夜雨聆风大家好，我是 One掌柜。
兄弟们，很多人把 OpenClaw 装好之后，第一反应都是：
挺聪明，挺能聊。 然后就没然后了。
这其实特别可惜。
因为 OpenClaw 真正值钱的地方，从来不是陪你聊天， 而是你能不能把它调成一个真的会干活的数字员工。
尤其是股票这类场景， 你自己盯盘，盯一两天可以。 盯一周，开始累。 盯一个月，基本就废了。 更别说你还要同时看新闻、看财报、看技术指标、看持仓异动、看行业消息。
人会疲劳。 但技能包不会。
我这次专门去拆了 OpenClaw 的 股票分析师 技能包，发现这包东西，思路其实非常清楚：
它不是给你一个 会聊股票 的机器人， 而是给你凑出一个 盯盘员 + 研究员 + 信号员 + 小程序员 的组合体。
先说结论：
这个包里，一共就 4 个技能。
• 网页搜索 & 分析 • 深度研究 • 代码助手 • 基础智能包
其中前 3 个里面，有 3 块其实都是龙虾内置能力，官方页都写了 无需安装； 真正需要你额外准备环境的，只有 代码助手，因为它要接 Claude Code 或 Codex。
这意味着什么？
意味着大部分人根本不是不会用， 而是把这事想复杂了。
你不是要装四五个乱七八糟的外部插件。 你真正要做的，是把基础环境跑起来，再把代码助手这一块接上。 然后，把这 4 块能力揉成一个盯盘工作流。
这才是重点。
这 4 个技能，分别在股票场景里干嘛
1）网页搜索 & 分析：负责找最新信息，不让模型瞎编
这个技能页写得很明确： 它支持实时联网，Brave + DuckDuckGo 双引擎，网页正文自动提取，还支持多语言。适合新闻监控、事实核查、信息采集。
翻成人话就是：
你要看一只股票，不是只看 K 线。 你得先知道今天到底发生了什么。
比如：
• 公司有没有最新公告 • 行业有没有政策变化 • 海外媒体有没有新消息 • 用户和市场对这个产品到底怎么评价
以前很多人用 AI 做股票分析，最大的问题就是它会一本正经地胡说。 因为它脑子里可能是旧数据。
但这块网页搜索，干的就是补实时信息。
在股票场景里，这块最适合干三件事：
1. 查最新新闻 2. 查公司公告/媒体报道 3. 查行业事件和情绪变化
你直接让 OpenClaw 去搜，不要自己一条条翻。
2）深度研究：负责把碎片消息，整理成你能看懂的研究报告
深度研究页也写得很清楚： 它是 多引擎搜索 + 网页正文去噪 + 结构化报告输出，还带引用。使用场景包括竞品分析、行业追踪、学术调研。
这块在股票里特别狠。
因为你最怕的不是没消息， 而是消息太多，看不过来。
比如你想研究 英伟达、特斯拉、比亚迪、泡泡玛特、腾讯、美团 这种票， 你真正需要的不是 100 条链接， 而是一份有结构的答案：
• 过去 7 天发生了什么 • 利好和利空分别是什么 • 市场现在在交易什么预期 • 竞争对手有没有动作 • 接下来最大的风险点在哪
这就不是搜索的问题了， 这是研究的问题。
所以你会发现，这个技能包最值钱的地方，不是 找资料， 而是 找完之后还能整理成报告。
3）代码助手：负责把想法变成脚本，不然你永远只是手动盯盘
这个技能页说得更直接： 写代码、改 Bug、部署，不用你打开编辑器；支持 Claude Code / Codex，支持 Python、JS、Go 等主流语言，从代码到部署一条龙。
这块为什么重要？
因为只靠嘴说 再帮我盯一下，没用。 真正能帮你省时间的，是让它自己跑。
比如：
• 自动拉取关注股票列表 • 自动计算 RSI / MACD / 布林带 • 自动生成信号日报 • 自动把异常波动推给你 • 自动做回测，别让你凭感觉交易
你要是不把代码助手接上， 那这个技能包只能算 半成品。
4）基础智能包：负责翻译、计算、汇率、日常分析这些底层杂活
基础智能包页写的是： 联网搜索、100+ 语言自然翻译、数据计算与分析，适合日常助手、数据处理、跨语言沟通。
这块你别小看。
看美股、港股的时候，很多信息源本来就不是中文。 而且你临时要算仓位、收益率、盈亏比、ROI，这种杂活天天有。
这块就是底盘。 没有它，你很多动作都得切出去自己算。
这包东西到底适合谁
技能包说明页写得很直接：
适合 股民、投资者、量化爱好者。 而且核心卖点就是：
• 实时行情 • 技术分析 • 买卖信号 • 7×24 盯盘 • RSI / MACD / 布林带 • 交易时段提醒 • 持仓追踪 • 异常波动预警
所以我觉得它最适合 3 种人：
