SOLO 挑战赛参赛作品
2026Q1 A股深度分析报告生成实践
标签： More than Coding
工具： SOLO AI Agent + pandas + akshare + matplotlib + docx-js
一、摘要
用 SOLO AI Agent 从零开始，基于用户上传的2026年一季报Excel数据，通过4轮迭代交互，生成了一份覆盖全部A股5,503家公司（含31个申万一级行业完整分析）、重点聚焦AI核心赛道808只个股的深度分析报告。报告采用中位数指标排除极端值干扰，包含16种可视化图表（柱状图、饼图、雷达图、气泡图、热力图、鱼骨图、环形图、散点图等），涵盖行业逻辑分析、前景展望和全个股数据对比。整个过程无需编写任何代码，完全通过自然语言对话完成。
二、背景
我是一名金融行业从业者，日常需要定期撰写A股市场分析报告。传统流程是：手动从Wind/东方财富导出数据 → 用Excel整理 → 用Python生成图表 → 手动撰写分析文字 → 排版Word文档，整个流程通常需要2-3天。
本次挑战的目标是：验证 SOLO AI Agent 能否在大幅缩短时间的同时，生成质量更高、数据更全面、图表更丰富的专业分析报告。
传统流程 vs SOLO 流程对比
| 对比维度 | 传统流程 | SOLO流程 |
|---|---|---|
| 耗时 | 2-3天 | 约2小时 |
| 个股覆盖 | 手动挑选50-100只 | 全部808只AI核心个股（分层筛选） |
| 图表数量 | 5-8张 | 16种类型 |
| 行业分析深度 | 依赖个人经验 | Web搜索+数据驱动 |
| 代码编写 | 需要Python/VBA | 零代码 |
三、实践过程
整个工作流程分为6个步骤，通过4轮自然语言对话迭代完成。
3.1 工作流程总览
SOLO自动完成了从数据读取、分析、可视化到报告生成的全流程。每个步骤之间通过自然语言对话进行迭代优化。
3.2 使用的技术栈
SOLO AI Agent作为核心调度器，自动调用pandas进行数据处理、akshare获取实时行情、matplotlib生成图表、docx-js生成Word文档，同时通过WebSearch获取行业趋势数据。
3.3 Step 1：数据读取与分析
用户上传了一份包含2026年一季报全部A股数据的Excel文件。SOLO自动识别数据结构，读取5个Sheet的数据。
数据包含5个Sheet：
- Sheet 1: 全部A股概览（31个申万一级行业）
- Sheet 2: AI板块深度分析（17个申万二级行业）
- Sheet 3: 半导体板块分析（7个子行业 + TOP30个股）
- Sheet 4: AI龙头个股（90只TOP榜单个股）
- Sheet 5: 申万二级行业排名（130个二级行业）
数据规模： 5,503家A股公司 | 808只AI核心赛道个股 | 14个细分行业 | 8个财务维度
3.4 Step 2：行业逻辑与前景研究
SOLO通过WebSearch搜索了半导体、光通信、PCB、消费电子等行业的最新趋势数据。
搜索结果为报告提供了：光模块市场规模预测（LightCounting数据）、AI手机渗透率、折叠屏出货量预测、半导体国产化率等行业关键数据。
3.5 Step 3：数据可视化（16种图表）
SOLO使用matplotlib生成了16种可视化图表：
包括：
- 柱状图×3（行业增长率、板块对比、TOP15企业）
- 饼图×2（营收分布、板块占比）
- 雷达图（多维能力对比）
- 气泡图（营收vs增速vs公司数）
- 热力图（盈利能力矩阵）
- 鱼骨图（AI产业链）
- 堆叠柱状图（营收规模分布）
- 环形图（净利润分布）
- 散点图（营收vs ROE）
- 双向柱状图（营收vs净利润排名）
3.6 Step 4：全个股数据获取
原始Excel仅包含约98只TOP榜单个股，用户要求展示全部个股数据。SOLO自动调用akshare API获取了全部5,681只A股的一季报数据，对14个申万二级行业进行分层筛选：
- 硬件类行业（半导体/消费电子/光学光电子/计算机设备/元件/电子化学品/其他电子）全量保留592只
- 软件/服务/传媒类行业用AI关键词筛选保留216只
最终筛选出808只AI核心赛道个股。
每只个股包含8个维度的数据：证券代码、名称、营收、净利润、营收增长率、净利润增长率、EPS、ROE。
3.7 Step 5：报告生成
SOLO使用docx-js生成专业Word文档，包含封面、目录、6大章节、16张图表、14个细分赛道的全部个股对比表。
3.8 关键Prompt与迭代过程
整个工作通过4轮对话迭代完成，每轮对话都在上一版基础上深化：
迭代1（初始分析）：
