用 QVeris CLI 接入 Claude Code：不用写复杂脚本，也能做一套像样的 AI 金融分析

金融分析这件事，很多人卡在开头。

不是不想研究股票，也不是看不懂财报。真正烦的是：

• K 线数据要去一个地方拿
• RSI、布林带要自己算
• 公司基本面又在另一个网站
• 想让 AI 分析，还得把数据复制来复制去
• 写脚本？一打开 Python 环境就头大

现在这类门槛正在被工具压低。

QVeris CLI 这类小工具的思路很直接：把 candles、RSI、布林带、公司基本面 接进 Claude Code，让 Agent 可以自己调用工具、拉数据、跑分析。

你不用手搓一堆复杂脚本，也能让 AI 帮你完成一轮相对完整的投研初筛。

注意，咱们聊的是分析工作流，不是“AI 帮你稳赚”。市场不讲武德，工具只能帮你少干脏活，不能替你承担风险。🙂

QVeris CLI 解决的到底是什么问题？

很多人用 AI 做金融分析时，会遇到一个尴尬问题：

AI 很会讲道理，但它没数据。

你问它：

帮我分析一下苹果最近走势。

它可能说一堆漂亮话：趋势、支撑位、风险偏好、宏观环境……听着像回事。

可问题是：它到底有没有拿到最新 K 线？有没有算 RSI？有没有看基本面？

如果没有，那就是“空中楼阁”。

QVeris CLI 这类工具的价值在于，把 AI 从“嘴强王者”拉回到“拿数据干活”。

它能让 Claude Code 这类 Agent 做几件事：

• 获取价格 K 线数据，也就是 candles
• 计算常见技术指标，比如 RSI
• 查看布林带位置，判断价格是否偏离均值
• 拉取公司基本面信息
• 把这些数据合在一起，生成结构化分析

这一步很关键。

因为金融分析不是让 AI 胡侃，而是让它围绕真实数据推理。

适合谁用？

如果你是下面几类人，会很容易感受到它的爽点。

1. 不想天天复制粘贴数据的人

你可能每天都在几个页面之间来回切：行情软件、财报网站、TradingView、新闻页面、Excel。

一天看 10 只股票，鼠标都快点冒烟。

用 CLI + Claude Code 的方式，可以把这堆动作变成一句话：

帮我分析 NVDA 最近 90 天走势，结合 RSI、布林带和基本面，给出多空因素和关键观察位。

Agent 自己去调工具。

你负责看结果和追问。

2. 想学量化，但暂时不想写一堆代码的人

很多人学量化被劝退，不是因为策略难，而是环境配置太烦。

Python、pandas、API、数据清洗、指标函数……

还没分析，耐心已经清零。

QVeris CLI 这种工具更像一个“低代码入口”。

你可以先用自然语言跑通分析流程，再慢慢把有效方法沉淀成脚本。

3. 已经会写代码，但想让 Agent 接管重复劳动的人

会写代码的人也不想天天写样板代码。

比如你只是想快速看一下：

• 最近是否超买
• 是否跌破布林带下轨
• 财务指标有没有明显恶化
• 技术面和基本面有没有冲突

这类问题交给 Agent 非常合适。

人来做判断，机器来跑杂活。

一个实用工作流：从“看一只股票”开始

别一上来就搞几十只股票扫描。

新工具最好的打开方式，是先盯一只你熟悉的标的。

比如你想分析 Apple，流程可以这么走。

准备分析目标

你要先告诉 Agent 你关心什么。

不要只说：

分析 AAPL。

太宽了。

更好的问法是：

请分析 AAPL 最近 6 个月的走势。
重点看：
- 日线 candles
- RSI 是否进入超买或超卖区
- 当前价格在布林带中的位置
- 基本面有没有支撑当前估值
- 给我一份偏交易视角的观察清单

