YMOS-market-api-version

本文写给：想动手搭建AI agent赋能的信息处理中台「包括投研中台」的你
核心理念：AI 的本质不是生成内容，而是处理和调度信息的逻辑中枢
GitHub 开源地址：YMOS
如果（你的agent）无法访问github：可以点下方(Download)下载压缩包，然后解压后使用；

YMOS Download

💡 核心洞察：从「人找信息」到「信息找人」

传统工作方式的问题：

你 → 刷信息 → 手动筛选 → 整理笔记 → 忘记在哪里

YMOS 三层架构的工作方式：

数据源 → 自动抓取 → AI 降噪关联 → 个性化推送 → 自动归档
                    ↑                              ↓
                    └──────── 闭环反馈 ────────────┘

关键差异：你不再被动刷信息，而是主动配置规则，让 AI 替你监控、筛选、推送。

🏗️ 三层架构拆解

第一层：信息输入

核心任务：通过配置化的脚本，自动从各种数据源拉取内容到本地。

以投资场景为例：

# 方式 A：API 数据获取（推荐，数据更结构化）
python3 scripts/fetch_data_api.py 1 --output data.json

# 方式 B：RSS 免费订阅（开箱即用）
python3 scripts/fetch_rss.py 1 --output data.json

脚本放哪里：统一放在 scripts/ 文件夹，便于管理和调度。

其他场景如何适配：

学术研究 → 替换为 arXiv API / PubMed RSS
产品经理 → 替换为 Product Hunt API / 竞品官网 RSS
内容创作 → 替换为微博热搜 API / 知乎热榜 RSS

💡 核心不变：通过配置化的脚本自动拉取
💡 核心可变：API endpoint / RSS 订阅源

第二层：逻辑处理

核心任务：通过「工作流暗号」触发处理逻辑，调用不同的 Skills 对数据进行降噪、关联、分析。

什么是工作流暗号？

在 OpenClaw 对话中说一句自然语言，触发预设的处理流程。

投资场景示例：

你说：跑一下市场洞察

AI 自动执行：
1. 读取 scripts/ 抓取的原始数据
2. 调用 P13 市场扫描 Skill
3. 降噪：几十条信息 → 3-5 个核心信号
4. 生成洞察报告并存档
5. 在对话中输出完整 Markdown

你说：跑一下投资雷达

AI 自动执行：
1. 读取最新市场洞察报告
2. 读取上一份投资雷达（连续跟踪）
3. 结合你的持仓和关注偏好（配置在个人文件中）
4. 分析信号演变：哪些强化？哪些证伪？新信号？
5. 主动推送相关信号："中东电网新闻 → 关联你跟踪的电力板块"

核心体验：不是你去找信息，是信息主动找你。

工作流触发方式：

手动：在 OpenClaw 说暗号
定时任务：设置每天自动运行（如每天早上 8 点）
事件触发：某个条件满足时自动运行（高级用法）

其他场景如何适配：

场景	第二层处理逻辑	暗号示例
学术研究	文献综述生成 + 方法论提取	“跑一下文献综述”
产品经理	竞品功能对比 + 趋势分析	“跑一下竞品对比”
内容创作	选题关联 + 热度分析	“跑一下选题雷达”

第三层：知识归档

核心任务：处理完的内容自动归档到本地知识库，按时间/主题/项目分类。

为什么需要归档？

历史数据是未来决策的基础：上期雷达的信号追踪，需要对比本期验证
防止信息遗忘：AI 生成的报告不会因为对话刷新而丢失
形成反馈闭环：归档的数据成为下一轮输入的来源

投资场景示例：

市场洞察报告存档路径：
OpenClaw/市场洞察报告/Internal_Report/2026-02/2026-02-12_Internal_Report.md

投资雷达存档路径：
OpenClaw/ 我的持仓与关注点和投资偏好/ai建议/投资雷达_2026-02-12.md

原始数据存档路径：
OpenClaw/市场洞察报告/Raw_Data/2026-02/financial_data_20260212.json

其他场景如何适配：

场景	归档示例	反馈用途
学术研究	按主题归档文献综述	追踪研究前沿演变
产品经理	按产品归档竞品对比	功能迭代趋势分析
内容创作	按类别归档选题素材	热点周期复盘

