不用急着上什么量化模型也不用会写复杂的 Python 爬虫。我最近用 WorkBuddy 搭了一支完全由 AI 扮演角色的「投研团队」让几个 AI Agent 分别当宏观研究员、行业分析师、财报解读员和风控专员7×24 小时挂在后台帮我盯数据、写晨报、跟踪持仓异动。整个过程没有写一行代码全靠 WorkBuddy 的可视化编排、自定义指令和 Skills 来完成的。这篇就把我踩过的坑、摸索出来的配置思路、以及一套可以直接照抄的提示词模板全部放出来。无论你正纠结 WorkBuddy 和豆包哪个好用还是想了解 WorkBuddy 怎么接 DeepSeek、怎么用 Skill看完这篇应该都能解决大半问题。1. 为什么我想到用 WorkBuddy 搭「AI 投研团队」1.1 一个人盯不过来的信息洪流恰好是 Agent 的舒适区做投研最累的往往不是深度分析而是日常的信息跟踪。以前我每天早上的流程特别固定先刷一遍隔夜外盘涨跌然后看几条宏观快讯再翻自己关注池里有没有公司发公告最后还要把重点股票的技术形态粗略过一遍。这一套下来顺利的话四十分钟遇到公告密集的日子一个半小时就没了人还累得够呛。更麻烦的是这个流程需要重复判断哪些信息值得看、哪些是噪音。这种「低创造性、高重复性、但需要一定判断力」的工作正好是 AI Agent 擅长的地方。我需要的不是一个大而全的 ChatBot而是一个能自己记住角色分工、按固定流程干活、到点自动启动的智能体团队。WorkBuddy 解决的就是这个层面的问题。它的定位不是普通聊天窗口而是一个 Agent 工作台可以建多个不同角色的 Bot、给每个 Bot 配置单独的系统提示词和知识范围还能通过自定义指令把它们组织成一条流水线。也就是说我可以把原本自己每天早上做的事拆成几个角色分别去执行。1.2 对比了一圈最后还是选了 WorkBuddy在决定用 WorkBuddy 之前我确实对比过不少方案。最早试的是直接用豆包这类 ChatBot 网页版但问题是它们天生适合「你问一句我答一句」的对话模式要维持一个常驻后台自动运行的工作流基本做不到。后来也看过 CodeBuddy它更偏向编程辅助做投研这个场景有点浪费。WorkBuddy 打动我的点有三个一是支持通过 API 接入外部大模型这就解决了模型选择问题我甚至可以同时接入多个模型让不同角色用不同的模型干活二是有 Skills 机制可以把固定动作封装成可复用的模块比如「拉取公告」「检查持仓异动」这种不需要自己写代码三是支持定时/自动触发任务这是实现 7×24 小时待命的关键。另外我还看重一点WorkBuddy 有 Obsidian 相关的联动玩法生成的研报可以直接落到本地知识库方便我后续检索和管理。对投研这种需要积累素材的活儿来说这个能力很实用。1.3 「7×24 小时待命」到底指什么可能有人会问AI 又不用睡觉7×24 小时待命有什么稀罕的这里要澄清一点不是让 AI 无时无刻都在生成内容那会烧掉大量 token也没意义。真正的含义是两层第一层是「随时可调用」半夜突然想看某只股票的财务数据打开 WorkBuddy 就能问第二层是「固定时间自动干活」比如每天早上 8 点自动生成一份晨报放到指定文件夹晚上 7 点自动复盘当天异动。我实际用下来的体感是这相当于招了几个不要工资、不会离职、响应速度极快的实习生他们负责把信息筛选和初步分析做完最后所有重要结论还是经过我把关。说白了AI 团队的价值是把我从「信息的搬运工」变成「信息的决策者」。2. 投研团队的整体设计从「人肉盯盘」到「角色分工流水线」2.1 先把投研工作流拆成可以被 AI 执行的任务在动手配置 WorkBuddy 之前我先做了一次任务拆解。如果直接丢给一个 Bot「帮我做投研」它会无所适从产出大概率是一堆泛泛而谈的宏观感想。正确做法是参照真实投研团队的分工把一个完整的投研流程拆成几个环节每个环节由一个专门的 Agent 负责。我自己用的拆法是五段式宏观环境扫描、行业/个股信息收集、财务数据分析、风险舆情监控、每日汇总生成。对应到团队配置上就是五个角色各管一段。这样做的好处是每个 Agent 的职责边界清晰提示词可以写得很聚焦输出质量明显比「一个 Bot 干所有事」要高几个档次。还有个实际问题是 token 成本。如果把所有任务都塞给一个 Agent一个长对话几轮下来就可能把上下文窗口塞满后面输入的信息会被截断。拆成多个 Agent 后每个 Agent 的对话历史都很短反而更省 token响应速度也更快。2.2 WorkBuddy 团队架构多 Agent 复制与角色隔离WorkBuddy 有一个很实用的功能是「克隆 Bot」。我可以先创建一个基础模板配好通用的输出格式要求然后复制出多个实例再分别针对不同角色调整系统提示词。这样做的好处是管理起来不累改一个通用设置所有实例都能同步更新。角色隔离是我特别看重的一点。