现在用 AI 做投资越来越专业了。我尝试让 Hermes 把他的一些方法借鉴到了我的投资系统，希望能提高一点收益（至少能省时间吧。😂）。

LangAlpha，一个把投资研究做成持久化工作区的 Finance Agent

LangAlpha，定位可以理解成“投资界的 Claude Code”。它针对的不是单次金融问答，而是持续数周、数月的研究过程：建立一个 workspace，比如「Q2 仓位调整」「数据中心需求研究」，让 agent 了解目标和投资风格，产出第一版分析，并把文件、数据、历史线索、研究结论保存下来。

GitHub README 里对应的核心设计包括 persistent workspaces、PTC、Progressive Tool Discovery、financial research skills、automations 和 price-triggered automations。它把每个研究目标映射到独立 sandbox，保留 agent.md、任务目录、结果文件、共享数据；用户也可以把 PDF 或 markdown 研究笔记放进 memo store，让自己的判断和外部数据一起被引用。

PTC 是这个项目比较关键的技术点：agent 不把大量金融数据直接塞进 LLM context，而是写 Python 在 sandbox 里处理数据、调用 MCP 数据源、生成图表或中间结果，再把摘要交给模型。这更适合多步财务分析、历史数据处理、估值模型和 dashboard 生成，也能减少 token 被原始数据吞掉。

它和“搜索增强版 ChatGPT”的差别在记忆结构。普通 AI 金融工具回答完就结束；LangAlpha 更像研究伙伴，知道上次研究到哪、结论是什么、还有哪些未完成任务。这个方向对投资研究是对的，因为投资判断本来就是贝叶斯更新，不是一次 prompt 的灵光一现。

我的判断：这类工具真正有价值的地方，不是替你下买卖结论，而是让研究过程可追踪、可复盘、可继续。Simon 之前做投资监控工具，其实也指向同一个核心：市场里最稀缺的不是“信息”，而是能随时间积累的判断上下文。

💻 项目仓库：http://t.cn/AXx3TjjJ（GitHub）
🌐 官网：http://t.cn/AXJlQ1zp（官网）

#HOW I AI# #ai生活指南# #AI工具#