我雇了一个122技能的AI助理,月薪0元,全年无休

——从工具安装到独家工作流，一份真正可复现的AI助理搭建指南

—

一、前言：为什么我需要”数字员工”

作为一个同时关注半导体、东西两大的ai行业、宏观经济的创业投资人，我每天的信息摄入量是爆炸级的。

Twitter上 @zephyr_z9 又在聊HBM4了，雪球上某材料龙头有没有新公告，@jukan05 的供应链分析更新了没，Michael Pettis 对中美制造业的最新观点是什么……以前我每天睁眼就是三个App来回切，生怕错过什么。更痛苦的是，看到一条”行业爆料”，心里总嘀咕：这是真的吗？能转发吗？

现在我不用了。因为我雇了一个”数字员工”——Hermes Agent。它每天早上9点准时给我推送一份投资早报，内容包括我重点跟踪的标的动态、Twitter半导体圈的隔夜热点、以及经过交叉验证的宏观分析。而且，它不要工资，全年无休，从不请假。

这篇文章，我想完整分享一下：我装了什么、怎么装的、以及最重要的是——同样的工具，怎么调教出独一无二的工作流。

—

二、它能做什么？四个真实场景

在讲技术之前，先让你直观感受一下这个AI助理的日常。

场景一：投资研究

我说：”看看某只材料龙头最近有什么值得注意的动态。”

它不是去百度搜一圈给我堆链接。它会同时做几件事：

– 查雪球，拉取最新股价和公告

– 查Twitter，看有没有供应链相关的讨论

– 查财报日历，看近期有没有业绩发布

– 把以上信息交叉比对，去重，生成一段结构化摘要

我说：”这个期权策略怎么样？”

它直接画出盈亏曲线图，带交互控件，我可以调 strike price、看不同到期日的希腊字母变化。

场景二：编程开发

我说：”帮我review这段代码。”

它不会敷衍地说”看起来不错”。它会：

– 调用 Claude Code 做静态安全扫描

– Spawn 一个独立的评审子代理，从代码规范角度再审一遍

– 输出一份带风险等级标记的审查报告

场景三：内容创作

我说：”把这篇 Twitter thread 转成小红书文案。”

它抓取原文、提炼核心观点、改写成小红书风格（加emoji、分段、埋钩子），甚至自动去搜一张配图。一篇半导体科普文从素材收集到成稿，原来我要花两天，现在两小时。

场景四：生活琐事

我说：”附近有什么好吃的？”

它查 OpenStreetMap，返回带距离的餐厅列表。我说：”把客厅灯调成暖光。”它直接控制 Hue 灯泡。

—

三、122个技能的三层结构

很多人问我”你装了多少插件”，我想先厘清一个概念：技能（skill）不等于工作流。 同样是扳手，有人拿来修自行车，有人拿来造火箭。

我的122个技能分三层：

（这图其实也是我的爱马仕生成的）

第一层：Hermes Agent 原生自带（约101个）

这些是安装 Hermes 时就自带的，覆盖面极广：

– 编程Agent：Claude Code（Anthropic）、Codex（OpenAI）、Kimi Code（Moonshot）、OpenCode，四个主流CLI编程代理全覆盖

– AI/ML开发：Unsloth、Axolotl、PEFT、TRL、GRPO、vLLM、llama.cpp、GGUF量化、Outlines结构化输出、W&B实验追踪等21个技能

