name: lava-news-heat description: 查询股票和概念板块的消息面热度（熔岩）。当用户问某只股票/某个概念最近消息面热不热、被哪些机构/大V提及、要点是什么、概念里哪些股票最热时使用。

熔岩 · 消息面热度监测

给人看：3 步装好

1. 拿 API Key：登录熔岩 → 左侧点「AI数据服务」→ 上方点「API Key」：首次登录已自动送代金券并生成「默认」Key（lvk_ 开头，默认脱敏，点眼睛显示、点复制），接入文档里的 MCP JSON 已自动填好。入口：https://lava.ai-dolphin.com/lava#/ai-data-service
2. 添加 MCP（MCP＝让 AI 办公软件直接调数据的接口）：在豆包办公 / WorkBuddy / 千问办公的「连接器」里新建自定义连接器，
   • 连接方式：Streamable HTTP（豆包里叫「HTTP」）
   • 地址：https://lava.ai-dolphin.com/subscribe/v1/mcp
   • 请求头：Authorization = Bearer lvk_你的Key（Bearer 后有一个空格）
3. 新建对话提问：例如「宁德时代最近一周消息面热不热？」

分软件的详细步骤：https://lava.ai-dolphin.com/subscribe#ai-office 费用：先送 100 元代金券，之后按请求次数扣费，约 1000 次 5 元；失败的请求不扣钱。

给 AI 看：数据说明

数据源：熔岩远程 MCP https://lava.ai-dolphin.com/subscribe/v1/mcp（Streamable HTTP，请求头 Authorization: Bearer <API Key>）。 所有工具只读；返回结构化文字与机构/大V ID（agency_id）。适合量化交易工具与 AI Agent 股市研究接入。每次工具调用计 1 次请求（get_account 查余额不计费）。

流程

1. 个股热度：get_stock_news_heat(stock_name 或 ts_code, days=7)
   • 看 data.heat.mentions（提及数）、data.heat.agencies（参与机构/大V数），再读 list[].summary 归纳要点。
2. 个股关联概念：get_stock_concept_heat(stock_name, days=30) → 取 list[] 前 5 个概念及其 mentions。
3. 概念内个股排行：get_concept_stock_heat(concept, days=7) → 列出提及最多的个股。
4. 关键词追踪：search_news_flow(keyword, since)。
   • 全市场热榜：get_market_hot_stocks(window=24h) / get_market_hot_concepts(window=24h)；问“靠谱的人在提什么”用 get_weighted_hot_stocks(days=3)。
   • 新冒头：get_first_mention_stocks(hours=24) → 此前 7 天没人提、刚被第一次提到的股票。
   • 新闻点名：get_news_stock_hits(hours=24) 看全市场；get_news_stock_hits(stock_name) 看某股被哪些媒体点名。
   • 单股多时间窗：`get_stock_heat_windows(stock_name) → windows[]（1h~7d）与 hourly_24h[] 逐小时走势。
   • 热度动量 / 加速榜：get_accelerating_hot_stocks(window=24h) → 列表含 heat_chg_1d / heat_chg_3d / heat_z20（相对近 20 日日均热度的 z 分）；普通热榜 get_market_hot_stocks 也会附带这三项。
   • 日频历史面板：get_stock_heat_panel(stock_name 或 concept, days=90) → 日频 mentions / gencies 序列，适合回测与导出。
   • 机构覆盖度：get_agency_coverage(stock_name, days=30) → 覆盖机构数时序与 7/30 日去重、新增覆盖。
5. 机构/大V可信度（可选）：对 agency_id 用 get_agency_pit / get_agency_history 看机构/大V分（约 450~1500，中位约 1000）。
6. 余额不足（402 / INSUFFICIENT_BALANCE）时，告诉用户去熔岩「AI数据服务」→「概览与充值」充值；其他报错如实转告，不要反复重试。

输出要求

• 先给结论：热度高/中/低 + 提及数 + 参与机构/大V数 + 时间窗。
• 要点用 3~5 条结构化短句概括，紧扣返回字段。
• 少用术语；必须用时加一句白话（如“PIT＝只用当时已知数据算的历史分数”）。
• 机构/大V请使用返回的 agency_id 指代。
• 末尾可注明数据来自熔岩消息面热度监测。

参考

• 文档：https://lava.ai-dolphin.com/subscribe/docs
• OpenAPI：https://lava.ai-dolphin.com/subscribe/v1/openapi.json

lava-mcp · 熔岩消息面热度监测

熔岩（Lava） 提供 A 股股票和概念板块的消息面热度监测 结构化只读数据——支持 量化交易工具 与 AI Agent 股市研究 接入，通过远程 MCP / REST 调用。

只读 · 结构化要点 + 机构/大V ID（agency_id）· 新闻命中不含标题与正文

新手 3 步

① 开通并复制 API Key（登录熔岩 → 左侧「AI数据服务」→ API Key → 新建；首次登录通常已自动生成「默认」Key）

② 装 Skill，或在豆包办公 / WorkBuddy / 千问办公填 MCP 地址 https://lava.ai-dolphin.com/subscribe/v1/mcp

③ 用中文问「某某股票最近消息面热不热」，或「最近 24 小时全市场哪些股票消息面最热」

远程 MCP（推荐）

开通与计费见 落地页：开通赠 100 元代金券；约 1000 次 = 5 元。

本地 Streamable HTTP 代理

proxy/server.py 是可运行的薄代理（Python 3.9+，仅标准库）。它不实现熔岩的查询接口，只把 MCP 的 Streamable HTTP / JSON-RPC 原样转到官方端点，并附上 Authorization: Bearer <LAVA_API_KEY>。个股、概念和热榜数据仍来自 https://lava.ai-dolphin.com。

