增加主力选股-批量分析功能

README.md

@@ -12,9 +12,31 @@
 <img width="1910" height="923" alt="image" src="https://github.com/user-attachments/assets/ff80584a-0599-4891-9b8d-47485fa3678a" />
 
 
-## ✨最新更新 - 持仓定时分析功能 ⭐️
+## ✨1021最新更新 - 主力选股批量分析功能 ⭐️
 
-### 📊 持仓定时分析系统全新上线
+### 💰 主力选股 - TOP股票批量分析
+在主力选股的候选股票列表中，对主力资金净流入TOP股票提供一键批量深度分析
+
+#### 核心亮点
+- **一键批量分析**：可选10/20/30/50只主力资金TOP股票进行深度AI分析
+- **双模式支持**：顺序分析（稳定）/ 并行分析（快速）
+- **实时进度追踪**：分析进度可视化显示，状态实时更新
+- **快捷加入监测**：分析完成后一键加入实时监测列表
+- **完整交易闭环**：主力资金筛选 → AI深度分析 → 实时监测 → 价格告警
+
+#### 使用场景
+- ✅ **主力资金跟踪**：批量分析主力重仓股，跟随聪明资金
+- ✅ **资金流向研究**：批量分析TOP50了解主力资金整体流向
+- ✅ **精选优质股票**：深度分析TOP10主力最青睐的股票
+
+#### 详细文档
+请查看 [`docs/主力选股批量分析功能说明.md`](docs/主力选股批量分析功能说明.md) 获取完整使用指南
+
+---
+
+## ✨1020持仓定时分析功能 ⭐️
+
+### 📊 持仓定时分析系统
 专为长期投资者和组合管理打造的智能持仓管理与自动化分析系统
 
 #### 核心功能
@@ -113,6 +135,38 @@ streamlit run app.py
 
 ---
 
+### 💰 主力选股 - TOP股票批量分析功能 ⭐️新增
+
+在主力选股的候选股票列表中，对主力资金净流入TOP股票提供一键批量深度分析
+
+#### 核心功能
+- **一键批量分析**：可选10只/20只/30只/50只主力资金TOP股票进行深度分析
+- **双模式支持**：顺序分析（稳定）/ 并行分析（快速）
+- **实时进度追踪**：分析进度可视化显示
+- **详细结果展示**：完整的AI分析报告和投资决策
+- **快捷加入监测**：分析完成后一键加入实时监测列表
+- **遵循统一规范**：使用统一的分析函数和字段名，确保结果一致性
+
+#### 使用流程
+```
+主力选股 → 候选股票列表（按主力资金排序）
+→ 选择分析数量(10/20/30/50) → 🚀 开始批量分析 
+→ 选择模式(顺序/并行) → 确认开始
+→ ⏳ 实时进度显示 → ✅ 分析完成
+→ 查看详细结果 → ➕ 加入监测
+```
+
+#### 使用场景
+- ✅ **主力资金跟踪**：主力选股筛选 → 批量深度分析 → 实时监测 → 价格告警
+- ✅ **资金流向研究**：批量分析TOP50了解主力资金整体流向
+- ✅ **精选优质股票**：深度分析TOP10主力最青睐的股票
+- ✅ **完整闭环**：从主力资金筛选到分析到监测的一站式解决方案
+
+#### 详细文档
+请查看 [`docs/主力选股批量分析功能说明.md`](docs/主力选股批量分析功能说明.md) 获取完整使用指南
+
+---
+
 ## ✨1019 更新说明
 
 ### 🎯 风险管理师功能增强 ⭐️
@@ -261,6 +315,7 @@ StockAPI龙虎榜接口（每日更新，免费1000次）
 - **智能选股**：基于主力资金流向，AI团队精选3-5只优质标的
 - **数据来源**：问财前100名主力资金净流入股票
 - **多维筛选**：市值范围、涨跌幅限制、财务指标
+- **批量分析**：对主力资金净流入TOP 10/20/30/50只股票进行深度AI分析 ⭐️新增
 