第一种，平时有工作，没空一直盯盘的人。 第二种，会看逻辑，但不想手动搜资料的人。 第三种，想往半自动研究、半自动预警走的人。
如果你期待的是 一键暴富， 那你还是别想了。
但如果你期待的是：
把自己每天那套重复性的 看新闻、看指标、看波动、做整理 交给 OpenClaw 去跑， 那这包就很对路。
最关键的来了：怎么装，怎么配，怎么跑起来
第 0 步：先把 OpenClaw 本体装好
OpenClaw 官方入门文档现在给的最快路径，是先安装，再跑 onboarding。官方文档写得很清楚：Node.js 推荐 24，22.14+ 也支持；安装后执行 openclaw onboard --install-daemon，再用 openclaw gateway status 验证服务，用 openclaw dashboard 打开控制台。 ([OpenClaw][6])
Mac / Linux：
curl -fsSL https://openclaw.ai/install.sh | bashopenclaw onboard --install-daemonopenclaw gateway statusopenclaw dashboardWindows PowerShell：
iwr-useb https://openclaw.ai/install.ps1 | iexopenclaw onboard --install-daemonopenclaw gateway statusopenclaw dashboard如果你这一步都还没跑通， 先别急着折腾技能包。 先让 OpenClaw 本体活起来。
第 1 步：把 代码助手 这条腿接上
因为这个 股票分析师包 里，真正有额外依赖的就这一个。 官方技能页写得很明确：代码助手 需要 Claude Code 或 Codex。
你二选一就行。
方案 A：接 Claude Code
Anthropic 官方文档给了 Claude Code 的安装方式：macOS、Linux、WSL 可以直接跑安装脚本；安装后运行 claude 登录。OpenClaw 官方文档也给了和 Claude CLI 的联动方式，包括直接复用本地 Claude CLI 登录，或者在 OpenClaw 里切到 claude-cli/... 模型。 ([Claude][7])
curl -fsSL https://claude.ai/install.sh | bashclaudeopenclaw models auth login --provider anthropic --method cli --set-defaultopenclaw agent --message "hi" --model claude-cli/opus-4.6如果上面最后一条能正常返回， 说明你的 代码助手 这条链路已经通了。
方案 B：接 Codex
OpenAI 官方 Codex 文档写得也很直接：Codex CLI 可以用 npm 或 Homebrew 安装，安装后执行 codex 登录；OpenClaw 官方文档也给了 codex-cli/gpt-5.4 的直接调用方式。 ([OpenAI开发者][8])
npm i -g @openai/codexcodexopenclaw agent --message "hi" --model codex-cli/gpt-5.4如果你是 Windows 用户，Codex 官方文档目前写的是 Windows 支持还在实验阶段，更推荐在 WSL 里跑。 ([OpenAI开发者][9])
第 2 步：把 股票分析师 技能包喂给你的 OpenClaw
这个技能包页写的是 一键复制安装提示词，复制后发给你的龙虾自动学会全部技能。也就是说，这个包不是让你在终端里一个个敲 4 条命令，而是走 提示词配置 这条路。
你可以直接去技能页点复制。
但如果你想更实操一点，我建议你直接发下面这段增强版，而不是只发一句 帮我装股票分析师包。
