开源AI游资Skill：51位投资大佬模型辅助A股分析

背景

在 A 股市场中，游资（Hot Money）的操作风格往往被视为一种难以复制的“玄学”，但近年来，随着人工智能技术的成熟，越来越多的开发者尝试将量化分析与 AI 大模型结合，以辅助投资决策。LINUX DO 社区用户 wbh604 开源了一款名为 UZI-Skill 的项目，旨在通过模拟多位知名投资大佬的思维模式，为 A 股、港股及美股提供深度个股分析。

该项目在 GitHub 上迅速获得超过 3000 个 Star，其宣称的今年 A 股收益率达到 66.13%，引发了社区广泛关注。UZI-Skill 的核心逻辑是将传统的量化规则、多源数据抓取与 51 位“虚拟评委”（包括格雷厄姆、陈小群等风格迥异的投资人物）相结合，试图在复杂的股市波动中寻找确定性。

核心内容

UZI-Skill 是一个基于 AI Agent 架构的股票分析插件，主要运行于 OpenCode、Codex 等 AI 编程助手或 LLM 前端。它不仅仅是一个简单的数据查询工具，而是一个具备多步骤推理能力的分析工作流。

1. 核心架构：51 位评委与多维数据

该项目构建了庞大的分析矩阵，具体包含：

• 51 位投资大佬/风格评委：系统内置了从价值投资（如格雷厄姆）到短线游资（如陈小群）等 51 种不同的分析视角。
• 22 维数据指标：涵盖基本面、技术面、资金面等多个维度。
• 180 条量化规则：用于硬性筛选和风险避雷。
• 17 种机构分析方法：模拟专业机构的研报逻辑。

2. 数据获取与处理机制

为了克服传统爬虫的限制，UZI-Skill 采用了混合数据采集策略：

• 多源数据接入：不断更新数据源，包括基金、ETF 持仓信息（自动截取并分析持仓股票）。
• Playwright 主动介入：针对雪球等需要登录或具有反爬机制的网站，利用 Playwright 等自动化浏览器工具进行“真实”用户行为模拟，以获取实时数据。
• 自适应权重调整：根据股票板块（如短线、蓝筹、小市值、防守型）和风格，动态调整不同评委的评分权重，避免对大部分 A 股股票采取统一的“避雷”态度，从而提高分析的针对性。

3. 功能迭代与最新特性

项目自 4 月中旬以来进行了高频迭代：

• 4.16：修复 Bug，更新 Agent 安装方法，强化对 51 位评委风格的限制。
• 4.17：增加数据源，实现基于板块风格的自适应评分权重调整，解决“全票避雷”问题。
• 4.21：发布重构版（v3.0.0-pipeline-architecture），优化了流水线架构。
• 5.10：新增基金和 ETF 分析功能，能够自动解析持仓信息并关联分析持仓股票。

4. 使用方式

用户通过命令行界面调用：

/plugin marketplace add wbh604/UZI-Skill
/plugin install stock-deep-analyzer@uzi-skill
/analyze-stock <股票名称/代码>

输入股票名称或代码后，系统将输出详细的分析报告。

关键要点

• 开源合规性：项目严格遵循 LINUX DO 社区的开源推广要求，完整开源，无隐藏代码，并承诺接受社区监督。
• 高性能与高收益宣称：开发者声称利用该工具在今年实现了 66.13% 的 A 股收益率，且 GitHub Star 数突破 3000，显示出较高的社区认可度。
• 技术栈多样性：虽然推荐使用 Claude 以获得最佳效果，但也支持 Codex、Grok、Gemini 等大模型，并正在适配 OpenCode 等更多平台。
• 动态权重算法：核心创新点在于根据市场风格（如蓝筹 vs 小市值）动态调整 51 位评委的权重，而非固定公式，这更贴近真实市场中不同策略的适用场景。
• 反爬与稳定性优化：针对数据源反爬问题，引入了 Playwright 进行模拟登录和抓取，并持续修复因代理、大任务导致的执行卡死或循环问题。
• 保守评分策略：目前系统输出的整体分数偏保守偏低，开发者表示这可能反映了当前 A 股大部分股票的基本面风险，也可能源于逻辑设置的审慎性。

意义与影响

UZI-Skill 的出现标志着 AI 在金融垂直领域的应用从“简单问答”向“复杂决策模拟”迈进。

1. ** democratization of Investment Analysis（投资分析民主化）**：通过开源形式，将原本属于专业机构或资深游资的分析框架（如 51 种风格视角、180 条量化规则）降低门槛，让普通投资者也能借助 AI 进行多维度、深层次的个股剖析。
2. AI Agent 在金融领域的实战验证：该项目展示了 AI Agent 如何通过多步骤推理、外部工具调用（Playwright 爬虫）、动态权重调整来解决实际金融问题，为其他垂直领域的 Agent 开发提供了参考范式。
3. 社区驱动的开发模式：从 LINUX DO 社区发起，通过开源协作快速迭代（两周多次更新），体现了开源社区在解决特定痛点（如数据反爬、模型适配）上的高效能。
4. 风险警示：尽管开发者声称高收益，但系统本身存在“分数偏保守”、“非 Claude 模型数据对齐问题”等已知 Bug。投资者应将其视为辅助决策工具，而非绝对的投资保证，需警惕市场风险和技术局限性。

未来，随着 TODO LIST 中提到的“图网络热点分析”、“宏观经济史观”及“Polymarket 关联分析”等功能落地，UZI-Skill 有望进一步融合舆情分析、宏观叙事与预测市场数据，构建更立体的智能投研体系。