 #### 🔥 批量分析（1008新增）
 - **双模式**：顺序分析 / 多线程并行

docs/主力选股批量分析功能说明.md

@@ -0,0 +1,487 @@
+# 主力选股 - TOP股票批量分析功能
+
+## 📖 功能概述
+
+在主力选股的**候选股票列表**中，对主力资金净流入排名前N的股票提供**一键批量深度分析**功能，参照智瞰龙虎板块的批量分析方式。
+
+---
+
+## 🚀 快速开始
+
+### 1. 进入主力选股
+
+1. 启动应用：`streamlit run app.py`
+2. 点击侧边栏 **"🎯 主力选股"**
+3. 设置筛选参数，点击 **"🚀 开始主力选股"**
+4. 等待系统完成主力资金筛选和整体分析
+
+### 2. 查看候选股票列表
+
+- 系统显示 **"📋 候选股票列表（筛选后）"**
+- 列表按主力资金净流入从高到低排序
+- 展示股票代码、名称、行业、主力资金、涨跌幅等信息
+
+### 3. 一键批量分析
+
+1. 在候选列表下方找到 **"🚀 批量深度分析"** 功能区
+2. 选择分析数量：10只 / 20只 / 30只 / 50只（默认20只）
+3. 点击 **"🚀 开始批量分析"** 按钮
+4. 选择分析模式：
+   - **顺序分析（稳定）**：逐个分析，适合数量较少
+   - **并行分析（快速）**：多线程同时分析，适合数量较多
+5. 如选择并行分析，设置并行线程数（2-5个，默认3个）
+6. 点击 **"🚀 确认开始分析"**
+7. 等待进度完成（实时显示进度和状态）
+
+### 4. 查看分析结果
+
+- **统计信息**：总计、成功、失败、耗时
+- **成功列表**：每只股票的投资评级、信心度、进场区间、止盈止损
+- **详细报告**：点击展开查看完整AI分析报告
+- **快捷操作**：一键加入监测列表
+
+---
+
+## 🎯 使用场景
+
+### 场景1：主力资金跟踪
+
+```
+主力选股筛选 → 候选列表 → TOP20批量分析 → 选择买入标的
+```
+
+**流程**：
+1. 主力选股筛选出主力资金净流入前100名股票
+2. 批量分析前20只主力资金最多的股票
+3. 深度分析获取具体买卖点
+4. 加入监测，等待进场机会
+
+### 场景2：资金流向研究
+
+```
+主力选股 → 批量分析TOP50 → 对比分析 → 识别强势标的
+```
+
+**流程**：
+1. 筛选主力资金流入股票
+2. 批量分析前50只，全面了解资金流向
+3. 对比各股评级和信心度
+4. 精选2-3只最优标的重点关注
+
+### 场景3：精选优质股票
+
+```
+主力选股 → TOP10深度分析 → 投资组合构建
+```
+
+**流程**：
+1. 主力选股筛选候选
+2. 深度分析前10只主力最青睐的股票
+3. 根据评级和关键价位构建投资组合
+4. 分散投资，控制风险
+
+---
+
+## 💡 功能特性
+
+### 1. 智能筛选
+
+- ✅ 基于主力资金净流入自动排名
+- ✅ 支持选择分析前10/20/30/50只
+- ✅ 自动按主力资金降序排序
+
+### 2. 批量分析
+
+- ✅ 支持分析前10/20/30/50只股票
+- ✅ 顺序/并行两种模式
+- ✅ 实时进度显示
+- ✅ **遵循统一调用规范** ⭐️
+
+### 3. 统一结果
+
+- ✅ 使用 `app.analyze_single_stock_for_batch()` 统一函数
+- ✅ 统一字段名：`rating`, `confidence_level`, `entry_range`等
+- ✅ 统一展示格式：emoji、布局、信息
+- ✅ 与首页批量分析、龙虎榜批量分析保持一致
+
+### 4. 快捷操作
+
+- ✅ 一键加入监测列表
+- ✅ 自动解析进场区间和止盈止损
+- ✅ 直接开启实时监控
+
+---
+
+## 📊 分析维度
+
+### 主力选股筛选（初筛）
+
+| 维度 | 说明 |
+|------|------|
+| 主力资金净流入 | 问财数据，主力资金排名前100 |
+| 市值范围 | 默认50-5000亿，可调整 |
+| 涨跌幅控制 | 默认<30%，避免追高 |
+| 财务基本面 | 去除ST股票、数据不完整的股票 |
+
+### AI深度分析（精选）
+
+| 维度 | 分析师 | 内容 |
+|------|--------|------|
+| 技术面 | 技术分析师 | K线、指标、趋势 |
+| 基本面 | 基本面分析师 | 财务、估值、成长 |
+| 资金面 | 资金流向分析师 | 主力资金、北向资金 |
+| 风险面 | 风险管理师 | 风险提示、止损策略 |
+| 综合决策 | 团队讨论 | 投资评级、关键价位 |
+
+---
+
+## 🎯 推荐策略
+
+### 保守策略（TOP10）
+
+- **分析数量**：10只
+- **分析模式**：顺序分析
+- **选股原则**：只选主力资金最多的10只
+- **操作策略**：深度分析后选1-2只重点关注
+
+### 积极策略（TOP20）
+
+- **分析数量**：20只
+- **分析模式**：并行分析（3线程）
+- **选股原则**：主力资金前20只
+- **操作策略**：分散持仓，捕捉多个机会
+
+### 全面策略（TOP50）
+
+- **分析数量**：50只
+- **分析模式**：并行分析（5线程）
+- **选股原则**：全面了解主力资金流向
+- **操作策略**：对比分析，精选3-5只最优
+
+---
+
+## ⚙️ 技术实现
+
+### 遵循统一调用规范 ⭐️
+
+**严格遵循 `docs/UNIFIED_ANALYSIS_SPEC.md` 规范：**
+
+1. ✅ 调用统一函数：`app.analyze_single_stock_for_batch()`
+2. ✅ 使用统一字段：`rating`, `confidence_level`, `entry_range`, `take_profit`, `stop_loss`
+3. ✅ 统一解析逻辑：`split("-")`, `re.findall(r'\d+\.?\d*')`
+4. ✅ 统一展示格式：emoji标识、一致布局
+
+### 代码示例
+
+```python
+# 调用统一分析函数
+from app import analyze_single_stock_for_batch
+
+result = analyze_single_stock_for_batch(
+    symbol=code,
+    period="1y",
+    enabled_analysts_config={
+        'technical': True,
+        'fundamental': True,
+        'fund_flow': True,
+        'risk': True,
+        'sentiment': False,
+        'news': False
+    },
+    selected_model='deepseek-chat'
+)
+
+# 使用统一字段名
+final_decision = result["final_decision"]
+rating = final_decision.get("rating", "未知")
+confidence = final_decision.get("confidence_level", "N/A")
+entry_range = final_decision.get("entry_range", "N/A")
+```
+
+### 批量分析流程
+
+```
+用户点击"开始批量分析"
+    ↓
+提取TOP N股票代码（按主力资金降序）
+    ↓
+存储到session_state
+    ↓
+重新渲染页面
+    ↓
+检测到批量分析触发标志
