20260224-国金证券-大模型赋能投研之十八_OpenClaw搭建个人投研助理（二）_Skills搭建与投研工作案例_18页_3mb

> **来源：[研报客](https://pc.yanbaoke.cn)** 金融工程组 分析师：高智威 (执业S1130522110003) gaozhiw@gjzq.com.cn 分析师：许坤圣 (执业S1130524110001) xukunsheng@gjzq.com.cn # OpenClaw 搭建个人投研助理（二）：Skills搭建与投研工作案例 # OpenClaw 个人投研助手的进阶路径 在第一篇报告《大模型赋能投研系列之十六：OpenClaw搭建个人投研助理（一)》中，我们学习了OpenClaw基础的使用。接下来，本篇将先拆解OpenClaw的核心架构、运行机制，再讲清如何调用Claude Code命令行工具来辅助OpenClaw的使用，最后结合与投研场景示例，帮助实现从临时调用到稳定调用的升级，推动OpenClaw从临时工具走向长期可用的个人投研助手。 # OpenClaw 的核心架构及运行机制 在架构层面，OpenClaw由多个Workspace组成的事件驱动执行网络构成。Workspace是状态与规则的统一容器，集中保存Soul、Memory、Tool等核心文件，用于定义行为边界、沉淀长期记忆与约束能力权限。Agent本身不具备持久状态，仅按角色读取Workspace上下文并将结果写回，从而支持多Agent协作。Skills通过“说明+执行脚本”的模块化结构实现能力复用与标准化，CronJob提供周期性调度能力，使系统具备持续运行与自动生产能力。 在运行机制层面，系统围绕“能力匹配—执行—沉淀—优化”的闭环展开。任务触发后优先匹配既有Skills，不存在则构建新逻辑完成执行，并将具备复用价值的部分沉淀为标准化Skills，同时把关键事实与结果写入Memory。仅在形成稳定行为模式时才更新Soul等核心规则，避免策略频繁波动。 # 如何快速配置、维修和理解 OpenClaw——调用大模型命令行工具 在AI时代，我们需要充分用好各类AI工具，例如前文提及的Claude Code等大模型命令行工具。这类工具作为AI Coding Assistant（代码助手），非常擅长读取本地环境中的代码库（例如OpenClaw）、理解代码上下文，并进一步帮助写代码、调试和完成配置。因此，当需要配置、维修或想要理解OpenClaw底层框架时，都可以借助Claude Code这类大模型命令行工具。进一步说，当网页端无法正常配置、无法与OpenClaw对话时，也可以直接通过命令行工具解决各类配置问题；另外，如果OpenClaw本身存在尚未修复的代码错误，或者有自定义调整需求，同样可以通过命令行工具来处理。 # OpenClaw搭建投研助手示例 我们将介绍支持三种Skills搭建路径：一是通过Clawhub等开源社区安装现成模块，实现插件式能力加载；二是通过自然语言对话直接生成Skills，适用于快速原型构建；三是通过命令行方式编写标准化Skill.md文件，将触发语义、工作流程与执行约束结构化固化。相比对话式生成，命令行方式具备更强的模块化、可复用与可维护特征，能够将临时任务沉淀为长期稳定运行的投研工作流。 在投研应用层面，案例覆盖公告处理、框架迭代、个股深度分析与研报复现四类核心场景。每日A股公告处理Skill将公告抓取、分类识别、关键信息抽取与结构化输出整合为标准流程，并通过定时触发实现自动推送；迭代投研框架Skill将问题记录、根因定位与验证循环制度化，使研究方法具备持续演进能力；个股投研分析Skill整合行业、财务、新闻、估值与情绪等多源数据，形成从数据采集到报告输出的端到端闭环；自动化研报复现Skill则将报告解析、数据验证与策略回测工程化，输出标准化复现结果与偏差分析。整体来看，OpenClaw通过Skills模块化能力注册与调度机制，将分散、重复、依赖人工理解的投研流程转化为可执行、可复用、可审计的结构化体系，显著提升研究效率与结论可信度。 # 风险提示 大语言模型输出结果具有一定随机性的风险；模型迭代升级、新功能开发可能会导致结论不同的风险；人工智能模型得出的结论仅供参考，可能出现错误答案的风险。 # 内容目录 一、OpenClaw个人投研助手的进阶路径 4 二、OpenClaw的核心架构及运行机制 4 2.1 总体架构：Workspace 作为智能体的状态核心 ..... 4 2.2 OpenClaw 的运行机制 7 三、如何快速配置、维修和理解OpenClaw——调用大模型命令行工具。 8 3.1 何时使用大模型命令行工具 ..... 8 3.2 如何使用大模型命令行工具 ..... 8 四、OpenClaw搭建投研助手示例 9 4.1 Skills 配置 9 a) 从开源社区安装现成Skills. 9 b) 使用自然语言对话搭建Skills. 10 c) 使用命令行工具搭建Skills. 10 4.2 投研案例 ..... 11 a）案例一：每日A股公告信息汇总及定时发送 11 b) 案例二：迭代投研框架 ..... 12 c)案例三：个股投研分析助手 13 d)案例四：自动化研报复现. 15 五、总结与展望 17 风险提示. 17 # 图表目录 图表1：OpenClawWorkspace架构. 4 图表2：OpenClawWorkspace界面. 5 图表3：OpenClaw Agents及核心文件界面. 