用匿名 agency_id 做队列研究:稳定键、PIT 切片与不还原真名

简介: 熔岩(Lava)把讨论主体统一表示为匿名的 `agency_id`(格式示例:`AG0123456789AB`,仅说明形态,不是可查询的真实编号)。机构/大V 板块提供当前排行 `/agencies/ranking`、PIT 截面 `/agencies/pit`、单主体历史 `/agencies/{agency_id}/history` 和已发布日期 `/agencies/dates`(MCP 工具分别为 `get_agency_ranking`、`get_agency_pit`、`get_agency_history`、`list_agency_pit_dates`)。本文说明如何把 `ag

摘要

熔岩(Lava)把讨论主体统一表示为匿名的 agency_id(格式示例:AG0123456789AB,仅说明形态,不是可查询的真实编号)。机构/大V 板块提供当前排行 /agencies/ranking、PIT 截面 /agencies/pit、单主体历史 /agencies/{agency_id}/history 和已发布日期 /agencies/dates(MCP 工具分别为 get_agency_ranking、get_agency_pit、get_agency_history、list_agency_pit_dates)。本文说明如何把 agency_id 当作稳定键来切队列、如何在某一 PIT 日期上取截面,以及为什么不能用今天的分数去冒充历史、更不能还原真名。字段是只读的结构化数字,用于研究,不是对主体的评价。

稳定键长什么样,以及不能做什么

agency_id 是跨接口的关联键:加权热榜返回的样本编号、消息记录里的主体编号、评分排行和历史走势,用的是同一套匿名 ID。OpenAPI 里的形态示例为 AG0123456789AB。研究代码应当把它当字符串主键存储,不要截断、不要改大小写、不要从编号形态去猜测机构类型或地域。

不能做的事同样明确:

  • 不尝试把 agency_id 还原成真名、账号或公司名称;
  • 不在日志、研报或 Agent 回复里用「可能是某某」去注释这些编号;
  • 不把当前排行里的高分主体名单,直接贴到过去的日期上当作当时队列。

消息面记录 /opinions 里也可能带 agency_id 和 agency_score。需要注意:意见对象里的分数字段,文档写的是该主体的当前机构/大V 分。若做历史队列,分数应来自 /agencies/pit 或 /agencies/{agency_id}/history,而不是把当前分写回历史日期。

字段怎么读:agency_score、n_eff、win_rate

当前排行和 PIT 截面都会给出评分及相关统计。文档对字段的公开口径如下:

字段 公开口径 阅读时注意
agency_id 匿名稳定编号 只作键,不作身份
agency_score 约 450~1500,1000 左右算中等;1050 约前 10% 分数会随发布日更新
n_eff 有效样本数;排行可用 order=n_eff 样本少时,其他比率更易波动
win_rate 胜率;排行可用 order=win_rate 这是已发布字段,不是对未来的预测,也不解释算法细节

排行接口 /agencies/ranking 按当前评分取数,order 还可以是 score(默认)或 updated。min_score 可选;limit 默认 50、最大 500,offset 默认 0,这是该板块明确提供的分页。PIT 接口 /agencies/pit 的分页参数相同,但多了 as_of_date 和按单个 agency_id 过滤。历史接口按日期从早到晚返回,limit 默认 250、最大 1000,可配 start_date、end_date。日期列表 /agencies/dates 从新到旧列出已发布评分日,以及当天有多少机构/大V,limit 默认 60、最大 500。