+    ↓
+显示分析配置界面
+    ↓
+用户确认开始
+    ↓
+顺序/并行调用统一分析函数
+    ↓
+显示进度和结果
+    ↓
+保存结果到session_state
+    ↓
+展示分析详情
+```
+
+---
+
+## 💡 使用技巧
+
+### 1. 最佳分析时机
+
+- **盘后**：主力资金数据更新后
+- **早盘前**：开盘前复盘和选股
+
+### 2. 合理选择数量
+
+- **10只**：精选，深度研究
+- **20只**：平衡，适合大多数场景（推荐）
+- **50只**：全面，了解整体主力资金流向
+
+### 3. 结合主力选股信息
+
+分析时重点关注：
+- 主力资金净流入金额
+- 区间涨跌幅是否适中
+- 所属行业是否景气
+- 财务基本面是否健康
+
+### 4. 快速加入监测
+
+- 分析完成后直接点击"加入监测"
+- 自动设置进场区间和止盈止损
+- 实时监测价格变化
+- 及时把握买卖时机
+
+---
+
+## 📈 预期效果
+
+### 输入
+- 主力选股候选股票列表
+- 主力资金净流入排名TOP N
+
+### 输出
+- 每只股票的完整AI分析：
+  - 投资评级（买入/持有/卖出）
+  - 信心度评分（0-10分）
+  - 进场区间
+  - 止盈位
+  - 止损位
+  - 目标价
+  - 投资建议
+
+### 后续操作
+- 选择优质标的加入监测
+- 设置价格告警
+- 等待买卖信号
+- 严格执行止盈止损
+
+---
+
+## 🆚 功能对比
+
+| 功能 | 主力选股整体分析 | 批量深度分析 |
+|------|----------------|------------|
+| **目标** | 精选3-5只推荐 | 深度分析TOP N只 |
+| **分析方式** | 整体分析+资深研究员决策 | 逐个AI团队分析 |
+| **结果** | 推荐理由+投资建议 | 评级+关键价位 |
+| **关键价位** | 无 | 有（进场/止盈/止损） |
+| **适用** | 快速选股 | 详细决策依据 |
+
+**建议组合使用**：
+1. 主力选股整体分析快速获取推荐
+2. 批量深度分析TOP20详细评估
+3. 对比两种结果，精选最优标的
+4. 加入监测等待买点
+5. 严格执行交易纪律
+
+---
+
+## 🔧 常见问题
+
+### Q1: 批量分析需要多久？
+
+**A:** 取决于数量和模式：
+- 10只顺序：约10-15分钟
+- 20只并行(3线程)：约15-20分钟
+- 50只并行(5线程)：约25-35分钟
+
+### Q2: 分析多少只合适？
+
+**A:** 建议：
+- **新手**：分析10只，重点研究
+- **进阶**：分析20只，平衡效率和深度
+- **资深**：分析50只，全面了解主力资金流向
+
+### Q3: 批量分析后如何选股？
+
+**A:** 参考以下标准：
+1. 投资评级：优选"买入"或"强烈买入"
+2. 信心度：≥7分
+3. 主力资金：净流入金额大
+4. 涨跌幅：适中，避免追高
+5. 风险面：无重大风险提示
+
+### Q4: 分析失败怎么办？
+
+**A:** 可能原因和解决：
+- 股票代码错误：检查代码格式
+- 网络问题：重试或切换顺序模式
+- API限流：减少并发线程数
+- 数据缺失：该股可能暂停交易或数据不完整
+
+### Q5: 能否保存分析结果？
+
+**A:** 当前版本：
+- 结果保存在session_state（关闭页面会丢失）
+- 可点击"加入监测"保存关键参数
+- 建议截图或导出重要信息
+
+---
+
+## 🎊 更新内容
+
+### 新增功能
+- ✅ TOP股票一键批量分析
+- ✅ 可选分析数量（10/20/30/50只）
+- ✅ 顺序/并行分析模式
+- ✅ 实时进度显示
+- ✅ 详细结果展示
+- ✅ 一键加入监测
+
+### 技术亮点
+- ✅ **遵循统一调用规范**：调用 `app.analyze_single_stock_for_batch()`
+- ✅ **统一字段使用**：`rating`, `confidence_level`, `entry_range`等
+- ✅ **统一解析逻辑**：字符串数值提取标准化
+- ✅ **代码复用最大化**：无重复分析逻辑
+- ✅ **结果展示一致**：与首页批量分析、龙虎榜批量分析保持一致
+
+---
+
+## 📝 完整流程示例
+
+### 实战案例：主力资金跟踪选股
+
+#### Step 1: 主力选股筛选（获取候选）
+```
+主力选股 → 设置参数（最近3个月）
+→ 开始分析 → 获取主力资金前100名
+→ 系统筛选后剩余X只候选股票
+```
+
+#### Step 2: 查看候选列表
+```
+候选股票列表
+→ 按主力资金净流入降序排列
+→ 查看前20只的主力资金金额和涨跌幅
+```
+
+#### Step 3: 批量深度分析
+```
+选择分析数量：20只
+→ 点击"开始批量分析"
+→ 选择并行分析（3线程）
+→ 确认开始分析
+→ 等待15-20分钟完成
+```
+
+#### Step 4: 筛选优质标的
+```
+查看分析结果
+→ 筛选条件：
+  - 评级：买入/强烈买入
+  - 信心度：≥7分
+  - 主力资金：排名靠前
+  - 涨幅：<20%（避免追高）
+→ 精选3-5只重点关注
+```
+
+#### Step 5: 加入监测
+```
+对精选股票点击"➕ 加入监测"
+→ 自动设置进场区间、止盈止损
+→ 启动实时价格监控
+```
+
+#### Step 6: 执行交易
+```
+次日开盘
+→ 监测提醒进入进场区间
+→ 买入建仓
+→ 监测提醒到达止盈位
+→ 卖出止盈
+```
+
+---
+
+## 🎯 最佳实践
+
+### 1. 主力资金+AI双重验证
+
+- 不仅看主力资金排名，更要看AI深度分析
+- 主力资金大但AI评级"卖出"→ 谨慎
+- 主力资金中等但AI评级"买入"→ 关注
+
+### 2. 时间把握
+
+- **最佳分析时间**：盘后或早盘前
+- **最佳买入时间**：进入进场区间时
+- **最佳止盈时间**：触发止盈位立即卖出
+
+### 3. 风险控制
+
+- 严格遵守AI给出的止损位
+- 不因短期波动随意调整
+- 仓位控制：单只≤总资金20%
+- 主力资金股票有波动，轻仓操作
+
+### 4. 组合策略
+
+- 不要全仓单只股票
+- TOP10选2-3只重点
+- 分散行业，降低风险
+- 部分仓位留作机动
+
+---
+
+## ⚠️ 风险提示
+
+### 主力资金股票特点
+
+- 💰 **资金驱动**：主力资金是重要推动力
+- 📈 **波动性**：资金流入流出会导致价格波动
+- ⏱️ **时效性**：主力资金流向可能快速变化
+- 🎯 **题材性**：可能受市场热点影响
+
+### 注意事项
+
+1. **主力资金流入不代表一定上涨**
+2. **注意市场整体趋势和环境**
+3. **设置合理的止损位（建议5-10%）**
+4. **定期跟踪主力资金变化**
+5. **及时调整持仓和策略**
+
+---
+
+## 📚 相关文档
+
+- **统一规范**：`docs/UNIFIED_ANALYSIS_SPEC.md` - 分析调用规范
+- **主力选股**：`docs/主力选股使用指南.md` - 主力选股系统介绍
+- **龙虎榜批量**：`docs/LONGHUBANG_BATCH_ANALYSIS.md` - 龙虎榜批量分析
+- **监测功能**：首页实时监测文档
+
+---
+
+## 🎊 总结
+
+**主力选股批量分析功能**为您提供：
+
+✅ 主力资金筛选快速定位候选
+✅ 深度分析精准评估投资价值
+✅ 一键加入监测实时跟踪
+✅ 完整的主力资金跟踪解决方案
+
+**祝您抓住每一个主力资金驱动的投资机会！** 🎯📈
+

