AI 编程助手金融超能力对决:Claude Code 与 Codex Skills 全方位横评

导读

量化交易员要写策略、研究员要看财报、分析师要拉数据——这些活儿 AI 编程助手能不能接？答案是肯定的，但前提是你得会用 Skills（技能包）。Claude Code 和 OpenAI Codex 都已经把金融场景做成了可插拔的技能模块。本文从机制讲起，盘点两家在量化、研报、数据抓取、风险建模四个方向的金融 Skills，再用七大维度横向对比，最后给出可直接抄走的安装命令和最小可运行示例。

Claude Code

Codex CLI

量化交易

研报生成

Skills 横评

01

金融场景为什么需要 Skills

金融任务的特殊性在于：数据源多（行情、财务、宏观、新闻）、工具栈杂（pandas、TA-Lib、Backtrader、Wind）、合规要求高（数据脱敏、风险监控）。让 AI 写一段 Python 抓取股价不难，难的是让它持续稳定地做这件事——这正是 Skills 解决的问题。

Skills 是一组预置的指令、脚本和上下文，让 AI 在特定领域开箱即用。对开发者来说，Skills 相当于「专业插件」；对 AI 来说，Skills 是「领域 prompt + 工具说明 + 案例参考」的打包。两家虽然实现路径不同（详见下一节），但都在朝着同一个方向：让 AI 成为某个垂直领域的专家，而不是只会聊天的通才。

关键洞察

Skills 真正的价值不是省 prompt，而是把领域知识沉淀为可复用的工程资产。一个团队的量化经验、风控规则、研报模板，都可以打包成 Skills 给整个团队用。

02

Skills 机制对比：两条不同的工程路径

先看清楚机制差异，后面选型才有依据。Claude Code 走的是「Skill 文件 + 子代理」路线，Codex CLI 走的是「AGENTS.md + 自定义工具」路线。两种实现各有取舍。

SKILL.md

Claude Code 入口

AGENTS.md

Codex 入口

~/.claude

Claude 目录

Claude Code：声明式 + 子代理

每个 Skill 是一个目录，里面放 SKILL.md、可选的 agents/、scripts/、references/。当用户触发相关任务时，Claude 自动加载 Skill 的指令和子代理。核心优势是声明式——写一个 Markdown 文件就完事，社区生态因此繁荣。

Codex CLI：指令式 + 工具注册

Codex 把所有扩展能力收口到 AGENTS.md（项目级）和 ~/.codex/（用户级）。Skills 通常以「预置子代理」或「自定义命令」的形式存在，更偏向工具集成——你可以注册一个 /quant 命令，让 Codex 自动跑回测。

03

Claude Code 金融 Skills 盘点

Claude Code 的金融 Skills 主要来自三处：Anthropic 官方 anthropics/skills 仓库、社区贡献（GitHub Awesome Skills 列表），以及自建 Skill。下面按金融子领域分类，每类给出一个代表 Skill。

Skill 名称	金融子领域	核心能力
quant-research	量化研究	因子挖掘、回测框架、绩效归因
equity-analyst	股票分析	财务三表、估值模型、买方研报
market-data	数据抓取	yfinance/akshare 接入、清洗入库
risk-monitor	风控	VaR、压力测试、实时预警
fin-report-writer	研报写作	模板填充、图表生成、合规校对

这几个 Skill 在 GitHub 搜索 finance skill claude-code 都能找到。它们的共同特点：声明式 Markdown + 子代理，把金融领域的 prompt、工具、案例打包成一个目录，丢进 ~/.claude/skills/ 就能用。

04

Codex 金融 Skills 盘点

Codex 的 Skills 体系相对年轻，2025 年才正式推出 AGENTS.md 规范。但凭借 OpenAI 的生态势能，金融向的扩展已经铺开，主要是「自定义命令 + 子代理」组合。

扩展名称	金融子领域	核心能力
quant-backtest	量化回测	一句话触发回测，自动选框架
10k-extractor	财报解析	SEC 10-K、年报、招股书结构化
portfolio-optimizer	组合优化	MPT/Black-Litterman 配置
news-sentiment	舆情分析	财经新闻情绪打分

Codex 的金融扩展更轻——大部分以单一命令或脚本形式存在，适合「我已经知道要干什么，让 Codex 帮我跑」的场景；而 Claude Code 的金融 Skills 更重——一个 Skill 往往是一整套工作流，适合「我要做一件不熟悉的事，让 Skill 引导我」的场景。