宏观研究员只需要知道宏观数据和政策事件不需要关心个股的财务细节而财务分析员也不需要看新闻联播式的信息流。隔离之后每个 Agent 收到的上下文都是「精选」过的没那么多无关内容干扰判断生成的报告更聚焦。我还给每个 Agent 设置了独立的记忆空间。比如行业分析师会积累对某个产业链的持续跟踪笔记这样下次再分析同行业公司时它能自动参考之前的结论不会每次从零开始。2.3 直接抄作业的角色配置表如果你也想搭一支类似的团队我建议先从四个角色开始跑通流程再加人。以下是我目前在用的角色配置每个角色的名字、职责范围和默认模型都列出来了角色名称核心职责输出物建议模型宏观研究员跟踪经济数据、政策动向每日宏观晨报DeepSeek-Chat行业分析师拆解产业链、跟踪行业动态行业周报DeepSeek-Chat财报解读员阅读公告、计算财务指标个股财报点评DeepSeek-Chat低温风控专员监控舆论、识别异常波动风险提示清单可换较快的小模型这四类角色基本覆盖了日常投研的高频需求。后面我会详细讲每个角色的提示词怎么写、WorkBuddy 的 Skills 怎么把它们的固定动作封装起来。3. WorkBuddy 的安装与模型接入从零到第一个 Agent 跑通3.1 安装 WorkBuddyWindows、macOS 与 Linux 的差异WorkBuddy 的安装本身不复杂。官网提供了 Windows、macOS 和 Linux 三个平台的安装包下载对应版本后按提示安装即可。这里有个值得注意的点如果你在 Linux 服务器上安装多半是想把 WorkBuddy 作为长期运行的自动化服务来用建议直接下载 Linux 版本配置好 systemd 服务让它开机自启而不是依赖手动打开界面。网页版的好处是零安装但数据都在云端对投研场景来说不够私密桌面客户端的好处是数据本地化配置好的 Skills 和提示词都存在本地也方便做定时任务。我最终选择的是桌面客户端界面版整体更灵活。装好之后第一步是创建工作区Workspace。我的习惯是每个投研子方向建一个独立工作区比如「A股日常跟踪」「行业深度研究」分开避免不同项目的 Bot 串场。工作区内部可以统一存放裁好的参考资料后续 Agents 运行时可以直接读取。3.2 把 DeepSeek 接进来API 填写的完整流程装好 WorkBuddy 之后最重要的一个动作就是接模型。我用得最多的是 DeepSeek原因有两个一是它的 API 价格相对友好适合高频调用二是中文理解能力在同类模型中属于第一梯队对处理财报、公告、研报这类中文素材很顺手。在 WorkBuddy 里接入 DeepSeek核心是填好两个字段API Base URL和API Key。Base URL 一般是https://api.deepseek.com具体以 DeepSeek 开放平台的文档为准API Key 需要去 DeepSeek 开放平台的后台创建。创建之后注意复制保存因为它只在创建时完整显示一次丢了只能重新生成。在模型名称填deepseek-chat就行。补充一个细节WorkBuddy 里可以为不同角色指定不同的 temperature 参数。我是这么设置的财报解读员用 0.1因为财务分析需要严谨输出要稳定不要有太多「创造性发挥」宏观研究员用 0.4允许它做适度推理如果某个角色要用来做发散性头脑风暴可以调到 0.7 以上让答案更富想象力。注意如果你同时接入了多个模型建议给每个模型都做一次连通性测试。方法是新建一个临时 Bot让它输出一句固定话术比如「请回复模型连接成功」。不要等到正式任务跑挂了才发现配置问题。3.3 创建第一个 Agent宏观研究员实战配置以宏观研究员为例我把创建过程完整拆解一遍。在 WorkBuddy 的 Bot 管理里新建一个智能体填入名字「宏观研究员」然后在系统提示词的大框里粘贴以下内容你是一名严谨的宏观研究员长期跟踪国内外宏观经济指标、政策走向和重要事件。 你的任务 1. 根据用户指令或定时任务检索当天/本周重要的宏观数据发布与政策动态 2. 判断这些信息对股市、债市、大宗商品的可能影响 3. 输出结构化报告包含核心事件、数据解读、影响判断、风险提示。 要求结论要有依据不能只列消息不解读篇幅控制在 500 字以内若信息不确定明确标注“待核实”。把提示词粘贴进去后选择模型为 DeepSeek-Chattemperature 设置为 0.4。保存后这个 Agent 就能以宏观研究员的身份独立工作了。这里有个很关键的操作给这个 Bot 添加「定时启动」规则。在 WorkBuddy 的自动化配置里设定每天早上 8:00 自动执行任务描述是「请生成今日宏观晨报」。这样一来只要电脑开着、WorkBuddy 在后台运行它就会准时自动开工。4. 核心玩法进阶用自定义指令与 Skills 让整个团队真正协作起来4.1 提示词工程投研场景下最实用的几个写作套路角色提示词是 AI 投研团队的灵魂。我给大家总结几个可以直接套用的模板思路。