根据这个数据全面分析全部A股在2026年一季度的情况，重点关注AI相关板块情况。
→ 生成初版报告，包含市场概览、行业分析、AI板块分析、龙头个股分析。
迭代2（深化分析）：
再做深入分析，每一部分要增加行业逻辑和行业前景的展望分析。细分赛道的分析也可以再多加一点补充。
→ 补充行业逻辑分析、前景展望、细分赛道从4个增至7个。
迭代3（个股对比）：
对应板块需要列式AI相关所有个股的数据分析和对比。
→ 通过akshare获取全部808只AI核心个股数据，按14个细分赛道生成完整个股对比表。
迭代4（图表丰富）：
增加图表展示，比如折线图、柱状图、饼图、鱼骨图、雷达图等等。
→ 生成16种可视化图表，嵌入报告并补充解读文字。
3.9 踩过的坑
数据清洗陷阱： akshare返回的财务数据单位不统一，营收和净利润需要统一转换为亿元。
字体渲染问题： docx-js对中文引号支持不佳，必须使用JavaScript转义字符而非XML实体。
报告体量控制： 808只个股的表格数据量巨大，需合理控制字体大小和页面布局。
行业筛选逻辑： 最初按申万一级行业全量拉取（1,120只），发现包含大量非AI相关公司（如出版、电视广播）。后改为分层筛选：硬件行业全量保留+软件服务传媒关键词筛选，最终808只更精准。
四、成果展示
4.1 最终产出
一份完整的Word分析报告（.docx格式），共包含：
| 项目 | 详情 |
|---|---|
| 报告格式 | Word (.docx)，专业排版，含页眉页脚 |
| 个股覆盖 | 808只AI核心赛道个股（硬件行业全量592只+软件服务传媒关键词筛选216只） |
| 细分赛道 | 14个申万二级行业，每个赛道独立分析+全个股对比表 |
| 可视化图表 | 16种类型：柱状图、饼图、雷达图、气泡图、热力图、鱼骨图、环形图、散点图等 |
| 分析维度 | 行业逻辑、前景展望、业绩对比、盈利能力、个股排名 |
| 数据来源 | 用户上传Excel + akshare实时API + WebSearch行业数据 |
| 迭代轮次 | 4轮自然语言对话迭代 |
4.2 报告核心发现
- 2026Q1 A股"AI独秀"： AI核心赛道（808家公司）平均营收增速22.4%，远超全市场中位数增速5.3%。
- 半导体是核心赛道： 173家公司营收增速50.1%，净利润增速106.9%，年涨幅38.4%。
- 硬件强、软件弱： 半导体/元件/电子化学品业绩兑现确定性最高，软件开发/IT服务大面积亏损。
- 光通信黄金时代： 1.6T光模块放量，中际旭创营收+192%，净利润+262%。
- AI芯片双雄崛起： 寒武纪营收+160%扭亏为盈，海光信息营收+68%国产替代加速。
4.3 部分图表展示
鱼骨图：AI产业链业绩驱动因素
雷达图：AI细分板块综合能力对比
热力图：AI板块盈利能力矩阵
五、效果与总结
5.1 提效效果
传统流程需要2-3天完成的分析报告，使用SOLO后约2小时即可完成，提效约10-15倍。
| 工作环节 | 传统耗时 | SOLO耗时 |
|---|---|---|
| 数据整理 | 2-3小时 | 5分钟（自动读取） |
| 行业研究 | 4-6小时 | 10分钟（Web搜索） |
| 图表制作 | 3-4小时 | 15分钟（16种图表） |
| 报告撰写 | 6-8小时 | 30分钟（自动生成） |
| 个股数据整理 | 4-6小时 | 20分钟（akshare API） |
| 合计 | 19-27小时 | 约80分钟 |
5.2 SOLO 在流程中的核心价值
智能任务拆解： SOLO自动将"分析A股"这个模糊需求拆解为数据读取→行业分析→个股对比→可视化→报告生成的完整流程。
多工具协同： 自动调用pandas、akshare、matplotlib、docx-js等多个工具，无需用户手动切换。
迭代优化： 通过自然语言对话，用户可以逐步深化需求，SOLO自动在上一版基础上增量更新。
数据驱动分析： 自动从Web获取最新行业数据，使分析结论有据可依。
零代码门槛： 整个流程无需编写任何代码，完全通过自然语言对话完成。
5.3 可复用的方法论
本实践验证了一套可复用的AI辅助分析报告生成方法论：
- 第一步： 上传原始数据（Excel/CSV），让AI自动理解数据结构。
- 第二步： 提出初始分析需求，生成基础版报告。
- 第三步： 通过迭代对话逐步深化（增加逻辑分析、增加个股覆盖、增加图表）。
- 第四步： 让AI自动获取外部数据补充（Web搜索、API调用）。
- 第五步： 生成最终版专业报告，包含图表、表格、分析文字。
这套方法论不仅适用于A股分析，也可推广到任何数据驱动的分析报告场景（行业研究、竞品分析、市场调研等）。
—— 感谢阅读 ——