Qclaw 把選股變成工作流

我把 Qclaw 拆成一套可直接抄的選股工作流：抓資料、做篩選、留筆記、發提醒。

我玩 AI agent 一陣子了，老實說，多數都像太熱心的實習生。你問什麼都點頭，回你一段看起來像樣的答案，然後把爛攤子留給我收。這種感覺在我想做股票分析系統時特別煩。我不要會聊天的 chatbot，我要的是能拉資料、比對訊號、保留筆記，還能提醒我「你這個假設已經過期了」的工具。

所以我看到這篇 Qclaw 的整理時，才真的有點被打到。原文在 Zhihu，它把 OpenClaw/Qclaw 描成從「能說」走到「能做」的工具，核心不是嘴砲，而是把一句自然語言指令變成一串可執行動作。這個方向我很買單，因為股票分析本來就不是問答題，而是一條流程。

別再問它答案，叫它跑流程

OpenClaw 恰好打通了“一句话指令”到“自动完成任务”的全链路。

翻譯一下就是：agent 不該是分析師，它該是操作員。我說「掃這些 ticker、抓最近財報、整理風險、把這週變動大的挑出來」，系統就去做那些瑣事。這件事很重要，因為股票分析最怕每一步都靠我的心情。只要我得手動開五個分頁，整個流程就會在我忙的時候直接死掉。

我以前也踩過這坑，總想用 prompt 直接問出一個最終結論。結果永遠都很飄，因為模型在猜我想聽什麼。後來我改成流程式 prompt，情況立刻好很多：先收資料，再整理，再跟基準比對，最後才寫 note。模型不再假裝自己是神諭，而是變成能照清單做事的助手。

實操寫法很簡單：把你的選股工作拆成一串動作，不要只問一個大問題。例如：

• 抓最近 90 天價格走勢
• 拉最新財報與法說會逐字稿
• 摘要營收、毛利率、指引變化
• 跟上一季結果做對照
• 輸出 buy / watch / avoid 筆記

如果 Qclaw 真的能編排工具，這就是它最該發揮的地方；如果不能，你也可以先用同樣的結構，讓模型按步驟輸出。重點不是聊天，重點是把分析變成可重跑的流程。

真正值錢的是資料整理，不是意見生成

它正以开源之力推动一场人机协作的生产力革命。

這句話我不太愛，但底層意思還行：價值在 workflow，不在口號。做股票分析，最難的其實是穩定拿到對的輸入。價格資料好抓，能直接拿來決策的乾淨資料就沒那麼簡單。你要的是財報日期、指引變動、內部人交易、產業脈絡，還有跟上次 review 相比到底變了什麼。

也就是說，你的 agent 大部分時間應該花在抓資料、整理結構，而不是「思考」。我比較在意的是它有沒有把最近三季營收成長都放進來，而不是它最後講得多漂亮。輸入不完整，輸出再像樣也只是表演。

我之前做 watchlist 維護時就中過這招。模型很會把公司講得頭頭是道，但它漏掉了我最需要的東西：這週到底變了什麼。那時我才發現系統需要的是持久化記錄，不是每次都重寫一篇新答案。要有前一次的 note、前一次的指標、前一次的 alert。

實操寫法：

• 每個 ticker 存一份 baseline snapshot
• 只追蹤你每週真的會看的欄位
• 標記 delta，不要只看 raw value
• 每個結論旁邊都放來源連結

如果你要接工具，market data API、SEC filings、notes database 就夠起步。就算你先手動跑，規則也一樣：先收集，再判斷。

先做 watchlist 助手，別急著做選股神諭

人们不再满足于 AI 给出答案，更希望它能够成为你的私人助手。

這句我反而同意。股票分析裡，私人助手有用，假裝會預言的神諭很貴又很廢。我不要模型跟我說哪支會飛，我要的是它幫我整理 watchlist、吐出變動、提醒我 thesis 有沒有開始鬆掉。

翻譯一下就是：第一版先做得無聊一點。watchlist agent 比 prediction agent 更好驗證，因為你可以直接檢查它有沒有抓到財報日、有沒有注意到毛利下滑、有沒有標出 CEO 賣股。這些都是具體的。至於「會不會 outperform」，那是人類開始騙自己的地方。

我以前很愛把事情做太大，每次都想要一份完整 investment memo。結果超浪費。真正有用的版本其實很小：每天早上固定 review 20 檔，摘要變動，按 urgency 排序。這樣我拿到的是 queue，不是講道理。

實操寫法：

• 先固定一個 ticker universe
• 每檔標一個 thesis tag：growth、value、turnaround、dividend
• 讓 agent 更新一行狀態筆記
• 只有超過門檻才發 alert

如果你想讓它真的有幫助，就加一個「我為什麼持有這檔」欄位，然後拿現在的事實去對照。這才是助手有價值的地方。

數學留在程式裡，模型只負責整理

這點我踩雷踩得很深。模型很會摘要，但它假裝自己算數學的時候通常不太可靠。所以你在做股票分析系統時，數字計算最好留給程式或可信 API，模型只負責把結果講清楚。像本益比、移動平均、回撤、財報 surprise、營收成長，這些都應該來自 deterministic code。