第一是「角色 任务边界 输出格式」三段式。先交代身份再划清职责范围最后明确规定输出结构和字数。我前面宏观研究员的提示词就是这个套路。实践证明明确输出格式能大幅提高生成结果的可读性。第二是「铁律列表」套路。不同的研究角色需要设定不同的「绝对不允许做的事」。比如财报解读员我会加一条「禁止对未经证实的数据给出确定性结论」风控专员加一条「禁止用情绪化表述判断市场走势」。这些铁律以一种强约束的形式出现能有效压制模型的习惯性过度自信。第三是「思考路径引导」。对行业分析师我会在提示词里明确要求它先拆产业链上中下游再找关键节点最后才落到具体公司。这样做的好处是让模型的分析逻辑可控不会跳跃式地直接给出结论报告质量会稳定很多。4.2 WorkBuddy Skills把「拉公告」「查异动」做成可复用模块Skills 是 WorkBuddy 最有价值的功能也是很多人刚开始没搞懂的功能。简单说它允许你把一段固定的动作指令封装成模块之后在对话里直接调用skill就能触发不需要每次重复写一长串指令。以「查个股公告」为例。常规做法是每次告诉 Bot「请帮我看看 XXX 今天发什么公告了用表格列出来」。用 Skill 之后我把这个动作固化成一段指令你正在执行「公告扫描」技能。 步骤 1. 判断目标公司所属交易所选择对应的公开披露源 2. 抓取最近3个交易日的公告标题和摘要 3. 筛选出与业绩、重组、增减持、诉讼、股权激励相关的重要公告 4. 输出为表格列名公告日期、公告标题、核心内容、重要性评级高/中/低 5. 若没有重要公告明确输出“当日无重大公告”。保存为 Skill 并命名为「公告扫描」。之后只需在对话里发公告扫描 目标公司贵州茅台角色 Agent 就会自动按这个流程执行。这个机制节省了大量的重复描述成本也从机制上保证了输出质量不下滑。我还构建了另一个 Skill 叫「异动监控」专门用来检查持仓股票的异常波动。它会对比最近 N 日的涨跌幅、成交量然后结合公开消息面给出可能的原因分析。这个 Skill 配合定时任务就是我最常用到的风险监控工具。4.3 让多个 Agent 协作WorkBuddy 里编排投研流水线单兵作战能力强不算团队真正高效的是多 Agent 协作。在 WorkBuddy 里我通过「任务链」机制让几个 Agent 按顺序完成工作前一个 Agent 的输出自动成为后一个 Agent 的输入。我目前在用的日报流水线是这样的早上 8 点宏观研究员先输出当日宏观晨报接着行业分析师读取这份晨报结合自己跟踪的行业数据补一段行业观点然后财报解读员扫描我关注池里有公告的公司输出财报点评最后风控专员汇总前三位的输出加上舆情监控结果生成一份完整日报。整个链路里我只需要在自动化配置里设定好触发顺序和触发条件剩下的就交给 WorkBuddy 自己跑。需要强调的是不要让后一个 Agent 直接阅读前一个 Agent 的全部原始输出最好在任务链配置里用「摘要传递」只把核心结论喂给下一个 Agent。这样能显著减少 token 消耗也避免上下文被大量次级信息干扰。5. 实战演示AI 投研团队从晨报到深度报告的全流程记录5.1 启动时序一天下来「团队」是怎么运转的我把一天的运行节奏整理如下大家可以直接参考07:50WorkBuddy 自动触发「晨报生成」任务。风控专员先检查隔夜舆情黑天鹅排查把结果传给宏观研究员。08:00宏观研究员生成晨报包含隔夜市场表现、今日重要经济数据预告、风险事件提醒。09:30开盘后行业分析师主动跟踪持仓行业的开盘表现记录异动板块。12:00财报解读员扫描午间公告输出午间速递。15:00收盘后风控专员执行「异动监控」对比当日成交量与 20 日均量。19:00行业分析师汇总当日行业动态生成「每日复盘 明日展望」。这套流程跑下来每天消耗的 token 成本完全在可控范围。我算过一笔账所有 Agents 一天累计的输入输出 token 加起来折合人民币大约几块钱比起雇一个研究员或者自己消耗大量精力去看盘性价比高得多。5.2 深度研究模式下我会手动把任务拉长除了日常盯盘AI 团队还能做深度研究。比如我想认真研究「人形机器人产业链」我会手动新建一个临时研究项目把行业分析师 Bot 调成「深度研究模式」在提示词里追加额外的产业链分析、竞争格局和技术路线对比要求。我会先让行业分析师拉出产业链全景图把上游核心零部件、中游本体制造、下游应用场景都过一遍。然后再让它针对每个环节输出关键公司清单并标注每家公司的核心优势和风险点。这个过程中我可以随时追问细节比如「减速器环节的技术壁垒到底在哪」它会基于之前的工作区记忆继续回答不用我每次重新输入背景。最终产出的研究报告我会让 WorkBuddy 导出为 Markdown 文件放到 Obsidian 库中。这些沉淀下来的文档不断充实我的知识库也让下一次研究同类问题时能站在之前的肩膀上。