05

七大维度横评：优劣一目了然

直接上结论——下面这张表是「金融开发者视角」的综合评估。打分 1-5，5 分最强。

维度	Claude Code	Codex
金融 Skills 数量	★★★★★ 5	★★★ 3
上手成本	★★★ 3	★★★★★ 5
回测代码质量	★★★★★ 5	★★★★ 4
研报中文支持	★★★★★ 5	★★★ 3
数据源集成	★★★★ 4	★★★★ 4
企业级部署	★★★★ 4	★★★ 3
学习曲线	★★★ 3	★★★★★ 5

简而言之：Claude Code 适合「重活儿、深活儿」，比如完整的量化研究工作流、中文研报生成；Codex 适合「轻活儿、快活儿」，比如临时跑个回测、解析一份 10-K。两边都装上不冲突，日常用 Codex 出活儿，重要项目用 Claude Code 沉淀 Skill。

06

安装示例：3 分钟接入

安装 Claude Code 金融 Skills

bash

# 1. 创建 Skills 目录（首次）mkdir -p ~/.claude/skills# 2. 拉取金融 Skills 仓库git clone https://github.com/anthropics/skills.git ~/skills-tmpcp -r ~/skills-tmp/finance/* ~/.claude/skills/# 3. 安装回测依赖pip install backtrader pandas yfinance akshare# 4. 启动 Claude Codeclaude

重启 Claude Code 后输入 /quant-research 就能看到金融 Skills 被加载。

安装 Codex 金融扩展

bash

# 1. 安装 Codex CLInpm install -g @openai/codex# 2. 在项目根目录创建 AGENTS.mdcat > AGENTS.md << 'EOF'# Project: Quant Workspace## Commands- /quant-backtest: run backtest on strategy.py- /10k: parse 10-K filingEOF# 3. 安装回测命令（注册自定义 slash command）mkdir -p ~/.codex/commandscat > ~/.codex/commands/quant-backtest.md << 'EOF'Run a backtest on the given strategy file. Use backtrader.EOF# 4. 启动codex

07

实战示例：双均线策略回测

用一个最经典的双均线策略演示：5 日均线上穿 20 日均线买入，下穿卖出。看看在 Claude Code 和 Codex 下分别怎么写。

Claude Code 写法：调用 quant-research Skill

python

import backtrader as btclass DualMA(bt.Strategy):    params = (('fast', 5), ('slow', 20))    def __init__(self):        self.fast_ma = bt.ind.SMA(period=self.p.fast)        self.slow_ma = bt.ind.SMA(period=self.p.slow)        self.cross = bt.ind.CrossOver(self.fast_ma, self.slow_ma)    def next(self):        if not self.position and self.cross > 0:            self.buy()        elif self.position and self.cross < 0:            self.sell()cerebro = bt.Cerebro()cerebro.addstrategy(DualMA)# Skill 会自动补全数据加载、绩效分析、可视化

Codex 写法：/quant-backtest 命令

Codex 不需要写代码骨架——你直接对终端说：

text

$ codex> /quant-backtest strategy.py --symbol 600519.SH --start 2020-01-01

Codex 会自己挑框架（backtrader / vectorbt / qlib），自己跑回测，自己出报告。代价是可控性弱——你想加个自定义指标，得通过 AGENTS.md 写清楚。

08

选型建议：三种典型工作流

• 个人量化爱好者：Codex 为主。理由是上手快，命令式触发，不写额外 prompt 也能干活。

• 卖方研究员 / 买方分析师：Claude Code 为主。理由是中文研报生成、财务建模这类长链条任务，Claude Code 的 Skills 工作流更稳。

• 量化团队负责人：两个都装。Codex 给初级研究员用，提效日常；Claude Code 用来沉淀团队的私有 Skill 库，把研究 SOP 沉淀成可复用资产。

09

未来 12 个月的趋势

两个方向值得盯紧：

• 合规化：随着 AI 写代码进入合规审计视野，Skills 也会被要求声明「数据来源」「模型版本」「风险免责声明」。

• 多 Skills 协作：未来一个金融任务可能同时调用「数据抓取 + 回测 + 研报写作 + 合规校对」四个 Skill 串行工作，类似多智能体编排。

10

总结：把 Skills 当作金融知识载体

Claude Code 走深、Codex 走快。金融场景下，Skills 的真正价值是把团队的领域经验沉淀成可复用的工程资产，而不是单纯省 prompt 时间。装哪个不重要，重要的是用起来。

下一步建议：先装 Codex 跑通一个简单回测，再写一个 Claude Code 的私有 Skill（比如把你们公司的研报模板做成 Skill），一周内就能看到效率提升。

参考来源 

• Anthropic Skills 官方仓库

https://github.com/anthropics/skills

• OpenAI Codex CLI 文档

https://github.com/openai/codex

• Claude Code Skills 规范

https://docs.claude.com/en/docs/claude-code/skills

• Backtrader 量化回测框架

https://www.backtrader.com/