commit;

src/fundamentals_llm/fundamental_analysis.py

@@ -1,5 +1,7 @@
 import logging
-from typing import Dict, List, Optional, Callable, Tuple
+import os
+from datetime import datetime
+from typing import Dict, List, Optional, Tuple, Callable
 # 修改导入路径，使用相对导入
 try:
     # 尝试相对导入
@@ -26,6 +28,36 @@ import re
 # 设置日志记录
 logger = logging.getLogger(__name__)
 
+# 获取项目根目录的绝对路径
+ROOT_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+
+# 创建logs目录（如果不存在）
+LOGS_DIR = os.path.join(ROOT_DIR, "logs")
+os.makedirs(LOGS_DIR, exist_ok=True)
+
+# 配置日志格式
+log_format = '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+date_format = '%Y-%m-%d %H:%M:%S'
+
+# 创建文件处理器
+log_file = os.path.join(LOGS_DIR, f"fundamental_analysis_{datetime.now().strftime('%Y%m%d')}.log")
+file_handler = logging.FileHandler(log_file, encoding='utf-8')
+file_handler.setLevel(logging.INFO)
+file_handler.setFormatter(logging.Formatter(log_format, date_format))
+
+# 创建控制台处理器
+console_handler = logging.StreamHandler()
+console_handler.setLevel(logging.INFO)
+console_handler.setFormatter(logging.Formatter(log_format, date_format))
+
+# 配置根日志记录器
+logging.basicConfig(
+    level=logging.INFO,
+    handlers=[file_handler, console_handler],
+    format=log_format,
+    datefmt=date_format
+)
+
 class FundamentalAnalyzer:
     """基本面分析器"""
     
@@ -35,6 +67,8 @@ class FundamentalAnalyzer:
         self.chat_bot = ChatBot(model_type="online_bot")
         # 使用离线模型进行其他分析
         self.offline_bot = OfflineChatBot(platform="volc", model_type="offline_model")
+        # 千问打杂
+        self.offline_bot_tl_qw = OfflineChatBot(platform="tl_qw_private", model_type="qwq")
         self.db = next(get_db())
         
         # 定义维度映射
@@ -47,6 +81,7 @@ class FundamentalAnalyzer:
             "stock_discussion": self.analyze_stock_discussion,
             "industry_cooperation": self.analyze_industry_cooperation,
             "target_price": self.analyze_target_price,
+            "valuation_level": self.analyze_valuation_level,
             "investment_advice": self.generate_investment_advice
         }
     
@@ -517,10 +552,10 @@ class FundamentalAnalyzer:
 {industry_text}
 
 请仅返回一个数值：2、1、0或-1，不要包含任何解释或说明。"""
-
+            self.offline_bot_tl_qw.clear_history()
             # 使用离线模型进行分析
-            space_value_str = self.offline_bot.chat(prompt).strip()
-            
+            space_value_str = self.offline_bot_tl_qw.chat(prompt)
+            space_value_str = self._clean_model_output(space_value_str)
             # 提取数值
             space_value = 0  # 默认值
             
@@ -613,18 +648,19 @@ class FundamentalAnalyzer:
         try:
             # 使用离线模型分析项目进展情况
             prompt = f"""请分析以下{stock_name}({stock_code})的重大订单和项目进展情况，并返回对应的数值：
-- 如果项目进展顺利，且订单交付/建厂等超预期，返回数值"1"
-- 如果进展顺利，但没有超预期，返回数值"0"
-- 如果进展不顺利，或者按照进度进行但仍然在验证中，返回数值"-1"
-
-重大订单和项目进展内容：
-{projects_text}
-
-请仅返回一个数值：1、0或-1，不要包含任何解释或说明。"""
-
+                    - 如果项目进展顺利，且订单交付/建厂等超预期，返回数值"1"
+                    - 如果进展顺利，但没有超预期，返回数值"0"
+                    - 如果进展不顺利，或者按照进度进行但仍然在验证中，返回数值"-1"
+                    
+                    重大订单和项目进展内容：
+                    {projects_text}
+                    
+                    请仅返回一个数值：1、0或-1，不要包含任何解释或说明。"""
+            self.offline_bot_tl_qw.clear_history()
             # 使用离线模型进行分析
-            events_value_str = self.offline_bot.chat(prompt).strip()
-            
+            events_value_str = self.offline_bot_tl_qw.chat(prompt)
+            # 数据清洗
+            events_value_str = self._clean_model_output(events_value_str)
             # 提取数值
             events_value = 0  # 默认值
             