5 图表4：SOUL.md示例. 5 图表5：MEMORY.md示例. 6 图表6：OpenClaw整体架构. 7 图表7：OpenClaw的运行机制 8 图表8：调用大模型命令行工具示例 9 图表9：公共技能社区Clawhub中的Skill library. 9 图表10：OpenClaw对话安装开源Skills 9 图表11：从开源社区安装的Skills. 10 图表12：使用自然语言对话搭建Skills. 10 图表13：自然语言对话搭建好的Skills. 10 图表14：使用命令行工具搭建Skills. 11 图表15：OpenClaw中搭建好的Skills 11 图表 16: 每日 A 股公告处理流程 ..... 11 图表17：OpenClaw处理每日A股公告处理结果 12 图表 18: 每日 A 股公告处理定时发布 ..... 12 图表 19: 通过问答使用 OpenClaw 迭代投研框架 ..... 13 图表20：使用OpenClaw迭代投研框架结果 13 图表 21: 个股投研分析助手流程 ..... 14 图表 22：个股投研分析结果 ..... 15 图表23：飞书问答触发OpenClaw自动复现研报 16 图表 24：自动化复现研报结果 16 # 一、OpenClaw 个人投研助手的进阶路径 在第一篇报告《大模型赋能投研系列之十六：OpenClaw搭建个人投研助理（一)》中，我们学习了OpenClaw基础的使用，包括基础部署、模型与通信连接，以及Skills的基本使用，并结合案例展示其投研应用能力。这些内容帮助我们完成了从0到1的上手过程，也初步验证了OpenClaw在投研场景中的可行性。 但是以上更多仍然是临时任务的构建，如果要将OpenClaw训练成更适配于自己的AI投研助手，并且每次相对稳定地调用，我们仍然需要更深层次的了解其核心架构、运行机制以及各类工作基准，并进一步明确在不同投研任务中用什么方式能更好地使用OpenClaw。接下来，本篇将按“原理先行、工具落地”的路径展开：先拆解OpenClaw的核心架构、运行机制，再讲清如何调用Claude Code命令行工具来辅助OpenClaw的使用，最后结合与投研场景示例，帮助实现从临时调用到稳定调用的升级，推动OpenClaw从临时工具走向长期可用的个人投研助手。 # 二、OpenClaw的核心架构及运行机制 在架构层面，OpenClaw 并非单一对话系统，而是由多个 Workspace（工作台）组成的事件驱动型执行网络。每个 Workspace 都是一个完整的智能运行单元，具备独立状态、能力集合与调度逻辑。同时，Skills（技能集）负责将业务流程沉淀为可复用能力模块，例如数据抓取、指标计算、报告生成、监控告警与策略执行。此外，系统通过Cron Job（定时任务）完成定时触发功能。 # 2.1 总体架构：Workspace 作为智能体的状态核心 在 OpenClaw 当中，使用者进行交互的对象其实就是一个 Agent，然后其会将与使用者对话形成的各类内容保存到 Soul，Memory 等提示词以及 Skills 当中去。而保存 Agent 的各种相关资料的地方则是 Workspace，在 OpenClaw 的架构中，Workspace 本质上就是一个物理和逻辑上的容器 (Container)/沙盒 (Sandbox)。 每个 Workspace 通常包含 Soul（人设）、Memory（记忆）、Tool（工具）、Identity（身份）、Heartbeat（心跳）和 Bootstrap（引导）等核心文件，用于定义行为边界、沉淀长期记忆、约束可用能力与执行节奏。 图表1：OpenClaw Workspace 架构 来源：OpenClaw，国金证券研究所 图表2：OpenClaw Workspace 界面 来源：OpenClaw，国金证券研究所 图表3：OpenClaw Agents及核心文件界面 来源：OpenClaw，国金证券研究所 # a) Workspace下的核心文件及其功能 # - Soul: 定义行为原则与决策边界 Soul 规定智能体的核心行为准则，包括表达风格、风险偏好、价值取向与合规约束。它在每一次决策时提供稳定的策略框架，避免输出随上下文波动而发生偏移。 图表4：SOUL.md示例 来源：OpenClaw，国金证券研究所 # - Memory: 承载长期状态与任务沉淀 Memory承载跨轮次、跨任务的长期信息，包括历史任务进展、已验证结论、用户偏好与数据沉淀。它本质上是智能体的长期状态数据库，使系统具备“持续学习式”的行为一致性，而非每次从零开始推理。 图表5：MEMORY.md示例 来源：OpenClaw，国金证券研究所 # - Tool：界定可调用能力与执行权限 Tool 定义智能体可使用的外部工具与资源边界，包括文件操作、数据接口、系统指令与外部 API。它明确“能做什么”和“不能做什么”。 # - Identity: 确定角色定位与职责分工 Identity 决定智能体在系统中的职责定位与权限映射。在同 Workspace 下的多 Agent 协作场景下，不同身份可承担研究、执行、复核等用户定义的分工角色，可以提升复杂任务的结构化处理能力。 # - User：记录用户偏好与交互协议 - User 记录用户相关配置，包括沟通风格、信息格式要求、优先关注领域与个性化偏好。 - 它确保系统在长期运行过程中保持对用户需求的持续适配。 