22个金融SKILL全景拆解:HunterCode如何让AI按你的方法论自动做投研
22个金融SKILL全景拆解:HunterCode如何让AI按你的方法论自动做投研
HunterCode 是一款开源、本地自托管的金融 AI 投研终端(覆盖 A股/港股/美股),其 v3.5.0 内置 22 个金融 SKILL(投资研究技能),把盘前晨报、公告解读、财报体检、因子研究等券商式工作流写成标准化方法论文件——你只需一句话,AI 就会按写好的 SOP 自动取数、交叉核验并输出带证据链的投研报告。本文对 22 个金融 SKILL 做完整拆解,并讲清"AI 按你的方法论执行"背后的三个关键机制。
什么是金融 SKILL:把你的方法论装进 AI
很多 AI 炒股工具的通病:问它估值它瞎编,问它基本面它"凭记忆"作答。HunterCode 的做法是把每一类投研任务写成一份 SKILL.md 技能文件——包含触发条件、标准执行步骤(第几步调哪个数据接口)、反幻觉硬约束和输出模板。
这些技能全部以纯 Markdown 存放在仓库的 skills/ 目录,例如 skills/daily_market_brief/SKILL.md 就规定了晨报必须"先查交易日历防休市瞎报 → 拉指数全景 → 拉宏观资讯 → 按模板组装"四步走。工作区模板中每个技能还配有 references 参考文件(打分表、模板、规则清单),你的投资方法论就沉淀在这些可读、可改、可版本管理的文件里。
22 个金融 SKILL 全景拆解:三组分工
HunterCode 的 22 个 SKILL 分为三组:7 个既有升级技能 + 8 个 P0 日常高频 + 7 个 P1 进阶量化,覆盖"盘前 → 盘中 → 盘后 → 长期研究"的完整闭环。
第一组:7 个核心分析技能(总调度 + 排雷)
这是整个体系的"大脑层",全部接入券商统一数据信封(BrokerDataEnvelope)与三栏证据格式:
| SKILL | 定位 | 一句话说明 |
|---|---|---|
uzi |
投研总调度 | 一个技能统筹全部 22 个技能,见 skills/uzi/SKILL.md |
deep_analysis |
22 维个股深析 | 融合官方行情、三大报表、估值分位与公告原文 |
investor_panel |
66 位大佬评审团 | 模拟价值/成长/游资/量化等 9 大流派投票打分 |
lhb_analyzer |
龙虎榜分析 | 识别游资席位,判断机构 vs 游资博弈 |
trap_detector |
杀猪盘检测 | 扫描 ST/退市警示、财务质量与量价异动共 8 个信号 |
risk_profile |
风险画像 | 维护你的现金、单票/港股上限,供组合建议自动套用 |
market-event-analyst |
市场事件分析 | 美股暴跌、巨型 IPO 等事件对 A 股持仓的传导链拆解 |
以 investor_panel 为例,它的投票规则写在 voting-rules.md 里:66 席固定分配给 9 大流派,每位"大佬"的票必须对照真实数据逐维打分(-2 到 +2),总分 ≥+3 才投牛、≤-3 才投熊——不是拍脑袋,是查表。
第二组:8 个 P0 日常技能(全天候投研闭环)
这是普通用户用得最多的一组,覆盖每个交易时段:
| SKILL | 时点 | 做什么 |
|---|---|---|
daily_market_brief |
盘前 08:30 | 《今日盘前观察卡》:指数全景 + 宏观信号 + 3~5 条可验证观察条件 |
watchlist_daily_brief |
每日 | 逐只扫描自选股的公告、财报摘要与 ST/停牌风险 |
announcement_impact |
盘中异动 | 公告 PDF 解读,强制标注"来源:公告标题 · 第X页" |
earnings_review |
财报季 | 营收/净利/扣非、净现比、应收与存货异动排雷体检 |
technical_dashboard |
任意 | 7 大类 56 项技术指标真值 + 近 20 日分位 + 多指标冲突诊断 |
fundamental_scorecard |
任意 | 6 大维度 90 项基本面客观评分卡与同行业分位 |
portfolio_risk_check |
每日 | 单票占比、行业集中度、相关性、压力测试情景 |
after_close_review |
盘后 15:30 | 对比早盘观察条件与收盘实际,把复盘证据写入经验记忆库 |
