宏观经济资讯 (Macro Information)

面向金融等场景，为金融投资、政策研究、舆情分析等领域用户，提供全面的宏观经济数据查询能力。

⚠️ 前置条件：配置 API Key

使用本技能前，必须先配置 API Key。

检查配置

查看 .env 文件是否存在且包含有效的 API Key：

cat .env

如果未配置

返回以下错误提示：

GE1003: 未配置 API Key，请前往https://www.feedax.cn免费申请，完成后请告诉我API Key以便我记住

在 .env 文件中添加：

FEEDAX\_SEARCH\_API\_KEY=your\_api\_key\_here

注意: 如果 .env 文件不存在，请创建该文件并添加上述内容。API Key 请联系管理员获取。

API Key 错误码说明

服务错误处理

当 API 服务暂时不可用时，系统会返回友好的错误提示：

一、接口信息

• 接口地址: 221.6.15.90:18011
• 接口 URI: /data-service/v1/news/macro/external/query
• 请求方式: POST
• Content-Type: application/json; charset=UTF-8

二、参数说明

2.1 必传参数

keyWordQuery 结构:

{
    "keyword": "搜索关键词",
    "queryFields": ["1", "2"]
}

• queryFields: ["1", "2"] - 1=正文，2=标题

2.2 分页与排序

sortBy 可选值:

• publish_date - 默认。按发布时间排序，获取最新内容
• heat_scores - 按热度排序

排序规则：

• 默认行为：按 publish_date（发布时间）排序，获取最新发布的舆情
• 用户明确要求时：当用户说"按热度排序"、"最热门的"等，才使用 heat_scores

2.3 内容筛选

2.4 时间筛选

2.5 互动数据筛选

三、宏观类型分类

宏观类型 (macroEconomyResul)

四、情感倾向分类 (sentiments)

五、宏观事件标签 (macroTags)

常见事件标签

• 货币政策: 降准、降息、加息、缩表、扩表
• 财政政策: 财政刺激、基建投资、减税降费
• 经济数据: GDP、CPI、PPI、PMI、失业率
• 国际贸易: 关税、贸易摩擦、进出口
• 金融市场: 股市、债市、汇率、房地产
• 央行政策: 美联储、人民银行、欧央行、日银

六、输出 JSON 格式

6.1 请求示例

{
    "apiKey": "YOUR_API_KEY",
    "keyWordQuery": {
        "keyword": "美联储",
        "queryFields": ["1", "2"]
    },
    "macroEconomyResul": ["国际宏观"],
    "sentiments": [],
    "macroTags": [],
    "mediaTypes": [],
    "newsImportanceLevels": [],
    "pageNum": 0,
    "pageSize": 20,
    "sortBy": "publish_date",
    "sortType": "DESC",
    "startTime": 1774211938071,
    "endTime": 1774838338071
}

6.2 响应示例

{
    "code": 200,
    "message": "success",
    "total": 156,
    "data": [
        {
            "title": "美联储宣布维持利率不变",
            "summary": "美联储 FOMC 会议决定维持联邦基金利率目标区间不变...",
            "source": "新浪财经",
            "publishDate": 1774838338071,
            "macroEconomyResult": "国际宏观",
            "macroTag": "货币政策",
            "areaResult": "美国",
            "newsImportanceLevel": "高",
            "heatScores": 85,
            "viewNum": 12500,
            "forwardedNum": 320
        }
    ]
}

6.3 必须展示字段

每条资讯必须包含以下 10 个核心字段：

七、解析规则

7.1 关键词解析

从用户输入中提取核心检索关键词。

关键词提取规则

1. 提取核心词：从用户输入中提取 1-3 个核心关键词
2. 同义词扩充：为经济术语添加同义词
3. 情感词处理：情感词（负面、正面）不放入关键词，通过 sentiments 参数控制

关键词解析示例

7.2 宏观类型映射

7.3 情感倾向映射

7.4 时间范围计算

7.5 排序方式映射

默认规则：除非用户明确要求，否则一律使用 publish_date（发布时间）排序

关键规则：

1. 默认行为：用户只说"搜索 XX 新闻"，没有提到排序方式 → 使用 publish_date
2. 明确要求时：用户说"搜索最热门的 XX"、"按热度排序" → 使用 heat_scores
3. 时间优先：用户关注时效性 → 使用 publish_date
4. 热度优先：用户关注传播度 → 使用 heat_scores

7.6 重要程度映射

八、通用规则

1. 必传参数: apiKey 和 keyWordQuery 必须传入
2. 逻辑关系: List 类型参数多值之间为或关系，不同参数之间为且关系
3. 时间规则: 时间戳为 13 位毫秒级
4. 数值范围: Min ≤ Max，否则筛选无效

九、数据返回方式

9.1 返回格式

搜索结果以 双通道 方式返回：

通道 1：对话展示（摘要）

• 在对话中展示 前 5 条 数据的摘要信息
• 必须展示 10 个核心字段：
  1. 新闻标题
  2. 新闻摘要
  3. 新闻内容
  4. 新闻来源
  5. 发布时间
  6. 宏观类型
  7. 宏观事件标签
  8. 涉及地区
  9. 重要程度
  10. 热度数据（热度得分、浏览数、转发数）

通道 2：文件输出（完整数据）

• 自动保存 所有返回数据 到 CSV 和 MD 文件
• 文件位置：./macro_information_\x3C时间戳>.csv 和 ./macro_information_\x3C时间戳>.md
• CSV 包含完整字段，MD 包含统计分析和数据说明