5.3 我常用的三个投研提示词模板分享考虑到很多人可能不知道从哪下手我把我最常用的三个提示词模板直接放出来。第一个是「事件驱动分析」模板你是一名事件驱动型分析师。 给定一个特定事件请从以下三个角度分析它的投资影响 1. 直接影响事件对相关上市公司短期业绩的影响路径 2. 间接影响产业链上下游可能受到哪些传导 3. 市场情绪该事件可能如何影响市场风险偏好。 输出结构事件概括 - 影响路径 - 受益/受损方向 - 关注要点。第二个是「财务异常识别」模板主要用于财报解读员你是一名财务分析师给定一家公司的财务数据后请按以下框架执行 1. 检查毛利率、净利率、ROE、经营现金流的变化趋势 2. 识别增长质量收入增长是靠量还是靠价是否伴随应收账款大幅上升 3. 检查和净利润长期背离的科目 4. 输出结论财务质量评级健康/关注/预警 一条核心逻辑。 务必基于数据说话禁止空泛判断。第三个是「复盘总结」模板用于收盘后的复盘你是交易复盘助手。 请基于今日市场表现 1. 回顾主流指数的走势与成交情况 2. 梳理今日领涨/领跌板块及背后驱动因素 3. 对比昨日预期与今日现实的偏差 4. 输出明日重点观察清单。 语言简洁结论明确。这三个模板基本覆盖了大多数高频场景剩下的一天两天慢慢加。6. 常见技术问题与排查技巧实录6.1 模型返回不稳定、偶尔答非所问这是我在使用中遇到最多的一个问题尤其是多个 Agent 同时运行的时候偶尔会出现某次回复内容明显偏离主题。排查后发现主要原因往往有三个一是模型本身的随机性尤其是 temperature 设置偏高的时候二是上下文里混入了不相关的历史记忆三是任务描述过于模糊导致模型选择了错误的方向。我的解决办法是分三步先降低对应 Agent 的 temperature再清理它的记忆空间把无关历史删掉最后把任务描述拆得更细明确列出输出步骤而不只是一个「请分析一下」的宽泛要求。实践下来这个组合拳能把异常率降到很低。6.2 上下文被耗尽答案越来越「飘」如果你发现某个 Agent 在用了一段时间后输出质量下降说的话开始前后矛盾大概率是长期记忆或对话历史积累太多超出上下文窗口的有效范围。尤其是投研这种需要不断接收新信息的场景旧信息会逐步占据上下文空间把最新的关键数据挤掉。我现在的处理方法是定期清理。每天晚上复盘结束我会让 Agent 生成一份「当日核心结论」存档然后清空它的当日对话上下文第二天从干净状态开始。这样既保留了关键信息又避免了上下文膨胀问题。6.3 定时任务不触发或者触发了但没输出定时任务失效的原因通常不在 WorkBuddy 本身而在系统层面。最常见的是电脑进入了休眠状态WorkBuddy 的定时任务自然不会按时执行。要解决这个问题在 Windows 上可以把电源计划调整为「从不休眠」或者设置「仅在使用电池时休眠」在 macOS 上可以借助caffeinate命令来阻止系统睡眠再配合 WorkBuddy 的定时任务即可。另外注意一下时区设置。WorkBuddy 的定时任务默认跟随系统时区如果系统时区不对你会发现任务总是早一个小时或晚一个小时执行。这个问题不大但排查起来很隐蔽我一开始没注意白折腾了好几天。6.4 信息真实性核验AI 也会一本正经地胡说八道这是所有 AI 投研场景中最大的坑。无论多么严谨的提示词模型都可能输出看似合理但实际不存在的数据或政策。比如让它写宏观晨报时它有可能会编造一个「某央行宣布加息」的假新闻说得有鼻子有眼但其实根本没发生。我的应对策略是三条一是在提示词里明确要求所有事实性信息必须标注来源没有来源的部分明确标注「待核实」二是在风控专员这个角色上增加一道「事实一致性检查」任务让它对宏观研究员和行业分析师的结论做二次交叉验证三是关键信息我本人一定会做最终确认AI 的输出只能作为线索不能当作决策依据。6.5 与 Obsidian 联动让研报自动沉淀为知识库最后聊一下 WorkBuddy 和 Obsidian 的联动。我日常会把每周的行业研究、个股分析都沉淀到 Obsidian 里但原生的导出操作比较繁琐。后来我建了一个 Skill 叫「归档研报」它会自动把分析师生成的报告按日期和主题命名存放到 Obsidian 的指定目录下并在文档开头加上标签和摘要信息。这样的好处在三个月后体现得特别明显我想回顾「对某家公司的判断历史」直接在 Obsidian 里搜索关键词就能看到之前每一期的分析结论和后续市场验证情况。这种积累效应是单纯的聊天记录无法替代的。根据我个人的使用体验做 AI 投研团队最难的不是配置技术而是如何把一个模糊的投研需求拆解成清晰的指令和流程。WorkBuddy 只是执行工具真正的灵魂是你写给每个 Agent 的那套提示词和任务链设计。建议你从「一个角色 一个高频场景」开始比如先搭一个每天早上自动写晨报的宏观研究员跑一周、迭代几轮提示词再逐渐扩展团队。等整套流程稳定之后你会发现 7×24 小时待命的投研团队其实比想象中要容易得多。
