凌晨两点十七分我刷到一条海外监管公告内容涉及我持仓里某只票的细分产品线。那一刻我意识到我没有在第一时间看到这条信息——等我第二天早上打开行情软件价格早就把这段预期走完了。大多数人以为投研的瓶颈是分析能力但做了几年之后我越来越确认真正的瓶颈是覆盖能力你盯不了那么多行业刷不了那么多公告更没法在每一个突发消息出现的时候立刻判断它值不值得关注。所以我开始认真琢磨一件事能不能用 WorkBuddy 这种 AI Agent 工作台搭一支不需要睡觉的投研团队让每个 AI 角色各管一段24 小时不停歇地帮我盯信息、做分析、出结论、沉淀档案。这篇文章就是我把这套系统从零搭起来、跑了近两个月的完整记录。我会讲清楚 WorkBuddy 在投研场景下的能力边界、团队角色怎么设计、自定义指令怎么写、定时任务怎么配以及我自己踩过的坑。如果你也是一个人盯盘、一个人看研报、一个人刷公告的独立投资者这篇文章应该能帮你省下大量时间。1. 为什么我把投研流水线交给 AI Agent而不是普通炒股软件先聊一个更基础的问题市面上的行情软件、资讯终端那么多推送也很及时为什么我非要自己搭一套 AI 投研团队1.1 信息过载时代的真实痛点投研这件事本质上是一条流水线信息获取 → 信息筛选 → 逻辑分析 → 结论输出 → 知识沉淀。以前个人投资者主要卡在信息获取这一环觉得能看到更多消息就能赢。但现在的实际情况反过来了——信息不是太少而是太多了。我自己的订阅源不算夸张几个行业公众号、交易所公告、海外监管页面、行业协会网站、三四家研究机构的邮件列表加起来每天粗算有两三百条新增信息。其中真正值得深挖的可能只有三五条。让我痛苦的不是看不到而是看到了却没时间判断。尤其在盘中一条公告出来留给你反应的时间窗口往往只有几分钟到几十分钟人肉去看、去查、去对比历史数据根本来不及。1.2 传统工具为什么不够市面上大多数工具解决的是更快地把信息推到你脸上比如行情弹窗、新闻推送、异动提醒。但它们有几个绕不开的短板不能跨源聚合。公告在交易所、舆情在社交媒体、数据在财经终端信息是割裂的得自己来回切。不能做语义判断。推送只告诉你某公司发了公告不会告诉你这条公告对它的上游供应商是利好还是利空。不能形成沉淀。今天看过的信息、得出的判断明天就散了。下次遇到同类情况又得从头想一遍。不能持续跟踪一个逻辑。一个投资逻辑从形成到验证可能需要几周甚至几个月。普通工具做不到帮你记住这个逻辑并且持续更新它的状态。这些恰恰是 AI Agent 擅长的事它能读、能总结、能调用工具去查数据、能按固定格式输出、能定时执行还能把结果写进你的知识库。1.3 AI Agent 投研团队的核心价值感知、理解、判断、沉淀如果用一句话概括我用 WorkBuddy 搭的这套系统就是四层能力感知7×24 小时盯住我指定的信息源第一时间抓到变化。理解把原文摘要成发生了什么、影响谁、影响多大而不是甩一段原文链接给我。判断基于我给定的分析框架比如政策、供需、价格、公告、情绪输出结构化的结论。沉淀把每次分析和结论自动归档成 Markdown 笔记方便日后复盘和索引。这四层能力对应到 WorkBuddy 上分别靠它的数据源接入、大模型分析、自定义指令和外部工具联动来实现。下面我会一层一层拆开讲。2. WorkBuddy 的本体拆解它到底是个什么样的工作台如果你没接触过这类工具第一次打开 WorkBuddy 可能会有点懵它不像传统的行情软件那样打开就是 K 线图而是一个偏工作台形态的界面。我用了快两个月把它拆成几个核心能力来说。2.1 一句话定位可编程的 AI 工作台WorkBuddy 在我看来就是一个把大模型、自动化任务、外部工具捏合到一起的操作系统。你可以创建不同的任务或角色给每个角色写清楚你的要求这就是自定义指令然后让它按设定好的节奏自动运行。拿投研场景打比方它不是给你一条做好的鱼而是给你一套渔具和一本地图。每个 AI 研究员就是一条鱼竿你设定好它该去哪个水域、咬什么样的钩、钓上来之后怎么处理。而 WorkBuddy 负责的是保证这些鱼竿同时立在那里24 小时不休息。