该模块提升了智能体的稳定性与一致性，使其在不同时间点的响应保持统一逻辑与表达方式。 # - Heartbeat: 维持运行节奏与任务推进 Heartbeat 提供周期性唤醒与健康检查机制。当没有实时交互时，它可以根据设定节奏触发任务推进或状态更新。 这一机制使Workspace具备持续运行能力，而非仅在用户输入时被动响应。 # Bootstrap：负责初始化与加载规则 Bootstrap 定义初始化流程与首次运行规则，保证 Workspace 在部署或恢复时能够自动加载全部核心结构并进入稳定状态。 由此可见，Workspace是状态、规则与能力的统一载体，是系统的真正“智能实体”。Agent并不拥有持久状态，所有关键数据均写回Workspace。 # b) 关键能力：Skills（技能集） OpenClaw 提供 Skills（技能集）体系，将行动能力抽象为可加载执行的能力模块。每个 Skill 可以是单步操作（如数据抓取、文件生成、外部 API 调用），也可以是封装后的复合流程（如策略回测并输出图表与结论）。在实现层面，Skill 通常采用“SKILL.md + scripts/”结构：SKILL.md 负责能力说明、触发条件与调用约束，而 Scripts 则负责确定性执行与结果产出。通过这种“说明与执行分离”的方式，能力可复用、可测试、可审计。在多 Agent 协作中，系统可以共享同一技能集，但每个 Agent 会根据自身角色与权限配置选择可用 Skill，形成同一 Workspace 下共享技能、按需选用的机制。 # c) 周期任务自动化的核心机制：Cron Job（定时任务） Cron Job 是 OpenClaw 持续生产能力的核心入口，主要用于按预设周期自动完成数据更新、日报生成、监控预警和定期复盘等任务；每次触发后，系统会到对应 Agent 读取其所属 Workspace 中的状态与规则，完成任务闭环，并根据心跳或任务条件决定是否继续 下一轮，从而实现稳定、可追踪、可复用的长期运行。是与OpenClaw实时聊天对话之外的补充。 图表6：OpenClaw整体架构 来源：OpenClaw，国金证券研究所 - OpenClaw 中的一个 Workspace 可以对应多个 Agents。Workspace 统一保存状态与规则（如 Soul、Memory、Tool、Identity、User），不同 Agent 按各自角色读取同一份上下文并完成任务，再将结果与日志写回同一个 Workspace。这样既能支持研究、执行、复核等分工协作，也能在 Agent 调整、替换或扩容时保持任务连续，同时保留完整记录用于追踪与复盘。同时，OpenClaw 也支持多个 Workspace 的工作，需要注意，当业务领域、权限等级或开发阶段不同时，应拆分为独立 Workspace，以避免上下文混杂并控制风险边界。而不同的 Workspace 由于核心文件的不同，享有不一样的 Memory 与 Soul 等规则。 # 2.2 OpenClaw 的运行机制 OpenClaw 的运行机制围绕一个完整的智能闭环展开。当系统接收到需求时，首先在当前 Workspace 的技能集合中进行能力匹配判断：若已有可复用技能，则直接调用执行；若不存在，则构建新的执行逻辑完成任务。任务完成后，系统会评估该逻辑是否具备重复使用价值，具有复用潜力的部分将被整理并沉淀为标准化技能，纳入能力体系；无复用意义的则不固化，避免能力冗余。与此同时，本轮执行的关键事实、决策路径与结果会写入长期记忆，以形成持续积累的认知基础。在此基础上，系统进一步判断是否出现稳定且重复的行为偏好，只有在形成长期一致模式时才更新核心行为规则，从而保证策略演化的稳定性而非频繁波动。下一次任务触发时，系统将加载更新后的规则、记忆与技能集合，重新进入能力匹配与执行循环。通过这一机制，OpenClaw 实现了能力结构化增长、经验持续沉淀与行为规则渐进演化，使其成为一个可持续运行、可复用扩展的智能执行系统。以上的整个流程通过和 OpenClaw 的对话就可以逐步完成。 图表7：OpenClaw 的运行机制 来源：OpenClaw，国金证券研究所 # 三、如何快速配置、维修和理解 OpenClaw——调用大模型命令行工具。 在第一部分，我们整体梳理了OpenClaw的运行机制和底层框架，但是在配置和使用过程中还是会遇到非常多的问题。过去传统的方法是去看OpenClaw的配置使用文档，找到对应的命令和配置方式，然后逐步调试和使用。但是这样使用方式，对于没有编程基础的使用者来说门槛非常高，甚至很可能使用者在经历2-3小时的调试之后，就走完了从开始配置OpenClaw到放弃使用OpenClaw的全流程。这并不是我们想看到的。而且在AI时代，前者也是一种相对低效率的使用方式。 # 3.1 何时使用大模型命令行工具 在AI时代，我们需要充分用好各类AI工具，例如前文提及的Claude Code等大模型命令行工具（我们曾在《大模型赋能投研之十五：国产大模型编程辅助投研方案全方位评测》中详细介绍过这类工具）。这类工具作为AI Coding Assistant（代码助手），非常擅长读取本地环境中的代码库（例如OpenClaw）、理解代码上下文，并进一步帮助用户写代码、调试和完成配置。因此，当需要配置、维修或想要理解OpenClaw底层框架时，都可以借助Claude Code这类大模型命令行工具。