用WorkBuddy搭建AI投研团队：多Agent协作实战与提示词模板
不用急着上什么量化模型也不用会写复杂的 Python 爬虫。我最近用 WorkBuddy 搭了一支完全由 AI 扮演角色的「投研团队」让几个 AI Agent 分别当宏观研究员、行业分析师、财报解读员和风控专员7×24 小时挂在后台帮我盯数据、写晨报、跟踪持仓异动。整个过程没有写一行代码全靠 WorkBuddy 的可视化编排、自定义指令和 Skills 来完成的。这篇就把我踩过的坑、摸索出来的配置思路、以及一套可以直接照抄的提示词模板全部放出来。无论你正纠结 WorkBuddy 和豆包哪个好用还是想了解 WorkBuddy 怎么接 DeepSeek、怎么用 Skill看完这篇应该都能解决大半问题。1. 为什么我想到用 WorkBuddy 搭「AI 投研团队」1.1 一个人盯不过来的信息洪流恰好是 Agent 的舒适区做投研最累的往往不是深度分析而是日常的信息跟踪。以前我每天早上的流程特别固定先刷一遍隔夜外盘涨跌然后看几条宏观快讯再翻自己关注池里有没有公司发公告最后还要把重点股票的技术形态粗略过一遍。这一套下来顺利的话四十分钟遇到公告密集的日子一个半小时就没了人还累得够呛。更麻烦的是这个流程需要重复判断哪些信息值得看、哪些是噪音。这种「低创造性、高重复性、但需要一定判断力」的工作正好是 AI Agent 擅长的地方。我需要的不是一个大而全的 ChatBot而是一个能自己记住角色分工、按固定流程干活、到点自动启动的智能体团队。WorkBuddy 解决的就是这个层面的问题。它的定位不是普通聊天窗口而是一个 Agent 工作台可以建多个不同角色的 Bot、给每个 Bot 配置单独的系统提示词和知识范围还能通过自定义指令把它们组织成一条流水线。也就是说我可以把原本自己每天早上做的事拆成几个角色分别去执行。1.2 对比了一圈最后还是选了 WorkBuddy在决定用 WorkBuddy 之前我确实对比过不少方案。最早试的是直接用豆包这类 ChatBot 网页版但问题是它们天生适合「你问一句我答一句」的对话模式要维持一个常驻后台自动运行的工作流基本做不到。后来也看过 CodeBuddy它更偏向编程辅助做投研这个场景有点浪费。WorkBuddy 打动我的点有三个一是支持通过 API 接入外部大模型这就解决了模型选择问题我甚至可以同时接入多个模型让不同角色用不同的模型干活二是有 Skills 机制可以把固定动作封装成可复用的模块比如「拉取公告」「检查持仓异动」这种不需要自己写代码三是支持定时/自动触发任务这是实现 7×24 小时待命的关键。另外我还看重一点WorkBuddy 有 Obsidian 相关的联动玩法生成的研报可以直接落到本地知识库方便我后续检索和管理。对投研这种需要积累素材的活儿来说这个能力很实用。1.3 「7×24 小时待命」到底指什么可能有人会问AI 又不用睡觉7×24 小时待命有什么稀罕的这里要澄清一点不是让 AI 无时无刻都在生成内容那会烧掉大量 token也没意义。真正的含义是两层第一层是「随时可调用」半夜突然想看某只股票的财务数据打开 WorkBuddy 就能问第二层是「固定时间自动干活」比如每天早上 8 点自动生成一份晨报放到指定文件夹晚上 7 点自动复盘当天异动。我实际用下来的体感是这相当于招了几个不要工资、不会离职、响应速度极快的实习生他们负责把信息筛选和初步分析做完最后所有重要结论还是经过我把关。说白了AI 团队的价值是把我从「信息的搬运工」变成「信息的决策者」。2. 投研团队的整体设计从「人肉盯盘」到「角色分工流水线」2.1 先把投研工作流拆成可以被 AI 执行的任务在动手配置 WorkBuddy 之前我先做了一次任务拆解。如果直接丢给一个 Bot「帮我做投研」它会无所适从产出大概率是一堆泛泛而谈的宏观感想。正确做法是参照真实投研团队的分工把一个完整的投研流程拆成几个环节每个环节由一个专门的 Agent 负责。我自己用的拆法是五段式宏观环境扫描、行业/个股信息收集、财务数据分析、风险舆情监控、每日汇总生成。对应到团队配置上就是五个角色各管一段。这样做的好处是每个 Agent 的职责边界清晰提示词可以写得很聚焦输出质量明显比「一个 Bot 干所有事」要高几个档次。还有个实际问题是 token 成本。如果把所有任务都塞给一个 Agent一个长对话几轮下来就可能把上下文窗口塞满后面输入的信息会被截断。拆成多个 Agent 后每个 Agent 的对话历史都很短反而更省 token响应速度也更快。2.2 WorkBuddy 团队架构多 Agent 复制与角色隔离WorkBuddy 有一个很实用的功能是「克隆 Bot」。我可以先创建一个基础模板配好通用的输出格式要求然后复制出多个实例再分别针对不同角色调整系统提示词。这样做的好处是管理起来不累改一个通用设置所有实例都能同步更新。角色隔离是我特别看重的一点。