main_force_ui.py

@@ -13,6 +13,11 @@ import pandas as pd
 def display_main_force_selector():
     """显示主力选股界面"""
     
+    # 检查是否触发批量分析（不立即删除标志）
+    if st.session_state.get('main_force_batch_trigger'):
+        run_main_force_batch_analysis()
+        return
+    
     st.markdown("## 🎯 主力选股 - 智能筛选优质标的")
     st.markdown("---")
     
@@ -270,6 +275,50 @@ def display_analysis_results(result: dict, analyzer):
             file_name=f"main_force_stocks_{datetime.now().strftime('%Y%m%d')}.csv",
             mime="text/csv"
         )
+        
+        # 批量分析功能区
+        st.markdown("---")
+        
+        col_batch1, col_batch2, col_batch3 = st.columns([2, 1, 1])
+        with col_batch1:
+            st.markdown("#### 🚀 批量深度分析")
+            st.caption("对主力资金净流入TOP股票进行完整的AI团队分析，获取投资评级和关键价位")
+        
+        with col_batch2:
+            batch_count = st.selectbox(
+                "分析数量",
+                options=[10, 20, 30, 50],
+                index=1,  # 默认20只
+                help="选择分析主力资金净流入前N只股票"
+            )
+        
+        with col_batch3:
+            st.write("")  # 占位
+            if st.button("🚀 开始批量分析", type="primary", use_container_width=True):
+                # 准备数据：按主力资金净流入排序
+                df_sorted = analyzer.raw_stocks.copy()
+                
+                # 确保主力资金列是数值类型并排序
+                if main_fund_col:
+                    df_sorted[main_fund_col] = pd.to_numeric(df_sorted[main_fund_col], errors='coerce')
+                    df_sorted = df_sorted.sort_values(by=main_fund_col, ascending=False)
+                
+                # 提取股票代码并去掉市场后缀（.SH, .SZ等）
+                raw_codes = df_sorted.head(batch_count)['股票代码'].tolist()
+                stock_codes = []
+                for code in raw_codes:
+                    # 去掉后缀（如果有的话）
+                    if isinstance(code, str):
+                        # 去掉 .SH, .SZ, .BJ 等后缀
+                        clean_code = code.split('.')[0] if '.' in code else code
+                        stock_codes.append(clean_code)
+                    else:
+                        stock_codes.append(str(code))
+                
+                # 存储到session_state，触发批量分析
+                st.session_state.main_force_batch_codes = stock_codes
+                st.session_state.main_force_batch_trigger = True
+                st.rerun()
     
     # 显示PDF报告下载区域
     if analyzer and result:
@@ -417,3 +466,421 @@ def format_number(value, unit='', suffix=''):
     except (ValueError, TypeError):
         return str(value)
 