🚀 上手路径（从 0 到 1）

Step 0: 理解路径

文件夹结构整理 
    ↓
手动跑通工作流暗号
    ↓
通畅后挂上定时任务
    ↓
AI 自动跑完推送结果

💡 关键洞察：第一步「整理文件夹结构」听起来很土，但这是把 OpenClaw 从聊天工具变成调度中台的关键。

Step 1: 克隆仓库

git clone https://github.com/Evan-XYZ/YMOS.git
cd YMOS

Step 2: 配置数据源（投资场景示例）

投资场景示例配置：

📡 投资场景“数据燃料”选择指南

对于投研系统，数据输入（Eyes）的质量和颗粒度直接决定了 AI（Brain）的分析深度与 Token 消耗。为了适应不同用户的系统架构需求，本仓库支持以下三种级别的数据接入，请根据需要客观选择：

🟢 方案一：免费获取“宏观成品”（开箱即用）

使用勇麦博客每日跑好的合规版市场洞察文章 RSS，。

Yongmai 市场洞察 RSS Feed地址：
https://yongmai.xyz/category/daily-research/feed/

无需配置，scripts/fetch_rss.py 已默认配置 Yongmai 市场洞察 RSS Feed
测试运行：python3 scripts/fetch_rss.py 1

优势：零门槛，极低的 Token 处理成本（AI 只需阅读总结），适合只想快速跑通系统闭环、掌握宏观趋势与跟踪主要市场事件的用户，文章示例。
局限：出于公开博客的合规要求，此源为“脱敏版”，一定程度上避免了具体消息源数据中个股的提及，无法支撑 AI 进行的深阶策略挖掘。

🟡 方案二：免费获取“原始材料”（极客折腾）

自行配置市面上的公共财经 RSS 源（勇麦整理的 28 个优质 RSS 列表：获取地址）。

RSS_SOURCES = {
    "市场洞察": "https://yongmai.xyz/category/daily-research/feed/",
    "科技新闻": "https://techcrunch.com/feed/",
    "宏观经济": "https://your-macro-source.com/feed/",
}

配置方式：将选中的源填入 scripts/fetch_rss.py 中，需自行编写并发抓取逻辑。
优势：信息源完全自主可控，覆盖面极广，适合时间充裕、喜欢泛读或想自己训练 AI 降噪脚本的硬核玩家。
局限：未经加工的原始网页含有海量非投资类噪音（广告、娱乐新闻等）。直接喂给大模型需要巨量 Token 算力；且需自行处理部分顶级外媒的网络抓取限制与搭建RSSHUB进行数据结构化处理。

🔴 方案三：付费获取“高级燃料”（深度直达）

接入勇麦云端每日自动抓取、清洗降噪后的结构化中文净数据 API（API 详情与获取）。

编辑 scripts/fetch_data_api.py
将 API_KEY = "" 改为你的 Key
测试运行：python3 scripts/fetch_data_api.py

优势：格式极其纯净（按投资主题分类的 Markdown），保留了原始新闻的来源与机构情绪，保持高信息密度的同时又不会消耗过多后续处理的token。拥有极高的策略改装潜力，让你可以写自己的激进 Prompt，把每一分 Token 都用在寻找真实的 Alpha 上，实现系统的零摩擦对接。
局限：这是一个需要付费订阅的商业接口服务。

Step 3: 填写个人配置

编辑以下文件（投资场景模板），以便AI可以根据你的个人偏好进行后续的自定义风格的信息处理与推送，也可以将这些信息保存到你的agent的user.md文件中：

OpenClaw/ 我的持仓与关注点和投资偏好/我的持仓.md – 你的持仓明细
OpenClaw/ 我的持仓与关注点和投资偏好/我的投资状态卡.md – 风险偏好、策略定位
OpenClaw/ 我的持仓与关注点和投资偏好/我的关联偏好.md – 关联规则（哪些新闻跟你的持仓相关）

