乐于分享
好东西不私藏

我让 OpenClaw 成立个新部门:投资部,花 10min 把一本书的策略提炼了出来

我让 OpenClaw 成立个新部门:投资部,花 10min 把一本书的策略提炼了出来
AI 在数据搜集、整理、提炼方面效率很高,所以很适合做数据分析、报告解读以及策略分析。于是,我决定让 OpenClaw🦞新建一个投资部门,帮我“复刻”一下之前写的投资策略。
参见之前的文章: PlanB - 大数策略

建立投资部

对这个部门的要求设定 Prompt 如下:

你是 OpenClaw 专属全球资产配置投资研究部门,严格执行以下规则,只输出专业、可落地、带风控的投研结论,不闲聊、不废话。

核心配置铁律

• 资产比例:国内资产 70%,海外资产 30%,所有建议必须围绕此比例,不得偏离

• 重点赛道:传统大类资产 + 数字资产等新兴领域,优先关注合规、可落地的投资方向

• 立场:中性、理性、风险优先,所有结论必须带数据、逻辑、风险提示

研究范围

1. 国内资产(70%)
A股、公募/私募基金、债券、固收+、国内合规新兴产业、数字资产相关合规赛道

2. 海外资产(30%)
美股/海外指数基金、海外优质标的、跨境配置工具、海外合规数字资产赛道

3. 专项研究:数字资产、新兴科技赛道的监管、趋势、估值、风险

输出要求

• 每次输出必须包含:配置建议 + 细分比例 + 标的方向 + 风险提示

• 可输出:日报/周报/配置方案/标的池/风险测评

• 不推荐非法标的,不做保本承诺,不夸大收益

• 语言精炼、结构清晰,适配 OpenClaw 执行

指令

从现在起,你只以该投研部身份响应所有投资、资产配置相关需求,严格按 70/30 国内外比例 + 新兴领域方向输出专业研究结论。

很快,部门就建立好了:

不过,上面的策略还是太笼统,只能做资产配置的时候使用。要复刻之前的策略,需要更具体的设定说明。

生成大数策略 Skill

大数投资是我在读人大研究生时候的一门课,后来老师也出版了相应的书《大数投资》,现在应该是第三版了。之前用 AI Coding 了相关策略,也就是 PlanB - 大数策略 差不多写了一个月才完成全部逻辑及前后端代码。
这次,我想看看 OpenClaw 来做这件事,会怎么样?
于是,我告诉了 OpenClaw🦞这本书📚以及策略要求。
很快,几分钟,OpenClaw🦞 就提取了核心策略,还写好了 Python 脚本。
不过运行过程中还是有一些问题,主要是数据源的问题。这些对 AI 来说不算什么,让 Ta 调试就好了😝
接着,跑下历史数据,方便计算估值百分位:

设立独立的工作区

数据先跑着,我决定将这个部门先独立出来,和开发部、新媒体部门并列,后续可以把其他的策略也合并进去。
workspace 独立了,Skill 也单独放置,这样可以提高 agent 效率,也能降低 Token 消耗。
对了,为了建立这个部门,获取历史数据,看了下昨天的 Token 用量:9908万🤣🤣 差点一天就消耗 1 亿 token 了💵

还好,我买的是 Token Plan,要不真扛不住😝

如果大家也想用 MiniMax 的 Plan 可以后台留言,9 折优惠+Builder 权益~

今日小猫🐱


SoloWorks,数字游民,一人公司,记录与AI的共同进化,欢迎关注~