+
+def run_main_force_batch_analysis():
+    """执行主力选股TOP股票批量分析（遵循统一调用规范）"""
+    import time
+    import re
+    
+    st.markdown("## 🚀 主力选股TOP股票批量分析")
+    st.markdown("---")
+    
+    # 检查是否已有分析结果
+    if st.session_state.get('main_force_batch_results'):
+        display_main_force_batch_results(st.session_state.main_force_batch_results)
+        
+        # 返回按钮
+        col_back, col_clear = st.columns(2)
+        with col_back:
+            if st.button("🔙 返回主力选股", use_container_width=True):
+                # 清除所有批量分析相关状态
+                if 'main_force_batch_trigger' in st.session_state:
+                    del st.session_state.main_force_batch_trigger
+                if 'main_force_batch_codes' in st.session_state:
+                    del st.session_state.main_force_batch_codes
+                if 'main_force_batch_results' in st.session_state:
+                    del st.session_state.main_force_batch_results
+                st.rerun()
+        
+        with col_clear:
+            if st.button("🔄 重新分析", use_container_width=True):
+                # 清除结果，保留触发标志和代码
+                if 'main_force_batch_results' in st.session_state:
+                    del st.session_state.main_force_batch_results
+                st.rerun()
+        
+        return
+    
+    # 获取股票代码列表
+    stock_codes = st.session_state.get('main_force_batch_codes', [])
+    
+    if not stock_codes:
+        st.error("未找到股票代码列表")
+        # 清除触发标志
+        if 'main_force_batch_trigger' in st.session_state:
+            del st.session_state.main_force_batch_trigger
+        return
+    
+    st.info(f"即将分析 {len(stock_codes)} 只股票：{', '.join(stock_codes[:10])}{'...' if len(stock_codes) > 10 else ''}")
+    
+    # 返回按钮
+    if st.button("🔙 取消返回", type="secondary"):
+        # 清除所有批量分析相关状态
+        if 'main_force_batch_trigger' in st.session_state:
+            del st.session_state.main_force_batch_trigger
+        if 'main_force_batch_codes' in st.session_state:
+            del st.session_state.main_force_batch_codes
+        st.rerun()
+    
+    st.markdown("---")
+    
+    # 分析选项
+    col1, col2 = st.columns(2)
+    
+    with col1:
+        analysis_mode = st.selectbox(
+            "分析模式",
+            options=["sequential", "parallel"],
+            format_func=lambda x: "顺序分析（稳定）" if x == "sequential" else "并行分析（快速）",
+            help="顺序分析较慢但稳定，并行分析更快但消耗更多资源"
+        )
+    
+    with col2:
+        if analysis_mode == "parallel":
+            max_workers = st.number_input(
+                "并行线程数",
+                min_value=2,
+                max_value=5,
+                value=3,
+                help="同时分析的股票数量"
+            )
+        else:
+            max_workers = 1
+    
+    st.markdown("---")
+    
+    # 开始分析按钮
+    col_confirm, col_cancel = st.columns(2)
+    
+    start_analysis = False
+    with col_confirm:
+        if st.button("🚀 确认开始分析", type="primary", use_container_width=True):
+            start_analysis = True
+    
+    with col_cancel:
+        if st.button("❌ 取消", type="secondary", use_container_width=True):
+            # 清除所有批量分析相关状态
+            if 'main_force_batch_trigger' in st.session_state:
+                del st.session_state.main_force_batch_trigger
+            if 'main_force_batch_codes' in st.session_state:
+                del st.session_state.main_force_batch_codes
+            st.rerun()
+    
+    if start_analysis:
+        # 导入统一分析函数（遵循统一规范）
+        from app import analyze_single_stock_for_batch
+        import concurrent.futures
+        import time
+        
+        st.markdown("---")
+        st.info("⏳ 正在执行批量分析，请稍候...")
+        
+        # 显示即将分析的股票代码（调试用）
+        with st.expander("🔍 调试信息", expanded=True):
+            st.write(f"**股票代码数量**: {len(stock_codes)} 只")
+            st.write(f"**股票代码列表**: {stock_codes}")
+            st.write(f"**代码格式检查**: {'✅ 无后缀，格式正确' if all('.' not in str(c) for c in stock_codes) else '❌ 包含后缀，可能有问题'}")
+            st.write(f"**分析模式**: {analysis_mode}")
+            st.write(f"**线程数**: {max_workers if analysis_mode == 'parallel' else 1}")
+        
+        # 配置分析师参数
+        enabled_analysts_config = {
+            'technical': True,
+            'fundamental': True,
+            'fund_flow': True,
+            'risk': True,
+            'sentiment': False,  # 禁用以提升速度
+            'news': False  # 禁用以提升速度
+        }
+        selected_model = 'deepseek-chat'
+        period = '1y'
+        
+        # 创建进度显示
+        progress_bar = st.progress(0)
+        status_text = st.empty()
+        
+        # 存储结果
+        results = []
+        
+        # 记录开始时间
+        start_time = time.time()
+        
+        if analysis_mode == "sequential":
+            # 顺序分析
+            for i, code in enumerate(stock_codes):
+                status_text.text(f"正在分析 {code} ({i+1}/{len(stock_codes)})")
+                progress_bar.progress((i + 1) / len(stock_codes))
+                
+                try:
+                    # 调用统一分析函数
+                    result = analyze_single_stock_for_batch(
+                        symbol=code,
+                        period=period,
+                        enabled_analysts_config=enabled_analysts_config,
+                        selected_model=selected_model
+                    )
+                    
+                    results.append(result)
+                    
+                except Exception as e:
+                    results.append({
+                        "symbol": code,
+                        "success": False,
+                        "error": str(e)
+                    })
+        
+        else:
+            # 并行分析
+            status_text.text(f"并行分析 {len(stock_codes)} 只股票（{max_workers}线程）...")
+            
+            def analyze_one(code):
+                try:
+                    result = analyze_single_stock_for_batch(
+                        symbol=code,
+                        period=period,
+                        enabled_analysts_config=enabled_analysts_config,
+                        selected_model=selected_model
+                    )
+                    return result
+                except Exception as e:
+                    return {"symbol": code, "success": False, "error": str(e)}
+            
+            with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
+                futures = {executor.submit(analyze_one, code): code for code in stock_codes}
+                
+                completed = 0
+                for future in concurrent.futures.as_completed(futures):
+                    code = futures[future]  # 获取对应的股票代码
+                    completed += 1
+                    progress_bar.progress(completed / len(stock_codes))
+                    status_text.text(f"已完成 {completed}/{len(stock_codes)} ({code})")
+                    
+                    try:
+                        result = future.result()
+                        results.append(result)
+                    except Exception as e:
+                        results.append({"symbol": code, "success": False, "error": str(e)})
+        
+        # 清除进度
+        progress_bar.empty()
+        status_text.empty()
+        
+        # 计算统计
+        elapsed_time = time.time() - start_time
+        success_count = sum(1 for r in results if r.get("success", False))
+        failed_count = len(results) - success_count
+        
+        # 显示完成信息
+        if success_count > 0:
+            st.success(f"✅ 批量分析完成！成功 {success_count} 只，失败 {failed_count} 只，耗时 {elapsed_time/60:.1f} 分钟")
+        else:
+            st.error(f"❌ 批量分析完成，但所有 {failed_count} 只股票都分析失败！")
+            
+            # 显示失败原因（调试用）
+            with st.expander("❌ 查看失败原因", expanded=True):
