夜雨聆风坦白说，我一开始是 OpenClaw 的重度用户。
那时候我觉得，既然 AI 能写代码、能写文章，那帮我炒股应该也是洒洒水。我给它喂新闻、问它观点、接入了同花顺skill，让它帮我分析财报。一开始挺新奇，感觉像个随时待命的私人分析师。
但用着用着，我发现不对劲。
如果你也用过类似的 AI 交易助手，你可能也遇到过这些让我崩溃的时刻。正是这些时刻，让我意识到：用通用的聊天机器人做证券交易，根本就是方向错了。
于是，我推倒重来，基于之前的架构，专门开发了一套全新的系统——盯盘手。
今天不聊技术细节，就聊聊我为什么要这么做，以及这套新架构到底解决了什么问题。
一、信息是有毒的
OpenClaw 这类通用 Agent 最大的问题在于：它太依赖“信息”了。
它的工作逻辑是：爬取新闻 -> 搜索网页 -> 分析资料 -> 给出结论。
这在做研究时很棒，但在交易时，这简直是灾难。
1. 天然的滞后性
当我问 OpenClaw “某板块有没有机会”时，它会去搜最新新闻。等它读完、分析完、告诉我“这个板块有利好”时，市场的资金可能早就在半小时前进去了，甚至都已经开始派发了。我用二手信息，去和拥有毫秒级通道的机构博弈，这能赢吗？
2. 信息噪音甚至投毒
Web 上充满了过时数据、SEO 优化过的软文，甚至专门误导模型的“AI 投毒”内容。有一次，OpenClaw 信誓旦旦地引用了一个所谓“利好消息”，结果那是两天前的旧闻。那一刻我意识到，互联网上的公开信息，对于交易决策来说，往往是噪音。
3. 严重的同质化
用 OpenClaw 的人越来越多，大家问的问题类似，模型调用的信息源类似，得出的结论也就高度同质化。这就像所有人都看到了同一个路牌，最后大家都会挤在同一个路口——这就是拥挤交易。
我意识到，我需要的不是一个“读新闻比我快”的 AI，而是一个能直接读懂盘口语言的 AI。
二、聊天归聊天，交易归交易：一场关于“严肃性”的革命
OpenClaw 的另一个坑，在于它太像个“人”了。
我们在微信或聊天框里随口说：“这只股票感觉不错，要不要抄底？”或者“我觉得可以再加一点。”
通用 Agent 会把这话当真。它会把“感觉不错”这种情绪化的表达，当成一种策略意图混入上下文。更有甚者，如果我生气了骂了一句，它都可能影响后续的判断。
交易是不能聊天的。交易是极其严肃的指令执行。
所以在开发“盯盘手”时，我做了一个最彻底的改动：将用户闲聊、观察记录、策略设定、交易授权彻底物理隔离。
在盯盘手的架构里，你说什么话，只是“观察”；
只有当你明确生成策略并经过确认后，它才变成“策略”；
而真正下单的那一刻，必须经过严格的校验。
聊天是聊天，观察是观察，策略是策略，授权是授权。 这四者互不干扰。这不再是一个陪聊的机器人，而是一个一丝不苟的执行终端。
三、从“一次性问答”到“持续事件驱动”：架构级重构
OpenClaw 的模式是：你问 -> 它答 -> 结束。
这是一个“任务型 Agent”。
但炒股不是做任务，炒股是状态管理。
我无法忍受 OpenClaw 的定时触发机制——它只是傻傻地每隔几分钟分析一次。如果中间发生了突发异动，它是瞎的；如果风平浪静，它还在浪费 Token 算力。
为此，我重写了调度核心，把 OpenClaw 的“被动响应”变成了盯盘手的“主动监听”。
现在的逻辑是这样的：
OpenClaw: 定时唤醒 -> 分析 -> 回答 -> 休眠
盯盘手: 异动(价格/成交量/订单状态)触发判断 -> 开始分析 -> 执行/继续观察
数据异动直接触发分析，而不等待固定心跳时间。
这意味着，我不是在让 AI “预测未来”，而是在让它监控当下。
它不再回答“这只股票会不会涨”，而是判断“我设定的止损线有没有被触碰到”？
它不再纠结“消息面怎么样”，而是盯着“盘口突然出现的大单是不是在砸盘”？
这才是盯盘该有的样子：缩短从策略到执行的距离。
四、为了省钱，也为了安全：把幻觉关进笼子
用过 OpenClaw 的都知道，Token 消耗是巨量的。每次任务都要经过多轮规划、搜索、工具调用，长上下文一上来，成本就像流水一样。
但我这个项目
而且，大模型有幻觉。它可能编造一个不存在的财务指标，或者算错一个单位。
在新的“盯盘手”架构里，我引入了三层防御机制：
最小调用原则： 规则系统先过滤，只有真正需要 AI 理解复杂逻辑时才唤醒模型。去重、冷却、低价值波动过滤，把 Token 花在刀刃上。
