夜雨聆风最近利用AI做投资，到现在也有两个月了。
前后做了十几个工具，大的也就两三个，多数都是解决一个具体问题的小东西。下面把这些ai工具的功能和思路简单列一下，供大家参考。
一、量化交易、复盘与行情工具
1、quant_system（A股量化交易工作台）
把股票池、竞价、盘中监控、模拟交易和次日复盘串成一条链。
**重点：把多源情报转成有触发条件、有风控边界、能事后核验的交易信号，而不是让AI直接报股票。
2、QuantBuyPoint（L2买点分析工具）
结合分时、盘口、大单和量化信号辅助判断盘中买点。
**重点：接入同花顺L2数据。
3、AStockReview（A股复盘生成器）
用真实行情生成午间或全天复盘，追踪核心股与题材演化。
**重点：用封板、炸板、回封和失败反证还原盘面因果链，尽量避免收盘后看图讲故事。
4、rank-backtest（人气榜回测工具）
检验人气榜Top3、Top5信号在随后几个交易日的表现。
**重点：用成熟样本、胜率和收益分布反驳“只记得成功案例”。
5、daily_stock_analysis（智能股票分析系统）
定时分析自选股，生成结构化研究和决策参考。
**重点：把多模型、行情与搜索放进可重复的流程，让同一只股票按固定框架持续跟踪，而不是每次临时聊天。
6、market-review（盘前策略复盘工具）
提取盘前观点、成立条件和标的，再跟踪后续表现。
**重点：主要是回顾你写的盘前策略对不对，如何改进。
7、stock_correlation_tool（板块个股联动工具）
计算板块中枢股、个股弹性、跟涨概率和领先滞后。
**重点：识别谁在带动、谁在跟随以及联动是否稳定，输出的是板块结构，不是涨跌预测。
8、index-monitor（指数趋势监控工具）
综合K线、均线、成交量、趋势线和背离观察指数。
**重点：寻找多种证据的共振，并把结论写成带条件的支撑、压力和失效位置。
9、DXD-Dashboard（短线盘面资金仪表盘）
聚合短线市场、板块资金和急拉急跌信号。
**重点：主要是实时盘中观察资金流动方向。
二、新闻、情报与产业研究
10、red_news_monitor（财经情报监控工具）
采集财经快讯、交易所互动和调研信息并分级提醒。
**重点：通过去重、关键词等级和自选股关联，只把真正影响研究对象的信息抬到前面。
11、rednews-announcements（重点公告精选工具）
从重点快讯和全量公告中筛选高价值事件。
**重点：用规则保证筛选口径，用模型辅助理解，再用事件后的相对收益检验筛选是否有效。
12、aerospace-monitor（商业航天监控工具）
跟踪商业航天股票池、板块指数和关键事件。
**重点：先过数据质量门槛，再用分层股票池、事件去抖和状态变化判断板块阶段；数据异常时宁可报警，不伪造结论。
13、x-tech-daily（X平台科技日报）
筛选X上AI、芯片、算力、光通信和机器人等科技信息。
**重点：按来源质量、相关性、第一手证据和学习价值评分，去掉重复热度，留下值得持续研究的线索。
14、macro-event-radar（宏观事件雷达）
管理央行、经济数据、财报、政策和地缘事件。
**重点：准确处理时区、夏令时、重复日程与改期记录，持续跟踪“市场预期发生了什么变化”。
15、TrendRadar（多平台热点雷达）
聚合多平台热点，经关键词筛选后形成每日情报。
**重点：先做频次统计和主题聚类，再让AI分析已收敛的信息，避免模型被原始信息流牵着走。
16、OpenClaw（腾讯云AI监控中枢）
按晨间、盘前、午间、收盘和晚间调度不同研究任务。
**重点：让行情、搜索与数据接口被多个任务一致复用，形成全天候、可衔接的研究节奏。
17、industry-chain-tool（科技产业链雷达）
用19条科技产业链展示上下游、价值量、龙头和跨链关系。
**重点：以结构化产业数据和置信度标注寻找跨产业链枢纽，先回答公司处在什么环节，再讨论股票。
三、自动化、同步与基础能力
18、qq_push_monitor（QQ群行情推送工具）
自动推送涨停异动，并按股票代码返回L2分时图。
**重点：用确定性规则识别消息、生成结果和自愈重启，保证盘中链路稳定，不依赖大模型猜测。
19、zsxq_sync（知识星球同步工具）
把源群新增内容增量同步到目标群。
**重点：用进度记录和去重保证同一内容只发送一次，同时保留原文，避免同步过程改变信息。
20、mtpx / mptext-automation（公众号文章批量导出工具）
按公众号和日期批量归集文章正文。
**重点：复用已登录会话，以状态机控制账号、日期和单进程任务，中断后可准确恢复，适合长期批处理。
21、ima-selfcheck（IMA知识库自检工具）
扫描知识库新增资料，比较新旧内容并生成自检报告。
**重点：用本地台账锁定真正增量，再让模型判断新增知识和方法变化，避免反复分析旧资料。
22、wechat-daily-image-archive（微信群素材归档工具）
按群、日期和发送人归档文字、图片、PDF与表格。
**重点：先用原始记录、清单和汇总三方核对素材是否齐全，再做OCR、主题整理和AI总结，完整性优先于文案漂亮。
——
这些工具用了哪些大模型？
其实并不是用一个模型做完的。我的体会是，不同模型擅长的环节不一样，混合使用比只守着一个模型更有效率。
**Fable 5比较适合出方案。先把目标、模块、数据流和实现步骤搭出来，再开始动手，比较适合规模稍大的工具。
**Kimi 3做方案也可以，设计通常比较亮眼。如果工具需要网页界面、信息卡片或者更直观的呈现，我会参考它给出的设计思路。
**GPT-5.6更适合写代码。把需求和边界说清楚以后，用它完成具体实现、排查问题和继续迭代，整体比较顺手。
现在腾讯的WordBuddy可以免费使用，也适合做一些简单工具，或者先把一个idea开发成能运行的基础版本，再交给其他模型继续进化。
最后想说：工具一定要有闭环。
所谓闭环，就是前面收集的数据能形成明确条件，条件能转成信号，信号发生以后还能继续跟踪，最后通过回测、评价和横向比较，知道这套方法到底有没有用。
为什么这一步重要？
因为投资最容易出现的偏差，就是只记住判断正确的几次，失败的信号却很快忘掉。大模型又特别擅长把已经发生的事情解释得很合理。如果没有事前记录和事后评价，再漂亮的分析也可能只是“收盘以后什么都懂”。
最后，AI工具投资群开放，欢迎正在使用AI做投资研究、量化工具、数据分析、行业跟踪或自动化流程的朋友加入。
不要求一定会写代码，也不要求已经做出完整产品。愿意分享真实需求、工具思路、踩坑经验和使用反馈就可以。前提一定要活跃，想入群的后台私信说明情况。
end。