2.2 核心能力清单我梳理了一下实际用到的能力大概可以分这几块能力模块具体说明我的投研用途多模型接入支持配置不同大模型服务的 API Key分析用更强的模型摘要用便宜快速的模型自定义指令为每个任务写角色设定、分析框架、输出格式给每个AI 研究员定岗位职责定时任务按固定时间或间隔自动触发早中晚三轮信息聚合Skill / 技能包把固定动作封装成可复用的技能财报要点提取、公告类型分类网页与 RSS 抓取读取指定 URL 或订阅源盯公告、盯行业新闻外部工具联动调用脚本、访问本地文件、写 Markdown输出笔记到 Obsidian 仓库跨平台运行支持桌面端、服务端部署挂在 Linux 小主机上 7×24 跑注意不同版本的 WorkBuddy 功能细节可能有差异上面这张表是我实际用到的版本的情况你的版本如果多了或少了某些入口以你本地界面为准但整体思路是通用的。2.3 为什么选它而不是直接写脚本调 API在认真决定用 WorkBuddy 之前我其实也考虑过另一个方案直接用 Python 写一套定时脚本调大模型 API再加 crontab 调度。这条路理论上完全可行而且非常灵活。但后来我算了一笔时间账脚本方案里我要自己解决调度器、重试机制、Token 消耗控制、输出文件格式、异常告警、可视化配置界面……这些零零碎碎的东西加起来开发成本远远超过配置一个工具。WorkBuddy 把这些做成了一块块现成的积木我只需要把积木拼起来。对于非程序员出身的投资者来说这一点尤其重要——你不需要懂代码只需要懂逻辑。另外它自带执行日志和任务管理界面哪个任务跑了、哪个失败了、消耗了多少 Token一眼就能看到。这在纯脚本方案里要额外写不少代码。2.4 安装与初始配置从下载到跑通第一个任务我当时的安装路径是这样的以 Linux 服务端为例Windows 和 macOS 类似从官方渠道下载对应平台的安装包我用了 Linux 版本方便挂在低功耗小主机上。安装完成后启动服务用浏览器打开本地管理页面创建一个管理员账号。进入模型配置页面填入大模型服务的 API Key。这里建议把不同用途的模型分开配日常摘要用性价比高的模型深度分析用更强的模型。创建一个测试任务输入一段新闻文本让它做摘要输出确认模型链路通了。再测试一下定时触发和文件输出确保任务能自动跑、结果能落盘。整个初始配置大概花了一个小时。最容易踩坑的是第一步和第三步下载安装包时要注意选择对应系统架构的版本配置模型时要注意填写的 API 地址和 Key 有没有多余空格我因为复制的时候多带了一个空格排查了将近半小时。3. 搭团队给每个AI 研究员写清楚岗位说明书很多人用 AI Agent 觉得不够聪明其实是提示词没写明白。在投研这种专业性很强的场景里你更需要把岗位说明书写得足够细致而不是扔一句帮我分析一下这个公司就给大模型。3.1 团队角色设计五位各管一段的虚拟研究员我在 WorkBuddy 里建了五个角色每个角色的职责边界都很清楚宏观观察员负责盯宏观数据和重大政策信号每天早中晚各汇总一次输出到宏观日志。行业研究员负责特定行业的新闻、公告、价格数据输出结构化的事件影响分析。财报解读员当有标的发布财报时自动抓取关键财务指标与历史数据对比输出财报快评。舆情监控员盯社交平台和财经媒体的热议话题识别短期情绪波动尤其关注负面舆情。风险提醒员设置风险规则比如跌超阈值、大股东减持、审计意见异常触发时立刻提醒。这里的关键是职责不要重叠。如果两个角色都在盯同一类信息就会造成重复输出和 Token 浪费。我一开始就犯过这个错行业研究员和宏观观察员都会去读宏观新闻结果两个角色经常输出同一篇新闻的不同摘要等于白跑了一遍。3.2 自定义指令的通用结构我在给每个角色写指令时基本都遵循同一个五段式结构角色定义你是谁你负责什么你的专业背景假设是什么。核心职责你要完成哪些具体任务按优先级排列最好带上频率。分析框架你从哪几个维度分析信息每个维度看什么指标。输出格式用什么结构输出比如标题 / 事件概述 / 影响分析 / 置信度 / 一句话结论。尽量让输出格式稳定方便后续处理。触发与禁用条件什么情况下你必须工作什么情况下不要输出。这一点非常有用能有效减少噪音。3.3 完整示例行业研究员的自定义指令这是我目前实际在用的行业研究员指令模板给你做个参考。