我没写一行代码,却用AI做了一个A股+美股的选股工作台

我没写一行代码。

但我用 AI 做出了一个可以查 A 股和美股的选股工作台。

这件事让我突然意识到：

AI 时代，真正被放大的不是“会不会写代码”，而是你有没有一个清晰的问题、判断力和执行欲。

我花了一万多 Manus 积分，折合大概 50 美刀左右，又烧了几十美刀云服务器和域名注册的费用，折腾了一整天，只为了验证一件事：

一个完全不会写代码的人，不依靠人类工程师的帮助能不能用 AI 从 0 到1做出一个真正跑得起来的量化选股工具？

答案是：能！

但过程比我想象中刺激太多。

现在这个工具已经可以直接打开使用：

国内直接访问：

https://stock.jinghezhigu.com（请大家复制粘贴）

你输入任意股票代码，A 股 6 位数字，美股英文代码，系统会实时拉取数据，并用三种投资大师风格给你做评分分析——

巴菲特：更看重护城河、盈利能力、现金流和估值安全边际。

木头姐：更看重成长性、创新性、未来空间和颠覆式潜力。

彼得林奇：更看重 PEG、成长与估值匹配度、企业基本面质量。

同时我还加了几个策略模块，比如基本面多因子、动量趋势、情绪分析等，用来辅助判断。

当然，它绝对不是投资建议，也不是荐股神器。

我把它更当成是一个 AI 产品实验：

能不能把投资大师的思维框架，拆成可计算的因子，再接上真实行情数据，做成一个普通人也能用的评分系统？

这里面真正有意思的是制作过程：

首先这个模型只能建在Github上，我先让 Grok 帮我扫 GitHub 上几千星以上的量化仓库，找出几个可参考方向。

然后把想法扔给 ChatGPT，让它把巴菲特的护城河理论、木头姐的颠覆式创新框架、彼得林奇的 PEG 选股法，拆成一套可运行的评分逻辑。

接着让 Manus 搭后端、接数据源、部署上线。

中间也不是一路顺风。

连接Railway 服务器的端口配错，页面打开全是 502；

A 股数据源在海外服务器上超时，完全拉不到数据，只能紧急换方案，最后选用了yfinance；

用了yfinance后，A股股票名字全是拼音，又重新接腾讯 API，才把中文名显示出来。

木头姐的评分逻辑还被 Claude 和 Grok 挑出问题：高 PE 不能简单扣分，因为她本来就接受成长性溢价，于是又把逻辑改成“成长性溢价接受度”。

最后为了照顾国内朋友访问，我还重新买域名、配 DNS、绑 Vercel——

每一步都是新坑。

但每一个坑，最后都是 AI 陪我一步步填掉的。

这件事最震撼我的地方不是“AI 会写代码”。

而是：

我虽然没写一行代码，但每一步其实都是我在做决策——

我在判断产品方向，

我在拆需求，

我在定策略，

我在改模型逻辑，

我在决定什么可以妥协，什么必须重做。

AI 不是替代我思考。

AI 是把我的思考直接变成了一个可以运行的产品。

以前，“想到”和“做到”之间，隔着一个技术团队、几十万开发费和几个月工期。

现在，中间隔着的，可能只是你敢不敢把第一个需求写清楚。

这才是 AI 真正可怕的地方——

它不是让普通人变成程序员，

它是让普通人第一次拥有了“产品级执行力”。

如果你也有一个一直想做、但总觉得“我不会技术所以做不了”的东西——

现在真的可以重新想想了。

别先问自己会不会写代码，

先问自己：

这个东西，到底值不值得被做出来？