– 媒体创作：剪映专业版全自动工作流（一键图文成片）、YouTube转录、GIF搜索、音频频谱可视化、开源音乐生成

– Apple生态：备忘录、提醒事项、iMessage、FindMy 设备追踪

– 生产力：Gmail/日历/文档/表格、Notion、Linear、PPT、PDF编辑、OCR

– 其他：Minecraft服务器、宝可梦自动游玩、Hue灯光控制、附近地点查询、MCP协议支持

第二层：GitHub金融技能包（21个）

这是我从 github.com/himself65/finance-skills 克隆的专项包，覆盖投研全链条：

– 市场数据：yfinance（股价/财报/期权链/分红）、Funda AI（全量金融数据+供应链图谱+国会交易）

– 财报工具：财报前瞻（earnings-preview）、财报复盘（earnings-recap）、分析师预期趋势（estimate-analysis）

– 策略工具：期权盈亏图（options-payoff）、ETF溢价计算（etf-premium）、SEPA趋势策略（sepa-strategy）、股票相关性（stock-correlation）、流动性分析（stock-liquidity）

– 社媒监控：Twitter/X读取、Discord读取、Telegram频道抓取、LinkedIn研究

– 另类数据：Polymarket预测市场、霍尔木兹海峡航运风险、YC创业公司查询、创业分析（三视角评估）

第三层：独家工作流（3条核心）

这是本文最有价值的部分。 同样的21个金融技能，GitHub上谁都能下载，但”每天早上9点自动发持仓早报+Twitter交叉验证”这个流程，是我和我的AI助理一次次对话、纠错、调整磨出来的。

—

四、三步搭建指南（小白友好）

如果你也想搭一个，步骤其实不复杂。

第一步：安装 Hermes Agent

Hermes Agent 是一个开源的AI代理框架（GitHub搜 hermes-agent）。它本质上是一个”AI的操作系统”，负责调度模型、管理技能、执行工具调用。安装后，你会得到一个交互式终端，可以直接跟AI对话，也可以让它在后台定时执行任务。

第二步：安装金融技能包

打开终端，执行：

git clone https://github.com/himself65/finance-skills.git ~/.hermes/skills/finance-skills

Hermes 会自动扫描 ~/.hermes/skills/ 目录下的所有 SKILL.md 文件，把这21个技能加载进来。不需要额外配置。

第三步：调教你的工作流（最关键）

前两步任何人都能复制，这一步决定了你的AI助理是”聪明的秘书”还是”笨重的工具”。

我是这么调教的：

3.1 定义你的信息源

我告诉它：”每天早上帮我看这几个Twitter账号：@zephyr_z9（半导体设备）、@jukan05（供应链）、@SemiAnalysis_（行业深度）。另外查雪球上我自选股组合的动态。”

3.2 定义你的验证标准

我说：”以后我发任何投资观点前，你必须做事实核查。具体标准是：查原始出处、核对数据时间、标记夸大表述、指出缺少信源的部分。”

现在它形成了条件反射。上次我提到”国产HBM只有8层”，它直接回我：”长鑫存储今年4月已经宣布量产12层HBM，你的信息需要更新。“

这一步我一直认为很重要，每个人担心使用ai会因为ai出现幻觉而带来信息失真。我一般会要求ai在一个池子（西大）搜集信息，再去另外一个池子（东大）验证信息。建立初始信息池的双重验证对于所有事情都有好处。

3.3 定义你的输出格式

我说：”早报不要给我堆链接，要结构化：1）自选动态；2）行业热点；3）宏观观点；4）风险提示。每条都要有来源标注。”

3.4 持续迭代

关注的信息发生变动时，直接告诉它，它会自动修改后台的监控任务和关键词。想减少监控频率？直接说。想要图文并茂？它开始自动下载配图。

重点： 这个调教过程不是一次性配置，是持续对话。你跟它说得越多，它越懂你的逻辑。

—

五、三条独家工作流详解

工作流一：”先验后发”事实核查流

这是我最依赖的流程。作为投资者，最怕的不是看错，而是把未经核实的观点当成事实传播。

操作流程：

1. 我写好一篇投资分析（或看到一个行业爆料）

2. 扔给AI：”验一下这篇文章的事实准确性”