宏观研究员只需要知道宏观数据和政策事件不需要关心个股的财务细节而财务分析员也不需要看新闻联播式的信息流。隔离之后每个 Agent 收到的上下文都是「精选」过的没那么多无关内容干扰判断生成的报告更聚焦。我还给每个 Agent 设置了独立的记忆空间。比如行业分析师会积累对某个产业链的持续跟踪笔记这样下次再分析同行业公司时它能自动参考之前的结论不会每次从零开始。2.3 直接抄作业的角色配置表如果你也想搭一支类似的团队我建议先从四个角色开始跑通流程再加人。以下是我目前在用的角色配置每个角色的名字、职责范围和默认模型都列出来了角色名称核心职责输出物建议模型宏观研究员跟踪经济数据、政策动向每日宏观晨报DeepSeek-Chat行业分析师拆解产业链、跟踪行业动态行业周报DeepSeek-Chat财报解读员阅读公告、计算财务指标个股财报点评DeepSeek-Chat低温风控专员监控舆论、识别异常波动风险提示清单可换较快的小模型这四类角色基本覆盖了日常投研的高频需求。后面我会详细讲每个角色的提示词怎么写、WorkBuddy 的 Skills 怎么把它们的固定动作封装起来。3. WorkBuddy 的安装与模型接入从零到第一个 Agent 跑通3.1 安装 WorkBuddyWindows、macOS 与 Linux 的差异WorkBuddy 的安装本身不复杂。官网提供了 Windows、macOS 和 Linux 三个平台的安装包下载对应版本后按提示安装即可。这里有个值得注意的点如果你在 Linux 服务器上安装多半是想把 WorkBuddy 作为长期运行的自动化服务来用建议直接下载 Linux 版本配置好 systemd 服务让它开机自启而不是依赖手动打开界面。网页版的好处是零安装但数据都在云端对投研场景来说不够私密桌面客户端的好处是数据本地化配置好的 Skills 和提示词都存在本地也方便做定时任务。我最终选择的是桌面客户端界面版整体更灵活。装好之后第一步是创建工作区Workspace。我的习惯是每个投研子方向建一个独立工作区比如「A股日常跟踪」「行业深度研究」分开避免不同项目的 Bot 串场。工作区内部可以统一存放裁好的参考资料后续 Agents 运行时可以直接读取。3.2 把 DeepSeek 接进来API 填写的完整流程装好 WorkBuddy 之后最重要的一个动作就是接模型。我用得最多的是 DeepSeek原因有两个一是它的 API 价格相对友好适合高频调用二是中文理解能力在同类模型中属于第一梯队对处理财报、公告、研报这类中文素材很顺手。在 WorkBuddy 里接入 DeepSeek核心是填好两个字段API Base URL和API Key。Base URL 一般是https://api.deepseek.com具体以 DeepSeek 开放平台的文档为准API Key 需要去 DeepSeek 开放平台的后台创建。创建之后注意复制保存因为它只在创建时完整显示一次丢了只能重新生成。在模型名称填deepseek-chat就行。补充一个细节WorkBuddy 里可以为不同角色指定不同的 temperature 参数。我是这么设置的财报解读员用 0.1因为财务分析需要严谨输出要稳定不要有太多「创造性发挥」宏观研究员用 0.4允许它做适度推理如果某个角色要用来做发散性头脑风暴可以调到 0.7 以上让答案更富想象力。注意如果你同时接入了多个模型建议给每个模型都做一次连通性测试。方法是新建一个临时 Bot让它输出一句固定话术比如「请回复模型连接成功」。不要等到正式任务跑挂了才发现配置问题。3.3 创建第一个 Agent宏观研究员实战配置以宏观研究员为例我把创建过程完整拆解一遍。在 WorkBuddy 的 Bot 管理里新建一个智能体填入名字「宏观研究员」然后在系统提示词的大框里粘贴以下内容你是一名严谨的宏观研究员长期跟踪国内外宏观经济指标、政策走向和重要事件。 你的任务 1. 根据用户指令或定时任务检索当天/本周重要的宏观数据发布与政策动态 2. 判断这些信息对股市、债市、大宗商品的可能影响 3. 输出结构化报告包含核心事件、数据解读、影响判断、风险提示。 要求结论要有依据不能只列消息不解读篇幅控制在 500 字以内若信息不确定明确标注“待核实”。把提示词粘贴进去后选择模型为 DeepSeek-Chattemperature 设置为 0.4。保存后这个 Agent 就能以宏观研究员的身份独立工作了。这里有个很关键的操作给这个 Bot 添加「定时启动」规则。在 WorkBuddy 的自动化配置里设定每天早上 8:00 自动执行任务描述是「请生成今日宏观晨报」。这样一来只要电脑开着、WorkBuddy 在后台运行它就会准时自动开工。4. 核心玩法进阶用自定义指令与 Skills 让整个团队真正协作起来4.1 提示词工程投研场景下最实用的几个写作套路角色提示词是 AI 投研团队的灵魂。