中等力度买入 |
+| 5000万-1亿 | 18-22分 | 大力度买入 |
+| > 1亿 | 22-25分 | 重仓买入，信心极强 |
+
+**计算公式**：
+```python
+if 净流入 < 1000万:
+    得分 = (净流入 / 1000万) × 10
+elif 净流入 < 5000万:
+    得分 = 10 + (净流入 - 1000万) / 4000万 × 8
+elif 净流入 < 1亿:
+    得分 = 18 + (净流入 - 5000万) / 5000万 × 4
+else:
+    得分 = 22 + min((净流入 - 1亿) / 1亿, 1) × 3
+```
+
+**实战意义**：
+- 真金白银越多，表示资金信心越足
+- 大额净流入往往能推动股价强势上涨
+- 需结合市值判断，小盘股千万级已算大额
+
+---
+
+### 3️⃣ 卖出压力评分 (0-20分)
+
+**评分规则**：根据卖出/买入比例反向评分
+
+| 卖出比例 | 得分 | 压力等级 | 实战意义 |
+|---------|------|---------|---------|
+| 0-10% | 20分 | 压力极小✨ | 几乎无卖出，主力高度一致看多 |
+| 10-30% | 15-20分 | 压力较小 | 少量获利了结，整体向上 |
+| 30-50% | 10-15分 | 压力中等 | 分歧开始加大，需谨慎 |
+| 50-80% | 5-10分 | 压力较大 | 卖盘较重，可能是出货信号 |
+| > 80% | 0-5分 | 压力极大⚠️ | 大概率是游资出货，避开 |
+
+**计算公式**：
+```python
+卖出比例 = 总卖出金额 / 总买入金额
+
+if 卖出比例 < 0.1:
+    得分 = 20
+elif 卖出比例 < 0.3:
+    得分 = 20 - (卖出比例 - 0.1) / 0.2 × 5
+elif 卖出比例 < 0.5:
+    得分 = 15 - (卖出比例 - 0.3) / 0.2 × 5
+elif 卖出比例 < 0.8:
+    得分 = 10 - (卖出比例 - 0.5) / 0.3 × 5
+else:
+    得分 = 5 - min(卖出比例 - 0.8, 0.2) / 0.2 × 5
+```
+
+**实战意义**：
+- 卖出压力小，说明主力没有出货意图
+- 压力大的股票可能是"一日游"，风险高
+- 次日开盘容易受卖盘打压
+
+---
+
+### 4️⃣ 机构共振评分 (0-15分)
+
+**评分规则**：根据机构和游资的参与情况
+
+| 参与情况 | 得分 | 市场意义 |
+|---------|------|---------|
+| **机构+游资共振** | 15分⭐ | 最强信号！短线+中线资金共振 |
+| 仅机构买入 | 8-12分 | 基本面支撑，中长期看好 |
+| 仅游资买入 | 5-10分 | 短线炒作，波动性大 |
+| 无明显主力 | 0分 | 散户行为，不确定性高 |
+
+**机构识别关键词**：
+- 机构专用、机构、基金、保险、社保
+- QFII、RQFII、券商、信托
+
+**计算逻辑**：
+```python
+if 有机构 and 有游资:
+    得分 = 15  # 机构游资共振，最高分
+elif 有机构:
+    得分 = min(8 + 机构数量 × 2, 12)
+elif 有游资:
+    得分 = min(5 + 游资数量 × 1, 10)
+else:
+    得分 = 0
+```
+
+**实战意义**：
+- 机构+游资共振，表示短中长期逻辑都得到认可
+- 纯游资炒作波动大，适合短线
+- 纯机构买入偏稳健，适合中长线
+
+---
+
+### 5️⃣ 其他加分项 (0-10分)
+
+**评分细则**：
+
+#### A. 主力集中度加分 (0-3分)
+```
+席位数1个：+3分（高度集中，主力控盘强）
+席位数2个：+2.5分
+席位数3个：+2分
+席位数4-5个：+1.5分
+席位数>5个：+1分（资金分散）
+```
+
+#### B. 热门概念加分 (0-3分)
+```
+热门概念关键词：
+- AI、ChatGPT、算力、人工智能
+- 新能源、芯片、半导体、光伏
+- 军工、医药、5G、新材料
+- 锂电池、储能、元宇宙、游戏等
+
+每出现1个热门概念：+0.3分
+最高3分
+```
+
+#### C. 连续上榜加分 (0-2分)
+```
+单日上榜：+0分
+连续2日：+1分
+连续3日及以上：+2分
+```
+
+#### D. 买卖比例优秀加分 (0-2分)
+```
+买入 / 卖出 ≥ 10倍：+2分（几乎无卖盘）
+买入 / 卖出 ≥ 5倍：+1.5分
+买入 / 卖出 ≥ 3倍：+1分
+买入 / 卖出 < 3倍：+0分
+```
+
+**实战意义**：
+- 主力集中度高，控盘能力强，易拉升