注意里面的输出格式要求很细——AI Agent 对格式要求越是明确输出越稳定。你是我的新能源行业研究员有 10 年行业研究经验。你擅长从政策、供需、价格、公司公告、市场情绪五个维度分析行业变化。 核心职责 1. 每天 9:00、13:00、21:00 三个时间点汇总最新的行业信息每次输出不超过 5 条最重要的事件。 2. 每周五 17:00 输出一份本周行业跟踪报告覆盖上述五个维度。 3. 当出现重大事件突发事件、政策发布、头部公司重大公告时建议立即输出快评。 分析框架 - 政策该事件是否涉及行业政策变化影响范围多大 - 供需是否影响供给端或需求端影响弹性如何 - 价格相关产品价格是否出现异动联动哪些公司 - 公告哪些公司发了公告业绩预期是否有变化 - 情绪市场主流观点是什么是否存在明显分歧 输出格式 事件标题 事件概述150字以内 影响维度政策 / 供需 / 价格 / 公告 / 情绪可多选 影响方向利好 / 利空 / 中性 / 不确定 置信度高 / 中 / 低说明理由 一句话结论 触发条件只分析新能源行业相关信息包括锂电、光伏、储能、风电、氢能。 禁用条件不分析宏观数据、不分析其他行业、不输出每日复盘之外的常规行情描述。这段指令看起来很长但实际配置后非常省心。它把一个模糊的帮我盯一下新能源行业变成了一个边界清晰、输出稳定的岗位职责书。3.4 角色之间的协作与信息流五个角色不是各自为战它们之间有明确的信息流向。我设计了一个简单的协作机制宏观观察员的输出会作为行业研究员分析时的背景输入。比如宏观利率变化会先经宏观观察员标记再由行业研究员判断是否影响行业估值。舆情监控员一旦触发负面舆情预警会自动汇总给风险提醒员由风险提醒员判断是否达到提醒级别。财报解读员的快评会归档到知识库供后续行业研究员写跟踪报告时引用。这种协作不需要 WorkBuddy 里有复杂的角色对话功能只需要在指令里写清楚你还可以参考 XX 角色产出的 XX 文件。因为所有角色的输出都会落到同一份知识库里互相之间就天然形成了信息闭环。4. 让团队 7×24 小时待命自动化调度与数据接入角色设计好了下一步就是让它们自动上班。这是 WorkBuddy 最核心的价值——它不是一个你打开才工作的助手而是一个挂在那里随时待命的系统。4.1 定时任务怎么配从手动到全自动WorkBuddy 的定时任务配置我理解下来就是三件事触发时间、执行动作、结果去向。触发时间上我采用了三种模式固定时间点比如每天 9:00、13:00、21:00 跑一次汇总。适合行业研究员的定时信息聚合。固定间隔比如每 30 分钟检查一次指定网页是否有更新。适合舆情监控这种需要频繁轮询的任务。事件驱动比如当某公司发布财报时自动触发。这个依赖你接入的数据源能不能提供事件信号我目前是通过一个监控脚本实现的。执行动作就是运行哪个任务、用哪个角色、读哪些数据源。结果去向通常是输出到指定文件、推送到 IM 工具、或者写进知识库目录。4.2 数据源接入RSS、网页、API、自建列表一个投研团队的眼睛就是数据源。我把自己的数据源分成四类数据源类型例子接入方式轮询频率RSS 订阅行业媒体、研究机构博客WorkBuddy 内置 RSS 读取每 30 分钟静态网页交易所公告页、价格走势页URL 抓取 变更检测每 15 分钟API 接口财经数据接口、新闻 API自定义请求每 5 分钟本地文件自建的观察列表、Excel 数据文件读取每次执行时这里要提醒一点网页抓取要注意目标网站的反爬策略。我一开始用 1 分钟间隔去抓某个公告页面结果 IP 被临时封了。后来把间隔拉到 15 分钟并且加了随机的延时问题就解决了。4.3 结果推送把结论送到你面前定时任务跑出来的结果如果只是放在任务日志里那和没跑差不多。所以结果推送是这套系统里极其关键的一环。WorkBuddy 支持把执行结果推送到多个渠道。我的配置是重要结论置信度高的快评、风险预警→ 实时推送到微信/钉钉群。常规日报→ 每天固定时间推送到邮件。全部输出→ 同时写入本地知识库归档。推送的格式上我强烈建议让它直接输出你能一眼看懂的话。