+                for r in results:
+                    if not r.get("success", False):
+                        st.error(f"**{r.get('symbol', 'N/A')}**: {r.get('error', '未知错误')}")
+        
+        # 保存结果到session_state
+        st.session_state.main_force_batch_results = {
+            "results": results,
+            "total": len(results),
+            "success": success_count,
+            "failed": failed_count,
+            "elapsed_time": elapsed_time,
+            "analysis_mode": analysis_mode
+        }
+        
+        time.sleep(1)
+        
+        # 重新渲染以显示结果
+        st.rerun()
+
+
+def display_main_force_batch_results(batch_results):
+    """显示主力选股批量分析结果"""
+    import re
+    
+    results = batch_results['results']
+    total = batch_results['total']
+    success = batch_results['success']
+    failed = batch_results['failed']
+    elapsed_time = batch_results['elapsed_time']
+    
+    st.markdown("## 📊 批量分析结果")
+    st.markdown("---")
+    
+    # 统计信息
+    col1, col2, col3, col4 = st.columns(4)
+    
+    with col1:
+        st.metric("总计分析", f"{total} 只")
+    
+    with col2:
+        st.metric("成功分析", f"{success} 只", delta=f"{success/total*100:.1f}%")
+    
+    with col3:
+        st.metric("失败分析", f"{failed} 只")
+    
+    with col4:
+        st.metric("总耗时", f"{elapsed_time/60:.1f} 分钟")
+    
+    st.markdown("---")
+    
+    # 成功分析的股票
+    successful_results = [r for r in results if r['success']]
+    
+    if successful_results:
+        st.markdown(f"### ✅ 成功分析的股票 ({len(successful_results)}只)")
+        
+        # 创建DataFrame展示
+        display_data = []
+        for result in successful_results:
+            stock_info = result.get('stock_info', {})
+            final_decision = result.get('final_decision', {})
+            
+            # 提取评级emoji
+            rating = final_decision.get('rating', '未知')
+            rating_emoji = {
+                '强烈买入': '🔥',
+                '买入': '✅',
+                '持有': '⏸️',
+                '卖出': '⚠️',
+                '强烈卖出': '🚫'
+            }.get(rating, '❓')
+            
+            display_data.append({
+                '股票代码': stock_info.get('symbol', ''),
+                '股票名称': stock_info.get('name', ''),
+                '评级': f"{rating_emoji} {rating}",
+                '信心度': final_decision.get('confidence_level', 'N/A'),
+                '进场区间': final_decision.get('entry_range', 'N/A'),
+                '止盈位': final_decision.get('take_profit', 'N/A'),
+                '止损位': final_decision.get('stop_loss', 'N/A'),
+                '目标价': final_decision.get('target_price', 'N/A')
+            })
+        
+        df_display = pd.DataFrame(display_data)
+        st.dataframe(df_display, use_container_width=True, height=400)
+        
+        # 详细分析结果（可展开）
+        st.markdown("---")
+        st.markdown("### 📋 详细分析报告")
+        
+        for result in successful_results:
+            stock_info = result.get('stock_info', {})
+            final_decision = result.get('final_decision', {})
+            
+            symbol = stock_info.get('symbol', '')
+            name = stock_info.get('name', '')
+            rating = final_decision.get('rating', '未知')
+            rating_emoji = {
+                '强烈买入': '🔥',
+                '买入': '✅',
+                '持有': '⏸️',
+                '卖出': '⚠️',
+                '强烈卖出': '🚫'
+            }.get(rating, '❓')
+            
+            with st.expander(f"{rating_emoji} {symbol} - {name} | {rating}"):
+                # 关键信息
+                col1, col2, col3 = st.columns(3)
+                
+                with col1:
+                    st.metric("信心度", final_decision.get('confidence_level', 'N/A'))
+                
+                with col2:
+                    st.metric("进场区间", final_decision.get('entry_range', 'N/A'))
+                
+                with col3:
+                    st.metric("目标价", final_decision.get('target_price', 'N/A'))
+                
+                # 止盈止损
+                col1, col2 = st.columns(2)
+                
+                with col1:
+                    st.metric("止盈位", final_decision.get('take_profit', 'N/A'))
+                
+                with col2:
+                    st.metric("止损位", final_decision.get('stop_loss', 'N/A'))
+                
+                # 投资建议
+                st.markdown("#### 💡 投资建议")
+                advice = final_decision.get('advice', '暂无建议')
+                st.info(advice)
+                
+                # 加入监测按钮
+                if st.button(f"➕ 加入监测列表", key=f"monitor_{symbol}"):
+                    # 解析进场区间
+                    entry_range = final_decision.get('entry_range', '')
+                    entry_min, entry_max = None, None
+                    if entry_range and isinstance(entry_range, str) and "-" in entry_range:
+                        try:
+                            parts = entry_range.split("-")
+                            entry_min = float(parts[0].strip())
+                            entry_max = float(parts[1].strip())
+                        except:
+                            pass
+                    
+                    # 解析止盈止损
+                    take_profit_str = final_decision.get('take_profit', '')
+                    take_profit = None
+                    if take_profit_str:
+                        try:
+                            numbers = re.findall(r'\d+\.?\d*', str(take_profit_str))
+                            if numbers:
+                                take_profit = float(numbers[0])
+                        except:
+                            pass
+                    
+                    stop_loss_str = final_decision.get('stop_loss', '')
+                    stop_loss = None
+                    if stop_loss_str:
+                        try:
+                            numbers = re.findall(r'\d+\.?\d*', str(stop_loss_str))
+                            if numbers:
+                                stop_loss = float(numbers[0])
+                        except:
+                            pass
+                    
+                    # 调用监测管理器添加
+                    from monitor_db import monitor_db
+                    
+                    try:
+                        # 准备进场区间数据
+                        entry_range_dict = {}
+                        if entry_min and entry_max:
+                            entry_range_dict = {"min": entry_min, "max": entry_max}
+                        
+                        # 添加到监测列表
+                        monitor_db.add_monitored_stock(
+                            symbol=symbol,
+                            name=name,
+                            rating=rating,
+                            entry_range=entry_range_dict if entry_range_dict else None,
+                            take_profit=take_profit,
+                            stop_loss=stop_loss,
+                            notes=f"主力选股批量分析 | {rating}"
+                        )
+                        st.success(f"✅ {symbol} - {name} 已加入监测列表")
+                    except Exception as e:
+                        st.error(f"❌ 添加失败: {str(e)}")
+    
+    # 失败的股票
+    failed_results = [r for r in results if not r['success']]
+    
+    if failed_results:
+        st.markdown("---")
+        st.markdown(f"### ❌ 分析失败的股票 ({len(failed_results)}只)")
+        
+        failed_data = []
+        for result in failed_results:
+            failed_data.append({
+                '股票代码': result.get('symbol', ''),
+                '失败原因': result.get('error', '未知错误')
+            })
+        
+        df_failed = pd.DataFrame(failed_data)
+        st.dataframe(df_failed, use_container_width=True)
+

