【标签】学习工作
- 先和大家打个招呼吧
你好！我是一名独立开发者，也是TOPGO智能体军团的技术布道师。平时喜欢用AI工具折腾点有用的东西。
这次和TRAE「配合」开发一个投研工作台，体感一句话：脑子动得多，手基本没动。
我想要12个功能Tab，就把每个Tab的数据结构、交互逻辑一句句讲给TRAE听。真正让我觉得「原来还能这样」的是接真实行情——我只丢了一句：「用AKShare免Token拉新浪日K线 + AGNES大模型生成投研简报」，TRAE回头把数据适配、缓存策略、接口回退、代码格式转换一整条链路全铺好了。
这个思路跟我们TOPGO在英特尔AI大赛、高通骁龙大赛里跑通的打法一模一样：大任务拆成子Agent，数据源适配、缓存、回退各司其职，主链路只管传一句指令。
原本以为全市场5500+只股票是个大坎，结果从写死12只演示股到支持全市场模糊搜索+实时报价，几轮对话就跑通了。数据接入这个最劝退新手的门槛，被几句话跨了过去——对独立开发者来说，等于把「一个人活成小团队」的成本又砍了一截。
后来参考通达信爆款四要素方法论，把投研卡片升级成「锦衣卫」IP体系，从设计到落地只用了半天。真正验证了"用自然语言描述产品，AI直接落地"的可行性。
- Demo 简介
是什么：一个 AI 驱动的投研工作台 Web 系统，12 大功能模块覆盖投研全流程，接入 A 股真实行情数据与大模型智能分析，融合通达信爆款四要素方法论打造「锦衣卫投研卡片」体系。
面向谁：个人投资者、投研分析师、金融从业者——需要在一个工作台内完成"看行情、做分析、写简报、管自选、控风险"的人。
主要功能：
AI 投研简报（核心创新）——输入任意公司/行业/主题，AGNES 大模型自动生成「事实-解释-风险-行动-预测」五色卡片体系，把散乱信息结构化为可决策的投研结论。支持 A 股全市场任意股票（如输入 300085 即可生成银之杰的简报）。接入 AnySearch 联网搜索，增强公司/行业研究的信息深度。
锦衣卫投研卡片——参考通达信爆款四要素（听得懂/看得到/可追踪/有边界），打造「千户·采风」晨报卡与「东厂提督·监正」复盘卡，自然语言作息表定时生成，涨红跌绿配色，Coze 复盘排版风格。从出错到修正后排版出漂亮的报告。
技术分析工作台——K 线图 + MA/MACD/RSI/KDJ/BOLL 五大技术指标 + 缺口识别 + 支撑压力位 + 3 天走势预测，数据来自 AKShare 新浪日 K 线（前复权、免 Token）。支持全市场搜索任意 A 股股票。
全场景投研管理——12 个 Tab 一站式覆盖：概览仪表盘、AI 简报、技术分析、公司覆盖、研究报告、市场机会、风险预警、研究卡片、自选股、投资组合、行业对比、市场情绪。全局搜索 + 各 Tab 内搜索均支持 A 股全市场 5500+ 只股票。
概览页全可点击——统计卡片、行业热度、最新研报、市场机会、风险预警均支持点击跳转对应详情页或打开报告 Modal，无缝衔接全链路。
- Demo 创作思路
灵感来源：日常投资研究中，我发现自己要在通达信看行情、做技术分析，同花顺看资讯、Word 里写研报、Excel 里管自选——工具割裂、数据不互通。能不能有一个工作台把"看、析、写、管"全部打通？
后来看到通达信的预热稿，发现「爆款四要素」方法论完全可以迁移到投研卡片：听得懂（白话风格标签）、看得到（全市场快照）、可追踪（连续追踪机制）、有边界（风险提示）。再加上 Coze 的复盘排版技能（主题先行 + 多模块编号 + 关键数据加粗），一套完整的卡片体系就出来了。
想解决的问题：
- 信息分散：行情、研报、技术指标、自选股散落在多个平台，来回切换效率低
- 分析门槛高：个人投资者看不懂 MACD/RSI/KDJ，需要 AI 把技术信号翻译成"人话"
- 简报撰写慢：从收集信息到产出投研结论，往往要半天，AI 应该能几分钟搞定
- 数据接入难：市面工具多写死少量股票，想看全市场任意一只股票往往做不到
- 卡片无追踪：很多投研卡片只有结论没有跟踪机制，逻辑失效了也不知道