请帮我配置 股票分析师 技能包，包含以下能力：1. 网页搜索 & 分析2. 深度研究3. 代码助手4. 基础智能包我的目标不是泛泛聊股票，而是搭建一个可长期使用的盯盘研究工作流。请你以后按下面的方式工作：一、盯盘范围- 支持 A 股、港股、美股- 我会给你关注股票列表- 你要能跟踪新闻、公告、行业事件、持仓异动二、分析能力- 对单只股票输出 技术面 + 消息面 + 行业面 的综合分析- 技术指标至少包含 RSI、MACD、布林带- 输出时区分 观察、预警、强提醒 三档三、报告机制- 每次分析都尽量给出处- 生成结构化报告，不要只给一段空话- 结论写清楚：利好、利空、风险点、后续观察点四、自动化方向- 当我说 回测 / 写脚本 / 自动监控 / 生成日报 时，自动调用代码助手- 优先用 Python 生成最小可运行脚本- 脚本要带注释、可部署、可扩展五、输出风格- 少说正确的废话- 先给结论，再给依据- 尽量可执行这一段发过去， 你的 OpenClaw 才会更像一个 真的在给你干活的股票分析师， 而不是一个只会陪你讨论行情的聊天机器人。
装完之后，第一天就该怎么用
别装完就放着。 你第一天就应该用它做这 5 件事。
场景 1：搭建你的关注列表
帮我建立一个股票观察列表：A股：比亚迪、宁德时代、寒武纪港股：腾讯、美团、小鹏汽车美股：英伟达、特斯拉、Palantir以后每天优先跟踪这几只票。请给我每只股票建立一个简短档案，包含：- 主营业务- 当前主要逻辑- 关键风险点- 我后续最该盯的3个信号场景 2：做开盘前简报
请基于我当前的观察列表，给我生成今天的开盘前简报：- 昨夜/今晨重要新闻- 哪几只票有明显利好或利空- 哪些值得开盘重点盯- 按 A股、港股、美股分开写- 输出不要空话，尽量给出处这一步最吃的就是 网页搜索 + 深度研究。 一个找信息，一个做整理。
场景 3：做单票深挖
深度研究 英伟达。我要的不是百科介绍，而是过去30天的投资视角分析：- 重大事件- 财报或指引相关预期- AI 产业链位置变化- 竞争对手动态- 当前市场最关注的3个变量- 利好、利空、风险、机会分别总结最后输出一版适合我自己看的研究备忘录。这一步就是把它当研究员用。 别问 它涨不涨。 先问 为什么市场会买它，或者为什么开始不买了。
场景 4：做技术信号扫描
技能包说明页里已经点名了 RSI、MACD、布林带。
你直接这样发：
请扫描我观察列表里所有股票的技术指标：- RSI- MACD- 布林带输出格式：1. 当前技术状态2. 是否出现异常信号3. 哪些需要重点预警4. 哪些可以继续观察如果需要脚本来提高准确度，直接调用代码助手帮我生成。场景 5：做持仓监控
我当前持仓如下：- 英伟达 20%- 腾讯 20%- 比亚迪 15%- 特斯拉 10%- 现金 35%以后请按持仓权重优先级监控：- 异常波动- 重大新闻- 技术面破位- 可能影响中短线情绪的消息如果在交易时段有明显预警，提醒我；如果没有明显事件，就保持安静，不要刷屏。这个就很适合你之前喜欢的那种 静默机制。 有事再叫，没事别烦人。
真正能拉开差距的，是把它推进到代码层
很多人用到这里就停了。 但我建议你再往前走一步：
让代码助手给你生成一个 最小可用的信号扫描脚本。
你可以直接把下面这段丢给 OpenClaw：
请调用代码助手，帮我写一个最小可运行的 Python 股票信号扫描脚本，要求：- 输入股票代码列表- 自动拉取最近90天行情- 计算 RSI、MACD、布林带- 输出每只股票的信号状态- 生成一个 markdown 日报- 代码要有 requirements.txt- 优先用最常见、最容易部署的库- 写完后告诉我怎么运行如果你想直接先有个参考，我给你一个最小 MVP 版思路。
requirements.txt
pandasyfinancetasignal_scan.py
import pandas as pdimport yfinance as yffrom ta.momentum import RSIIndicatorfrom ta.trend import MACDfrom ta.volatility import BollingerBandsTICKERS = ["NVDA", "TSLA", "AAPL"]defanalyze_ticker(ticker: str): df = yf.download(ticker, period="6mo", interval="1d", auto_adjust=True)if df.empty:return {"ticker": ticker, "error": "no data"} close = df["Close"] rsi = RSIIndicator(close=close, window=14).rsi() macd_obj = MACD(close=close) macd_line = macd_obj.macd() macd_signal = macd_obj.macd_signal() bb = BollingerBands(close=close, window=20, window_dev=2) latest_close = float(close.iloc[-1]) latest_rsi = float(rsi.iloc[-1]) latest_macd = float(macd_line.iloc[-1]) latest_macd_signal = float(macd_signal.iloc[-1]) latest_bb_high = float(bb.bollinger_hband().iloc[-1]) latest_bb_low = float(bb.bollinger_lband().iloc[-1]) signals = []if latest_rsi < 30: signals.append("RSI偏低，接近超卖")elif latest_rsi > 70: signals.append("RSI偏高，接近超买")if latest_macd > latest_macd_signal: signals.append("MACD偏强")else: signals.append("MACD偏弱")if latest_close > latest_bb_high: signals.append("价格突破布林上轨")elif latest_close < latest_bb_low: signals.append("价格跌破布林下轨")else: signals.append("价格位于布林带内部")return {"ticker": ticker,"close": round(latest_close, 2),"rsi": round(latest_rsi, 2),"macd": round(latest_macd, 4),"macd_signal": round(latest_macd_signal, 4),"signals": "；".join(signals) }defmain(): rows = []for ticker in TICKERS: rows.append(analyze_ticker(ticker)) df = pd.DataFrame(rows)print(df.to_markdown(index=False))if __name__ == "__main__": main()运行方式
python -m venv .venvsource .venv/bin/activatepip install -r requirements.txtpython signal_scan.py这段代码不是官网自带的。 是我建议你用 代码助手 这个技能时，第一时间就该做出来的最小样板。
一旦这一步跑起来了， 你后面要加：
• Telegram 推送 • 飞书推送 • 定时任务 • 更复杂的选股规则 • 多市场列表 • 回测逻辑
都只是继续往上堆。
我觉得这个技能包最狠的点，不是分析，是分工
很多人老觉得 AI 一定要 一句话给我一个答案。
但股票这件事，真正值钱的不是一句答案。 而是一套流程。
这个包之所以有意思，是因为它刚好把流程拆成了四层：
• 网页搜索：负责找最新信息 • 深度研究：负责整理成报告 • 基础智能：负责计算和日常杂活 • 代码助手：负责把一切变成可重复执行的自动化
这就不再是一个 会聊股票 的 AI 了。 这更像是你在给自己搭一个低配版的小型投研团队。
One 掌柜最后说句实话
兄弟们， 这个 OpenClaw 股票分析师技能包，最适合拿来做的，不是预测涨跌， 而是替你干掉那些特别耗时间、但又必须做的事情：
• 搜消息 • 查公告 • 做整理 • 算指标 • 盯异动 • 出日报
它可以把你从 杂工 模式里拉出来， 让你把精力放在真正值钱的判断上。
但我也提醒一句：
别把买卖决策完全扔给它。 技能包说明页里写的是 信号、分析、提醒、跟踪。 所以最正确的用法，是拿它当研究和预警助手， 不是把脑子外包掉。
你真想把这个包用出价值， 就照我上面的步骤来：
先把 OpenClaw 本体跑通。 再把 Claude Code 或 Codex 接上。 再把增强版提示词发进去。 最后，第一天就让它给你做观察列表、开盘简报、技术扫描、持仓监控。
别装了就吃灰。 装了就让它干活。
以上，这才是 OpenClaw 最该有的样子。