这类提示词更像任务单。

Agent 知道该查什么，也知道输出成什么样。

推荐输出格式：别让 AI 写散文

金融分析最怕一大段话。

看完很热闹，关键点一个都记不住。

你可以直接要求它按表格和清单输出。

示例提示词：

请用下面格式输出：

1. 数据概览
- 标的：
- 时间范围：
- 当前价格：
- 近期涨跌幅：

2. 技术指标
| 指标 | 当前状态 | 解读 | 风险 |
|---|---|---|---|

3. 基本面摘要
- 营收趋势：
- 利润趋势：
- 估值压力：
- 主要风险：

4. 多空因素
看多因素：
- 

看空因素：
- 

5. 观察位
- 上方压力：
- 下方支撑：
- 需要等待的信号：

请避免直接给买卖建议，只给分析依据。

这套格式很好用。

你每次分析不同股票，都能保持同一套结构。

以后做横向对比也方便。

技术指标该怎么看？别被花哨指标带跑

很多新手一看到 RSI、布林带，就容易想找“神奇买点”。

别急。

指标不是水晶球。

它更像体温计。

能告诉你状态不太正常，但不能告诉你明天一定会怎样。

RSI：看情绪过热还是过冷

RSI 常见理解：

• RSI 高于 70：可能进入超买区
• RSI 低于 30：可能进入超卖区
• RSI 在 40-60：大概率偏中性

但别机械操作。

强势股可以长期高 RSI。

垃圾股也可以长期低 RSI。

你要让 Agent 帮你结合价格结构一起看。

可以这样问：

RSI 当前是否处在极端区间？
请结合最近价格高点、低点和成交趋势判断，避免只根据 RSI 数值下结论。

布林带：看价格是否偏离均值

布林带常见看法：

• 价格接近上轨：短线可能偏热
• 价格接近下轨：短线可能偏弱
• 带宽扩大：波动加剧
• 带宽收窄：可能进入蓄势阶段

实战里，布林带适合问这几个问题：

当前价格处在布林带什么位置？
布林带带宽最近是扩大还是收窄？
价格突破上轨后是否有回落迹象？
跌破下轨后是否出现修复？

你不是要让 AI 告诉你“买”或“卖”。

你要它帮你判断：现在市场是冷静，还是已经有点上头。

基本面别跳过，不然分析很容易变成看图说话

只看技术指标，很容易陷入短线噪音。

一家公司涨了 20%，你得知道它是业绩爆了，还是情绪炒上去的。

基本面至少要看这些：

• 营收是否增长
• 利润是否改善
• 毛利率是否稳定
• 负债压力大不大
• 估值是否明显偏贵
• 管理层指引有没有变化

可以直接让 Agent 做一版基本面摘要：

请拉取该公司的基本面数据，并回答：
- 最近几个季度营收和利润趋势如何？
- 估值相对自身历史水平是否偏高？
- 有没有明显财务风险？
- 基本面是否支持近期价格上涨？

这一步能过滤掉很多“图形很好看，业务很拉胯”的标的。

更进一步：做一个 AI 初筛清单

当你熟悉单只股票分析后，就可以让 Agent 批量初筛。

比如你想从一组科技股里找“趋势还不错，但没有明显过热”的标的。

提示词可以这样写：

请分析以下股票：AAPL、MSFT、NVDA、GOOGL、META。

筛选条件：
- 最近 3 个月价格趋势为上涨或震荡上行
- RSI 不高于 75，避免明显过热
- 当前价格不明显偏离布林带上轨
- 基本面没有明显恶化

请输出一个排名表：
| 排名 | 股票 | 技术面状态 | 基本面状态 | 主要风险 | 值得继续研究的原因 |

这样你不是让 AI 替你投资。

你是在让它帮你缩小研究范围。

从 50 个标的里挑出 5 个值得继续看。

这已经能省很多时间了。

一个更稳的提示词模板

你可以直接复制下面这段，用在 Claude Code 里。

你是我的金融研究助手。
请调用可用工具分析 [股票代码]，时间范围为 [时间范围]。

请完成以下任务：

1. 获取 candles 数据，概括价格趋势
2. 计算或读取 RSI，判断是否过热或过冷
3. 查看布林带位置，判断价格是否偏离均值
4. 获取公司基本面，分析营收、利润、估值和风险
5. 汇总多空因素
6. 给出后续观察清单