结构化输出校验： 模型不再输出洋洋洒洒的分析，而是必须输出 JSON 格式的决策指令。代码层面会严格校验：标的对不对？价格在不在涨跌停板范围内？资金够不够？任何一点不对，直接拒绝，不执行。
数据源隔离： OpenClaw 可能去搜网页，而盯盘手只读取权威行情接口和账户状态。它编造不了行情，因为行情是系统“喂”给它的，不是它“想”出来的。
五、它是怎么工作的？一个真实的“盯盘”闭环
为了解决上面所有问题，我把这套系统拆解成了一个严谨的闭环：
1. 看什么？不再是乱搜
在盯盘手里，我为每只股票配置了独立的数据模块。
发送什么数据是你自己选择的。
你可以选择看资金流、看微结构、看龙虎榜，还是看技术指标。AI 只会基于你授权的数据源进行分析，不会被网上的垃圾信息带偏。
目前支持的可选数据模块分为两大类：
Tushare模块（25个）—— 覆盖A股市场主流数据：
日线行情、周线行情、月线行情、复权因子、分红送配、财务数据、业绩预告、主营业务构成、龙虎榜每日明细、每日个股指标、港股通用行情、港股通每日成交、港股通十大成交、港股通持股明细、沪深港通持股统计、融资融券交易明细、个股资金流向、大宗交易明细、概念股分类、同行业对比、公告信息、新闻舆情、股东人数变化、股东增减持记录、限售解禁计划。
每一个模块都对应一个具体的Tushare API接口，返回结构化数据，经过统一格式化后进入缓存。
微观结构模块（8个）—— 适合短线或者高频场景：
逐笔成交、逐笔委托、委托队列、盘口快照数据、大单主动统计、撤单行为统计、订单簿不平衡指标、Tick级成交压力计算。
这些数据的分辨率更高，能看到单笔大单的进出、挂单的撤改、买卖力量的不平衡程度。
再看技术指标，共46个，分8大类：
趋势类：MACD、TRIX、DPO、DMA —— 判断大方向
移动平均类：MA5、MA10、MA20、MA30、MA60、MA120、MA250、EXPMA、VWAP、BIAS —— 多周期均线系统
动量类：RSI、KDJ、WR、CCI、ROC、MFI —— 看动能和超买超卖
波动率类：布林带、ATR、标准差通道 —— 看波动区间
成交量类：VOL、OBV、量比、换手率、成交额 —— 看量能配合
价格形态类：zigzag拐点识别、N日新高新低、涨跌幅排名
市场宽度类：上涨下跌家数比、新高新低比、行业强度
自定义组合：用户可以自由组合任意指标，保存为预设方案
关键在于：
这些数据不仅展示在页面上，还会被塞进AI的推理上下文中。
你选哪些模块、开哪些指标，直接影响AI能看到什么、会怎么思考。
如果你只开MACD和RSI，AI就是一个技术派。如果你开了资金流和龙虎榜，AI就会关注主力动向。如果你开了财务数据和业绩预告，AI就有了基本面视角。
至于有图表的会直接把图表也发送过去。
2. 怎么决策？全程可审计
这是我最得意的改进。OpenClaw 的思考过程往往是个黑盒，但在盯盘手里，每一个动作都有据可查：
为什么唤醒？（触发原因）
看到了什么？（行情与盘口数据）
依据什么策略？（当前生效策略）
做了什么决定？（交易意图及校验结果）
哪怕它真的犯错，我也能精准地知道是数据错了，还是策略逻辑错了，或者是模型“发疯”了。
盯盘手的逻辑是循环式的：
观察 → 理解 → 决策 → 执行 → 反馈 → 再观察
每一轮分析，AI会做以下几件事：
第一步，收集信息。 但它不是机械地拉数据——而是根据你配置的数据模块，有选择地获取当前场景下最相关的信息。短线看资金流，长线看财务数据，妖股看情绪指标。不同的股票，不同的阶段，看的重点都不一样。
第二步，结合上下文。 它知道你昨天的仓位、今天的策略、刚才已经下过的订单、当前持仓的成本。它不会在一个已经满仓的股票上建议买入，也不会在刚卖出的瞬间又建议接回来——这些"常识性错误"，很多量化策略反而会犯，因为量化没有真正的"理解"。
第三步，进行综合分析。分析策略、分析数据，进行深度思考。这是AI智能体的大脑核心在运转。它不仅仅是调用工具，更是将零散的信息拼凑成完整的拼图。它会交叉验证策略逻辑与实时数据的匹配度：判断当前的市场走势是否还在策略的框架内，数据层面的支撑是否足够强，技术形态是否出现了预期的信号。在这个过程中，AI会模拟人类高手的思维路径，权衡潜在收益与风险，过滤掉市场的噪音干扰，识别出真正的交易机会或风险点，最终形成具有逻辑支撑的判断结论。