@@ -724,10 +760,12 @@ class FundamentalAnalyzer:
 {discussion_text}
 
 请仅返回一个数值：1、0或-1，不要包含任何解释或说明。"""
-
+            self.offline_bot_tl_qw.clear_history()
             # 使用离线模型进行分析
-            emotion_value_str = self.offline_bot.chat(prompt).strip()
-            
+            emotion_value_str = self.offline_bot_tl_qw.chat(prompt)
+
+            # 数据清洗
+            emotion_value_str = self._clean_model_output(emotion_value_str)
             # 提取数值
             emotion_value = 0  # 默认值
             
@@ -965,30 +1003,33 @@ class FundamentalAnalyzer:
         try:
             # 使用离线模型提取评级
             prompt = f"""请仔细分析以下目标股价文本，判断半年内券商评级的主要倾向，并返回对应的数值：
-- 如果半年内券商评级以"买入"居多，返回数值"2"
-- 如果半年内券商评级以"增持"居多，返回数值"1"
-- 如果半年内券商评级以"中性"居多，返回数值"0"
-- 如果半年内券商评级以"减持"居多，返回数值"-1"
-- 如果半年内券商评级以"卖出"居多，返回数值"-2"
-- 如果半年内没有券商评级信息，返回数值"0"
-
-目标股价文本：
-{price_text}
-
-只需要输出一个数值，不要输出任何说明或解释。只输出：2,1,0,-1或-2。"""
+                    - 如果半年内券商评级以"买入"居多，返回数值"2"
+                    - 如果半年内券商评级以"增持"居多，返回数值"1"
+                    - 如果半年内券商评级以"中性"居多，返回数值"0"
+                    - 如果半年内券商评级以"减持"居多，返回数值"-1"
+                    - 如果半年内券商评级以"卖出"居多，返回数值"-2"
+                    - 如果半年内没有券商评级信息，返回数值"0"
+                    
+                    目标股价文本：
+                    {price_text}
+                    
+                    只需要输出一个数值，不要输出任何说明或解释。只输出：2,1,0,-1或-2。"""
             
             response = self.chat_bot.chat(prompt)
             
+            # 提取数值
+            rating_str = self._extract_numeric_value_from_response(response)
+            
             # 尝试将响应转换为整数
             try:
-                rating = int(response)
+                rating = int(rating_str)
                 # 确保评级在有效范围内
                 if rating < -2 or rating > 2:
                     logger.warning(f"提取的券商评级值超出范围: {rating}，设置为默认值0")
                     return 0
                 return rating
             except ValueError:
-                logger.warning(f"无法将提取的券商评级值转换为整数: {response}，设置为默认值0")
+                logger.warning(f"无法将提取的券商评级值转换为整数: {rating_str}，设置为默认值0")
                 return 0
             
         except Exception as e:
@@ -1018,27 +1059,196 @@ class FundamentalAnalyzer:
             
             response = self.chat_bot.chat(prompt)
             
-            # 检查是否是错误响应
-            if isinstance(response, str) and "抱歉，发生错误" in response:
-                logger.warning(f"获取上涨/下跌空间失败: {response}")
-                return 0
+            # 提取数值
+            odds_str = self._extract_numeric_value_from_response(response)
             