比如风险提醒员推送给我的格式是这样的【风险提醒】持仓标的 A 出现舆情异常 触发时间2025-06-12 14:37 触发条件社交媒体负面发帖量 1 小时内增长超过 300% 事件概述多位用户反馈产品出现XX问题 置信度中 建议动作关注晚间官方回应暂不操作这条消息基本上是拿来就能决策的而不是又要我自己去翻原文。4.4 实际调度表参考这是我跑了两周后稳定下来的调度表供参考。它不是一步到位的——前三天一直在调时间间隔和触发规则现在算是平衡了实时性和沉默成本。07:30 宏观观察员隔夜宏观要闻汇总 08:30 行业研究员新能源早间行业新闻聚合 09:00 风险提醒员开盘前风险事项扫描 10:00 舆情监控员社交媒体热点情绪扫描 12:00 财报解读员午间公告快评如有 13:00 行业研究员新能源午间行业信息更新 15:00 宏观观察员盘中宏观异动检查 17:30 行业研究员新能源收盘后行业跟踪日报 20:00 舆情监控员晚间舆情汇总 21:00 宏观观察员晚间宏观深度解读 23:00 风险提醒员全天空仓风险复盘5. 把研究结果变成可复用的知识库与 Obsidian 的联动投研里最可惜的事情就是今天想清楚的逻辑过两个星期就忘了。所以我在设计这套系统时特意要求所有输出都落到 Obsidian 仓库里。这也是 WorkBuddy 的一个隐藏加分项——它能和本地文件系统联动把每一次任务输出变成持久化笔记。5.1 为什么投研需要知识库复盘我过去两年的投资记录发现一个规律真正让我赚钱的标的往往不是看到消息那一刻才决定的而是因为我很早就在跟踪某个逻辑消息出来的时候我早就知道该怎么应对。反过来亏钱的交易里有很大一部分是当时没想清楚就冲进去的。AI Agent 的实时监控能力解决了盯盘的问题但只有把分析结果沉淀成结构化的笔记才能解决积累的问题。每一次分析都应该变成下一次判断的起点。WorkBuddy 结合 Obsidian 的这个组合本质上就是给投研加了一层记忆。5.2 自动生成 Markdown 笔记的写法这个功能的实现方式是在 WorkBuddy 的执行动作里加一个输出到文件的步骤文件路径指向 Obsidian 的 vault 目录文件名带日期和角色前缀。比如行业研究员每天的日报会生成这样一个文件vault/投研/新能源/2025-06-12-行业日报.md文件内容由自定义指令里的输出格式决定。我会要求它在笔记开头加上 YAML front matter方便 Obsidian 自动索引--- tags: [投研/新能源, 日报] date: 2025-06-12 source: WorkBuddy-Agent --- ## 今日行业要闻 1. 事件标题... 事件概述... 影响维度政策 影响方向利好 置信度高 一句话结论... 2. 事件标题...等笔记沉淀得足够多就能在 Obsidian 里用查询语法做横向对比。比如搜置信度:高就能找出历史上有哪些高置信度判断再对照当时的后续走势反向验证 AI 的判断准确性。5.3 双向链接与复盘索引投研笔记最忌讳信息孤岛。我会让每个角色的输出里都带上关联字段比如相关公司、相关行业、关联上游/下游。这样 Obsidian 会自动把这些笔记关联成一张网。举个例子舆情监控员发现某锂盐厂有负面舆情它会在笔记里关联到锂盐和新能源标签。等下周行业研究员写周报时就能直接在反向链接里看到这条舆情记录。这种自动形成的关系网在人工整理时往往会被遗漏但却是投资判断里最关键的隐性知识。6. 实测两周后的踩坑记录权限报错、Token 失控与模型幻觉任何工具跑起来都会遇到问题WorkBuddy 也不例外。这两周我踩了不少坑挑几个有代表性的说说希望能帮你避开。6.1 502 write EACCES一场让我排查到大半夜的权限问题运行到第三天的时候我突然发现某个定时任务失败了打开日志一看报错是502 write EACCES。这个报错字面上看是写入权限被拒绝但诡异的是其他任务都正常只有这一个任务挂掉。我的排查链路是这样的先看是不是目录权限问题。我用ls -l检查输出目录发现权限正常当前用户有写权限。再看是不是路径写错了。