宏观经济数据查询 (mx_macro_data)

通过文本输入查询宏观经济数据，接口返回 JSON 后会自动转换为 CSV 并生成对应的内容描述 txt 文件。

密钥来源与安全说明

• 本技能仅使用一个环境变量：EM_API_KEY。
• EM_API_KEY 由东方财富妙想服务（https://ai.eastmoney.com/mxClaw）签发，用于其接口鉴权。
• 在提供密钥前，请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
• 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。

⚠️ 核心输入约束 (Critical Input Constraints)

• 时间维度：支持相对时间表述（如“今年”、“过去三年”、“上月”）。
• 地域维度：支持宏观地区表述（如“中国”、“美国”、“欧元区”、“华东地区”、“中国各省”），无需拆解为具体省市列表。

1. 禁止模糊商品类别 (No Ambiguous Commodities)

• 禁止输入：大类统称（如“稀土金属”、“有色金属”、“农产品”、“能源”、“科技股”）。
• 要求：必须解包为具体的交易品种名称或代码。
  • ❌ 错误："查询稀土价格走势"
  • ✅ 正确："查询氧化镨钕、氧化镝、氧化铽的价格走势"

2. 禁止宏观泛指指标 (No Macro Generalizations without Metrics)

• 禁止输入：宽泛的经济概念而无具体指标（如“中国经济”、“美国制造业状况”、“全球通胀情况”）。
• 要求：必须指定具体的指标名称（如 GDP、CPI、PMI、失业率、工业增加值等）。
  • ❌ 错误："查询中国经济数据"
  • ✅ 正确："查询中国 GDP 同比增速、中国 CPI 同比"
  • ✅ 正确："查询美国制造业 PMI" (地域允许宏观，但指标必须具体)

3. 时间与地域的灵活性 (Flexible Time & Region)

• 时间：无需绝对日期。
  • ✅ 允许："查询中国过去五年的M2增速"、"查询上个月美国的非农数据"、"查询黄金今日价格"。
  • ✅ 允许（缺省）："查询德国失业率" 。
• 地域：无需拆解为子集列表。
  • ✅ 允许："查询华东地区GDP","查询中国各省GDP"。
  • ⚠️ 注意：若涉及“主要新兴市场”、“Top 5 国家”等动态排名指代，仍建议上层模型解包为具体国家列表（如 "查询中国、印度、巴西的M2"），以确保数据源一致性。

🔄 输出接口与上层规划协议 (Output Interface & Orchestration Protocol)

本 Skill 仅负责执行单次查询并生成文件。为实现数据完整性保障，上层规划引擎必须根据以下协议，对本 Skill 的输出进行后续处理。

1. 输出文件结构 (Output File Structure)

执行 mx_macro_data 后，Skill 将在指定目录下生成一个或多个 CSV 文件，以及一个描述文件。

• CSV 文件：mx_macro_data_<查询ID>_<频率>.csv
  • 示例：mx_macro_data_4591GG28_yearly.csv, mx_macro_data_4591GG28_quarterly.csv, mx_macro_data_4591GG28_monthly.csv
  • 注意：文件数量和频率取决于查询指标的可用性（yearly、quarterly、monthly、weekly、daily）。
• 描述文件：mx_macro_data_<查询ID>_description.txt
  • 包含数据来源、时间范围、指标说明等基础信息。

2. 上层规划引擎必须执行的“完整性复核”逻辑 (Mandatory Verification Logic for Orchestrator)

上层规划引擎在调用 mx_macro_data 后，必须执行以下工作流，以确保最终结果的完整性：

阶段 A: 任务解析与预期规划 (Task Parsing & Expectation Planning)

1. 解析原始用户意图：从用户查询中提取核心要素。
2. 构建预期全集 (Expected Universe)：
   • 地域：通过规划引擎的内置知识库、搜索引擎或 LLM 推理能力，将模糊地域表述解析为具体行政单元。例如："中国各省" → 34 个省级行政区；"华东地区" → 上海、江苏、浙江、安徽、福建、江西、山东共 7 个省市。
   • 指标：将复合指标拆解为独立指标。例如："GDP, CPI" → ["GDP", "CPI"]。
   • 频率：根据查询语境推断预期频率，可能生成多个频率的数据文件（yearly、quarterly、monthly等）。

阶段 B: 文件读取与差异检测 (File Reading & Gap Detection)

1. 获取输出文件列表：获取 mx_macro_data 生成的所有 CSV 文件路径。
2. 读取并分析每个文件：
   • 使用规划引擎内置的代码执行能力（如 Python Sandbox）读取 CSV。
   • 提取每个文件中实际覆盖的 (地区, 指标) 组合及其数量。
3. 执行差异计算：
   • 对每一种频率的文件，分别计算 Missing_Pairs_<Frequency> = Expected_Universe - Actual_From_CSV_File。
   • 识别出具体缺失的项（如：年频数据中缺失“西藏-GDP”）。

阶段 C: 决策与迭代调用 (Decision & Iterative Invocation)

⚠️ 强制要求：上层规划引擎必须执行以下补全流程，不得在存在缺失数据时直接交付结果。

1. 判断是否需要补全：

   • 如果所有频率的 Missing_Pairs 集合均为空：结束流程，交付现有文件。
   • 如果存在非空的 Missing_Pairs 集合：必须进入补全流程，不可跳过。