             # 尝试将响应转换为整数
             try:
-                odds = int(response)
+                odds = int(odds_str)
                 # 确保值在有效范围内
                 if odds < -1 or odds > 1:
                     logger.warning(f"提取的上涨/下跌空间值超出范围: {odds}，设置为默认值0")
                     return 0
                 return odds
             except ValueError:
-                logger.warning(f"无法将提取的上涨/下跌空间值转换为整数: {response}，设置为默认值0")
+                logger.warning(f"无法将提取的上涨/下跌空间值转换为整数: {odds_str}，设置为默认值0")
                 return 0
             
         except Exception as e:
             logger.error(f"提取上涨/下跌空间失败: {str(e)}")
             return 0
 
+    def analyze_valuation_level(self, stock_code: str, stock_name: str) -> bool:
+        """分析企业PE和PB在历史分位水平和行业平均水平的对比情况"""
+        try:
+            prompt = f"""请对{stock_name}({stock_code})的估值水平进行简要分析，要求输出控制在300字以内，请严格按照以下格式输出：
+
+1. 历史估值水平（150字左右）：
+- 当前PE和PB值
+- PE在历史分位水平的位置（高于/接近/低于历史平均分位）
+- PB在历史分位水平的位置（高于/接近/低于历史平均分位）
+- 历史估值变化趋势简要分析
+
+2. 行业估值对比（150字左右）：
+- 所在行业平均PE和PB
+- PE与行业平均的比较（高于/接近/低于行业平均）
+- PB与行业平均的比较（高于/接近/低于行业平均）
+- 与可比公司估值的简要对比
+
+请提供专业、客观的分析，突出关键信息，避免冗长描述。如果无法获取某项数据，请直接说明。"""
+            # 获取AI分析结果
+            result = self.chat_bot.chat(prompt)
+            
+            # 保存到数据库
+            success = save_analysis_result(
+                self.db,
+                stock_code=stock_code,
+                stock_name=stock_name,
+                dimension="valuation_level",
+                ai_response=self._remove_references_from_response(result["response"]),
+                reasoning_process=result["reasoning_process"],
+                references=result["references"]
+            )
+            
+            # 提取估值水平分类并更新结果
+            if success:
+                self.extract_valuation_classification(result["response"], stock_code, stock_name)
+                return True
+            
+            return success
+            
+        except Exception as e:
+            logger.error(f"分析估值水平失败: {str(e)}")
+            return False
+
+    def extract_valuation_classification(self, valuation_text: str, stock_code: str, stock_name: str) -> Dict[str, int]:
+        """从估值水平分析中提取历史和行业估值分类并更新数据库
+        
+        Args:
+            valuation_text: 完整的估值水平分析文本
+            stock_code: 股票代码
+            stock_name: 股票名称
+            
+        Returns:
+            Dict[str, int]: 包含历史估值和行业估值分类的字典
+        """
+        try:
+            # 提取历史估值分类
+            historical_classification = self._extract_historical_valuation(valuation_text)
+            
+            # 提取行业估值分类
+            industry_classification = self._extract_industry_valuation(valuation_text)
+            
+            # 更新数据库中的记录
+            result = get_analysis_result(self.db, stock_code, "valuation_level")
+            if result:
+                update_analysis_result(
+                    self.db,
+                    stock_code=stock_code,
+                    dimension="valuation_level",
+                    ai_response=result.ai_response,
+                    reasoning_process=result.reasoning_process,
+                    references=result.references,
+                    extra_info={
+                        "historical_valuation": historical_classification,
+                        "industry_valuation": industry_classification
+                    }
+                )
+                
+                logger.info(f"已更新估值分类到数据库: historical_valuation={historical_classification}, industry_valuation={industry_classification}")
+            
+            return {"historical_valuation": historical_classification, "industry_valuation": industry_classification}
+            
+        except Exception as e:
