🚀 YMOS V3 已发布
V1 投研中台已被 V3 的 Eyes 模块完整取代。
V3 新增三源价格路由、5 条策略路由自动编排、P12 纪律审查和完整的个股知识库管理。
👉 查看 YMOS V3 发布文章 |
📖 V3 在线文档 |
📦 GitHub 仓库
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
🎯 这是什么
YMOS 是一套通用的个人信息处理中台架构，它不是某个具体的工具，而是一套指导与调度 AI Agent 的工作流思维方法论。
- 对投资者：自动化投研系统（本仓库的示例场景）
- 对学者：自动文献综述系统
- 对产品经理：竞品情报监控系统
- 对自媒体：热点选题捕获系统
💡 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。
只需更换数据源和分析逻辑，同样的架构可以适配任何知识工作场景。
🏗️ 三层架构
┌────────────────────────────────────────────────┐
│ 第一层：信息输入 │
│ RSS / API / 本地文件 → scripts/ │
│ 数据源配置化，自动拉取 │
└───────────────────┬────────────────────────────┘
↓
┌────────────────────────────────────────────────┐
│ 第二层：逻辑处理 │
│ 工作流暗号 → 调用 Skills → AI 分析 │
│ 手动触发 or 定时任务 │
│ 降噪 / 关联 / 提取核心信号 │
└───────────────────┬────────────────────────────┘
↓
┌────────────────────────────────────────────────┐
│ 第三层：知识归档 │
│ 结构化存储 → 按时间/主题/项目分类 │
│ 归档数据成为下一轮输入 → 形成反馈闭环 │
└────────────────────────────────────────────────┘
为什么是三层？
- 第一层（Eyes）：自动化采集，解放双手
- 第二层（Brain）：智能过滤降噪，信息找人而非人找信息
- 第三层（Memory）：知识沉淀，让历史数据成为未来决策的基础
📁 文件夹结构
YMOS/
├── README.md ← 你在这里
│
├── scripts/ ← 第一层：数据获取脚本
│ ├── fetch_data_api.py ← [投资场景示例] API 数据获取
│ └── fetch_rss.py ← [投资场景示例] RSS 数据获取
│
├── OpenClaw/ ← 第二层 & 第三层
│ ├── 工作流暗号/ ← 工作流触发器
│ │ ├── 投研中台暗号.md ← [投资场景示例] 市场洞察生成
│ │ └── 投资雷达与策略简报暗号.md ← [投资场景示例] 信号追踪
│ │
│ ├── 我的持仓与关注点和投资偏好/ ← [投资场景] 个人配置
│ │ ├── 我的持仓.md ← 填写模板
│ │ ├── 我的投资状态卡.md ← 填写模板
│ │ ├── 我的关联偏好.md ← AI 情报关联规则
│ │ └── ai建议/ ← AI 输出存放处
│ │
│ └── 市场洞察报告/ ← [投资场景] 归档目录
│ ├── Raw_Data/ ← 原始数据
│ └── Internal_Report/ ← AI 生成报告
│
├── obsidian投资知识库/ ← [投资场景] 深度调研存放
│ ├── 01 - 当前交易与研究/短期势能个股/
│ ├── 02 - 长期关注与能力圈/核心个股/
│ └── ...
│
└── YM-TIB-SKILL/ ← [投资场景] Skill 提示词库
├── SKILL.md ← P1-P15 投资提示词总览
└── references/ ← 具体提示词文件📌 注意：本仓库提供的是投资研究场景的完整实现示例。
如果你是其他领域的知识工作者，可以：
- 保留
OpenClaw/和三层架构思想- 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
YM-TIB-SKILL/为你的领域 Skill 库
🚀 快速开始（5 步跑通）
0. 理解路径
上手路径：
- 整理好文件夹结构（最重要！）
- 明确你的数据燃料（见下一节）
- 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
Step1. 放置文件夹
将 YMOS 文件夹放到你的 OpenClaw workspace 目录下。
Step2. 填写个人配置（投资场景示例）
📡 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 RSS（开箱即用）
使用内置的公共财经 RSS 源，scripts/fetch_rss.py 已预配置以下订阅源：
| 订阅源 | 定位 | 是否免费 |
|---|---|---|
| Bloomberg Markets | 华尔街资金流向 | ✅ 免费 |
| Bloomberg Tech | 巨头动向与科技趋势 | ✅ 免费 |
| CNBC Markets | 美股市场实时新闻 | ✅ 免费 |
| CNBC Finance | 科技公司财经动态 | ✅ 免费 |
| Seeking Alpha Editors’ Picks | 美股个股深度逻辑（摘要） | ✅ 摘要免费 |
| Stratechery | 商业模式分析（低频，周更） | 📧 付费全文 |
- 配置方式：无需修改，直接运行
python3 scripts/fetch_rss.py 1。 - 优势：零门槛，4 个免费全文源开箱可用，Token 处理成本极低。
- 局限：Stratechery 为付费周刊，RSS 仅含摘要且更新频率低（非每日）。
🟡 方案二：自定义 RSS（极客折腾）
在 scripts/fetch_rss.py 的 RSS_SOURCES 字典中自由添加任意 RSS 源：
RSS_SOURCES = {
