alphaear-sentiment

仓库创建 2026年1月31日最近提交 4 个月前SkillHot 收录 20 天前

▸ 精选理由

专为金融语料优化，兼顾本地模型与 LLM 灵活性。

这个 Skill 做什么

针对金融文本的情感分析，支持 FinBERT 与 LLM。

面向金融文本的情感分析工具，可用本地的 FinBERT 快速打分，也支持用 LLM 得到更灵活的判断：输出正负中性倾向与强度分值。当需要对财报、新闻、研报或社媒内容做情绪判断、量化情绪影响或做事件驱动研究时用它。特点是同时支持高性能本地模型和更语义化的 LLM 两种模式，权衡速度与理解能力。

▸ 展开 SKILL.md 英文原文

Analyze finance text sentiment using FinBERT or LLM. Use when the user needs to determine the sentiment (positive/negative/neutral) and score of financial text markets.

数据与抓取情感分析金融FinBERT通用

2.7k

Stars

348

Forks

仓库内 Skill

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/RKiding/Awesome-finance-skills/main/skills/alphaear-sentiment/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/RKiding/Awesome-finance-skills/main/skills/alphaear-sentiment/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# AlphaEar Sentiment Skill

## Overview

This skill provides sentiment analysis capabilities tailored for financial texts, supporting both FinBERT (local model) and LLM-based analysis modes.

## Capabilities

## Capabilities

### 1. Analyze Sentiment (FinBERT / Local)

Use `scripts/sentiment_tools.py` for high-speed, local sentiment analysis using FinBERT.

**Key Methods:**

-   `analyze_sentiment(text)`: Get sentiment score and label using localized FinBERT model.
    -   **Returns**: `{'score': float, 'label': str, 'reason': str}`.
    -   **Score Range**: -1.0 (Negative) to 1.0 (Positive).
-   `batch_update_news_sentiment(source, limit)`: Batch process unanalyzed news in the database (Fin

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有