修复说明-智策定时分析通知重复.md

@@ -1,302 +0,0 @@
-# 智策定时分析通知重复问题 - 修复说明
-
-## 📋 问题描述
-
-**症状**：智策定时分析完成后
-- ✉️ 邮箱收到 **3 封相同邮件**
-- 📱 钉钉收到 **2 次相同通知**
-- 所有通知内容完全一样，同时收到
-
-**定时设置**：
-- 定时时间: 08:15
-- 任务状态: 运行中
-- 上次运行: 2025-10-21 08:21:55
-
-## 🔍 根本原因分析
-
-### 原因1：schedule库任务重复添加 ⭐ 主要原因
-**问题**：`schedule.clear('sector_strategy')` 在某些情况下无法正确清除所有旧任务，导致任务累积。
-
-**证据**：
-- 3封邮件表示 `_send_analysis_notification()` 被调用了3次
-- 说明同一时刻有3个定时任务被触发
-
-### 原因2：持仓定时分析的干扰
-**问题**：`portfolio_scheduler.py` 中使用 `schedule.clear()` 会清除**所有**定时任务，包括智策的！
-
-**代码位置**：
-- `portfolio_scheduler.py` 第540行：`schedule.clear()`
-- `portfolio_scheduler.py` 第492行：`schedule.clear()`
-- `portfolio_scheduler.py` 第573行：`schedule.clear()`
-
-### 原因3：缺少并发保护
-**问题**：如果分析还没完成，定时器再次触发，会导致多个分析任务并发执行。
-
-## ✅ 修复方案
-
-### 修复1：智策调度器改进（sector_strategy_scheduler.py）
-
-#### 1.1 添加并发保护锁
-```python
-def __init__(self):
-    # ...
-    self._analysis_lock = threading.Lock()  # 防止并发执行
-```
-
-#### 1.2 安全的任务执行包装
-```python
-def _run_analysis_safe(self):
-    """运行智策分析（带锁保护，防止并发执行）"""
-    if not self._analysis_lock.acquire(blocking=False):
-        print("[智策定时] ⚠️ 上一次分析还未完成，跳过本次执行")
-        return
-    
-    try:
-        self._run_analysis()
-    finally:
-        self._analysis_lock.release()
-```
-
-#### 1.3 改进任务清除逻辑
-**修复前**：
-```python
-schedule.clear('sector_strategy')  # 可能无法正确清除
-```
-
-**修复后**：
-```python
-# 手动遍历并清除所有带sector_strategy标签的任务
-jobs_to_remove = [job for job in schedule.jobs if 'sector_strategy' in job.tags]
-for job in jobs_to_remove:
-    schedule.cancel_job(job)
-print(f"[智策定时] 清除了 {len(jobs_to_remove)} 个旧任务")
-```
-
-#### 1.4 添加通知去重机制 ⭐ 核心防护
-```python
-def _send_analysis_notification(self, result):
-    # 去重检查：如果5分钟内已发送过通知，则跳过
-    current_time = datetime.now()
-    if self.last_notification_time:
-        time_diff = (current_time - self.last_notification_time).total_seconds()
-        if time_diff < 300:  # 5分钟 = 300秒
-            print(f"[智策定时] ⚠️ 距离上次通知仅{time_diff:.0f}秒，跳过重复发送")
-            return
-    
-    # ... 发送通知 ...
-    
-    # 更新最后通知时间
-    if sent_count > 0:
-        self.last_notification_time = current_time
-        print(f"[智策定时] 📝 已记录通知时间: {current_time.strftime('%H:%M:%S')}")
-```
-
-### 修复2：持仓调度器改进（portfolio_scheduler.py）
-
-#### 2.1 使用标签化任务管理
-**修复前**：
-```python
-schedule.clear()  # 危险！会清除所有任务
-```
-
-**修复后**：
-```python
-# 只清除持仓定时分析的任务，不影响智策和监测
-jobs_to_remove = [job for job in schedule.jobs if 'portfolio_analysis' in job.tags]
-for job in jobs_to_remove:
-    schedule.cancel_job(job)
-```
-
-#### 2.2 添加任务标签
-```python
-for time_str in self.schedule_times:
-    job = schedule.every().day.at(time_str).do(self._scheduled_job)
-    job.tag('portfolio_analysis')  # 打标签，方便管理
-```
-
-## 📊 修复效果
-
-### 修复前
-```
