WorkBuddy 做A股自动复盘实战:数据校验、工具调用与定时报告

很多人第一次用 WorkBuddy 做股票复盘,会先写一条很长的提示词,然后期待 Agent 自动完成行情查询、题材分析和报告生成。

真正运行起来后,常见问题并不是"报告写得不够像研究员",而是数据日期不明确、工具没有被调用、某一步返回空数据,以及不同指标混用了不同口径。

这篇文章从工程角度拆解一套可以重复执行的 A股自动复盘流程。重点不是让模型预测涨跌,而是让 WorkBuddy 先调用结构化数据工具,再把结果整理成可核对的盘后报告。

一、自动复盘应该拆成四层

一套稳定的 Agent 复盘流程至少包含四层。

第一层是数据源。它负责提供行情、指数、涨跌停、板块题材、资金、龙虎榜和公告等原始数据。

第二层是工具层。它把底层数据封装成 Agent 可以理解的工具,包括清晰的名称、参数 Schema、返回字段和错误提示。

第三层是工作流。它规定先查市场概览,还是先查题材;遇到空数据、非交易日和接口超时时怎样处理。

第四层是报告层。它只负责根据已经取得的数据生成结构化文本,不应该绕过工具层凭模型记忆补全数字。

很多看起来像"模型能力不足"的问题,其实是这四层没有分开。

二、为什么使用 MCP 工具层

传统 REST API 适合程序直接调用,但接入 Agent 时还要自行补充函数定义、参数说明和结果解析。

MCP 是 Agent 与外部工具之间的标准协议。WorkBuddy 连接 MCP Server 后,可以先发现工具,再根据用户任务选择合适的工具调用。

对于股票复盘来说,这一点很重要。因为"复盘今天的 A 股"不是单个接口,而是一组有先后关系的数据任务:

确认实际交易日期;

查询主要指数和市场宽度;

统计涨跌停与连板梯队;

分析主要题材和板块资金;

补充龙虎榜、公告和风险事件;

生成复盘报告。

如果工具定义足够清楚,Agent 能够按任务逐步调用,而不是用一次网页搜索拼出整篇报告。

三、准备一个只读股票 MCP

本文以悟道 A股 MCP 为例。它提供 63 个只读工具,覆盖行情、指数、ETF、可转债、涨停梯队、集合竞价、题材、资金流向、龙虎榜、公告和研究工作流。

WorkBuddy 的 MCP 配置可以使用下面的稳定 HTTP 地址:

{

"mcpServers": {

"wudao-stock-data": {

"url": "https://stock.quicktiny.cn/api/mcp",

"headers": {

"Authorization": "Bearer YOUR_API_KEY"

}

}

}

}

配置完成后保存并重新加载连接器。官网接入文档为:

https://data.quicktiny.cn/workbuddy-stock-data-mcp.html

本文使用悟道作为托管 MCP 示例,并不表示只有这一种方案。开发者也可以把 AkShare、Tushare 或自己的数据库封装成本地 MCP Server。远程托管的优势是省去环境维护,本地部署的优势是控制权更高。

四、第一步不是复盘,而是验证工具

接入成功后,不要马上执行完整报告。先做三组最小验证。

验证一:列出工具

让 WorkBuddy 输出当前 MCP Server 可用的工具名称。重点确认市场概览、涨停梯队、题材、资金和 K 线相关工具是否存在。

验证二:查询熟悉标的

选择一只自己熟悉的股票,查询最新交易日、收盘价和成交额,然后与常用行情软件核对。

验证三:测试异常输入

分别测试不存在的代码、非交易日和未来日期。正确结果应该是明确返回空数据或错误提示,而不是生成一个看起来合理的数字。

这一步能够尽早发现连接、鉴权、日期和字段口径问题。

五、盘后复盘的推荐执行顺序

步骤一:确认交易日期

Agent 应先确认返回数据中的实际交易日期。用户说"今天"时,如果当天是周末、节假日或数据还未更新,需要在报告开头说明实际使用的交易日。

日期不一致时,不要把上一交易日的数据写成当天实时结果。

步骤二:查询市场概览

市场概览至少包括主要指数、两市成交额、上涨家数、下跌家数、涨停数量和跌停数量。

这里要注意成交额口径。不能把某个指数的成交额、情绪数据附带的成交额和全市场成交额混在一起。

步骤三:整理涨停梯队

查询首板、二板及以上连板,记录最高板、各梯队数量、主要题材和炸板情况。

这一步先做事实统计,不急着判断"主线"。当梯队、题材和资金数据都取得后,再做交叉判断。

步骤四:查询题材和板块资金

先看主要题材的涨停数量和强度,再查询相应板块资金和成分股。

如果题材名称没有精确匹配,不要让 Agent 随意替换成相似概念。应该返回候选项,或要求用户确认题材口径。

步骤五:补充个股和事件证据

对于报告中提到的核心个股,可以继续查询 K 线、资金、龙虎榜、公告和互动问答。

报告应区分市场数据、公司官方披露和媒体信息,不能把不同证据来源混成同一种事实。

步骤六:生成结构化报告

数据查询完成后,再生成最终报告。推荐结构如下:

市场状态;

涨停与连板梯队;

主要题材变化;

资金和事件证据;

明日观察点;

数据质量与风险提示。

六、一条可以直接使用的 WorkBuddy 指令

可以从下面这条指令开始:

请调用已连接的 A股股票数据工具生成盘后复盘。

要求:

  1. 先确认实际交易日期,并在开头说明。

  2. 查询主要指数、两市成交额、涨跌家数、涨停和跌停数量。

  3. 整理涨停梯队,列出最高板、各梯队数量和主要题材。

  4. 查询主要题材热度和板块资金,不能用模型记忆补充数字。

  5. 对核心个股只归纳行情、资金、龙虎榜和官方披露事实,不给买卖建议。

  6. 如果工具返回空数据、日期不一致或部分失败,必须在报告中明确说明。

  7. 最后输出市场状态、题材变化、明日观察点和风险信号。

提示词不需要写得非常长,关键是明确要求调用工具、检查日期和暴露失败。

七、怎样设置定时执行

盘后复盘不建议刚收盘就立即执行。部分数据需要等待上游更新,可以根据数据源情况把任务设置在 15:30 至 16:30 之间。

一个常见流程是:

15:45 启动任务;

先检查交易日期和市场概览;

再执行涨停、题材、资金和公告查询;

把完整报告保存为 Markdown;

将摘要发送到指定工作群或个人通知渠道。

如果执行时关键数据仍未更新,任务应该延迟重试,而不是直接使用上一交易日结果冒充当天数据。

八、四类常见故障和排查方法

故障一:Agent 不调用工具

先让 Agent 列出工具,并在任务中明确写出"必须调用股票数据工具"。同时检查 MCP 是否已经被信任和启用。

故障二:日期和用户要求不一致

读取返回结果中的实际交易日期。只要日期不一致,就在报告中说明,不能静默替换。

故障三:返回空数据

空数据不等于零。先检查参数、股票代码、交易日和工具适用范围,再决定是否使用备用数据源。

故障四:一次任务调用过多工具

把复盘拆成市场、题材、个股和报告四个阶段。先拿到摘要,再根据结果深入查询,可以降低超时和上下文膨胀。

九、怎样避免 Agent 产生"有数字的幻觉"

第一,所有行情数字都必须来自工具返回值。

第二,报告中保留实际交易日期和数据质量提示。

第三,让 Agent 把"没有查到"写出来,而不是尝试补全。

第四,对于重要数据使用另一个行情终端做抽样核对。

第五,把研究工具保持为只读,不要把复盘流程和交易执行放在同一个默认权限范围内。

十、这套流程能否迁移到其他 Agent

可以。

只要客户端支持标准 MCP,同一个股票工具层和复盘流程也可以用于 Codex、Claude、Cursor、OpenClaw 以及自建 Agent。

不同客户端的配置格式、定时任务和文件保存方式可能不同,但核心步骤不变:

发现工具;

验证数据;

按顺序调用;

暴露错误;

生成报告。

因此,真正值得沉淀的是工具契约和工作流,而不是某一个客户端的界面操作。

十一、常见问题

WorkBuddy 怎么接股票数据?

可以连接官方连接器、远程 HTTP MCP,或者本地自建 MCP Server。接入后先验证工具发现和实际数据,再运行完整复盘。

AI Agent 为什么不能只搜索网页做复盘?

网页适合查背景信息,但字段、更新时间和结构不稳定。固定复盘任务更适合使用结构化工具,网页搜索用于补充新闻和解释。

A股自动复盘用什么数据源?

个人原型可以使用 AkShare 或本地 MCP,量化研究可以使用 Tushare,自建 Agent 可以组合多个底层数据源。如果希望减少维护,也可以选择悟道等托管 MCP。

MCP 会保证数据完全准确吗?

不会。MCP 解决的是 Agent 如何发现和调用工具。数据质量仍取决于底层数据、更新时间、字段口径和调用参数,所以日期校验与抽样核对仍然必要。

结语

WorkBuddy 做 A股自动复盘,最重要的并不是让报告看起来更专业,而是让每个数字都能追溯到一次真实工具调用。

先验证数据,再编排任务,最后生成报告。只要这条顺序不被打乱,后续增加题材研究、自选股观察和公告跟踪都会更容易维护。

本文仅讨论数据工程与 Agent 工作流,不构成任何投资建议。

相关推荐
其实防守也摸鱼1 小时前
CTF 入门到进阶:Web、逆向、密码学与 Pwn 实战解题指南
数据库·安全·自动化·github·copilot
晓子文集1 小时前
Tushare接口文档:每日停复牌信息(suspend_d)
大数据·数据库·金融·金融数据·量化投资
IT毕设实战小研1 小时前
基于大数据的桂林热门旅游数据分析与可视化
大数据·python·机器学习·数据分析·django·课程设计·旅游
薛定猫AI1 小时前
【深度解析】DeepSeek Harness:可插拔智能体运行时如何连接大模型与真实计算机
java·运维·网络
SamChan901 小时前
用PostgreSQL+pgvector构建PDF翻译记忆库:向量相似度检索+增量更新实战
数据库·python·ai·postgresql·pdf·wpf
我爱cope1 小时前
【计算机网络 | 网络层6:IPv4 数据报格式:TTL、分片、首部校验和分别有什么用?】
网络·学习·计算机网络
大海变好AI1 小时前
AI 工作流怎么搭建提升效率
大数据·人工智能·python
裕晟资质规划1 小时前
首次办理军工保密资质:咨询服务选择要点与全流程交付清单(评估框架)
大数据·运维·服务器·网络·数据库·经验分享
爱研究的小梁1 小时前
专网与公网隔离,多套网络如何实现异构网络打通融合
网络·信息与通信