+- 热门概念有题材支撑，容易受市场追捧
+- 连续上榜说明持续受关注
+- 买卖比例优秀说明一致性强
+
+---
+
+## 📈 综合评分解读
+
+### 评分等级划分
+
+| 分数区间 | 等级 | 市场意义 | 操作建议 |
+|---------|------|---------|---------|
+| **80-100分** | S级优秀⭐⭐⭐ | 顶级游资+大额净流入+无压力 | 重点关注，优先配置 |
+| **70-79分** | A级良好⭐⭐ | 资金认可度高，确定性强 | 积极跟进，适量配置 |
+| **60-69分** | B级中等⭐ | 有一定机会，需结合其他因素 | 谨慎参与，小仓位 |
+| **50-59分** | C级一般 | 优势不明显，不确定性较大 | 观望为主 |
+| **< 50分** | D级较差 | 资金认可度低或压力大 | 避免参与 |
+
+### 高分股票特征
+
+**90分以上股票通常具备**：
+1. ✅ 2个以上顶级游资参与
+2. ✅ 净流入5000万以上
+3. ✅ 卖出压力<10%
+4. ✅ 机构+游资共振
+5. ✅ 热门概念+主力集中
+
+**这类股票次日大概率继续上涨！**
+
+### 低分股票特征
+
+**50分以下股票通常存在**：
+1. ❌ 无知名游资参与
+2. ❌ 净流入金额小
+3. ❌ 卖出压力大（>50%）
+4. ❌ 无机构参与
+5. ❌ 资金分散，无热点
+
+**这类股票建议规避！**
+
+---
+
+## 💡 使用建议
+
+### 1. 重点关注TOP10
+- 评分排名前10的股票，是资金最认可的标的
+- 🥇🥈🥉 前三名是重中之重
+
+### 2. 结合其他指标
+AI评分虽然全面，但仍需结合：
+- ✅ 技术面：股价位置、技术形态
+- ✅ 市场环境：大盘走势、板块轮动
+- ✅ 基本面：公司质地、业绩情况
+- ✅ 情绪面：市场氛围、题材热度
+
+### 3. 仓位管理
+根据评分等级配置仓位：
+```
+S级（80-100分）：可配置30-40%
+A级（70-79分）：可配置20-30%
+B级（60-69分）：可配置10-15%
+C级及以下：不建议参与
+```
+
+### 4. 止损纪律
+无论评分多高，都要设置止损：
+- 建议止损位：-5%至-8%
+- 跌破重要支撑位果断止损
+- 题材退潮及时离场
+
+### 5. 最佳操作时间
+- **分析时间**：交易日晚上18:00-21:00
+- **决策时间**：当晚复盘，制定次日计划
+- **操作时间**：次日开盘后5-15分钟观察再介入
+
+---
+
+## ⚠️ 风险提示
+
+1. **AI评分≠必涨承诺**
+   - 评分只是综合评估，不保证一定上涨
+   - 市场有不确定性，需独立判断
+
+2. **龙虎榜数据滞后**
+   - 龙虎榜为T日数据，次日才公布
+   - 隔日跟随存在时间差
+
+3. **游资操作灵活**
+   - 游资可能"一日游"后快速撤离
+   - 高分股票也可能次日分歧
+
+4. **市场环境影响**
+   - 大盘暴跌时，再高分也难涨
+   - 题材退潮时，及时止损
+
+5. **严格风险控制**
+   - 务必设置止损位
+   - 不要满仓单只股票
+   - 理性投资，控制情绪
+
+---
+
+## 📚 案例分析
+
+### 案例1：S级高分股票（90分）
+
+**股票特征**：
+- 买入资金含金量：28分（3个顶级游资）
+- 净买入额：24分（净流入1.5亿）
+- 卖出压力：20分（几乎无卖出）
+- 机构共振：15分（机构+游资）
+- 加分项：3分（AI概念+主力集中）
+
+**次日表现**：高开3%，盘中最高涨8%
+
+**启示**：高分股票确定性强，可积极参与
+
+---
+
+### 案例2：C级低分股票（55分）
+
+**股票特征**：
+- 买入资金含金量：12分（普通游资）
+- 净买入额：15分（净流入3000万）
+- 卖出压力：8分（卖出压力大）
+- 机构共振：10分（仅游资）
+- 加分项：10分（热门概念多）
+
+**次日表现**：低开-2%，全天震荡走弱
+
+**启示**：卖出压力大的股票，即使有热点也要谨慎
+
+---
+
+## 🎓 总结
+
+智瞰龙虎的AI智能评分系统，通过5个维度、100分制，全面量化评估龙虎榜股票的投资价值。
+
+✅ **优点**：
+- 客观量化，避免主观判断
+- 多维度评估，更加全面
+- 排名清晰，一目了然
+
+⚠️ **注意**：
+- 评分是辅助工具，不是投资建议
+- 需结合市场环境和技术面
+- 严格风险控制，理性投资
+
+**记住：市场有风险，投资需谨慎！** 🎯
+
diff --git a/智瞰龙虎功能说明.md b/智瞰龙虎功能说明.md
index c351b8f..d72d53c 100644
--- a/智瞰龙虎功能说明.md
+++ b/智瞰龙虎功能说明.md
@@ -47,25 +47,41 @@
 
