2026 年 3 月，中泰证券放出了一份有关 AI 开源项目 OpenClaw 的研报，把 AI 给投研人养虾这个事儿给讲透了。这玩意虽然还没进化成万能的生产力工具，但确实能在重复性工作上大显身手，像定制化的信息监控还有编程工具编排都能搞定。它甚至有可能彻底改变投研的工作流程。这份报告还详细说了怎么在不破坏内部数据的情况下，搭一套全链路的数字员工体系，方法和注意事项都挺实在。 想试试 OpenClaw 的人可以去 kilo.ai 弄个免费的部署版本来玩玩。挑模型的时候，得掂量掂量能力、价格和任务的复杂度。要是没有特别明确的工作流，用 Codex 接口就很方便；如果流程很清楚，选 MiniMax-M2.5 这样的模型比较好，而且还得打开 coding/full 权限，再配个 Gemini 或者 Kimi 的搜索 API 才行。手机端想用的话，QQ 和飞书都能接入。不过说实话，飞书那个插件功能更全乎点，适合把工作文件存下来，干活效率高不少。 报告最核心的部分建了个四层投研 Skill 体系。数据层用了四大工具把金融数据库和公开信息都接进来了，统一了数据入口。监控层有七个模块盯着市场变化、公告和可转债风险这些关键点。分析层拿三大工具接下监控信号，能用来查产业链、搞个股研究还有回测策略。输出层能直接出结构化的研报，最后用任务编排工具把所有环节串起来。每一层都有实操场景和案例，覆盖了 SQL 生成、数据查询这些投研的重点需求。 关于实操技巧，报告建议大家在 Claude Code 里找 skill-creator 插件来创建 Skill。它支持远程写代码，但飞书和 QQ 有些线程功能暂时用不了。好在这套系统靠着网关和心跳机制能全天不间断地跑。定个时任务直接用自然语言说就行，或者手动设置一下也成。 报告里还专门列了七个用 OpenClaw 可能会踩的坑，像安全性、技术成熟度、模型幻觉、数据合规这些问题都得防着点。现在的 OpenClaw 虽然能干掉不少重复性劳动，搭建专属的 Skill 体系也能大大提升效率，但毕竟还是个在早期探索的东西。大家在用的时候得把风险和适配调整做好。