我把任务里的输出路径和实际目录对比发现一致性也没问题。然后我怀疑是不是文件名非法。这个任务输出的文件名里包含了冒号2025-06-12:日报.md冒号在 Linux 文件系统里是合法字符但在某些工具链的处理里会被视为异常。最后的解决办法是换个思路把文件名里的冒号改成短横线并且把输出目录改到/home/user/obsidian/vault/这种绝对路径下问题就解决了。复盘来看这大概率是文件名的特殊字符在某些系统调用里触发了问题。现在我的所有任务输出文件名都统一用YYYY-MM-DD-任务名.md这种格式再也没有出现过502 write EACCES。6.2 中文输出被截断与 Token 预算控制第二个很现实的问题是 Token 消耗。我刚搭好系统的那几天每天光跑日报就烧掉了大概 15 万 Token——因为每个角色每次执行都会把一堆原文重新读一遍成本还挺高的。控制 Token 的核心思路是减少喂给模型的无效内容。我做了三件事在数据源环节就做预过滤只把标题和摘要喂给模型而不是把整篇文章都塞进去。WorkBuddy 的 RSS 读取支持只取摘要字段这个功能非常省 Token。在输出环节限制最大 Token 数每个任务都设置输出上限比如日报最多 1500 Token避免模型把一件事翻来覆去说。在触发环节设置冷却时间同一数据源在短时间内重复变化时不重复触发任务。做这三件事之后每日 Token 消耗降到了原来的三分之一左右信息量反而更集中了。6.3 模型幻觉AI 研究员也会一本正经地胡说八道这是最需要警惕的问题。有一天行业研究员的日报里出现了一条该公司已与某海外客户签订 10GWh 储能订单的信息置信度标了高。我看到之后去核实发现完全没有官方公告是模型把一条行业传闻当成了事实。从那以后我在所有指令里强制加了一条规则信息核实要求 - 如果一条信息来自非官方渠道必须标注未经官方证实。 - 如果两条信息源存在冲突必须同时列出两种说法并标注差异。 - 严禁把推测性内容包装成确定性结论。同时我给结果推送加了一条验证成本逻辑凡是置信度为高的重大结论要求模型必须给出信息来源链接或原始出处。这样即使模型出错我也能快速回溯。6.4 定时任务偶尔漏跑不要只依赖单一触发器还有一次宏观观察员早上 7:30 的任务没跑。我查日志发现是因为系统当时重启过而任务调度器没有在重启后自动补跑错过的任务。我的应对方案是双保险在 WorkBuddy 里设置两个不同时间的触发点比如 7:30 跑一次如果失败8:00 再补偿一次。同时我用系统级定时任务crontab写了一个健康检查脚本每天早上检查一下最近 24 小时内是否有关键任务的执行记录没有就发一条提醒。这套机制虽然笨但很可靠。7. 一点个人经验这套系统适合谁以及怎么继续扩展最后聊点我自己的体会。这套AI 投研团队不是万能的。它最大的价值是帮你提效而不是替你决策。模型会看漏信息会错误解读公告甚至会在你盲目信任它的时候给你挖坑。所以我现在的用法是AI 负责覆盖、筛选、初判我负责终审、决策、下注。它把 80% 的体力活干掉了但剩下的 20% 判断工作还是要靠人。如果你也想搭这么一套系统我建议从最小闭环开始先只搭一个角色的日报任务跑一周看看输出质量、Token 消耗和自己的使用习惯再逐步加角色、加数据源、加自动化调度。一上来就想搭满五个角色七个数据源大概率会被配置复杂度击穿。后续我打算继续扩展几个方向一是把更多财务数据接口接进来让财报解读员能做更复杂的同比环比分析二是尝试让行业研究员在每次周报里自动对比历史观点形成观点-验证-修正的循环三是把知识库里的笔记用向量检索串起来实现用自然语言查历史判断的能力。WorkBuddy 保留了外部工具调用的入口这些方向应该都不难落地。最后再分享一个我在配置自定义指令时悟出来的小技巧给 AI 角色写指令最好的方式是像带实习生一样——一开始把话说细把例子给足把输出格式定死它慢慢就会稳定输出等它稳定了你再放开自由度。我在第一个版本里给了行业研究员比较大的自由发挥空间结果它每次日报的格式都不太一样后来把格式模板写死到指令里才终于解放了自己。希望你搭的时候能少走这一段弯路。