首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >用 WorkBuddy 做 A 股研究:医疗人副业- AI 助手实战记录

用 WorkBuddy 做 A 股研究:医疗人副业- AI 助手实战记录

原创
作者头像
用户12547186
发布2026-06-09 04:12:35
发布2026-06-09 04:12:35
2870
举报

用 WorkBuddy 做 A 股研究:一个医生的 AI 助手实战记录

作者:医疗圈的A股投资者) 使用场景:金融数据分析 · 自动化报告生成 · 每日市场追踪


一、缘起:为什么选 WorkBuddy?

作为一名需要兼顾临床工作和投资的用户,我每天需要:

  • 跟踪 200+ 只 A 股个股的公告、资金流向、机构评级
  • 定期生成一季报高成长股票深度分析报告(Word 格式,适配打印)
  • 批量查询历史股价涨跌幅(披露日次日收盘涨跌幅)
  • 结合抖音博主观点做市场复盘

这些工作如果纯手工做,每天至少需要 3-4 小时。

WorkBuddy 吸引我的地方在于:能直接操作本地文件 + 执行 Python/Node 脚本 + 访问金融数据接口,相当于一个"会写代码的研究员"。


二、实战场景 1:批量生成一季报业绩爆发报告

需求

筛选 2026 年一季报净利润暴增的 A 股公司,按披露次日收盘涨跌幅排序,生成含竞争壁垒评级的深度 Word 报告。

踩坑过程(真实记录)

第一版: 用 Tushare Pro 查数据,但积分有限,trade_cal 接口用不了,批量查询受阻。

第二版: 改用 westock-data(腾讯自选股行情接口),但发现:

  • 批量接口不支持某些字段
  • 历史某一天的涨跌幅需要逐家查询,频率限制 50次/分钟

最终方案:neodata-financial-search 自然语言查询 + 正则解析返回内容,成功批量获取 299 家公司的准确涨跌幅数据。

关键代码片段

python

复制

代码语言:javascript
复制
# neodata 自然语言查询(已验证有效)
query = f'{name}{code}在{year}年{month}月{day}日的历史股价行情'
# 返回内容示例:"恩捷股份002812在2026年04月21日的历史股价行情:单日涨跌幅+5.11%"

javascript

复制

代码语言:javascript
复制
// 更新报告 JS:不用 eval/JSON.parse,用正则逐条替换字段
// 踩坑经验:companies 数组里 key_moat 是嵌套数组,
// 用括号计数重建数组会在嵌套处算错,导致对象截断
const target = `next_day_high: ${oldVal}`;
const replacement = `next_day_high: ${newVal}`;
content = content.replace(target, replacement);

成果

  • 生成 299家一季报涨跌幅_准确版.docx + .xlsx
  • 299 家全部成功,0 家 N/A,涨红跌绿
  • 报告适配 Brother 黑白 A4 打印(8pt 正文字号,无底色省墨)

三、实战场景 2:每日自动化追踪 248 家公司

需求

每天下午 3 点(收盘后),自动追踪核心池 248 家公司的:

  • 最新公告(利好/利空)
  • 机构评级变化
  • 主力资金流向(大单净流入/流出)

实现方式

在 WorkBuddy 中设置 自动化任务(每天 15:00 触发),任务 prompt 大致为:

代码语言:javascript
复制
逐家查询以下248家公司的今日公告、机构评级、资金流向,
汇总最大利好、最大风险、板块信号,写入 memory/YYYY-MM-DD.md

实际效果(节选 2026-06-02 追踪结果)

类别

内容

最大利好

联讯仪器 +14.2%、源杰科技 +12.43% 历史新高

最大风险

天际股份六连跌 -2.72%,YTD -40.62%

大宗异常

博迁新材 16 笔折价 16.14%

板块主线

CPO/光模块 + AI 服务器材料 PCB + MLCC

⚠️ 注意:自动化任务消耗积分较多,建议根据积分余额调整追踪频率或缩减范围。


四、实战场景 3:用 AI 助手读金融文档

WorkBuddy 的 docx / pdf skill 可以直接解析本地 Word/PDF 文件。

我曾经把一份外部 Word 文档(含 299 家公司涨跌幅数据)交给它,结果发现数据严重失真(来源不明),WorkBuddy 主动建议用 tushare 重新生成准确数据,而不是盲目使用。

这种主动验证数据的行为,是普通 AI 对话工具做不到的。


五、省积分的 5 个实战技巧

经过几个月使用,总结出以下省积分方法:

技巧

说明

简单查询用 Ask 模式

不动文件,消耗低

需求一次说清楚

减少来回对话轮次

优先用 neodata 自然语言查询

比写脚本调 API 更省 token

自动化任务控制范围

248 家全覆盖 → TOP50 精选,消耗降至约 1/5

优先消耗快过期积分

新签到积分有效期 90 天,合理安排使用顺序


六、总结:WorkBuddy 适合谁?

最适合的人:

  • 需要处理本地文件(Word/Excel/PDF)的用户
  • 重复性数据分析任务的用户
  • 希望 AI 不只是"聊天",而是真正执行操作的用户

不太适合的场景:

  • 纯闲聊(浪费积分)
  • 需要实时联网搜索但无相关 skill 的场景(需配合 WebSearch)

七、投稿福利提醒

这篇文章如果对你有帮助,不妨也去 腾讯云开发者社区 投稿,分享你的 WorkBuddy 使用心得:

  • 使用心得/踩坑记录:+500 积分
  • 完整教程文章:+1000 积分
  • 被精选:额外 +2000 积分

每天签到也有积分拿,入口在 WorkBuddy 客户端左下角头像 → 领取今日礼包 🎁

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 用 WorkBuddy 做 A 股研究:一个医生的 AI 助手实战记录
    • 一、缘起:为什么选 WorkBuddy?
    • 二、实战场景 1:批量生成一季报业绩爆发报告
      • 需求
      • 踩坑过程(真实记录)
      • 关键代码片段
      • 成果
    • 三、实战场景 2:每日自动化追踪 248 家公司
      • 需求
      • 实现方式
      • 实际效果(节选 2026-06-02 追踪结果)
    • 四、实战场景 3:用 AI 助手读金融文档
    • 五、省积分的 5 个实战技巧
    • 六、总结:WorkBuddy 适合谁?
    • 七、投稿福利提醒
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档