也就是說，不要叫模型算任何你自己能算的東西。你要它解釋結果、比較差異、指出怪點，這樣系統才不會飄掉。

我之前跑過一版簡單 screening，給模型的輸入長這樣：

• Revenue growth: 18%
• Gross margin: down 240 bps
• EPS surprise: -7%
• Guidance: raised

這時候模型就能寫出像樣的 note：成長還在，但毛利壓力是真的，指引上修多少抵掉了一點 miss。這很有用。讓它自己編數字就不行。

沒有記憶，它就會每天重新認識同一家公司

這是最多人偷懶的一步，然後再抱怨輸出很泛。股票分析助手一定要有 memory，而且不是聊天記錄那種假記憶，是結構化的狀態庫。要存前一次決策、前一次 note、前一次 alert，不然它每次都像第一天上班，永遠重新發現同一件事。

翻譯一下就是：每次 analysis run 都要讀也要寫。先讀上次 note、上次 snapshot，再寫新的 snapshot 跟 change log。這樣系統才回答得出「跟上季比變了什麼」，而不是每次丟一篇沒有上下文的新摘要。

我自己的 watchlist 以前就是這樣亂掉的。沒有 memory 時，我會一再讀同一家公司，然後拿到一點點不同但沒什麼意義的摘要。有了 memory 之後，系統比較像 research notebook。對真的有在追蹤公司的投資人來說，這種感覺差很多。

實操寫法：

• 用一張簡單資料表對應每個 ticker
• 存 timestamped snapshots
• 保留最後一次 thesis 與紅旗
• 新舊結果做 diff

如果 Qclaw 能同時做 tool orchestration 跟 persistence hook，很好；如果不行，就自己補一個 database，讓模型站在資料之上寫字。

輸出要短，短到你在盤中看得完

長報告看起來很厲害，真的要用時通常都是累贅。股票分析系統的輸出應該短、結構化、掃一眼就懂。我只想先看到 top line、變動、風險、下一步。就這樣。

也就是說，agent 最好吐出來的是 briefing card，不是論文。我要是想看細節，再追問就好。第一版輸出要幫我決定要不要繼續挖，而不是自己把自己寫成一篇沒人會讀完的長文。

我比較喜歡這種格式：

• Current status
• What changed
• What matters now
• What I should do next

這格式很粗暴，但很實用。它會逼模型不要亂扯 macro、不要塞一堆「市場情緒」這種空話。系統如果連短而可執行的 note 都生不出來，那它還不適合放進我的工作流。

可抄的模板

## Qclaw 股票分析工作流模板

你是我的股票分析操作員，不是投資顧問。

### 目標
維護 watchlist、摘要變化、只標出需要注意的項目。

### 輸入
- Ticker symbol 或 watchlist 名稱
- 時間範圍：daily / weekly / quarterly
- 資料來源：
  - 價格歷史
  - 財報新聞稿
  - 法說會逐字稿
  - SEC filings 或本地申報來源
  - 新聞摘要
  - 我之前的筆記資料庫

### 規則
1. 不要自己編數字。
2. 所有計算都用工具或結構化資料。
3. 每次新跑都要跟上一份 snapshot 比對。
4. 只有真的有重大變動才發 alert。
5. 最終 note 除非我要求，不然不要超過 200 字。

### 工作流程
1. 載入 watchlist。
2. 抓每個 ticker 的最新資料。
3. 把資料整理成固定 schema。
4. 把新 snapshot 跟舊 snapshot 做 diff。
5. 用白話摘要變化。
6. 指派三種狀態之一：
   - Buy watch
   - Hold
   - Review now
7. 存回新的 snapshot 與 note。

### 輸出格式
每個 ticker 回傳：
- Ticker
- Status
- What changed
- Why it matters
- Risks
- Next action

### 範例輸出
Ticker: AAPL
Status: Hold
What changed: Revenue growth stayed steady, margin improved, guidance unchanged.
Why it matters: The thesis is intact, but there is no new catalyst.
Risks: Slower hardware demand, valuation compression.
Next action: Recheck after next earnings.

### 給模型的提示詞
"Review the supplied ticker data and prior note. Summarize only the material changes. If the data is incomplete, say what is missing. Do not speculate. Keep the answer concise and structured."

### 可選工具
- fetch_price_history(ticker, window)
- fetch_earnings_release(ticker)
- fetch_transcript(ticker)
- fetch_filings(ticker)
- get_prior_note(ticker)
- save_note(ticker, note)

### 可選評分
每檔 1 到 5 分：
- Momentum
- Fundamentals
- Thesis health
- Alert priority

### 最後提醒
如果 agent 說不出跟上次 review 比起來變了什麼，這個系統還不算有用。

這份模板刻意寫得很白。我要的是可以直接貼到 prompt、workflow file、或簡單 agent wrapper 的版本，不想先花半天把一堆 buzzword 翻成人話。先從這裡開始，再慢慢加工具。

我這篇是從原始來源 https://zhuanlan.zhihu.com/p/2018780495001964820 出發，然後把它拆成適合股票分析系統的工作流。上面的結構與模板是我自己的整理與改寫，不是原文逐字重製。