进一步说，当网页端无法正常配置、无法与OpenClaw对话时，也可以直接通过命令行工具解决各类配置问题；另外，如果OpenClaw本身存在尚未修复的代码错误，或者用户有自定义调整需求，同样可以通过命令行工具来处理；此外，当遇到配置链路长、依赖版本多、报错信息分散的问题时，人工逐条查文档的边际效率会迅速下降，故在这种情况下使用大模型命令行工具能够很好地提升工作效率。 # 3.2 如何使用大模型命令行工具 首先，用户需要明确目标与边界：一句话说清用户要“配置成功”“定位故障”还是“解释框架”，并限定修改范围（例如仅允许改配置文件、不改核心逻辑）。第二步，让工具先读上下文再动手：先扫描仓库结构、配置文件和启动日志，再给出问题归因与修复方案。第三步，坚持最小改动原则：优先生成小步补丁，避免一次性大改，确保每次修改都可回滚。第四步，要求结果可验证：让工具执行启动/测试命令并输出关键日志，用“能否稳定复现与恢复”作为验收标准。对非编程背景用户而言，这套方法的核心价值在于把长时间的盲目调试变高效的可复现的问题处理流程。 # 图表8：调用大模型命令行工具示例 ```txt >为什么openclaw网页端报销disconnect \*已经定位到它是openclaw-gateway.service（版本2026.2.19-2）。我接着查systemd和journal的最近错误，直接确认disconnect是哪一层抛出来的。 \*Running systemctl status openclaw-gateway.service --no-pager -1 \*Running systemctl status openclaw-service --no-pager -1 \*Running journalctl-u openclaw.service --since '2026-02-20 00:00:00' --no-pager-n400 \*Ran journalctl-u openclaw-gateway.service --since '2026-02-20 00:00:00' --no-pager-n400 L--No entries-- \*Ran journalctl-u openclaw.service --since '2026-02-20 00:00:00' --no-pager-n400 L--No entries-- \*我继续把结论收敛到配置层：重点看openclaw.json里的网关地址/令牌和网页连接方式，因为这类disconnect最常见是网关URL或反向代理不支持WebSocket。 \*Running jq '.'/root/.openclaw/openclaw.json|head-n200 \*Exploring LSearch gateway/disconnect(token)websocket[ws]control ui/webchat]port?url in openclaw.json \*Ran ps -fp 742 LUID PID PPID C STIME TTY TIME CMD root 742 1 8 Feb12 ? 00:00:05 /usr/lib/systemd/systemd --user \*Ran jq '.'/root/.openclaw/openclaw.json|head-n200 L{"meta":{+196 lines"ordercoli","peekaboo", \*Explored LSearch gateway/disconnect(token)websocket[ws]control ui/webchat]port?url in openclaw.json \*现在确定它是systemd-user管理（不是系统级service），所以刚才查不到unit。下一步我改用systemctl-user和journalctl-user-unit抓真正的报错。 \*Running systemctl-user status openclaw-gateway.service --no-pager -1 \*Running systemctl-user status openclaw-service --no-pager -1 \*Running journalctl-user-unit=openclaw.service --since '2026-02-20 00:00:00' --no-pager-n400 ``` ```txt - 工作了 1m 11s - 我再补一层验证：检查 happy-server 自己的 WebSocket 配置（心跳/超时），确认是不是代理层主动断链，而不是 OpenClaw 业务错误。 - Explored - SearchWebSocket|socket.io|pingTimeout|pingInterval|heartbeat|idle|timeout|upgrade|proxy in sources - Search openclaw|gateway|ws://|ws://|disconnect|reconnect in sources - Search openclaw|gateway|openclaw|webchat|ws in sources - Ran journalctl --user-unit=openclaw-gateway.service --since '2026-02-23 13:20:00' --no-pager | tail -n 120 - Feb 23 13:29:48 VM-0-64-opencloudos node[4064749]: 2026-02-23T05:29:48.774Z [ws] webchat disconnected code=1006 reason=n/a conn=94ed572c-b74c-41d1-a85a-188d732f3982 - ...