20260430-国金证券-大模型赋能投研之二十_从金融文本数据到投研工作流——金融Skills体系介绍_29页_5mb

金融Skills体系与AI投研工具使用总结

核心内容

本文介绍了金融领域中Skills体系的应用，重点聚焦于如何利用Skills提升投研效率。Skills作为AI Agent的核心组成部分，具备格式简单、易于共享、与当前大模型智能水平高度匹配等特点，已成为AI工具的重要组成部分。随着OpenClaw等工具的爆火，Skills的应用场景不断扩展，涵盖了从数据获取到投研分析的多个方面。

主要观点

• Skills 是一种标准化的文档格式，只需包含“SKILL.md”文件，并以YAML格式记录元数据即可。
• Skills 采用渐进式披露机制，有效避免上下文过载，提升Agent运行效率。
• 金融领域Skills推荐涵盖信息数据、工具效用和投研应用三大类，满足多样化的业务需求。
• WorkBuddy作为国内推荐的Cowork类AI产品，支持Skills的创建、安装与使用，具备较低的使用门槛和较高的办公协同能力。

关键信息

Skills的使用与构建方式

• Skills的定义：只需包含“SKILL.md”文件并记录name和description即可。
• Skills的使用：基于自然语言对话形式，Agent自动匹配技能并执行。
• Skills的安装与创建：用户可通过搜索或上传方式安装技能，也可通过对话让AI辅助创建技能。
• 技能设计注意事项：
  • 需要准确表达需求，明确输入输出格式。
  • 复杂逻辑需拆分处理流程，提升技能的可操作性。
  • 利用渐进式披露机制，减少模型负担，提升执行效率。

金融Skills推荐

信息数据类Skills

• A股数据：同花顺、东方财富Skills，支持行情数据、财务指标、新闻资讯等。
• 基金数据：国金 mutual-fund-data，支持基金数据的提取与分析。
• 龙虎榜数据：Ihb-data，支持查询机构交易明细和个股交易席位。
• 美股数据：yfinance，提供美股量价数据，但需注意调用限制。
• A股文本数据：国金 report-retrieval，支持研报检索与总结。
• 美股文本数据：seekingalpha，支持深度分析文章的获取与总结。
• 外网资讯：AgentReach，支持多平台信息获取，如网页、社交媒体、播客等。
• 个人知识库：llm-wiki，基于Obsidian，支持知识库的自动维护和检索。

工具效用类Skills

• Agent记忆能力提升：self-improving skill，支持Agent自我优化与学习。
• 文档高质量解析：mineru-extractor，支持PPT、PDF等文档的结构化解析。
• Office插件：word、xlsx、pptx、pdf，支持文档交互与自动化处理。

投研应用类Skills

• 基金绩效归因：fund-brinson，支持基金收益的结构化分析。
• 公告分析：daily-announcement，支持公告信息的结构化提取。
• 行业逻辑应用：med-analyst-agent，支持行业分析与投资逻辑生成。
• 个股深度分析：investment-report，支持个股分析报告的自动生成。
• 研报复现：report-repro，支持研报内容的自动化复现与分析。

风险提示

• 大模型输出结果存在随机性和错误风险。
• 技能使用过程中存在信息泄露和文件丢失等安全风险。
• 技能数量需控制在有效上限内，避免影响模型性能。
• 技能的安装和使用需谨慎，建议使用官方或可信来源。

总结

Skills已成为AI Agent在金融领域应用的核心环节，能够有效提升投研效率与数据处理能力。通过合理选择和设计技能，用户可以实现数据获取、文档处理、公告分析、行业研究等多方面的自动化任务。然而，技能使用需注意安全性和效率问题，避免因技能数量过多或来源不明导致的潜在风险。