💡 其他场景用户：修改这些配置文件为你的关注点（研究方向、监控对象、关键词等）

Step 4: 手动跑通工作流

在 OpenClaw 对话中说：

跑一下市场洞察

观察 AI 是否正常读取数据、分析、生成报告、存档。

Step 5: 设置定时任务（可选）

当手动流程跑通后，可以在龙虾设置每天自动运行。

配置方法也很简单，直接告诉龙虾你需要定时运行什么什么，它会引导你搞定；

🎨 个性化配置建议（投资场景）

1. 调整数据源

💡 进阶插件接入：除了上述文本资讯，你还可以考虑为你的系统集成金融数据 API，丰富系统的数值判断能力：

金融资产实时价格/财报 API：Finnhub
社交情绪监控：Twitter/X API

2. 定制关联规则

编辑 我的关联偏好.md，告诉 AI 哪些新闻跟你的持仓相关：

### 某新能源车企
**直接关联**：
- 季度盈利指引、毛利率变化
- 月度交付数据
- 新能源补贴政策

当 AI 扫描到这些关键词时，会主动推送：
"检测到 XX 发布 Q1 盈利指引超预期 → 关联你的持仓 [股票名]"

3. 调整 Skill 提示词

YM-TIB-SKILL/references/ 目录下有 P1-P15 的投资分析提示词：

P1 Genesis：建立个股基石档案
P5 FOMO Killer：买入决策审计
P6 Profit Keeper：卖出决策审计
P13 Market Scanner：市场扫描降噪（生成市场洞察报告用）

你可以修改这些提示词，调整分析逻辑。

💡 通用性：换个数据源就变成别的东西

核心不变：输入 → 处理 → 归档 → 反馈
核心可变：数据源、分析逻辑、Skill 库

你的工作	第一层改什么	第二层改什么	价值
学术研究	RSS → arXiv / PubMed	市场扫描 → 文献综述	自动跟踪前沿 + 方法论提取
产品经理	RSS → 竞品官网 / Product Hunt	信号追踪 → 功能对比	竞品情报自动化 + 趋势分析
内容创作	RSS → 微博热搜 / 知乎热榜	持仓关联 → 选题关联	热点捕获 + 多角度挖掘

🔧 常见问题

Q: 我不懂投资，这套系统对我有用吗？
A: 有用。YMOS 是通用信息处理中台，投资只是示例场景。你只需要：

保留三层架构思想
替换 scripts/ 中的数据源脚本
重写「工作流暗号」中的处理逻辑
调整 Skill 库为你的领域专业提示词

Q: 必须用 OpenClaw 吗？
A: OpenClaw 在这个架构中扮演「调度中心」的角色，负责：

调用本地脚本
管理文件读写
执行工作流暗号
归档 AI 生成的内容

如果你用其他 AI Agent 框架（如 AutoGPT、LangChain），可以参考 YMOS 的架构思想，用对应工具实现。

Q: 数据安全吗？
A: 所有数据都在你的本地，不上传到任何第三方服务器。API Key 也只存在你本地的脚本中。

Q: 定时任务会消耗很多 API 调用次数吗？
A: 以投资场景为例，每天运行 1 次 = 1 次 API 调用。Yongmai API 订阅通常为 100 次/月，足够日常使用。你也可以用免费的 RSS 方式。

Q: 我该如何开始？
A: 建议路径：

先用投资场景跑通（即使你不投资，也能理解架构）
跑通后，思考如何迁移到你的工作场景
Fork 仓库，修改数据源和处理逻辑
遇到问题，实际AI就是你的最好的帮手，从安装到执行到改BUG。所以其实只需要把文档发给AI自己，然后配合AI一步步解决就好了

📚 延伸阅读

GitHub 仓库：YMOS – Star ⭐ 支持开源/ YMOS文件夹手动下载
API 配置指南：Yongmai 市场 API
28 个金融 RSS 源：TIB RSS 清单
视频演示：抖音搜索「勇麦」

🎯 最后一句话

YMOS 不是教你如何「让 AI 写报告」，而是教你如何构建一套自动化的信息处理管道，让 AI 替你监控、筛选、推送，把时间留给真正需要人类思考的决策环节。

投资场景验证了这套方法论的可行性——如果 AI 能在信息噪音最大、标准最严苛（盈亏）的投资领域帮到你，那它在学术、产品、创作等领域更是降维打击。

思想开源，欢迎拿去改，也欢迎交流你的「智力创造」，勇麦邮箱：[email protected] 。

by 勇麦 | 2026-02