为什么这很重要
数据层正是 Driven 的回答区别于通用模型记忆的关键。数字是从这些数据源拉取的,而非凭记忆得出。你随时可以让 Agent 引用它所使用的来源,并标注任何无法获取的内容。行情数据
- 实时报价
- 历史价格数据
- 技术指标
- 成交量与流动性数据
基本面数据
- 财务报表(利润表、资产负债表、现金流量表)
- 历史财务数据
- 财报与分红日历
- 关键比率与指标
公告与披露
- SEC 和交易所文件
- 公司披露与公告
持股与持仓动向
- 机构持仓及变动
- 内部人交易
- ETF 和基金数据及流向
A 股特有数据
Driven 覆盖了一些通用工具通常会遗漏的 A 股数据类别: 资金流向- 机构与散户资金流
- 龙虎榜
- 大宗交易
- 融资融券
- 股东户数
- 股本结构
- 机构持仓及变动
- 高管持股变动
- 概念联动
- 主营点评
- 股权质押
- 估值带
- 历史财报
- 同行对比
新闻与市场情报
- 市场新闻
- 来自雪球和 X / Twitter 的社区与情绪数据(X 内容由运行 xAI 官方 X 搜索的 Grok 提供)
数据源如何被使用
当一个 Skill 运行时,它知道该从哪个数据源拉取哪个字段、如何跨数据源交叉核对,以及如何处理缺失数据。让数据层可靠的,是这种编排能力,而非端点数量本身。相关概念参见 数据与覆盖。相关内容
- 数据与覆盖 — 概念与最佳实践
- 支持的市场 — 覆盖边界
- Smart Money — 基于持仓与流向数据构建的 Skill