输出要求：
- 用中文
- 不要直接给买入、卖出建议
- 每个结论都要说明依据
- 如果数据缺失，要明确标注
- 用表格和要点输出，不要写长篇散文

把 [股票代码] 和 [时间范围] 换掉就能用。

比如：

股票代码：TSLA
时间范围：最近 180 天

避坑清单：别把 Agent 当股神

这类工具很好用，但坑也不少。

坑 1：数据源不清楚

你要追问数据来源。

请列出本次分析使用的数据来源、数据时间和可能延迟。

行情数据延迟几分钟和延迟一天，完全不是一回事。

坑 2：指标结论太武断

看到“RSI 超卖，所以可以买”，直接警惕。

更好的要求是：

请给出至少 2 种相反解释，并说明哪一种更符合当前数据。

金融市场最讨厌单线思维。

坑 3：忽略财报日期

财报前后，指标很容易失真。

一根大阳线可能不是趋势启动，只是财报情绪释放。

你可以问：

最近是否临近财报、重大公告或宏观事件？这些事件可能如何影响技术指标？

坑 4：把回测幻想成未来收益

如果工具支持历史分析，也别太兴奋。

回测好看，不代表未来好用。

尤其是参数调来调去，特别容易调出一个“历史完美、实盘拉胯”的策略。

坑 5：不记录分析过程

建议每次分析都保存输出。

记录这些东西：

• 分析日期
• 使用的数据范围
• 当时的指标状态
• AI 给出的关键风险
• 你自己的判断
• 后续结果

过一个月回头看，你会发现哪些判断靠谱，哪些只是当时看着很有道理。

这比盲目看十篇行情解读有用多了。

最适合落地的三个场景

场景一：每日盘前检查

每天开盘前，让 Agent 扫一下你关注的 10 只股票。

输出：

• 哪些接近压力位
• 哪些 RSI 偏热
• 哪些跌破关键均线或布林带
• 哪些最近有财报或公告

你不用早上打开五六个网站。

喝咖啡时看一张表就行。☕

场景二：周末复盘

周末做复盘很适合。

你可以让 Agent 拉最近一周数据，回答：

• 哪些标的趋势改善
• 哪些只是反弹，不是反转
• 哪些基本面和价格走势出现背离
• 下周需要重点盯哪些位置

这比刷碎片化观点强。

因为它围绕你的股票池来分析。

场景三：新标的初筛

朋友突然给你丢来一只股票，说“这个好像要起飞”。

别急着冲。

丢给 Agent：

请对这只股票做快速初筛：
- 技术面是否明显过热
- 基本面是否支持上涨
- 近期是否有重大事件
- 最大风险是什么
- 是否值得进入深度研究列表

5 分钟后，你至少知道它是“值得研究”，还是“听起来很热闹”。

我的建议：把它当投研基础件，而不是神奇按钮

QVeris CLI 这类工具真正有价值的地方，不是替你预测涨跌。

它更像 AI 投研栈里的基础件。

负责把数据、指标、基本面接到 Agent 手里。

人不用再把时间浪费在复制数据、整理表格、重复计算上。

你把精力放在更重要的地方：

• 这个结论的依据够不够硬？
• 有没有反例？
• 市场是否已经提前反应？
• 风险和收益是否匹配？
• 我能不能承受判断错误？

这才是金融分析里真正值钱的部分。

工具会越来越多，门槛会越来越低。

但判断力不会自动长出来。

所以最好的用法是：让 AI 做研究助理，你做负责人。

别反过来。