 ## 📊 主要功能
 
-### 1. 龙虎榜综合分析
+### 1. AI智能评分排名 ⭐ 核心功能
+- **多维度评分**: 对所有上榜股票进行100分制综合评分
+- **五大评分维度**:
+  - 买入资金含金量 (0-30分)：顶级游资加分多
+  - 净买入额评分 (0-25分)：真金白银越多分数越高
+  - 卖出压力评分 (0-20分)：压力越小分数越高
+  - 机构共振评分 (0-15分)：机构+游资共振最高分
+  - 其他加分项 (0-10分)：买卖比例、主力集中度、热门概念等
+- **排名展示**: TOP10排名，🥇🥈🥉奖牌标识
+- **可视化图表**: 
+  - 综合评分柱状图
+  - 五维雷达图（第一名）
+  - 进度条显示各维度得分
+- **完整数据**: 显示所有上榜股票的评分排名
+
+### 2. 龙虎榜综合分析
 - **指定日期分析**: 分析特定日期的龙虎榜数据
 - **最近N天分析**: 分析最近几天的数据（1-10天）
 - **AI多维度分析**: 5位分析师从不同角度深度分析
 - **推荐股票清单**: 自动筛选次日大概率上涨的股票
 
-### 2. 数据可视化
+### 3. 数据可视化
+- **AI评分排名图表**: 综合评分柱状图、五维雷达图
 - **资金净流入图表**: TOP20股票资金流向
 - **热门概念分布**: 概念出现频次统计
 - **活跃游资排名**: 游资净流入排行
 - **详细数据表格**: 完整的龙虎榜数据展示
 
-### 3. 历史记录管理
+### 4. 历史记录管理
 - **自动存储**: 所有龙虎榜数据自动保存到数据库
 - **历史报告**: 查看历史分析报告
 - **数据统计**: 统计总记录数、股票数、游资数
 - **趋势分析**: 分析历史活跃游资和热门股票
 
-### 4. PDF报告生成
+### 5. PDF报告生成
 - **专业报告**: 生成完整的PDF分析报告
 - **包含内容**:
   - 数据概况统计
@@ -100,6 +116,10 @@ streamlit run app.py
   6. 保存分析报告
 
 ### 5. 查看结果
+- **🏆 AI评分排名**: 查看智能评分排名和图表（首选）
+  - TOP10综合评分排名表
+  - 评分柱状图和雷达图
+  - 完整排名列表
 - **🎯 推荐股票**: 查看AI筛选的潜力股
 - **🤖 AI分析师报告**: 查看5位分析师的详细分析
 - **📊 数据详情**: 查看龙虎榜原始数据