+            logger.error(f"提取估值分类失败: {str(e)}")
+            return {"historical_valuation": 0, "industry_valuation": 0}
+
+    def _extract_historical_valuation(self, valuation_text: str) -> int:
+        """从估值水平分析中提取历史估值分类
+        
+        Args:
+            valuation_text: 完整的估值水平分析文本
+            
+        Returns:
+            int: 历史估值分类值 (高于历史:-1, 接近历史:0, 低于历史:1)
+        """
+        try:
+            # 使用在线模型提取历史估值分类
+            prompt = f"""请仔细分析以下估值水平文本，判断当前PE和PB在历史分位的位置，并返回对应的数值：
+                    - 如果当前估值明显高于历史平均水平（高估），返回数值"-1"
+                    - 如果当前估值接近历史平均水平，返回数值"0"
+                    - 如果当前估值明显低于历史平均水平（低估），返回数值"1"
+                    - 如果文本中没有相关信息，返回数值"0"
+                    
+                    估值水平文本：
+                    {valuation_text}
+                    
+                    只需要输出一个数值，不要输出任何说明或解释。只输出：-1、0或1。"""
+
+            # 使用千问离线模型提取数值
+            response = self.offline_bot_tl_qw.chat(prompt)
+            # 清理模型输出
+            hist_val_str = self._clean_model_output(response)
+
+            # 尝试将响应转换为整数
+            try:
+                hist_val = int(hist_val_str)
+                # 确保值在有效范围内
+                if hist_val < -1 or hist_val > 1:
+                    logger.warning(f"提取的历史估值分类值超出范围: {hist_val}，设置为默认值0")
+                    return 0
+                return hist_val
+            except ValueError:
+                logger.warning(f"无法将提取的历史估值分类值转换为整数: {hist_val_str}，设置为默认值0")
+                return 0
+            
+        except Exception as e:
+            logger.error(f"提取历史估值分类失败: {str(e)}")
+            return 0
+
+    def _extract_industry_valuation(self, valuation_text: str) -> int:
+        """从估值水平分析中提取行业估值对比分类
+        
+        Args:
+            valuation_text: 完整的估值水平分析文本
+            
+        Returns:
+            int: 行业估值对比分类值 (高于行业:-1, 接近行业:0, 低于行业:1)
+        """
+        try:
+            # 使用在线模型提取行业估值对比分类
+            prompt = f"""请仔细分析以下估值水平文本，判断当前企业的PE和PB与行业平均水平的对比情况，并返回对应的数值：
+                    - 如果当前企业估值明显高于行业平均水平，返回数值"-1"
+                    - 如果当前企业估值接近行业平均水平，返回数值"0"
+                    - 如果当前企业估值明显低于行业平均水平，返回数值"1"
+                    - 如果文本中没有相关信息，返回数值"0"
+                    
+                    估值水平文本：
+                    {valuation_text}
+                    
+                    只需要输出一个数值，不要输出任何说明或解释。只输出：-1、0或1。"""
+
+            # 使用千问离线模型提取数值
+            response = self.offline_bot_tl_qw.chat(prompt)
+            # 清理模型输出
+            ind_val_str = self._clean_model_output(response)
+            
+            # 尝试将响应转换为整数
+            try:
+                ind_val = int(ind_val_str)
+                # 确保值在有效范围内
+                if ind_val < -1 or ind_val > 1:
+                    logger.warning(f"提取的行业估值对比分类值超出范围: {ind_val}，设置为默认值0")
+                    return 0
+                return ind_val
+            except ValueError:
+                logger.warning(f"无法将提取的行业估值对比分类值转换为整数: {ind_val_str}，设置为默认值0")
+                return 0
+            
+        except Exception as e:
+            logger.error(f"提取行业估值对比分类失败: {str(e)}")
+            return 0
+
     def generate_investment_advice(self, stock_code: str, stock_name: str) -> bool:
         """生成最终投资建议"""
         try:
@@ -1076,7 +1286,8 @@ class FundamentalAnalyzer:
             self.offline_bot.clear_history()
             # 使用离线模型生成建议
             result = self.offline_bot.chat(prompt)
-            
+            # 清理模型输出
+            result = self._clean_model_output(result)
             # 保存到数据库
             success = save_analysis_result(
                 self.db,
@@ -1175,6 +1386,60 @@ class FundamentalAnalyzer:
             logger.error(f"清理模型输出失败: {str(e)}")
             return output.strip()
 