+86 lines (Linux; U; Android 9.0; ZTE BA520 Build/MRA58K)* contentLength=N/A - query={timestamp=false,none:true,echostr:true,msg_signature:true,signature:true} ``` 来源：OpenClaw，国金证券研究所 # 四、OpenClaw搭建投研助手示例 下面我们将具体讲解如何更全面地从Skills开始，在OpenClaw中进行投研助手的搭建。 # 4.1 Skills配置 # a) 从开源社区安装现成Skills 我们可以从开源社区中找到许多现有的Skills，如OpenClaw提供公共技能社区Clawhub。用户可直接从中安装已有技能模块，社区中已存在大量功能组件，覆盖开发工具、办公自动化与数据处理场景。其中的Skills采用统一协议定义输入与功能，使模型能够理解其用途并直接调用，本质相当于安装插件。现有的Skills已经包括常见的例如网页抓取、邮件发送、数据库查询等。 用户在Clawhub中找到想下载的Skill后，可以通过直接与OpenClaw对话的方式下载改Skill，已安装的Skill可以在Installedskills处查看。 图表9：公共技能社区Clawhub中的Skilllibrary 来源：OpenClaw，国金证券研究所 图表10：OpenClaw对话安装开源Skills 来源：OpenClaw，国金证券研究所 图表11：从开源社区安装的Skills 来源：OpenClaw，国金证券研究所 # b）使用自然语言对话搭建Skills 我们已经在《大模型赋能投研系列之十六：OpenClaw 搭建个人投研助理（一）》中介绍过这种方法，自然语言方式即用户在 OpenClaw 的聊天界面里直接提出有关 Skills 搭建的要求，Skills 搭建成功后，用户可以直接在 Agent-Skills 中找到搭建成功的 Skills。 图表12：使用自然语言对话搭建Skills 来源：OpenClaw，国金证券研究所 图表13：自然语言对话搭建好的Skills 来源：OpenClaw，国金证券研究所 # c）使用命令行工具搭建Skills 用户还可以借助命令行工具搭建Skills，直接形成符合要求的Skill.md文件。该文件本质上构成Agent在运行时的行为约束与执行模板：当用户输入触发性语义（如“投研日报”“市场总结”“板块机会”）时，系统在推理阶段自动检索匹配的Skill元数据，并将其工作流指令注入当前上下文，从而引导大模型按预设结构完成任务。整个过程无需修改模型参数或核心代码，而是通过文件驱动的插件式架构实现能力扩展，属于典型声明式能力注册机制。 该方法较对话生成Skills的优势在于模块化、可复用与可维护性强，可将临时任务固化为长期稳定运行的标准化投研工作流。 图表14：使用命令行工具搭建Skills 来源：OpenClaw，国金证券研究所 图表15：OpenClaw中搭建好的Skills 来源：OpenClaw，国金证券研究所 # 4.2 投研案例 # a）案例一：每日A股公告信息汇总及定时发送 在事件驱动和基本面研究中，研究团队经常需要每天处理大量A股公告，包括业绩预告、增减持、回购、重组和风险提示等信息。我们可以使用OpenClaw做成一个每日自动化流程：按日抓取公告、完成分类识别、提取正文关键信息，并输出结构化结果。 该Skill可以把人工逐条阅读变成可执行的数据流程。系统会先做日期与数据可用性判定，再通过接口抓取标题并初筛，随后在需要时并发解析PDF/正文，提取金额、主体、事件状态和关键句摘要，最后按业务优先级排序，生成Excel汇总、消息文本和JSON缓存，直接供晨会、盘中和复盘使用。 图表16：每日A股公告处理流程 来源：OpenClaw，国金证券研究所 图表17：OpenClaw处理每日A股公告处理结果 来源：OpenClaw，国金证券研究所 该Skill与OpenClaw中的CronJob的定时任务功能结合，能够根据每日更新的A股信息，处理公告并且定时发送。 图表18：每日A股公告处理定时发布 来源：OpenClaw，国金证券研究所 # b) 案例二：迭代投研框架 投研里很多问题会反复出现，而我们的投研框架会逐步升级，所以需要一个可持续更新的框架，把问题沉淀成规则。我们搭建了一个迭代投研框架的Skill，它把投研改进拆成固定循环：记录问题、定位根因、小幅改动、下次验证；在原有的场景下，我们面对 新的信息智能通过内化或整理文本等方式升级投研框架，但OpenClaw的协助下，我们可以直接通过与其对话整合新的信息，实现投研框架的快速迭代升级。 图表19：通过问答使用OpenClaw迭代投研框架 来源：OpenClaw，国金证券研究所 # 图表20：使用OpenClaw迭代投研框架结果 选项 说明 A.初始化框架 我问你答，帮你从零梳理出完整的投资体系 B.