夜雨聆风
坐火车的路上,我让OpenClaw帮我重写了一个股票行情分析软件
前言：在真正使用AI Agent帮你干完一个大项目前，你永远想不到目前的AI已经可以这么强大了。
一、缘起
昨天来阜阳出差，上海到阜阳4个小时的车程。
在火车上，我一边检查晚上要讲的PPT，一边想：我的OpenClaw这段时间貌似没啥任务安排，那怎么行？得给她找点事做，怎么能我干活她闲着呢
刚好在上周五，我在 GitHub 上发现了一个超级有趣的开源项目 ：TradingAgents （https://github.com/TauricResearch/TradingAgents）。
这是一个用 AI 模拟华尔街投研团队的软件，有73.9K Star，特别是更新了大语言模型支持后，使用量暴涨。
其运行逻辑是：
先由分析师团队分别从四个独立渠道调取数据（市场、社交媒体、新闻、基本面）→
再给到研究员团队来进行两轮多空辩论（一个唱多一个唱空，各自找证据辩论）→
再给到交易员AGENT来明确交易方向、时机和仓位大小→
再给到风控团队从激进、中性、保守三个维度评估提案的风险敞口，最后把评估报告交给投资组合经理做最终裁决。
总流程图如下：
看上去很酷对吧？我也想要！
于是，我打开飞书联系了我的 OpenClaw 助手（名为”新垣结衣”，我另一台Windows系统电脑上的AI助手），给她布置了一个任务：评估一下这个软件是否适用于中国A股。
果然，问题来了 —— 这个项目是为美股设计的。所有的数据源都是 Yahoo Finance、Alpha Vantage，股票代码是 AAPL、TSLA 这种格式。
A股不能用，那还玩儿个屁呀！
换在以前，不懂编程的我也只能忍了。但现在不一样了，我有OpenClaw呀！
于是我果断下令：
修改 TradingAgents 代码，改成能分析A股的版本。很快，OpenClaw发来评估报告：
接下来发生的事情，让我深刻理解了什么叫 “AI 的暴力美学”。
二、第1阶段：数据层改造（30分钟）
2.1 改换底层数据库
首先把美股数据库换成A股，选择了几个免费数据库，成功替换：
2.2 代码实现
第 1 分钟： 她创建了一个新文件 a_share_data.py，封装了 QVeris AI、AKShare、Tushare 三个数据源，优先级是 QVeris → AKShare → Tushare。
第 5 分钟： 股票代码标准化函数完成。输入 “000001” 自动变成 “000001.SZ”，输入 “600000” 自动变成 “600000.SH”。
第 10 分钟： 技术指标适配完成。RSI、MACD、布林带、成交量指标全部测试通过。
第 15 分钟： 她修改了 stockstats_utils.py，让 load_ohlcv 函数能自动识别 A股代码并路由到 A股数据源。
第 20 分钟： 配置文件更新，default_config.py 里的 data_vendors 从 yfinance 改成了 tushare，还加了 a_share_settings 配置块。
第 25 分钟： 测试脚本运行，3 只股票全部通过：
第 30 分钟： Phase 1 完成，她给我发了一个测试报告：
三、第2阶段：交易规则适配（20分钟）
3.1 A股特色规则
美股和 A股最大的区别是什么？
涨跌停限制！T+1 交易！
美股没有涨跌停，可以当天买卖。A股主板 ±10%，创业板/科创板 ±20%，ST 股票 ±5%，而且今天买的明天才能卖。
新垣结衣花了 20 分钟 做了一个完整的交易规则模块：
第 5 分钟： 股票类型检测函数：
第 10 分钟： 涨跌停价格计算：
# 以黄河旋风为例current_price =9.78upper_limit =10.76# +10%lower_limit =8.80# -10%第 15 分钟： T+1 规则检查 + 选股约束判断（涨停股标记为不可买入）。
第 20 分钟： 交易规则信息自动附加到数据输出头部，每次获取数据都能看到：
四、第3阶段：中文舆情分析（25分钟）
4.1 舆情数据源
美股有 Twitter、Reddit、Seeking Alpha。A股有什么？
东方财富、雪球、同花顺！
新垣结衣选择了东方财富作为数据源（通过 AKShare），因为：
第 10 分钟： 她创建了 a_share_sentiment.py，封装了 stock_news_em 接口。
第 15 分钟： Markdown 格式舆情报告生成：
## 近期新闻1.**重大突破！600172，"一"字涨停**- 来源：东方财富- 日期：2026-05-112.**黄河旋风：2026年一季报净利润为-9652.64万元**- 来源：东方财富- 说明：同比亏损缩小第 20 分钟： 集成到 interface.py，通过 route_to_vendor("get_chinese_sentiment", ...) 调用。
第 25 分钟： 测试通过，10 条新闻成功获取。
五、第4阶段：集成测试与 LLM分析（45分钟）
5.1 端到端集成测试
先进行端到端自动化集成测试，成功：
OpenClaw汇报已经全部修改完成，但我对此结论存疑
挑选了三只股票测试一下：
看着这份报告，我感觉不对味儿啊~
说好的分析师团队呢？唱多唱空讨论呢？买入卖出建议呢？风险分析呢？……
一问，果然：
不改核心流程怎么行，必须继续开发
5.2 端到端集成测试
这才是最关键的一步。TradingAgents 需要调用 LLM 做分析，但原项目默认用 OpenAI GPT-4，外网模型需要科学上网才能链接，对国内用户很不友好。
换！换成国内模型。
第 5 分钟： 配置 MiniMax API Key。
第 8 分钟： 测试连接……429 错误！ 5 小时用量限制已达上限。