为什么做这个方向：金融投研是「学习工作」场景里信息密度最高、AI 价值最大的方向之一。大模型擅长把多源信息结构化、把专业术语翻译成人话，正好解决个人投资者"看得懂数据但不会综合决策"的痛点。我选择接入真实行情（AKShare）而非纯模拟数据，是因为只有真实数据才能让 Demo 有实际使用价值，而不只是一个"好看的壳"。
技术亮点：
- 真实数据闭环：AKShare 新浪源（免 Token）→ 数据适配器（格式转换+缓存）→ LLM 分析 → 前端展示，全链路真实数据驱动
- 容错设计：真实数据失败自动回退模拟数据，LLM 失败回退模板生成，保证 Demo 永不白屏
- 全市场覆盖：5500+ 只 A 股股票实时搜索，无写死限制
- 定时任务：自然语言作息表映射到真实 cron 定时任务（8:30 晨报 + 20:00 复盘）
- 联网增强：AnySearch 接入 AI 简报与投研卡片，增强信息深度
- Demo 体验地址
在线体验链接：https://work.trae.cn/session/6a34c4fab813ea418faba3bb
- TRAE 实践过程
整个 Demo 完全使用 TRAE 开发完成，采用前后端分离架构（React + TypeScript + Tailwind 前端 / FastAPI + Python 后端），关键开发流程如下：
步骤一：搭建投研工作台骨架
用 TRAE 生成 12 个功能 Tab 的页面框架与路由
- 定义 Pydantic 数据模型（公司、研报、机会、风险、卡片等 10+ 模型）
- 配置 Vite 代理打通前后端 /api 通信
步骤二：接入真实行情数据
通过 TRAE 引入 AKShare 新浪源（stock_zh_a_daily 日 K 线 + stock_zh_a_spot 全市场实时行情），免 Token 拉取真实数据
- 编写 [real_data.py](file:///workspace/backend/real_data.py) 适配器：新浪代码格式解析（sh600519 ↔ 600519.SH）、K 线缓存 5 分钟、价格缓存 60 秒、全市场列表缓存 10 分钟
- 启动时异步预加载 5500+ 只股票列表，避免首次搜索等待
- 真实数据失败时自动回退模拟数据，保证 Demo 永不白屏
步骤三：接入 AGNES 大模型生成 AI 投研简报
- 对接 AGNES agnes-2.0-flash（OpenAI 兼容接口）
- 设计五色卡片 Prompt 体系：事实（蓝）/解释（绿）/风险（黄）/行动（红）/预测（紫）
- LLM 失败时回退到模板生成，保证可用性
步骤四：实现全市场搜索能力
- 后端新增 /stocks/search 全市场搜索端点 + /search 全局搜索全市场兜底
- 前端技术分析 Tab、公司覆盖 Tab、自选股 Tab、全局搜索均接入全市场搜索
- 防抖搜索（350ms）+ 下拉实时显示股票名称/代码/现价/涨跌幅
步骤五：技术分析模块
- 参考 anbeime/skill 仓库的 finance-mcp + stock-analysis 能力
- 实现 MA/MACD/RSI/KDJ/BOLL 五大指标计算 + 缺口识别 + 支撑压力位 + 3 天预测
- SVG 手绘 K 线图 + 均线叠加，支持全市场任意股票
步骤六：锦衣卫投研卡片（参考通达信方法论）
- 引入通达信爆款四要素：听得懂(style_tag)、看得到(snapshot)、可追踪(trace)、有边界(risk)
- 锦衣卫 IP 角色重构：千户·采风（情报收集/晨报）、镇抚使·净衣（数据清洗）、指挥佥事·观星（分析研判）、经历司·绘影（可视化）、主簿·拟旨（文书起草）、东厂提督·监正（质检/复盘）
- 卡片 JSON Schema 五段式：trigger / header / body / trace / footer
- Coze 复盘排版：主题先行 + 多模块编号 + 关键数据加粗高亮 + 可执行建议
- A 股配色：涨红 #f85149 / 跌绿 #3fb950 / 深色底 #0b0e11
步骤七：接入 AnySearch 联网搜索
- 通过 MCP JSON-RPC 2.0 接口调用 AnySearch
- AI 简报与投研卡片均接入联网搜索，增强公司/行业研究信息深度
- 前端展示「
