别浪费OpenClaw!4个实战案例教你搭建个人投研助手

最近OpenClaw火出圈,我一直深挖它的落地实操玩法发现很多人装好后只会简单聊天、写文案,真的太浪费潜力了!今天分享个超实用的落地场景:OpenClaw+TushareSkill不用敲一行代码,一句话就能快速查询A股数据直接把AI变成你的专属投研小助手,亲测超省心,真就一句话搞定!

安装 tushare skill

在开始之前,先把 tushare skill 装上。

步骤 1:安装 skill

在 OpenClaw 对话框里直接说:

请安装最新版 Tushare skills,名称为 tushare-data

或者用命令行:

clawhub install tushare-data

步骤 2:让OpenClaw安装 tushare库

pip install tushare -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤 3:获取 Token

  1. 1.访问 Tushare Pro 注册账号
  2. 2.完成信息填写(免费获得 20 积分,注意tushare部分数据需要一定的积分才能获取)
  3. 3.进入个人中心 → 获取 Token

步骤 4:配置 Token

在 OpenClaw 对话框里说:

帮我配置 tushare token,token 是 xxx(把你的 token 告诉它)

记得配置在环境变量,而非硬编码在Skill里。

安装完毕之后,我们可以让OpenClaw简单介绍一下这个Skill的功能:

OpenClaw 的核心不是 AI,是 skill

很多人以为 OpenClaw 就是个"增强版 ChatGPT",能聊天、能写文案。

但它的核心其实是 skill 生态。

什么是 skill?简单说,就是给 OpenClaw 装上"超能力"。

  • 装上 tushare skill → 它就懂金融数据
  • 装上搜索 skill → 它就能联网查资料
  • 装上其他 skill → 它就能干更多活

不会装 skill 的人,用的只是个玩具。

今天我就用手把手教你,怎么用 tushare skill 让 OpenClaw 变成你的专属投研助手。

案例 1:财务对比分析

场景

作为投资者,经常需要对比两家公司的财务指标。

传统方式:写 Python代码 → 调 API → 获取数据 → 合并 DataFrame → 格式化输出。

至少 30 分钟,还可能遇到各种报错。

OpenClaw 方式

说一句话:

对比贵州茅台和五粮液最近 3 年的 ROE、毛利率、净利率变化趋势。

30 秒出结果。

返回数据

公司 2022 ROE 2023 ROE 2024 ROE 毛利率 净利率
茅台 32.41% 36.18% 38.43% ~92% ~52%
五粮液 25.05% 24.81% 24.24% 75%→77% ~37%

结论

茅台 ROE 持续提升(32%→38%),五粮液略有下降(25%→24%)。

效率对比:传统方式 30 分钟,OpenClaw 30 秒。

我们可以借助Tushare官网的数据工具,运行调试和AI的回答对比一下,看看有没有幻觉:

案例 2:限售股解禁提醒

场景

想知道未来 30 天有哪些股票要解禁,提前规避风险。

传统方式:写代码调接口,处理日期过滤,按市值排序……

OpenClaw 方式

说一句话:

查询未来 30 天内有限售股解禁的股票,按解禁市值从大到小排序,取前 15 只。

直接返回数据(截图TOP 5)

案例 3:指数成分分析

场景

想了解中证 500 指数的成分股和权重分布。

传统方式:调 index_weight 接口,处理数据,排序……

OpenClaw 方式

说一句话:

获取中证 500 指数的成分股列表和权重,筛选出权重排名前 20 的股票。

返回数据(截图TOP 5)

分析

中证 500 成分股权重分散,体现中盘股特征。权重集中在科技、有色、电子等板块。

案例 4:价值投资筛选

场景

想筛选低价、高 ROE 的股票。

传统方式:调 daily_basic + fina_indicator 接口,写筛选逻辑……

OpenClaw 方式

说一句话:

帮我筛选出 A 股市场中 ROE 排名前 20%、股价小于 10 元的股票,按市值从小到大排序,取前 10 只,去除ST。

返回数据(TOP 5)

总结

OpenClaw 的核心是 skill。

不会装 skill,用的是 10% 的能力。

本文介绍了 tushare skill 让 OpenClaw 更懂金融,一句话实现数据查询。

通过4 个实战案例覆盖高频场景:财务对比、解禁查询、指数成分、价值筛选。

先把工具用上手,比什么都重要。

投研助手这个方向确实有价值

四个案例难度递进设计得好

数据源接入那部分讲得不够细

@zynth 数据源接入不够细是这类教程的通病 Tushare的API文档其实写得不错 重点是注册后要申请积分 积分不够很多接口调不了

@dplex 难度递进设计确实好 从简单查行情到组合分析再到策略回测 每一步都在上一步的基础上扩展 这种教程结构值得其他作者学习

内存泄漏用pprof抓一下就清楚了

腾飞九在WSL2上编译成功了

投研助手这个用法我觉得是目前最靠谱的场景

鹦鹉学舌不好,但这个值得借鉴

插件冲突这种问题一个个禁用排查虽然笨但最有效