直接连接官方端点仍然是推荐方式。本地代理适合需要在本机审计转发代码，或客户端不方便单独配置远程请求头的时候。

export LAVA_API_KEY=lvk_你的Key
python3 proxy/server.py

默认监听 http://127.0.0.1:8787/mcp（只绑定本机）。

客户端把 MCP 地址填成 http://127.0.0.1:8787/mcp，传输选 Streamable HTTP。Key 放在启动代理的环境里即可。未设置 LAVA_API_KEY 时，才会原样转发客户端自己的 Authorization 头。

curl -sS http://127.0.0.1:8787/health

curl -sS http://127.0.0.1:8787/mcp \
  -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-06-18","capabilities":{},"clientInfo":{"name":"curl","version":"0"}}}'

GET /health 只检查代理进程，不访问上游。本地测试：python3 -m unittest proxy.test_server。

Skill 模板

仓库内 SKILL.md 与线上官方模板对齐（含全市场热榜、加权、首提、多时间窗、加速榜、日频面板、机构覆盖度与新闻点名）。官方模板：

https://lava.ai-dolphin.com/subscribe/v1/skill

文档与机器可读规范

• 产品落地页：https://lava.ai-dolphin.com/subscribe
• API 文档（canonical）：https://lava.ai-dolphin.com/subscribe/docs
• OpenAPI 3.0：https://lava.ai-dolphin.com/subscribe/v1/openapi.json
• llms.txt：https://lava.ai-dolphin.com/llms.txt
• MCP Registry：server.json
• 本地代理：proxy/server.py
• Glama：glama.json · 线上 /.well-known/glama.json

数据模块一览

熔岩同时有站内看板和订阅 API / MCP。数据是 A 股机构/大V 舆情的结构化只读：概念和标的给摘要要点，机构/大V 用匿名 agency_id。订阅落地页是 https://lava.ai-dolphin.com/subscribe ；文档、OpenAPI、MCP 与 Skill 都在同一域名下。

表中的工具名与本文以及线上 OpenAPI 一致。板块趋势和情绪面的订阅路径尚未开放。

板块趋势（站内已上线 · 订阅接口规划中）

左侧「市场热度」可以切到「板块热度」。默认页是剧烈变化追踪，同时看消息热度变化、资金流入流出和价格变化。点进板块后，详情给出近三个月的消息面、资金流、价格指数（有数据才画）和成分股提及。板块命名对齐东财/同花顺口径。

站内已上线。订阅接口规划中，目前以站内页面为准。

侧栏「市场热度 → 板块热度」：按消息热度变化、资金净流入和价格变化看板块；右侧是选中板块近三个月的消息提及、净流入和板块指数。

板块详情：近 1 小时 / 24 小时 / 7 日提及，近 30 日与近 24 小时的提及和机构/大V，近三个月消息、资金与指数，以及成分股提及排行。

个股 / 概念热度（站内 + MCP）

全市场热榜、热度加速、高分加权、首提、小时窗、日频面板和机构覆盖度都已经能通过上表里的 MCP / REST 工具读取。站内「市场热度」是同一套统计的预览。

全市场热榜的个股视图：1 小时到 7 天窗口内，按机构/大V 提及次数和人数排序，并给出 1 日变化、3 日变化和 z20。

个股页：日线与提及、多时间窗热度、近 24 小时走势、近 90 日提及面板、机构/大V 覆盖度，以及结构化要点。

情绪面（规划中 · 求准优先）

正在做机构/大V 观点的二维情绪聚合。两个轴彼此独立：多空是 bull / bear / neutral，情感面是 calm / joy / fear / frustration / anger。对外只提供聚合统计，方便量化研究和 AI Agent 接入。站内趋势线和订阅接口都在质量达标后再开放。

订阅落地页

开通、计费和能查什么，以落地页为准：https://lava.ai-dolphin.com/subscribe

落地页列出已经开放的能力：个股/概念消息面、全市场热榜、高分加权、首提流、小时热度窗、新闻点名、机构/大V 评分，以及 API / MCP 接入。

主要工具（MCP）

参数名与线上 MCP / OpenAPI 一致。机构/大V分大约 450~1500，1000 左右为中等，1050 约前 10%。

get_accelerating_hot_stocks

在全市场热榜候选上计算动量，并按变化降序。字段为纯统计量，便于量化因子与监控。

get_stock_heat_panel

按自然日聚合个股或概念的 mentions、agencies、weighted_heat、is_first_mention_day。区间最长 92 天，单次最多 20 个标的。

get_agency_coverage

返回每日滚动 7/30 日去重机构/大V数、区间累计新增覆盖、30 日高分占比。只给计数，不返回机构 ID 列表。

其他热榜 / 首提 / 新闻点名

详见线上文档与 OpenAPI：get_market_hot_stocks、get_weighted_hot_stocks、get_first_mention_stocks、get_stock_heat_windows、get_news_stock_hits。

License

本仓库采用 MIT License。

文档与 Skill 模板以站点公开内容为准（线上 SVN r10407 口径）。查询结果来自 lava.ai-dolphin.com；本仓库里可运行的服务端代码是本地转发代理 proxy/server.py。