我给大家总结几个可以直接套用的模板思路。第一是「角色 任务边界 输出格式」三段式。先交代身份再划清职责范围最后明确规定输出结构和字数。我前面宏观研究员的提示词就是这个套路。实践证明明确输出格式能大幅提高生成结果的可读性。第二是「铁律列表」套路。不同的研究角色需要设定不同的「绝对不允许做的事」。比如财报解读员我会加一条「禁止对未经证实的数据给出确定性结论」风控专员加一条「禁止用情绪化表述判断市场走势」。这些铁律以一种强约束的形式出现能有效压制模型的习惯性过度自信。第三是「思考路径引导」。对行业分析师我会在提示词里明确要求它先拆产业链上中下游再找关键节点最后才落到具体公司。这样做的好处是让模型的分析逻辑可控不会跳跃式地直接给出结论报告质量会稳定很多。4.2 WorkBuddy Skills把「拉公告」「查异动」做成可复用模块Skills 是 WorkBuddy 最有价值的功能也是很多人刚开始没搞懂的功能。简单说它允许你把一段固定的动作指令封装成模块之后在对话里直接调用skill就能触发不需要每次重复写一长串指令。以「查个股公告」为例。常规做法是每次告诉 Bot「请帮我看看 XXX 今天发什么公告了用表格列出来」。用 Skill 之后我把这个动作固化成一段指令你正在执行「公告扫描」技能。 步骤 1. 判断目标公司所属交易所选择对应的公开披露源 2. 抓取最近3个交易日的公告标题和摘要 3. 筛选出与业绩、重组、增减持、诉讼、股权激励相关的重要公告 4. 输出为表格列名公告日期、公告标题、核心内容、重要性评级高/中/低 5. 若没有重要公告明确输出“当日无重大公告”。保存为 Skill 并命名为「公告扫描」。之后只需在对话里发公告扫描 目标公司贵州茅台角色 Agent 就会自动按这个流程执行。这个机制节省了大量的重复描述成本也从机制上保证了输出质量不下滑。我还构建了另一个 Skill 叫「异动监控」专门用来检查持仓股票的异常波动。它会对比最近 N 日的涨跌幅、成交量然后结合公开消息面给出可能的原因分析。这个 Skill 配合定时任务就是我最常用到的风险监控工具。4.3 让多个 Agent 协作WorkBuddy 里编排投研流水线单兵作战能力强不算团队真正高效的是多 Agent 协作。在 WorkBuddy 里我通过「任务链」机制让几个 Agent 按顺序完成工作前一个 Agent 的输出自动成为后一个 Agent 的输入。我目前在用的日报流水线是这样的早上 8 点宏观研究员先输出当日宏观晨报接着行业分析师读取这份晨报结合自己跟踪的行业数据补一段行业观点然后财报解读员扫描我关注池里有公告的公司输出财报点评最后风控专员汇总前三位的输出加上舆情监控结果生成一份完整日报。整个链路里我只需要在自动化配置里设定好触发顺序和触发条件剩下的就交给 WorkBuddy 自己跑。需要强调的是不要让后一个 Agent 直接阅读前一个 Agent 的全部原始输出最好在任务链配置里用「摘要传递」只把核心结论喂给下一个 Agent。这样能显著减少 token 消耗也避免上下文被大量次级信息干扰。5. 实战演示AI 投研团队从晨报到深度报告的全流程记录5.1 启动时序一天下来「团队」是怎么运转的我把一天的运行节奏整理如下大家可以直接参考07:50WorkBuddy 自动触发「晨报生成」任务。风控专员先检查隔夜舆情黑天鹅排查把结果传给宏观研究员。08:00宏观研究员生成晨报包含隔夜市场表现、今日重要经济数据预告、风险事件提醒。09:30开盘后行业分析师主动跟踪持仓行业的开盘表现记录异动板块。12:00财报解读员扫描午间公告输出午间速递。15:00收盘后风控专员执行「异动监控」对比当日成交量与 20 日均量。19:00行业分析师汇总当日行业动态生成「每日复盘 明日展望」。这套流程跑下来每天消耗的 token 成本完全在可控范围。我算过一笔账所有 Agents 一天累计的输入输出 token 加起来折合人民币大约几块钱比起雇一个研究员或者自己消耗大量精力去看盘性价比高得多。5.2 深度研究模式下我会手动把任务拉长除了日常盯盘AI 团队还能做深度研究。比如我想认真研究「人形机器人产业链」我会手动新建一个临时研究项目把行业分析师 Bot 调成「深度研究模式」在提示词里追加额外的产业链分析、竞争格局和技术路线对比要求。我会先让行业分析师拉出产业链全景图把上游核心零部件、中游本体制造、下游应用场景都过一遍。然后再让它针对每个环节输出关键公司清单并标注每家公司的核心优势和风险点。这个过程中我可以随时追问细节比如「减速器环节的技术壁垒到底在哪」它会基于之前的工作区记忆继续回答不用我每次重新输入背景。最终产出的研究报告我会让 WorkBuddy 导出为 Markdown 文件放到 Obsidian 库中。这些沉淀下来的文档不断充实我的知识库也让下一次研究同类问题时能站在之前的肩膀上。