第四步，输出结构化决策。 这不是一个"买还是卖"的二选一。决策JSON包含：动作（买入/卖出/持有/撤单）、股票代码、数量、价格类型（限价/市价）、价格、有效期、理由、置信度、风险等级。完整、规范、可直接执行。
第五步，执行与验证。 决策输出后，模拟券商对它做四重校验——价格是否在涨跌停范围内、资金是否充足、持仓是否足够、交易规则是否允许。校验不通过的决策会被驳回，AI在下一轮分析中会收到反馈。
这不是"条件到了就触发"，而是一个拥有上下文理解能力和工具使用能力的智能体在替你思考。
3、收盘之后，它会做一件很多人忽略的事
15:00收盘，大部分人关掉交易软件，一天结束了。
但盯盘手的工作还没完。
15:31，系统会触发EOD（End of Day）流程。
AI会收到一条特殊的EOD指令、然后生成一份结构化的EOD总结。
这份总结包含什么？
今日行情回顾：开盘价、收盘价、最高价、最低价、成交量变化、关键时间节点的价格行为
操作复盘：今天做了哪些交易，结果如何，是否符合策略预期
账户变动：持仓变化、盈亏、资金变动
策略评估：当前的策略是否适应当前的市场环境，是否需要调整
明日关注：明天的关键价位、需要关注的事件、初步的操作计划
但EOD的产出不只是总结，还有更重要的东西：长期记忆。
每天的EOD总结会被保存下来，经过压缩和提炼后，写入跨日记忆。
第二天开盘前，新交易会话创建时，会加载所有历史记忆。AI会看到：
"昨天你总结说XX股票在15元的支撑很强，今天重点关注是否跌破这个位置。"
"过去五天，你连续三次建议买入都被驳回，需要检查策略参数是否过于激进。"
时间越长，AI对这只股票的理解就越深。它不是每天从零开始的分析师，而是一个每天都在积累经验的交易助手。
4、你可以跟它聊天——但下单的按钮在你手里
盯盘手能做的不只是自动分析。它还能陪你聊天。
在每只股票的工作区下方，有一个聊天入口。你可以在里面输入任何问题。
可以问什么？
"今天这根放量阴线怎么看？" "帮我分析一下最近三天的资金流向变化" "我怀疑这个位置有主力在吸筹，你觉得呢？" "现在能不能加仓？"
它会怎么回答？
它不是在百度。它回答的依据是：
当前这只股票的完整上下文（策略、持仓、历史分析、EOD总结）
当前的数据快照（你配置的所有数据模块的实时值）
它自己的历史对话记录（之前聊过什么，它记得）
所以当你说"我上次说那个支撑位还记得吗"，它真的记得。
但有一个关键限制：它不能下单。
这是一个经过刻意设计的权限边界。用户聊天模式下的AI，只允许调用两个工具：
提交用户观察（watch_submit_user_observation）—— 把你的观点记录到系统中，供主分析流程参考
提交单股策略建议（watch_submit_single_stock_strategy）—— 你可以在聊天中提出策略调整建议，它会格式化后提交给策略系统
不允许调用任何交易相关工具。不能查账户、不能看持仓、不能下单。
这样设计的原因很简单：聊天是探索，交易是执行。两者应该分开。
你在聊天中可以尽情"如果……会怎样"，可以测试各种假设场景，但最终下单的决策，必须来源于完整的主分析流程——有完整的数据、完整的校验、完整的审计记录。
同时，你也可以把你的观察和策略建议提交给系统。这些提交的内容会成为下一轮主分析的输入。你不只是一个旁观者，你是这个AI的"情报源"。
5、盯盘分析直接发送到微信
文章写到这里，你可能在想：听起来不错，但我总不能一直开着浏览器吧？
没错。所以盯盘手接入了微信。
接入逻辑并不复杂：你在公众号里发消息，系统解析命令，执行对应操作，把结果推回微信。
目前支持的命令：
@盯盘手 + 股票名称或代码 这是最常用的命令。系统会返回这只股票的当前分析摘要——包括最新价格、涨跌幅、关键指标、当前策略状态、最新决策。
不用打开App，不用登录网页。发一条消息，10秒内收到回复。
@盯盘手 + 操作指令 比如"@盯盘手 关注比亚迪""@盯盘手 把茅台加入盯盘池"。操作指令会提交到系统后台，下一个调度周期自动执行。
推送上，也不只是在微信里查数据。关键事件会主动推送到你的微信。
什么算关键事件？
AI做出买入或卖出的决策
风险等级较高的交易信号
策略执行出现重大偏差
每日收盘总结
推送内容不是干巴巴的文字。每一条推送都包含：
事件类型标签（一眼知道是什么事）
具体内容（决策、理由、数据）
写在最后
工具正在内测中，暂不对外开放，想尝试的小伙伴可以申请。