A 股披露结构化抽取helibeiqi/dsh-cn-disclosure

dsh-cn-disclosure

零依赖 · 本地优先的 A股 公告 / 年报 结构化抽取 MCP server。
把一段披露文本（公告正文 / 年报片段 / 复制的文本）抽取成事件研究可用的结构化字段：披露类型、日期、金额、比例、股数、方向。无需 API key、无需联网。

为什么做这个（定位与竞争现实）

- 公告「抓取 + 摘要」已是红海：GitHub 上已有 mcp-a-stock-announcements、Ashare-announcements-MCP、CNEquity、yiyan-mcp-server 等多个做"A股 公告获取+摘要"的 MCP。本插件不与之正面竞争（不抓取、不调外部 API）。
- 本地「结构化抽取」= 开放细分（经复核）：不限 topic 的全 GitHub 检索中，财报 结构化 MCP / 年报 PDF 解析 MCP / annual report extraction MCP / 巨潮 公告 MCP 全部 = 0；公告 结构化抽取 仅 2 个且很窄（一个只做"股份回购事件"、一个是电缆招标系统），均非通用 A股 披露抽取器。因此本插件切入 "本地优先的 A股 披露结构化抽取" 这个真正开放的子方向。
- 差异化：① 本地优先 / 零依赖 / 无 API key（文档与 PII 不出机）；② 格式容忍——对自由文本做正则扫描，不假设任何公司/版式固定结构（回应"A股 各公司披露格式不一"的现实）；③ 输出面向事件研究（类型/方向/日期/量级，可直接喂事件研究流水线）。

数据规模（v0.1.0 种子）

| 维度 | 数量 |
|------|------|
| 披露事件类型 | 17（业绩预告/快报、业绩变脸、分红、回购、增/减持、解禁、重组、并购、定增、担保、诉讼、中标、重大合同、停牌复牌、股权激励、高管变动…） |
| 字段抽取规则 | 9（日期 / 金额(亿·万) / 百分比 / 同比 / 每股收益 / 每股分红 / 股数(亿·万)…） |

规则集中在 data/disclosure-rules.json，可扩展：增删 event_types / field_patterns 即可覆盖更多披露场景，无需改代码。

工具清单（5 个）

| 工具 | 说明 | 关键参数 |
|------|------|----------|
| extract_disclosure | 主工具：对披露文本做全量结构化（分类 + 字段 + 事件） | text |
| classify_disclosure | 仅做披露类型分类（命中类型 + 方向 + 匹配词） | text |
| extract_events | 抽取事件研究可用事件列表 | text |
| extract_from_file | 读本地文件（.txt/.md/.html，html 自动去标签）后抽取 | path |
| disclosure_stats | 规则集规模概览 | — |

所有工具返回 UTF-8 JSON 文本，便于 agent 二次推理或直接呈现。

调用示例（dsh 对话）

- "这份减持公告计划减多少股、占比多少、什么时候？"
→ extract_disclosure({text: "…拟减持不超过1200万股（占总股本3.5%）…"}) → events[decrease] 给 shares=12,000,000 股, pct=3.5%, date
- "把这段年报摘要里的业绩和分红抽出来"
→ extract_disclosure → events[earnings_pre]（营收/净利/同比）+ events[dividend]（每10股派5元）

安装 / 接入 dsh

本仓库是一个 dsh bundle。cordis.patch.yml 合并进你的 dsh profile 即注册为一个 mcp server。

关键路径（部署时改成你本机实际路径）：

- insert:
- path: plugins.mcp-servers
items:
- id: mcp-cn-disclosure
name: A股信息披露结构化抽取
transport: stdio
command: !!js process.env.QUANT_MCP_NODE || process.execPath
args:
- "C:\\Users\\helib\\dsh-cn-disclosure\\cn-disclosure-mcp-server.mjs"
cwd: "C:\\Users\\helib\\dsh-cn-disclosure"
enabled: true

command 使用 !!js process.env.QUANT_MCP_NODE || process.execPath 硬核写法，免疫本机 Node 版本目录漂移。

本地独立验证

python _selftest.py

扩展数据

编辑 data/disclosure-rules.json：
- event_types：披露事件类型 → {id, name, direction(pos/neg/neu), category, aliases[]}
- field_patterns：字段抽取正则 → {id, name, regex, unit}

改完重启 server 即生效（无需改代码）。后续可导入用户自有的披露语料做规则增强。

架构要点

- 零依赖：纯 Node ESM + fs，无 npm install，免疫 managed-node 漂移。
- 本地优先：数据来自内置 data/disclosure-rules.json，不触网、不调外部 API。
- 标准 MCP stdio：initialize → notifications/initialized → tools/list → tools/call，协议版本 2024-11-05，NDJSON 行协议。

已知局限（诚实声明）

- 对扫描版 PDF 需先转文本（可用本机 pdfplumber / 复制文本），本插件只处理文本。
- 数值为字面正则识别，未做会计口径校验（如"扣非 vs 归母"区分、并表范围等需人工/下游复核）。
- 当多个事件并列时（如“减持 + 诉讼”），全部列出，由调用方按类型取舍。

许可证

MIT © helibeiqi