诊断问题 描述你的困惑（如“拿不住牛股”、“经常卖飞"），我帮你找根源 C.优化单模块 针对特定模块深化（选股/估值/买卖/仓位） D.案例复盘 拿一笔具体交易，我帮你从框架角度复盘 E.压力测试 模拟极端行情，检验框架的抗压能力 模块 内容 一、投资理念 你的信仰、目标、能承受的回撤 二、好公司标准 财务指标(ROE/负债率/增速等)*定性评估(护城河/管理层/行业) 三、好价格标准 PE/PB阈值、历史分位、安全边际 四、买入策略 建仓规则、分批方式、买入检查清单 五、卖出策略 6种卖出场景、卖出检查清单 六、仓位管理 持仓数量、单票上限、分配原则 七、心理纪律 常见错误应对、交易纪律、情绪管理 八、实战工具 股票研究模板、交易记录模板、月度检视模板 模块 核心规则 选股 ROE≥15%、PE≤25倍、有护城河、管理层可信 买入 分3批建仓，越跌越买，单票上限30% 卖出 5种卖出场景（基本面恶化/达到目标价/持有3年等） 仓位 5-8只股票，核心50%+卫星30%+现金20% 纪律 不盯盘、写下买入理由、单笔亏损20%止损 来源：OpenClaw，国金证券研究所 # c) 案例三：个股投研分析助手 在研究中，我们会面对多维的数据源，同时还面临着数据时效性的问题，需要较为综合、能对数据进行检测清洗的的投研框架。因此，我们还可以搭建辅助个股深度研究的自动化分析Skill，按“行业到个股”的投研框架，把行业、财务、新闻、研报、估值、资金、商品与社区情绪等多源数据统一到一条分析链路中，并通过多轮补抓和缺口修复机制提升证据完整度。 该Skill做到了从数据采集、时效性检测、过旧数据降权、情景推演与反证，到连续文章体研究报告输出的端到端闭环，形成了一个迭代的综合框架。 图表21：个股投研分析助手流程 来源：OpenClaw，国金证券研究所 图表21：OpenClaw进行个股投研分析 来源：OpenClaw，国金证券研究所 # 图表22：个股投研分析结果 # Deep Research 个股分析-601899紫金矿业 # 分析时间：2026-02-22 11:20 正常在行业轮车资料抓取。资料获取完成 # [Deep Research完整报告正文] 本次对01899金矿业务采用Deep Research多源框架，流程为第1轮（新闻7万/研报30天，累计阅报14、研报2、社论0）→第2轮（新闻30天/研报90天，累计阅报3、研报37、社论）。最终沉淀新规则3条（公司相关有效年数、公司相关总年数、研报38条（公司相关有效年数、公司相关总年数、社区样本7个）。样本组也逻辑优先锁定公共体系。再扩展行业应用与社会刘器补强修复接口，以降低一系列资源偏差。时效性方面，分类关键源7块，其中斩解领块，过旧项。未结清闭环。过旧项。目前过渡来源(price)已自动赋权，关键评价共排序7项，其中斩解循环。过旧项。过去关键源(price)仅从评分链删除，仅作为背景信息。因此结论不完全“证据不足”，而是“证据置信度分层”；新鲜证据主导判断，过旧项仅提供历史性依据。因此，关键证据存在时效性折扣，结论可借助置信度下调一个租值。 行业季度展望：行业端匹配到工业金属板块（工业金属/BX28.17），当前阶段为高景气分化，当日涨跌-2.15%，20日60倍启动为 $+2.49\% / + 20.47\%$ 。板块高成长多类集中在紫金矿业、洛阳钼业、中国铝业。行业处于震荡分化阶段，20日60倍启动为 $+2.49\% / + 20.47\%$ ，当日板块跌幅-2.15%，上涨/下跌家数7/3/5（宽差-46）。成交龙头集中在紫金矿业、洛阳钼业。中国铝业，可作为供需格局与风格演绎的观测窗口。短期若出现回暖，更可能是上行趋势中的流动性非理性反弹。综合判断为：中期气氛偏正，行业仍能维持向上beta支撑。 公司经营与案件维度显示：标的为601899家紫金矿业；所属行业为工业金属；主营披露期为2025-06-30，收入总额中度为100.0%，核心专项为贸易措施等其他销售收入。矿山金矿、冶炼产能；官网官方C2025/9390相对2020-4093款，营收同比+10.33%，归母同比+55.45%，OCF/归母+1.38。外部沉淀层面，公司相关研发有效14条（总结相关4条）；公司研报有效36条（总结相关4条）；近期事件点为港交收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数收盘：恒生指数 缺口修复层面，当前主流数据样本已满足阈值，本轮未触发浏览器补抓。补抓信息仅用于补全证据，不直接替代核心数据库来源，且同样纳入时效检测。 交易与定价方面，价格倒显最新价37.78元（-4.96%），MAS/AIO/MAO/M20/AGO为38.89/38.38/38.68/34.58，趋势信号为一《震荡整理期》，近60日涨幅 $+30.41\%$ 。技术面承压、位置与动能三者验证：当前均线结构为套牢整理期，价格跌破MAS，短线偏弱，近60日涨幅 $+30.41\%$ 。现MAS/AIO/MAO/M20/AGO均为37.78/36.89/38.37/36.88/34.58。若价格较平稳和短期内伴随量能扩张，趋势延续概率上升；反之则进入高波震荡。因此技术结论为：技术结构处于震荡调整即，需等待方向信号与能量共振。估值倒验当期PE(TTM) $= 22.05$ ，PB $= 5.99$ $\mathrm{PEG} = 0.39$ ，市场约1045亿（数据日期2025-02-13）。