没有在文档里写明的派生指标,不要自行冠名为官方字段。需要分层时,在本地用当时的 agency_score 或 n_eff 分档,并写下分档规则。

按 PIT 日期切一个队列

队列研究的最小闭环是:「先确定研究日,再取当时已发布的截面,最后用当时的键集合去做后续统计」。步骤可以固定如下。

  1. 调用 list_agency_pit_dates,确认研究日 D 附近有哪些已发布日期。PIT 接口的规则是:返回不晚于 as_of_date 的最近一个已发布日。若 D 不是发布日,实际快照日可能更早,必须把映射记下来。
  2. 调用 get_agency_pit(as_of_date=D),需要门槛时显式传 min_score(例如 1050),并用 limit / offset 取完整截面,不要只用默认前 50 名当作全市场队列。
  3. 在该截面上按事先写明的规则分档,例如「当时分数 ≥1050」或「当时 n_eff 高于某一本地阈值」。得到的 agency_id 集合就是日 D 的队列。这组键只对日 D 有效。
  4. 若要观察队列成员后来的分数,用 get_agency_history 按编号拉取,不要重新调用今天的 get_agency_ranking 来改写他们「当时」的位置。
  5. 若要观察这些主体在消息面里提到了哪些股票,把 /opinions 或加权热榜样本里的 agency_id 与队列做连接;涉及分数时仍以 PIT 截面为准。
示例流程(日期为示例):
  list_agency_pit_dates(limit=60)
    -> 确认 2026-11-11 可用,或回退到不晚于该日的已发布日
  get_agency_pit(as_of_date=2026-11-11, min_score=1050, limit=500, offset=0)
    -> 得到当日队列键集合 S
  对 S 中的示例编号 AG0123456789AB:
    get_agency_history(agency_id=..., start_date=..., end_date=...)
    -> 只描述该键的分数路径,不标注真名

全市场热度、概念热度仍然按股票或概念统计;队列研究只是在匿名机构/大V 这一层多了一个稳定键。不要把高分队列理解成「应当跟随的名单」。

分数会变,今日名单不能当历史

get_agency_ranking 适合回答「现在的排行是什么」。它不适合直接当作 90 天前的队列。主体分数会在后续发布日更新,今天跨过 1050 的编号,过去未必在同一档;过去在队列里的编号,今天也可能离开。用当前排行回填历史,会把后来才形成的信息带进样本,这正是 PIT 截面要避免的事情。

因此,日频队列必须「一日一切」:每个研究日单独取 get_agency_pit,单独保存键集合和实际快照日。跨日比较的是「集合如何变化」「分数路径如何走」,而不是假定有一个永恒的高分集团。示例编号只用于说明格式和调用方式,不能把它当成需要追踪的特定主体。

FAQ

Q:AG0123456789AB 是某个真实主体吗?
A:不是。它只是文档里的格式示例。研究时应使用接口实际返回的 agency_id,并且始终保持匿名。

Q:当前排行和 PIT 截面可以混着用吗?
A:实时监控可以看当前排行;凡是涉及历史日期的队列、回测或复盘,都应以 /agencies/pit 和 /agencies/dates 为准。消息记录上的当前分也不能代替历史分。

Q:win_rate 能不能用来给主体排序打标签?
A:可以作为你本地研究表里的一个已发布字段来排序或分档,但应同时记录 n_eff 和快照日。它不构成对未来结果的说明,也不应配上主体真名。

Q:分页漏了会怎样?
A:/agencies/pit 与 /agencies/ranking 默认只返回 50 条。队列若以「当时全体达标主体」为定义,必须按 offset 取完,或明确改写成「当时前 N 名」并记录 N。

结论

匿名 agency_id 的价值是稳定、可连接、不可还原。切队列时,先用 /agencies/dates 确认发布日,再用 /agencies/pit 在研究日上取当时截面,用 agency_score、n_eff、win_rate 做分档;随后的路径只跟随这些键,不跟随今天的排行,也不还原真名。分数会变,今日名单不是历史名单。把这一层与全市场热度、个股消息面连起来时,仍然只输出只读数字和短摘要。

数据来自熔岩消息面热度监测,仅供研究参考,不构成投资建议。

MCP 接入示例与工具清单见 GitHub:https://github.com/dustinliang666-blip/lava-mcp

目录
相关文章
|
14天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
6050 44
|
15天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5064 60
|
9天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
2411 6
|
7天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1512 0
|
9天前
|
云安全 人工智能 安全
|
2天前
|
云安全 人工智能 安全
|
8天前
|
人工智能 并行计算 调度
本地 AI 一键部署工具 LocModel:Windows 端集成画图、视频生成、Agent 的开源模型运行方案
LocModel 是专为 Windows 设计的一站式本地 AI 工具,支持零配置启动、自动硬件检测、GGUF 模型一键加载、文生图/视频生成及 Agent 自动化任务。适配 8G 显存,内置显存分片调度,轻松实现 AI 漫剧批量创作与离线大模型调用。(239 字)

热门文章

最新文章