这套组合的价值在于闭环:早上 08:30 的 daily_market_brief 会生成"今日盘面观察条件",晚上 15:30 的 after_close_review 自动逐条核对兑现情况,并沉淀进本地经验库(fin_memory),下一轮分析直接引用你自己的历史判断。
第三组:7 个 P1 进阶与量化研究技能
| SKILL | 解决什么问题 |
|---|---|
factor_research |
因子 IC/Rank IC、5 层分层回测单调性、行业市值中性化 |
etf_dca_planner |
ETF 定投正向规划与目标金额反推,IRR 与最大回撤 |
investment_thesis_tracker |
记录买入理由与量化反证条件,自动核查论点是否被破坏 |
stock_screener_builder |
大白话选股 → 结构化筛选条件,字段不存在绝不静默伪造 |
news_signal_digest |
多源新闻水位线去重,过滤转载噪音提炼事件信号 |
trading_journal |
交易前计划、盘中执行对照、交易后纪律复盘(仅模拟演练) |
backtest_quality_auditor |
回测未来函数、幸存者偏差、复权与滑点扣除审计 |
三大机制:AI 为什么不会"自由发挥"
光有方法论文件还不够,HunterCode 用三个机制保证 22 个 SKILL 输出可信:
- 确定性取数,不许凭记忆。每个 SKILL 的步骤里写死必须调用的 MCP 工具(如
broker_market_get_quote取行情、broker_fundamental_get_financial_ratios取财务比率)。数据全部来自本地后端,行情、持仓不出你的硬盘。 - 统一数据信封与三栏证据。所有行情带
as_of(业务时间)、published_at(发布时间)、retrieved_at(抓取时间)三个时间戳;报告强制区分**【已核实事实】【逻辑推断】【待核实问题】**三栏,缺数据只能写—,严禁填假 0。 - 反幻觉硬约束。数据源全断时技能要求"诚实停止"并告知原因;不荐股、不喊单,只给可盘后验证的客观观察条件。
下面是一次真实对话中的行情核验输出,每条数据都带来源口径与时间戳:
实战演示:一句话触发风险画像
在对话框里输入"我风险偏保守、现金还有 5 万、单票别超过 20%",risk_profile 技能会解析并落地成结构化约束:可用现金、单票持仓上限、单行业上限、港股持仓上限逐项确认,并说明后续 portfolio_rebalance 与 portfolio_stress 会自动套用这些约束、硬性规则被突破时给出显式警告。
更复杂的场景交给 uzi 总调度:一句"对 XX 股票做 UZI 全方位深度扫描",它会按 skills/uzi/SKILL.md 中的 related_skills 清单,自动串联深度研究、公告排雷、财报体检、技术/基本面双看板与组合巡检,产出一份完整的投研报告。
快速上手:3 步让 22 个 SKILL 为你工作
- 部署:用 Docker Compose 一键拉起(镜像同时提供 amd64/arm64),或直接下载桌面启动器——填 key 等待几分钟即可,仓库根目录的 README.md 有"5 分钟跑起来"完整步骤,云平台模板见 deploy/。
- 对话调用:登录后在左侧"能力"区查看已安装的 SKILL(如
14/14),输入自然语言即可触发对应技能,无需了解具体技能名。 - 定制方法论:SKILL 是纯 Markdown,你可以 fork 仓库,在 skills/ 下修改步骤或新增自己的技能;想安装社区技能可查看推荐清单 data/recommended-skills.json(含可移植性实测标注)。配合 examples/csdn_broker_notebooks/ 的实战示例包,可以完整复现 56 项指标、90 项基本面与因子回测流程。
结语:方法论资产化,数据留在本地
22 个金融 SKILL 的本质,是把"资深投研流程"从人脑迁移到可执行、可审计、可迭代的方法论文件里:uzi 负责调度,P0 八项守住盘前盘中盘后每一天,P1 七项支撑量化研究与纪律复盘。而统一数据信封 + 三栏证据格式,让 AI 的每个结论都能追溯回真实接口返回——这正是 HunterCode 相比"闭源投研助手"最大的差异:推理在你机器上跑,仓位不出你硬盘。
免责声明:本文内容基于项目公开文档整理,HunterCode 不接券商实盘交易、不替你做决策、不保证预测准确,所有输出仅供参考,不构成投资建议。