3. AI交叉验证多个信源，逐条核对

4. 输出核查报告：哪些有出处、哪些存疑、哪些明显过时

5. 我根据报告修改后，再决定是否发布

典型案例：我之前整理了一份半导体供应链清单，AI核查后发现多处错误：国产HBM层数、玻璃芯基板厂商定位、某材料龙头”唯一”双领域的表述、5nm验证的具体来源、某封测厂键合精度的数据出处等。这些错误如果直接发出去，轻则丢脸，重则误导交易决策。

工作流二：”9点早报”自动投研流

这是一个定时自动化流程，每天早上9点执行：

1. 扫描投资组合

   – 查雪球了解行业头部企业的最新动态、公告、研报

   – 对比前一日异动，标记需要关注的信号

2. 扫描信息源

   – Twitter：@zephyr_z9、@jukan05、@SemiAnalysis_ 等账号的隔夜更新

   – 宏观：Michael Pettis、Brad Setser 等经济学家的最新观点

3. 交叉验证

   – 同一事件多个信源是否一致

   – 数据是否有时效性问题

   – 产业链上下游信息能否互相印证

4. 生成简报

   – 结构化中文输出

   – 每条观点带来源标注

   – 风险提示单独标红

5. 推送

   – 推送到我的 Telegram

   – 重要消息单独提醒

关键是动态调整。 当我的持仓组合发生变化时，它自动更新监控列表和关键词。这不是死的脚本，是活的配置。

工作流三：”碎片→文章”内容生产流

这个流程解决的是”看了很多信息，但写不出文章”的问题：

1. 素材采集：抓取Twitter thread、雪球热帖、YouTube视频转录

2. 多信源补充：AI自动补充背景数据、历史对比、反方观点

3. 深度分析：不是简单拼接，是逻辑重构。比如把”三星取消D1d”和”SK海力士HBM4领导地位”两条新闻，串成”存储芯片格局变化”的叙事线

4. 事实核查：发布前再过一遍核查流

5. 输出适配：

   – 小红书版：短段落、多emoji、埋钩子

   – 公众号版：长文、有层级、有引用来源

   – 配图：自动生成数据可视化图（比如122技能分布图）

—

六、一些真实的坑和建议

如果你也想搭，我想提前告诉你几个我踩过的坑：

1. 不要指望”装完就能用”

工具安装只是起点。我调了快一个月，早报的质量才达到”不用修改直接看”的水平。关键不是技能数量，是你跟AI的对话深度。

2. 信息源要精选

不是越多越好。我早期让AI监控了十几个Twitter账号，结果早报冗长、重点模糊。后来砍到核心5-6个，质量反而提升。

3. 事实核查是底线

AI会犯错，而且犯错时非常自信。所以”先验后发”不是可选项，是必选项。我现在的原则是：任何要公开发布的观点，必须经过AI交叉验证+我自己最终确认。

4. 本地化习惯很重要

我跟AI约定了几条本地规则：

– 长文本和API key不走聊天窗口，写本地文件再读取（防止模型崩溃）

– 敏感操作需要我确认

– 持仓变动优先更新监控列表

这些规则不是技术问题，是使用习惯的磨合。

—

七、结语：工具 democratize，工作流 differentiate

122个技能，GitHub上谁都能装。但”每天早上9点的自选股早报+严格的事实核查+持续进化的内容生产流”，是我独有的。

这个独家性不来自技术壁垒，来自两个东西：

1. 我对信息质量的苛刻标准（什么能发、什么不能发、核查到什么程度）

2. 持续迭代的对话积累（AI越来越懂我的投资逻辑和表达习惯）

如果你也是：

– 每天被信息轰炸，想有个”过滤+加工”的副脑

– 做投资研究，需要快速交叉验证

– 做内容输出，想缩短从素材到成稿的时间

– 或者单纯想体验”有个AI真正帮我干活”

可以从 Hermes Agent 开始。装完记得跟它多聊，第三步才是灵魂。

你目前最大的信息处理痛点是什么？如果有AI助理，你最想让它帮你做什么？评论区聊聊，我选几个场景，让AI出解决方案。