+    def _extract_numeric_value_from_response(self, response: str) -> str:
+        """从模型响应中提取数值，移除参考资料和推理过程
+        
+        Args:
+            response: 模型原始响应文本或响应对象
+            
+        Returns:
+            str: 提取的数值字符串
+        """
+        try:
+            # 处理响应对象（包含response字段的字典）
+            if isinstance(response, dict) and "response" in response:
+                response = response["response"]
+                
+            # 确保响应是字符串
+            if not isinstance(response, str):
+                logger.warning(f"响应不是字符串类型: {type(response)}")
+                return "0"
+                
+            # 移除推理过程部分
+            reasoning_start = response.find("推理过程：")
+            if reasoning_start != -1:
+                response = response[:reasoning_start].strip()
+                
+            # 移除参考资料部分（通常以 [数字] 开头的行）
+            lines = response.split("\n")
+            cleaned_lines = []
+            
+            for line in lines:
+                # 跳过参考资料行（通常以 [数字] 开头）
+                if re.match(r'\[\d+\]', line.strip()):
+                    continue
+                cleaned_lines.append(line)
+                
+            response = "\n".join(cleaned_lines).strip()
+            
+            # 提取数值
+            # 先尝试直接将整个响应转换为数值
+            if response.strip() in ["-2", "-1", "0", "1", "2"]:
+                return response.strip()
+                
+            # 如果整个响应不是数值，尝试匹配第一个数值
+            match = re.search(r'([-]?[0-9])', response)
+            if match:
+                return match.group(1)
+                
+            # 如果没有找到数值，返回默认值
+            logger.warning(f"未能从响应中提取数值: {response}")
+            return "0"
+            
+        except Exception as e:
+            logger.error(f"从响应中提取数值失败: {str(e)}")
+            return "0"
+
     def _try_extract_advice_type(self, advice_text: str, max_attempts: int = 3) -> Optional[str]:
         """尝试多次从投资建议中提取建议类型
         
@@ -1195,8 +1460,8 @@ class FundamentalAnalyzer:
                 prompt = self._get_extract_prompt_by_attempt(advice_text, attempt)
                 
                 # 使用千问离线模型提取建议类型
-                offline_bot_tl_qw = OfflineChatBot(platform="tl_qw_private", model_type="qwq")
-                result = offline_bot_tl_qw.chat(prompt)
+
+                result = self.offline_bot_tl_qw.chat(prompt)
                 
                 # 检查是否是错误响应
                 if isinstance(result, str) and "抱歉，发生错误" in result:
@@ -1301,6 +1566,7 @@ class FundamentalAnalyzer:
                 "stock_discussion": "市场讨论",
                 "industry_cooperation": "产业合作",
                 "target_price": "目标股价",
+                "valuation_level": "估值水平",
                 "investment_advice": "投资建议"
             }
             

src/fundamentals_llm/fundamental_analysis_database.py

@@ -14,10 +14,10 @@ ROOT_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
 
 # 数据库配置
 DB_CONFIG = {
-    'host': '192.168.1.82',
+    'host': '192.168.18.199',
     'port': 3306,
     'user': 'root',
-    'password': 'Chlry$%.8',
+    'password': 'Chlry#$.8',
     'database': 'db_gp_cj'
 }
 

src/fundamentals_llm/import_main_business.py

@@ -6,10 +6,10 @@ from sqlalchemy import create_engine, Table, Column, String, DECIMAL, MetaData,
 
 # 数据库连接配置
 DB_CONFIG = {
-    'host': '192.168.1.82',
+    'host': '192.168.18.199',
     'port': 3306,
     'user': 'root',
-    'password': 'Chlry$%.8',
+    'password': 'Chlry#$.8',
     'database': 'db_gp_cj'
 }
 

src/fundamentals_llm/product_category_api.py

@@ -17,10 +17,10 @@ MODEL = "doubao-1-5-pro-32k-250115"    # 请填入火山引擎的模型名称
 
 # 数据库配置
 DB_CONFIG = {
-    'host': '192.168.1.82',
+    'host': '192.168.18.199',
     'port': 3306,
     'user': 'root',
-    'password': 'Chlry$%.8',
+    'password': 'Chlry#$.8',
     'database': 'db_gp_cj'
 }
 

