这个开源项目,把基金经理观点做成了可溯源AI助手

用 AI 查基金经理观点，最怕什么？

不是它答不上来。

是它答得太像真的。

你问它“某基金经理怎么看光通信”“他的选股逻辑是什么”“他会不会喜欢某只基金”，它能给你写一大段。语气很稳，结构很完整，甚至还能装出一点专业感。

问题是，你往回一查，可能根本没有这句话。

这就很要命。

投研这种事，最怕“听起来像”。听起来像原话，听起来像逻辑，听起来像结论，最后可能只是模型凭印象拼出来的。

刷X时看到好多人体检的一个 GitHub 项目，专门解决这个问题。

项目简介

zhengxi-views 不是一个基金推荐软件。

它更像一个“基金经理观点档案 + AI 检索助手”。

项目围绕易方达基金经理郑希，把他 2012 到 2026 年的公开观点整理成语料，包括定期报告里的投资运作分析、基金经理手记、媒体采访、简介、在任和曾任基金清单。

然后再把这些内容做成 Agent Skill，让 AI 回答问题时不再凭印象瞎编，而是先回到原文里找证据。

一句话说：

以前问 AI，是“你觉得郑希怎么看”。

现在问它，是“郑希公开材料里到底怎么说”。

这两个差别很大。

核心功能

• 溯源问答：问郑希怎么看 AI 算力、光通信、新能源、半导体、ROE 等话题，回答要能追到原文出处。

• 方法框架：项目从公开语料里整理出郑希的投资方法，每条都要求有本人原话佐证。

• 语料外推演：如果郑希没公开谈过某个方向，Skill 会先声明不是他的原话，再按他的方法做推演。

• 言行对照：把他说过的话，和他管理基金的真实季度持仓、净值、业绩、规模做对照。

• 全市场基金对比：内置全市场约 2.7 万只基金列表，可以按需抓取基金数据做对比。

• 郑希框架评分：用六维评分卡看一只基金“多像郑希会买的”，注意不是判断基金好坏。

快速上手

先说清楚，这个项目适合愿意折腾 Skill 和本地文件的人。

如果你想要一个网页登录账号、输入问题、马上返回结果的产品，它不是这个形态。

第一步：克隆项目

git clone https://github.com/lyra81604/zhengxi-views.git

进入项目目录：

cd zhengxi-views

第二步：Claude Code 安装

macOS 和 Linux：

mkdir -p "$HOME/.claude/skills/zhengxi-views"
cp -R SKILL.md README.md references scripts "$HOME/.claude/skills/zhengxi-views"/

Windows PowerShell：

$dst = "$HOME\.claude\skills\zhengxi-views"
New-Item -ItemType Directory -Force $dst | Out-Null
Copy-Item -Recurse SKILL.md,README.md,references,scripts $dst

装好后，完整重启 Claude Code。

然后直接问：

郑希怎么看光通信？

或者：

郑希的选股逻辑是什么？

第三步：装脚本依赖

纯语料检索不需要第三方库。

如果你要抓基金数据、做全市场基金对比、用评分脚本，就要安装依赖：

pip install -r requirements.txt

requirements 里主要是：

requests
beautifulsoup4
lxml

第四步：腾讯 WorkBuddy 使用

这个项目已经带了 skill.yml 和 WORKBUDDY部署.md。

用法大概是：

把整个 zhengxi-views/ 文件夹放进 WorkBuddy 的 skills/ 技能目录。
在 WorkBuddy 里启用或导入这个 Skill。
先安装依赖：

pip install -r requirements.txt

用触发词测试：

郑希怎么看光通信

用郑希的标准给招商中证白酒打个分

README 里也提醒了，WorkBuddy 的 skill.yml 字段规范如果有差异，需要按它自己的 schema 微调。但核心行为都在 SKILL.md，不影响思路。

第五步：其他 AI 工具怎么用

如果是 Cursor，可以把整个项目放进工作区，再把 SKILL.md 内容做成 Cursor Rule。因为 Cursor Agent 能跑本机终端，接近 Claude Code 的用法。

如果是 ChatGPT 自定义 GPT，可以把 SKILL.md 放进 Instructions，再上传 references/ 和 scripts/。但云端代码环境通常没有外网，全市场实时抓取可能受限。

如果是 Gemini 或知识库类工具，更适合做“读资料问答”，实时抓取和脚本评分就别指望太多。

坑和注意事项

第一个坑：它不是投资建议工具。

仓库 README 和 LICENSE 都写得很清楚，只做研究与学习辅助，不构成投资建议。尤其是“郑希框架评分”，看的是风格契合度，不是基金好坏。

第二个坑：实时数据能力看运行环境。

本地能跑 Python、能联网，功能就完整。云端 AI 如果没有外网，只能用已上传资料和缓存数据。

第三个坑：语料有版权边界。

MIT 许可证适用于代码和文档，但 references/corpus/、references/fund_data/ 里的语料和基金数据来自第三方公开披露内容，项目只做研究学习收录，不主张这些数据版权。

第四个坑：别把推演当原话。

这个项目最重要的价值就是可溯源。用的时候也要守住边界。原话就是原话，推演就是推演，没查到就说没查到。

项目地址：https://github.com/lyra81604/zhengxi-views