历史分位上，PE/3Y/SY为 $94.7\% /80.6\%$ ，PB/3Y/SY为 $98.0\% /98.0\%$ 。可比中价PE/PB为24.52/2.97。估值判断采用“绝对水平+历史位置+同业相对三重框架”：当前PE/PB/PEG仍为2.25/5.99/0.3%，三年分位约 $94.7\% /98.0\%$ ，相对可比中价PE/PB均价为 $10.1\% / + 101.7\%$ 。当历史分位与同业溢价同时偏高时，估值对盈利兑现和资金面变化会更敏感。估值结论结论：估值处于高分位区，后续上涨更依赖业绩表现和风险偏好维持。 资金与商品联动方面，主流资金5月/20日净流入为-10.02亿/-77.85亿，5日平均净占比-0.09%；黄金20日/60日/7+2.0%/+18.09%；铜20日/60日/-0.14%/+16.86%。资金面显示主流5月/20日净流入为-10.02亿/-77.85亿，5日平均净占比-0.09%。商品周黄金20日/60日变动约+7.20%/+18.09%，铜20日/60日约-0.14%/+16.86%。这决定了资源品公司利润弹性的方向和持续性。该维度结论为：资金面偏弱，短线应优先防范波动较大与回撤延伸。 未来路径采用情景展望：乐观情绪（概率 $35\%$ ）；触发事件“收缩MA+开量博弈”；行业维持正动量”，证券条件“放量跃进M2/A0或行业拉动量快速转负”；基数景气（概率 $45\%$ ）；触发条件“股价在MA+MA0区间回落，基本面走动过盈”；证券条件“周内连续出现业绩低企政策面平稳态势”；悲观情景（概率 $20\%$ ）；触发条件“破稳MA+20成交放大，情绪与具备共振韧性弱，事件或具备共振韧性弱”。伪事件“快速恢复MA+20伴随行业修复”。当前正向逻辑为行业20日成交量为正 $(+2.48\%)$ ，景气不景；营养比亦正比为 $(+10.33\%)$ ；归母净利同比为 $(+55.45\%)$ ；经营现金流/归母 $+1.38$ ，利润含金率可接受；黄金上涨 $20\%$ （上涨 $+7.20\%$ ），贵金属盈利韧性有支撑，逆风因素为PE处于近三年高位(94.77%)；PB处于近三年极高位(98.07%)；近5日主力手续费流出 $(-10.02$ 亿)，短钱承接弱；ROI未触底-0.14%)。工业金属链条弹性将变，核心反压条件为价格无法持续维持ESG/MA+10，趋势确认未熟；后续公告/业绩披露仍处于当前盈利预期；行业20日逻辑由正负净并续两轮为主；资金连续5个交易日流出单日显示显著放大，风险先从高至低、估值分化较高，增量资金定价空间受限；中资全面偏慎，事件扰动于波动放大。策略上以证据条件作为优先级高于主动判断的纪律约束。 本报告的核心观点：紫金矿业（501899）上周上涨逻辑是由于行业景气、公司盈利与资金面匹配不同驱动。基于现有证据，综合判断为“看好”，评分15/8。考虑到资源库中有过问项（price），报告已执行时效期权，因此结论强调方向有效、位置分散度，不因历史数据推倒外推为当下状态。最终结论为看好，综合评分18/10。主要证据地点包括：PETTM=22.05点于可持续间变期；PEG 指标 数值 所属行业 工业金属(BK1287) 板块当日涨跌 -2.15% 20日动量 +2.48% 60日动量 +20.47% 上涨/下跌家数 7/53 判断：行业处于震荡分化阶段，20日/60日动量为正，中期景气偏正，仍提供正向Beta支撑。 二、公司经营 财务指标 数值 营收同比 +10.33% 归母净利润同比 +55.45% 经营现金流/归母 1.38 ROE 25.45% 资产负债率 53.01% 毛利率 24.93% 主营结构：贫煤精炼等销售收入、矿山产金、冶炼产铜（Top3集中度约 $100\%$ ）结论：营收与利润同向增长，现金覆盖利润，利润质量较好。 三、估值水平 指标 数值 历史分位(3Y/5Y) PE(TTM) 22.05 94.7%/80.6% PB 5.99 98.0%/98.0% PEG 0.39 - 市值 10045.6亿 - 判断：估值处于高分位区，后续上涨更依赖业绩兑现和风险偏好维持。 四、资金与商品驱动 维度 5日 20日 主力净流入 -10.03亿 -77.85亿 黄金涨跌幅 +7.20% +18.09% 钢涨跌幅 -0.14% +16.86% 判断：面偏弱，短线应防范波动放大。 五、情景推演 债券 框架 触发条件 乐观 35% 收复MA2并放量+行业维持正动能 基准 45% 股价在MA10-MA20区间震荡 悲观 20% 跌破MA20具成交放大 # 正向逻辑链： 行业20日动量为正（+2.48%） 营收同比为正（+10.33%） 归母净利润同比为正（55.45%） 经营现金流/归母=1.38 黄金20日上涨（+7.20%） # 逆风因素： PE处于近3年高分位（94.7%） PB处于近3年极端分位（58.0%） 近5日主力净流出（-10.02亿） 20日走弱（-0.14%） # 六、风险提示 - 高风险：估值分位较高。增量资金定价空间广阔 - 中风险：资金面偏紧，事件对冲下波动较大 # 七、跟踪要点（未来5-10日） 1.是否放量收复MAS并确认短线趋势 2. MA10与MA20关系图转倒 3.工业金属板块20日动荡能否延续 4.社区讨论是否由产业逻辑转向情绪化 5.高估值分位能否被业绩兑现消化 免责声明：本报告仅供研究参考，不构成投资建议。 