我：”……”
由于我有多个机器上安装的OpenClaw都共用一个大模型的API Key，所以minimax修改token plan规则后限制了一个Key可以链接的OpenClaw上限
换！
第 15 分钟： 切换到硅基流动 API（DeepSeek-V4-Flash）。
第 18 分钟：又出错了！ TradingAgents 用的是 OpenAI 的 Responses API，硅基流动不支持。
我：”这……”
她：”主人别急，我改一下代码，让它用标准的 Chat Completions API 就行~”
第 25 分钟： 修改 openai_client.py，注释掉 MiniMax 特有的 reasoning_split 参数，改用 provider=”deepseek” 模式。
第 30 分钟： 测试成功！硅基流动 API 正常工作。
5.3 第一次 AI 分析
第 35 分钟： 运行简化版分析师测试：
=== TradingAgents A-Share Analysis ===Stock: 600172.SH (Huanghe Whirlwind)[1] Market AnalystTrend: Bullish short-termRSI: 57.02 (neutral-bullish)Outlook: Upside target 9.00-9.20[2] News AnalystSentiment: Mixed with negative tiltKey Risk: Continuous losses, speculative pump[3] Fundamentals AnalystFinancial Health: Poor2025 Net Loss: -950M yuan2026Q1 Net Loss: -96.5M yuan[4] Investment DebateFinal Verdict: AVOIDConfidence: 8/10Reason: Fundamental toxicity, high risk of trapped speculation
这次终于对味儿了！
第 40 分钟： 分析第二只股票 —— 华大基因 (300676.SZ)。
第 45 分钟： 分析第三只股票 —— 华大智造 (688114.SH)。
六、最终成果展示
6.1 三只股票 AI 分析结果
|
|
|
|
|
|
|---|---|---|---|---|
| 黄河旋风 |
|
|
|
|
| 华大基因 |
|
|
|
|
| 华大智造 |
|
|
|
|
6.2 分析报告截图
6.3 项目文件结构
TradingAgents/├── tradingagents/│ ├── dataflows/│ │ ├── a_share_data.py # A股数据获取（新增）│ │ ├── a_share_trading_rules.py # 交易规则（新增）│ │ ├── a_share_sentiment.py # 中文舆情（新增）│ │ ├── stockstats_utils.py # 技术指标（修改）│ │ └── interface.py # 数据路由（修改）│ ├── llm_clients/│ │ └── openai_client.py # API兼容（修改）│ └── default_config.py # 配置文件（修改）七、时间线总结
|
|
|
|
|---|---|---|
| Phase 1 |
|
30分钟 |
| Phase 2 |
|
20分钟 |
| Phase 3 |
|
25分钟 |
| Phase 4 |
|
45分钟 |
| Phase 5 |
|
15分钟 |
| 总计 | 2小时15分钟 |
是的，你没看错。从”这个想法不错”到”三只股票的 AI 分析报告已经躺在我的 Obsidian 里”，只用了 2 小时 15 分钟。
而且这还包括了调试 API、解决兼容性问题的过程。
八、我的感受
说实话，作为一个不懂编程的人，我从来没想过自己能在 2 小时内”重写“一个金融分析软件。
但有了 OpenClaw ，这一切变得可能：
我只需要做两件事：
其他的，她全包了。
短短几个小时，写了1万行代码，软件完全跑通，正常运行。
九、这意味着什么？
以前，如果你想用 AI 分析股票，你有两个选择：
现在，有了 OpenClaw 这样的 AI 助手，出现了第三种选择：
成本是多少？
总计：不到 1 块钱。
十、下一步
目前这个系统已经可以：
但还有优化空间：
后续，我会把这个软件进一步完善，测试通过后会贴出我的Fork项目供大家参考使用，让大家都能拥有自己的”AI 股票分析师”。
现在，我又坐上了返回上海的高铁，这3个小时该折腾点啥呢？
最后，感谢OpenClaw在高铁上的辛勤工作。虽然你不需要休息，但我还是要说：干得漂亮！
免责声明：以上分析仅供参考，不构成投资建议。股市有风险，投资需谨慎。
技术栈：OpenClaw + TradingAgents + DeepSeek-V4 + QVeris AI + AKShare + Tushare
PS：这篇文章有3800字，你有没有想过：我构建完股票软件还要码字整理文案、写攻略、截图、排版……会花多少时间？
在以往，整理思路、码字+插入图片差不多就要半天到1天，再排排版就要1天到1天半才能完成。
而现在，都可以让AI帮我做。
大概只用了OpenClaw 4分钟时间，就完成了我布置给她的四项任务（其中一项就是这篇文章的撰写），然后再用Obsidian自动化排版后一键上传到公众号。
我要做的就是改改语句，补充点细节内容，审核一下，点击发送。
全过程只要不到20分钟！
科技改变生活，AI正在融入我们生活的方方面面。