9.2 文件格式示例

CSV 文件字段:

发布时间，标题，摘要，内容，来源，宏观类型，事件标签，涉及地区，重要程度，热度得分，浏览数，转发数，URL

MD 说明文件内容:

# 宏观资讯查询结果说明

**查询关键词**: 美联储
**宏观类型**: 国际宏观
**查询时间范围**: 近 7 天
**数据日期**: 2026-04-02 18:45:00
**结果总数**: 156 条
**接口状态**: code=200, message=success

## 宏观类型分布
- 国际宏观：120 条
- 国内宏观：36 条

## 情感分布
- 中性：98 条
- 正面：35 条
- 负面：23 条

## 宏观事件标签
- 货币政策：45 条
- 经济数据：32 条
- 国际贸易：28 条
...

9.3 使用建议

• 快速浏览：查看对话中的前 5 条摘要
• 深度分析：打开 CSV/MD 文件获取完整数据进行进一步处理
• 数据导出：CSV 文件可直接导入 Excel 或其他分析工具

十、搜索执行方式

10.1 CLI 命令行工具（推荐）

文件: scripts/query_macro_information.py

通过命令行调用宏观资讯 API，支持所有筛选参数。

基础用法

# 基础搜索
python3 scripts/query_macro_information.py --keyword "美联储"

# 搜索指定宏观类型（最近 7 天）
python3 scripts/query_macro_information.py --keyword "GDP" --macro-type 国内宏观 --days 7

# 搜索指定情感倾向
python3 scripts/query_macro_information.py --keyword "通胀" --sentiments 负面 --days 30

# 搜索国际宏观资讯
python3 scripts/query_macro_information.py --keyword "美联储" --macro-type 国际宏观 --days 14

参数说明

必填参数

宏观类型筛选

情感筛选

分页与排序

输出控制

完整示例

# 搜索美联储近期负面舆情，最近 14 天
python3 scripts/query_macro_information.py \
    --keyword "美联储" \
    --macro-type 国际宏观 \
    --sentiments 负面 \
    --days 14 \
    --size 20 \
    --verbose

输出结果

1. 对话显示：自动在终端显示结果摘要（序号、时间、情感、标题、来源、热度）
2. CSV 文件：完整数据保存至 ./macro_information_\x3C时间戳>.csv
3. MD 文件：统计分析保存至 ./macro_information_\x3C时间戳>.md

10.2 API Key 配置方式

API Key 需要通过以下方式之一提供（优先级从高到低）：

1. 命令行参数: --api-key "your-api-key"
2. 环境变量: export GOLAXY_API_KEY="your-api-key"
3. 配置文件: 在 scripts/ 目录创建 config.json，内容为 {"api_key": "your-api-key"}

十一、示例对话

用户: 搜索最近 7 天关于美联储加息的国际宏观新闻，按热度排序

解析结果:

{
    "apiKey": "YOUR_API_KEY",
    "keyWordQuery": {
        "keyword": "加息",
        "queryFields": ["1", "2"]
    },
    "macroEconomyResul": ["国际宏观"],
    "sentiments": [],
    "macroTags": [],
    "mediaTypes": [],
    "newsImportanceLevels": [],
    "pageNum": 0,
    "pageSize": 20,
    "sortBy": "heat_scores",
    "sortType": "DESC",
    "startTime": 1774211938071,
    "endTime": 1774838338071
}

执行命令:

python3 scripts/query_macro_information.py \
    --keyword "加息" \
    --macro-type 国际宏观 \
    --days 7 \
    --sort-by heat_scores

十二、执行流程

收到用户搜索请求后，必须按以下步骤顺序执行：

Step 1: 检查 API Key 配置

cat .env | grep GOLAXY_API_KEY

• 如果返回空或文件不存在，提示用户："未配置 API Key，请前往 https://www.golaxy.com.cn 申请，完成后请告诉我 API Key 以便我记住"
• 如果存在有效的 API Key，继续下一步

Step 2: 解析用户输入

从用户自然语言中提取以下参数：

Step 3: 构建并执行 CLI 命令

根据解析结果构建命令并执行：

python3 scripts/query_macro_information.py --keyword "关键词" --macro-type 国际宏观 --days 7 --sentiments 负面

Step 4: 返回结果

• 在对话中显示结果摘要
• 完整数据自动保存至 CSV 和 MD 文件

执行示例

用户输入: "搜索最近 7 天美联储加息的国际宏观新闻"

执行命令:

python3 scripts/query_macro_information.py --keyword "加息" --macro-type 国际宏观 --days 7

十三、注意事项

1. 时间参数: 使用 Unix 时间戳（毫秒），脚本会自动计算
2. 页码: 从 0 开始计数
3. 情感倾向: 正面、负面、中性，不传表示全部
4. 宏观类型: 国内宏观、国际宏观，不传表示全部
5. API Key: 必须提供，支持三种配置方式
6. 输出文件: 默认生成 CSV 和 MD 文件，可使用 --no-output 禁用

十四、参考文件

• scripts/query_macro_information.py - 主查询脚本
• scripts/config.json - API Key 配置文件（可选）
• .env - 环境变量配置文件

数据来自 FEEDAX宏观资讯监测平台，涵盖新闻、社交媒体、论坛、金融平台等多种信源。