Stock Prediction

Stock Prediction 技能

自动化股票预测工作流，处理从图片提取股票代码到执行预测并返回结果的完整流程。

触发条件

当同时满足以下条件时触发：

用户发送了1张或多张包含股票代码的图片 用户消息中包含关键词："预测"、"未来x天"、"采样次数" 执行流程 Step 1: 预处理与即时反馈

日期计算：

获取当前系统日期（Today） 解析"未来 N 天"：开始时间 = Today + 1天，格式固定为 YYYY-MM-DD 解析"采样次数"：提取数字

即时回复用户：

收到{图片数量}张图片，预测开始时间：{开始时间}，采样次数：{采样次数}。

数据持久化：

目录：C:\Users\Administrator\桌面\kronos\predict\{MMDD}\（以当前月日命名文件夹） 文件名：{HHmmss}.txt（以当前时分秒命名） 内容：识别图片中所有股票代码，每行一个 Step 2: 服务健康检查 (Self-Healing)

调用接口：获取 http://localhost:8000/健康

逻辑分支：

若返回 状态: 健康y → 执行 Step 3 若连接失败或状态异常： 打开终端，切换至 C:\Users\Administrator\桌面\kronos\kronos-AI\backend 执行：conda activate my_project_env && python .\mAIn.py 等待 10 秒后重新检查 /健康，直到正常 Step 3: 模型版本校验与切换

检查当前模型： 查看 Step 2 返回的 模型.模型 是否为 kronos-base

切换逻辑： 若当前模型不是 kronos-base，调用：

curl -X 'POST' 'http://localhost:8000/模型/switch' \ -H 'Content-Type: 应用/json' \ -d '{"模型_name": "kronos-base"}'

确认返回 成功: true

Step 4: 执行预测脚本

环境准备： 切换至目录 C:\Users\Administrator\桌面\kronos\kronos-AI

指令发送：

conda activate my_project_env && python .\batch_predict.py --启动_date {开始时间} --samples {采样次数}

{开始时间} 和 {采样次数} 使用 Step 1 中解析的变量

Step 5: 结果回传

定位结果文件：

路径：Step 1 的同级目录 文件名：结果_{Step1生成的文件名}（例如 结果_143022.txt）

读取与回复：

确认文件内容不为空 将文件内的全部预测结果文本直接发送给用户 辅助脚本 scripts/健康_检查.py - 服务健康检查与自启动 scripts/模型_switch.py - 模型版本校验与切换 scripts/运行_prediction.py - 执行批量预测脚本 路径常量 WORK_DIR = "C:\\Users\\Administrator\\桌面\\kronos" BACKEND_DIR = f"{WORK_DIR}\\kronos-AI\\backend" PREDICT_DIR = f"{WORK_DIR}\\kronos-AI" 输出_BASE = f"{WORK_DIR}\\predict" 健康_URL = "http://localhost:8000/健康" SWITCH_URL = "http://localhost:8000/模型/switch" TAR获取_模型 = "kronos-base" CONDA_ENV = "my_project_env"