-08:15:00 → 触发任务1 → 发送邮件 ✉️
-08:15:00 → 触发任务2 → 发送邮件 ✉️  (重复！)
-08:15:00 → 触发任务3 → 发送邮件 ✉️  (重复！)
-```
-**结果**：收到3封邮件
-
-### 修复后
-```
-08:15:00 → 触发任务1 → 获取锁 → 发送邮件 ✉️
-08:15:00 → 触发任务2 → 无法获取锁 → 跳过
-08:15:00 → 触发任务3 → 无法获取锁 → 跳过
-```
-**结果**：只收到1封邮件
-
-### 多层防护机制
-1. **任务去重**：改进的清除逻辑防止任务累积
-2. **并发锁**：防止多个任务同时执行
-3. **时间去重**：5分钟内重复通知直接跳过
-4. **模块隔离**：各模块任务独立管理，互不影响
-
-## 🧪 测试方法
-
-### 测试1：验证任务唯一性
-```python
-# 在智策定时分析UI中
-1. 启动定时任务
-2. 运行以下代码检查任务数量：
-import schedule
-sector_jobs = [job for job in schedule.jobs if 'sector_strategy' in job.tags]
-print(f"智策任务数量: {len(sector_jobs)}")  # 应该只有1个
-```
-
-### 测试2：验证去重机制
-```python
-# 手动触发两次分析
-1. 点击"立即运行"
-2. 等待1分钟
-3. 再次点击"立即运行"
-# 第二次应该显示"距离上次通知仅XX秒，跳过重复发送"
-```
-
-### 测试3：验证模块隔离
-```python
-# 同时运行智策和持仓定时分析
-1. 启动智策定时任务
-2. 启动持仓定时任务
-3. 检查两个任务是否都正常运行
-```
-
-### 测试4：验证实际效果（最重要）
-```python
-# 等待下一次定时触发（明天08:15）
-1. 确认只收到1封邮件
-2. 确认只收到1次钉钉通知
-3. 查看日志输出，确认只有1次发送记录
-```
-
-## 📝 日志输出示例
-
-### 正常情况（修复后）
-```
-[智策定时] 开始定时分析 - 2025-10-22 08:15:00
-[智策定时] [1/3] 获取市场数据...
-[智策定时] ✓ 数据获取成功
-[智策定时] [2/3] AI智能体分析中...
-[智策定时] ✓ 分析完成
-[智策定时] [3/3] 发送邮件通知...
-[智策定时] [Webhook] 准备发送...
-[智策定时] ✓ Webhook发送成功
-[智策定时] [邮件] 准备发送...
-[智策定时] ✓ 邮件发送成功
-[智策定时] 📝 已记录通知时间: 08:15:23
-[智策定时] ✓ 定时分析完成！
-```
-
-### 重复触发时（修复后）
-```
-[智策定时] ⚠️ 上一次分析还未完成，跳过本次执行
-```
-
-### 5分钟内重复通知时（修复后）
-```
-[智策定时] ⚠️ 距离上次通知仅123秒，跳过重复发送
-```
-
-## 🔧 如何使用修复后的版本
-
-### 步骤1：重启系统
-```bash
-# 停止当前运行的streamlit
-Ctrl+C
-
-# 重新启动
-python run.py
-# 或
-streamlit run app.py
-```
-
-### 步骤2：重新配置定时任务
-1. 进入"智策板块分析"页面
-2. 找到"定时分析"标签页
-3. 点击"停止"（如果正在运行）
-4. 重新设置定时时间为 08:15
-5. 点击"启动"
-
-### 步骤3：验证状态
-查看页面显示：
-```
-✅ 定时任务运行中
-⏰ 定时时间: 08:15
-📅 下次运行: 2025-10-22 08:15:00
-```
-
-### 步骤4：等待下次执行
-明天08:15自动执行后，检查：
-- ✅ 邮箱只收到1封邮件
-- ✅ 钉钉只收到1次通知
-- ✅ UI显示正常的执行时间
-
-## 🛡️ 预防措施
-
-### 1. 避免重复启动
-- 在启动新任务前，先检查是否已有任务在运行
-- 如果要修改时间，先"停止"再重新"启动"
-
-### 2. 避免频繁手动触发
-- "立即运行"功能会立即执行分析并发送通知
-- 避免在5分钟内多次点击
-
-### 3. 查看日志
-运行时在控制台查看日志输出，确认：
-- 任务数量是否正确
-- 是否有重复执行的警告
-- 通知发送次数是否正确
-
-## 📚 技术要点
-
-### 任务标签体系
-- `sector_strategy` - 智策定时分析
-- `portfolio_analysis` - 持仓定时分析  
-- `monitor` - 实时监测定时功能
-
-### 锁机制
-使用 `threading.Lock()` 的非阻塞获取：
-- `acquire(blocking=False)` - 如果锁已被占用，立即返回False
-- 保证同一时刻只有一个分析任务在执行
-
-### 时间去重
-- 记录 `last_notification_time`
-- 每次发送前检查时间差
-- 5分钟（300秒）内的重复请求直接跳过
-
-## ✅ 修复清单
-
-- [x] 智策调度器添加并发保护锁
-- [x] 智策调度器添加通知去重机制（5分钟）
-- [x] 智策调度器改进任务清除逻辑
-- [x] 持仓调度器使用标签化任务管理
-- [x] 持仓调度器避免清除其他模块任务
-- [x] 添加详细日志输出
-- [x] 创建测试方案
-- [x] 编写修复说明文档
-
-## 🎯 预期效果
-
-修复后，智策定时分析应该：
-1. ✅ 每次只发送 **1封** 邮件
-2. ✅ 每次只发送 **1次** 钉钉通知
-3. ✅ 不会受到持仓定时分析的影响
-4. ✅ 即使误操作多次启动，也有去重保护
-5. ✅ 日志清晰，便于排查问题
-
----
-
-**修复日期**：2025-10-21  
-**修复版本**：v1.1.0  
-**修复文件**：
-- `sector_strategy_scheduler.py` ✅
-- `portfolio_scheduler.py` ✅
-
-**下次执行验证**：2025-10-22 08:15:00
-