联网信息来源 · AnySearch」区块
步骤八：概览页交互优化
- 统计卡片点击跳转对应 Tab
- 行业热度、最新研报、市场机会、风险预警均支持点击跳转或打开详情 Modal
- 全链路无缝衔接
步骤九：自然语言作息表落地
- 8:30 晨报卡 → cron(30 8 * * MON-FRI)
- 20:00 复盘卡 → cron(0 20 * * MON-FRI)
关键任务对话 Session ID：
-
CN.3745379703076025:be5d6a1563c76c77fd42c54ea4c72cc0_6a34c4fab813ea418faba3bb.6a44a24b7b34eacbdd70289f.6a44a244b718b8855925a546:TRAE Work CN.1.0.0.1830.d6de9c7b-2cb6-422f-898b-db90c517123e.no_ppe.T(2026/7/1 13:17:21) — 准备 DEMO 参赛资料，搭建投研工作台骨架
-
CN.3745379703076025:72aab02e5ffcc0bbd4a85eedb4206d10_6a34c4fab813ea418faba3bb.6a44aa3b7b34eacbdd7029f9.6a44aa3a09f29d9f24340137:TRAE Work CN.1.0.0.1936.21aaa0ed-ce4c-4a06-935a-e85a9363798f.no_ppe.T(2026/7/1 14:05:14) — 接入真实行情数据（AKShare + AGNES）与全市场搜索
-
CN.3745379703076025:54b6e79122de577039a7e3557efc0508_6a34c4fab813ea418faba3bb.6a44b8bc7b34eacbdd702c30.6a44b8bc01c2dcf308f43d31:TRAE Work CN.1.0.0.1936.21aaa0ed-ce4c-4a06-935a-e85a9363798f.no_ppe.T(2026/7/1 15:00:08) — 参考通达信方法论 + Coze 复盘排版技能，落地「锦衣卫投研卡片」原型
-
CN.3745379703076025:58abad39ba49f6e127e1135f89ffd0c4_6a34c4fab813ea418faba3bb.6a45152d3bf9b4aa8dd82b8f.6a4515292f851d0c8f210b9e:TRAE Work CN.1.0.0.1936.21aaa0ed-ce4c-4a06-935a-e85a9363798f.no_ppe.T(2026/7/1 21:28:48) — 接入 AnySearch 联网搜索 + 概览页交互优化 + 复盘卡成功生成
附：核心代码文件
- [investment_research_routes.py](file:///workspace/backend/routes/investment_research_routes.py) — 投研场景核心后端 API（AI 简报 + 锦衣卫卡片端点）
- [real_data.py](file:///workspace/backend/real_data.py) — 真实数据适配器（AKShare + AGNES LLM + AnySearch）
- [InvestmentResearchPage.tsx](file:///workspace/src/pages/InvestmentResearchPage.tsx) — 投研场景核心前端页面（12 Tab + 锦衣卫卡片 + AI 简报五色卡片）
- 对应的报名审核通过的帖子链接
- 【学习工作赛道】知易智能知识管家——AI驱动的企业知识管理系统
知易锦衣卫多智能体知识管家
基于卢曼卡片盒方法的 AI 驱动企业知识管理系统
多智能体架构 
端侧隐私保护 
四色卡片知识管理 
NPU本地推理
核心创意
打造企业级 AI 驱动知识管理平台，将散落在各种工具中的知识碎片自动采集、智能分类、双向关联，形成可持续生长的知识网络。实现从"收藏即吃灰"到"入库即可用"的转变。