5.3 我常用的三个投研提示词模板分享考虑到很多人可能不知道从哪下手我把我最常用的三个提示词模板直接放出来。第一个是「事件驱动分析」模板你是一名事件驱动型分析师。 给定一个特定事件请从以下三个角度分析它的投资影响 1. 直接影响事件对相关上市公司短期业绩的影响路径 2. 间接影响产业链上下游可能受到哪些传导 3. 市场情绪该事件可能如何影响市场风险偏好。 输出结构事件概括 - 影响路径 - 受益/受损方向 - 关注要点。第二个是「财务异常识别」模板主要用于财报解读员你是一名财务分析师给定一家公司的财务数据后请按以下框架执行 1. 检查毛利率、净利率、ROE、经营现金流的变化趋势 2. 识别增长质量收入增长是靠量还是靠价是否伴随应收账款大幅上升 3. 检查和净利润长期背离的科目 4. 输出结论财务质量评级健康/关注/预警 一条核心逻辑。 务必基于数据说话禁止空泛判断。第三个是「复盘总结」模板用于收盘后的复盘你是交易复盘助手。 请基于今日市场表现 1. 回顾主流指数的走势与成交情况 2. 梳理今日领涨/领跌板块及背后驱动因素 3. 对比昨日预期与今日现实的偏差 4. 输出明日重点观察清单。 语言简洁结论明确。这三个模板基本覆盖了大多数高频场景剩下的一天两天慢慢加。6. 常见技术问题与排查技巧实录6.1 模型返回不稳定、偶尔答非所问这是我在使用中遇到最多的一个问题尤其是多个 Agent 同时运行的时候偶尔会出现某次回复内容明显偏离主题。排查后发现主要原因往往有三个一是模型本身的随机性尤其是 temperature 设置偏高的时候二是上下文里混入了不相关的历史记忆三是任务描述过于模糊导致模型选择了错误的方向。我的解决办法是分三步先降低对应 Agent 的 temperature再清理它的记忆空间把无关历史删掉最后把任务描述拆得更细明确列出输出步骤而不只是一个「请分析一下」的宽泛要求。实践下来这个组合拳能把异常率降到很低。6.2 上下文被耗尽答案越来越「飘」如果你发现某个 Agent 在用了一段时间后输出质量下降说的话开始前后矛盾大概率是长期记忆或对话历史积累太多超出上下文窗口的有效范围。尤其是投研这种需要不断接收新信息的场景旧信息会逐步占据上下文空间把最新的关键数据挤掉。我现在的处理方法是定期清理。每天晚上复盘结束我会让 Agent 生成一份「当日核心结论」存档然后清空它的当日对话上下文第二天从干净状态开始。这样既保留了关键信息又避免了上下文膨胀问题。6.3 定时任务不触发或者触发了但没输出定时任务失效的原因通常不在 WorkBuddy 本身而在系统层面。最常见的是电脑进入了休眠状态WorkBuddy 的定时任务自然不会按时执行。要解决这个问题在 Windows 上可以把电源计划调整为「从不休眠」或者设置「仅在使用电池时休眠」在 macOS 上可以借助caffeinate命令来阻止系统睡眠再配合 WorkBuddy 的定时任务即可。另外注意一下时区设置。WorkBuddy 的定时任务默认跟随系统时区如果系统时区不对你会发现任务总是早一个小时或晚一个小时执行。这个问题不大但排查起来很隐蔽我一开始没注意白折腾了好几天。6.4 信息真实性核验AI 也会一本正经地胡说八道这是所有 AI 投研场景中最大的坑。无论多么严谨的提示词模型都可能输出看似合理但实际不存在的数据或政策。比如让它写宏观晨报时它有可能会编造一个「某央行宣布加息」的假新闻说得有鼻子有眼但其实根本没发生。我的应对策略是三条一是在提示词里明确要求所有事实性信息必须标注来源没有来源的部分明确标注「待核实」二是在风控专员这个角色上增加一道「事实一致性检查」任务让它对宏观研究员和行业分析师的结论做二次交叉验证三是关键信息我本人一定会做最终确认AI 的输出只能作为线索不能当作决策依据。6.5 与 Obsidian 联动让研报自动沉淀为知识库最后聊一下 WorkBuddy 和 Obsidian 的联动。我日常会把每周的行业研究、个股分析都沉淀到 Obsidian 里但原生的导出操作比较繁琐。后来我建了一个 Skill 叫「归档研报」它会自动把分析师生成的报告按日期和主题命名存放到 Obsidian 的指定目录下并在文档开头加上标签和摘要信息。这样的好处在三个月后体现得特别明显我想回顾「对某家公司的判断历史」直接在 Obsidian 里搜索关键词就能看到之前每一期的分析结论和后续市场验证情况。这种积累效应是单纯的聊天记录无法替代的。根据我个人的使用体验做 AI 投研团队最难的不是配置技术而是如何把一个模糊的投研需求拆解成清晰的指令和流程。WorkBuddy 只是执行工具真正的灵魂是你写给每个 Agent 的那套提示词和任务链设计。建议你从「一个角色 一个高频场景」开始比如先搭一个每天早上自动写晨报的宏观研究员跑一周、迭代几轮提示词再逐渐扩展团队。等整套流程稳定之后你会发现 7×24 小时待命的投研团队其实比想象中要容易得多。