src/scripts/convertible_bond_collector.py

@@ -121,5 +121,5 @@ def fetch_convertible_bonds(db_url):
         print(f"错误类型: {type(e).__name__}")
 
 if __name__ == "__main__":
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     fetch_convertible_bonds(db_url) 

src/scripts/data_import.py

@@ -41,5 +41,5 @@ def import_concept_sectors(file_path, db_url, table_name):
 if __name__ == "__main__":
     # 示例调用
     file_path = "C:/Users/xy/Desktop/temp/概念板块.csv"
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     import_concept_sectors(file_path, db_url, "gp_gnbk")

src/scripts/hk_hot_stocks_collector.py

@@ -109,5 +109,5 @@ def clean_historical_data(engine):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     fetch_hk_hot_stocks(db_url) 

src/scripts/limitup_stock_analyzer.py

@@ -185,5 +185,5 @@ def analyze_limitup_stocks_main(db_url):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     analyze_limitup_stocks_main(db_url)

src/scripts/stock_daily_data_collector.py

@@ -131,7 +131,7 @@ def collect_stock_daily_data(db_url, date=None):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     
     # 方法1：使用快捷函数获取当天数据
     collect_stock_daily_data(db_url)

src/scripts/stock_filter.py

@@ -125,7 +125,7 @@ def get_todays_filtered_stocks(db_url):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     
     # 方法1：使用快捷函数获取今日数据
     # today_stocks = get_todays_filtered_stocks(db_url)

src/scripts/stock_minute_data_collector.py

@@ -124,7 +124,7 @@ def collect_stock_minute_data(db_url, date=None):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     
     # 方法1：使用快捷函数获取当天数据
     collect_stock_minute_data(db_url)

src/scripts/stock_price_change_analyzer.py

@@ -276,5 +276,5 @@ def main(db_url):
         print("9:24:00数据失败")
 
 if __name__ == "__main__":
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     main(db_url)

src/scripts/stock_sector_analysis.py

@@ -324,7 +324,7 @@ def clean_historical_data(engine):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     
     # 创建数据库连接
     engine = create_engine(db_url)

src/scripts/xueqiu_stock_collector.py

@@ -68,6 +68,6 @@ def fetch_and_store_stock_data(db_url, table_name, page_size=100):
 
 if __name__ == "__main__":
     # 示例调用
-    db_url = 'mysql+pymysql://root:Chlry$%.8@192.168.1.82:3306/db_gp_cj'
+    db_url = 'mysql+pymysql://root:Chlry#$.8@192.168.18.199:3306/db_gp_cj'
     table_name = 'stock_changes'
     fetch_and_store_stock_data(db_url, table_name)

src/stock_analysis.py

@@ -756,10 +756,10 @@ class StockAnalyzer:
 def main():
     # 数据库连接配置
     db_config = {
-        'host': '192.168.1.82',
+        'host': '192.168.18.199',
         'port': 3306,
         'user': 'root',
-        'password': 'Chlry$%.8',
+        'password': 'Chlry#$.8',
         'database': 'db_gp_cj'
     }
     

src/stock_analysis_v1.py

@@ -386,10 +386,10 @@ class StockAnalyzer:
 def main():
     # 数据库连接配置
     db_config = {
-        'host': '192.168.1.82',
+        'host': '192.168.18.199',
         'port': 3306,
         'user': 'root',
-        'password': 'Chlry$%.8',
+        'password': 'Chlry#$.8',
         'database': 'db_gp_cj'
     }
     

src/stock_analysis_v2.py

@@ -1413,10 +1413,10 @@ class StockAnalyzer:
 def main():
     # 数据库连接配置
     db_config = {
-        'host': '192.168.1.82',
+        'host': '192.168.18.199',
         'port': 3306,
         'user': 'root',
-        'password': 'Chlry$%.8',
+        'password': 'Chlry#$.8',
         'database': 'db_gp_cj'
     }