Assistant 11:23 来源：OpenClaw，国金证券研究所 我们可以看到，该Skill直接解决了个股研究中的流程低效问题：把原本分散在多个终端和网页的数据采集、清洗、对齐与归纳合并为一次执行，减少人工检索和手工整理环节。研究人员不需要反复切换数据源拼接证据链，可以把时间投入到更核心的问题上。 # d) 案例四：自动化研报复现 在投研场景中，我们经常需要复现各类研究报告，与此同时，OpenClaw 在使用命令行工具配置上传文件功能前无法实现接收文件的功能，所以我们将 OpenClaw 与飞书连接，在飞书中直接能够方便上传文件。 我们基于OpenClaw搭建了一个自动化的研报复现Skill。其本质是将一份研报转化为统一、可重复、可审计的回测流程：先用MinerU完成结构化解析，再生成复现计划（规则优先，LLM兜底)，随后拉取验证数据，最后执行确定性逻辑复现并输出标准化报告。 该Skill可以覆盖从单次验证到自动迭代复核的全链路：自动产出结论对比表、策略结果复核表、回测汇总文件（CSV/JSON/XLSX）、净值与事件图，以及不一致项的第二轮/第三轮参数迭代结果；在命中规则复现域时，还会强制输出策略与基准双侧指标、偏差解释和收敛状态。 图表23：自动化研报复现流程 来源：OpenClaw，国金证券研究所 图表23：飞书问答触发 OpenClaw 自动复现研报 来源：OpenClaw，国金证券研究所 图表24：自动化复现研报结果 来源：OpenClaw，国金证券研究所 该案例体现了 OpenClaw 能有效地完成“工程化”级的研报复现任务：Skill 可以将研报解析、数据拉取、策略复现、结果对比和偏差迭代串成统一流程，把原本依赖人工理解 的结论转化为可重复的量化验证体系，既提升了复现效率，也显著增强了研究结论的可信度与落地价值。 # 五、总结与展望 总体来看，OpenClaw个人投研助手的进阶路径，本质上是从“可用”走向“可控”、从“临时调用”走向“体系化运行”的升级过程。通过对核心架构与运行机制的拆解，我们可以明确其底层并非简单对话系统，而是以Workspace为状态核心、Skills为能力模块、Cron为调度触发的事件驱动型执行网络。在此基础上，引入Claude Code等大模型命令行工具作为外部智能调试与协作层，有效降低了配置与维护门槛，使非工程背景用户也能够完成环境搭建、故障排查与能力扩展，从而提升OpenClaw的可操作性与稳定性。结合每日公告汇总、投研框架迭代、个股分析助手与自动化研报复现等案例，我们可以看到OpenClaw已具备将零散投研任务沉淀为标准化、可复用工作流模块的能力，初步实现从“工具调用”向“系统化投研流程”的转变。 我们认为，OpenClaw的个人投研助手的演进方向，将不再局限于单点功能增强。一方面，通过进一步丰富Skills能力库，可提升结果的可验证性与可追溯性；另一方面，借助定时调度与记忆机制，投研框架本身也可以实现动态迭代与自我修正，逐步形成稳定运行的研究生产线。随着大模型能力与外部数据生态持续完善，个人投研助手有望从辅助工具升级为具备持续监控、策略评估与自动优化能力的智能协同系统，在提升研究效率的同时，也为构建结构化、标准化与自动化的个人投研体系提供长期支撑。 # 风险提示 1、大语言模型输出结果具有一定随机性的风险； 2、模型迭代升级、新功能开发可能会导致结论不同的风险； 3、人工智能模型得出的结论仅供参考，可能出现错误答案的风险。 # 特别声明： 国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。 形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。 本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。 本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。 客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。 在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。 本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中风险评级高于C3级(含C3级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。 若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。 此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。 上海 电话：021-80234211 邮箱：researchsh@gjzq.com.cn 邮编：201204 地址：上海浦东新区芳甸路1088号紫竹国际大厦5楼 北京 电话：010-85950438 邮箱：researchbj@gjzq.com.cn 邮编：100005 地址：北京市东城区建内大街26号新闻大厦8层南侧 深圳 电话：0755-86695353 邮箱：researchsz@gjzq.com.cn 邮编：518000 地址：深圳市福田区金田路2028号皇岗商务中心18楼1806 【小程序】国金证券研究服务 【公众号】国金证券研究