“Bloomberg Markets”: “https://feeds.bloomberg.com/markets/news.rss”,
“Bloomberg Tech”: “https://feeds.bloomberg.com/technology/news.rss”,
# 在此添加更多源，格式：”显示名称”: “RSS URL”
“WSJ Markets”: “https://feeds.content.dowjones.io/public/rss/mw_marketsNLmain”,
“学术论文”: “http://arxiv.org/rss/cs.AI”,
}- 优势：信息源完全自主可控，覆盖面极广，适合想自己调配数据比例的用户。
- 局限：原始 RSS 含有一定噪音，喂给大模型前建议自行编写过滤逻辑。
🔴 方案三：接入你自己的金融数据 API
如果你已有付费的金融数据 API 订阅，可以参考 scripts/fetch_data_api.py 中的请求结构，将其适配为自己的接口。
脚本以 Finnhub 为示例，演示了四种常见请求的写法：
| Endpoint 类型 | 对应方法 | 说明 |
|---|---|---|
| 市场大盘新闻 | fetch_market_news() | 按分类拉取新闻列表 |
| 个股新闻 | fetch_company_news() | 按 symbol + 日期范围查询 |
| 实时行情 | fetch_quotes() | 获取价格、涨跌幅 |
| 盈利日历 | fetch_earnings_calendar() | 查询财报发布时间 |
- 接入自己的 API：修改
FINNHUB_BASE、endpoint 路径和参数格式，换成你的数据源即可，其余逻辑不变。 - 核心价值：脚本结构本身（认证 → 请求 → 解析 → 存 JSON）是通用模板，Finnhub 只是填充其中的一个具体示例。
💡 其他场景用户：将
scripts/中的脚本更换为你领域的数据源即可（如学术的 arXiv RSS、产品的 Product Hunt API 等）。
Step3 填写个人配置
配置信息源后，编辑以下三个文件，填入你的持仓和投资偏好，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.mdOpenClaw/我的持仓与关注点和投资偏好/我的投资状态卡.mdOpenClaw/我的持仓与关注点和投资偏好/我的关联偏好.md
Step 4: 手动跑通工作流
在你的 AI Agent（如 OpenClaw）对话界面中，输入「工作流暗号」：
“跑一下市场洞察”
AI 将自动执行：抓取数据 → 调用 P13 市场扫描 Skill → 降噪提取 3-5 个核心信号 → 生成报告并存档。
“跑一下投资雷达”
AI 将自动执行：读取最新洞察 + 上期雷达 → 结合你的持仓配置 → 分析信号演变并主动推送相关机会。
Step 5: 设置定时任务（自动化）
手动通畅后，可在系统中（如openclaw/kimiclaw/MaxClaw）设置定时任务（如：每天早上 8:00 执行），实现彻底的自动化情报推送。
个性化配置建议（投资场景）
1. 调整数据源
💡 进阶插件接入：除了文本资讯，你还可以接入金融数据 API 为系统补充价格维度：
- 实时行情 / 个股新闻 / 盈利日历：Finnhub API（免费注册，60次/分钟）
- 社交情绪监控：Twitter/X API
详见 scripts/fetch_data_api.py，已内置 Finnhub 多端点调用示例（/news、/company-news、/quote、/calendar/earnings）。
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。
🗣️ 工作流暗号速查（投资场景示例）
| 说这句话 | AI 会做什么 |
|---|---|
| “跑一下市场洞察” | 抓数据 → P13 分析 → 生成洞察报告 |
| “跑一下投资雷达” | 读取洞察+上份雷达 → 信号追踪简报 |
| “调研一下 [股票]” | P1 建立个股基石档案 |
| “我想买 [股票]” | P5 买入决策审计 |
| “我想卖 [股票]” | P6 卖出决策审计 |
| “做个持仓体检” | P7 持仓健康度检查 |
| “宏观怎么看” | P8 宏观环境过滤 |
| “找个板块” | P14 板块猎手扫描 |
完整暗号列表见 OpenClaw/工作流暗号/ 目录。
💡 通用性：换个数据源就变成别的东西
这套三层架构是场景无关的：
| 场景 | 第一层（输入） | 第二层（处理） | 第三层（归档） | 价值 |
|---|---|---|---|---|
| 投资研究 | 财经 RSS/API | 市场洞察 + 信号追踪 | 按日期归档报告 | 本仓库示例 |
| 学术研究 | arXiv / PubMed | 文献综述 + 方法论提取 | 按主题归档笔记 | 自动跟踪前沿 |
| 产品经理 | 竞品官网 / App Store | 功能对比 + 趋势分析 | 按产品归档洞察 | 竞品情报自动化 |
| 内容创作 | 热榜 RSS / 社交媒体 | 选题关联 + 角度挖掘 | 按类别归档素材 | 热点捕获系统 |
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
🔧 常见问题
Q: 我不懂投资，这套系统对我有用吗？
A: 绝对有用。YMOS 是通用架构。你只需要保留三层架构思想，替换 scripts/ 中的抓取源（如改为 arXiv API），并重写暗号逻辑，它就能变成你的专属文献分析中台。
Q: 必须用 OpenClaw 吗？
A: OpenClaw 在这里扮演调度中心。如果你使用 AutoGPT、LangChain 或其他 Agent 框架，完全可以参考这套思路进行本地化实现。
Q: 我该如何解决部署中遇到的 Bug？
A: 你的 AI Agent 就是最好的帮手。 把这份 README 和报错信息直接发给你的 AI，配合它一步步解决环境配置和运行问题即可。
📚 延伸阅读
- GitHub 仓库：YMOS – Star ⭐ 支持开源
- 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