我开源了一个 AI Agent 投资研究 Skill 项目Biga让投资框架变成可复用的 Agent 能力近年来AI Agent 的能力边界正在快速扩展。从最早的简单问答到现在的代码生成、数据分析、自动化办公、知识库检索、工作流执行Agent 已经不再只是一个“聊天机器人”而更像是一个可以被持续配置、扩展和训练的数字助手。但在很多专业领域里真正决定 Agent 输出质量的并不只是底层大模型本身而是它是否具备清晰的任务边界是否有结构化的方法论是否知道什么该说、什么不该说是否能在高风险场景中保持审慎是否能把复杂问题拆解成可执行的分析流程。基于这个思路我开源了一个项目BigaAI Agent 投资研究策略 Skill 集合GitHub 项目地址[https://github.com/sun-btc/biga](https://github.com/sun-btc/biga)项目主页[https://sun-btc.github.io/biga/](https://sun-btc.github.io/biga/)Biga 的目标不是做一个“荐股工具”也不是做一个“量化交易系统”。它更像是一个面向 AI Agent 的投资研究方法论库把价值投资、成长投资、趋势投资、股息策略、周期投资、事件驱动等常见投资框架整理成可以直接接入 AI Agent 的 Markdown Skill。一、为什么要做 Biga在使用 AI 辅助投资研究时我发现一个很典型的问题大模型很擅长总结信息但如果没有明确的研究框架它很容易输出看似完整、实际松散的分析。比如用户问我想分析一只高股息股票应该看哪些风险如果没有约束AI 可能会泛泛而谈看股息率看公司业绩看行业情况注意风险。这些话没有错但不够可执行。真正有价值的回答应该进一步拆解股息率是来自稳定分红还是来自股价大跌分红是否被经营现金流覆盖当前利润是否处在周期高点公司是否靠举债或出售资产维持分红未来资本开支是否会挤压分红能力行业是否存在衰退、监管或价格机制变化风险什么情况下应该停止使用“高股息”这个投资逻辑也就是说AI Agent 不应该只“回答问题”而应该具备一套结构化研究流程。这正是 Biga 想解决的问题。二、Biga 是什么Biga 是一个 Markdown 文档型 AI Agent Skill 集合。项目当前包含六类投资研究 SkillSkill适用场景Value价值投资、基本面分析、ROE/ROIC、现金流、估值、安全边际、价值陷阱Growth成长投资、成长股、AI、半导体、新能源、创新药、军工、高端制造Trend趋势投资、趋势交易、均线、成交量、突破、回踩、止损纪律Dividend股息策略、高股息、红利 ETF、稳定分红、现金流分红Cyclical周期投资、周期股、资源股、煤炭、有色、钢铁、化工、航运Event-driven事件驱动、主题投资、政策利好、并购重组、AI 概念、低空经济项目结构大致如下biga/ ├── SKILL.md ├── biga-value-skill/ │ └── SKILL.md ├── biga-growth-skill/ │ └── SKILL.md ├── biga-trend-skill/ │ └── SKILL.md ├── biga-dividend-skill/ │ └── SKILL.md ├── biga-cyclical-skill/ │ └── SKILL.md └── biga-event-skill/ └── SKILL.md其中顶层SKILL.md是策略分流入口。当用户提出一个投资研究问题时Agent 可以先判断问题属于哪类策略场景然后进入对应的 Skill。例如用户我想分析一个高股息股票应该看什么Agent 应该进入biga-dividend-skill/SKILL.md如果用户问某个 AI 概念很火现在能不能追Agent 应该进入biga-event-skill/SKILL.md如果用户问周期股 PE 很低是不是低估了Agent 应该进入biga-cyclical-skill/SKILL.md这种设计让 Agent 不再只是凭大模型的“临场发挥”回答而是先进入明确的研究框架再输出结构化分析。三、为什么用 Markdown Skill而不是直接写程序Biga 当前定位为Markdown-based AI Agent Skill collection也就是说它是一个 Markdown 原生的 Skill 集合而不是一个依赖代码运行的系统。这样设计有几个原因。1. 可读性强Markdown 是人类可读的。投资研究框架、风险清单、输出模板、禁止表达、质量检查项都可以直接写成 Markdown。即使不接入 Agent用户也可以把它当成一套投资研究文档阅读。2. 可修改性强每个 Skill 本质上都是一个SKILL.md文件。用户可以根据自己的研究习惯修改增加行业指标调整风险提示补充输出模板删除不适合自己的内容增加更严格的合规边界。不需要安装依赖不需要运行服务也不需要理解复杂代码。3. 对 AI Agent 友好现代 Agent 系统普遍支持类似 Skill、Prompt、Rules、Memory、Knowledge 的机制。Markdown 文档天然适合作为 Agent 的能力说明文件。Biga 可以接入ClaudeComateCursor其他支持自定义指令或 Skill 的 Agent 系统。4. 不引入数据和交易风险Biga 不包含实时行情接口自动交易逻辑回测系统CSV 数据产物量化评分脚本买卖信号生成器。这不是缺陷而是刻意设计的边界。因为 Biga 的定位不是替用户做投资决策而是帮助用户和 Agent 建立更好的研究流程。四、Biga 的核心设计原则风险优先而不是收益优先很多投资类内容容易陷入一个误区先讲机会后补风险。但在真实投资研究中尤其是面向普通投资者教育时更合理的顺序应该是先定义边界再分析机会。Biga 的每个 Skill 都强调风险优先。例如在成长投资 Skill 中会默认提醒成长股估值高波动大预期交易充分业绩不及预期可能导致估值杀新人优先考虑行业 ETF 或小仓位参与不鼓励单票重仓。在趋势投资 Skill 中会把止损放在买点之前先学止损再学买点 先小仓位试错再扩大交易规模。并且默认使用单笔亏损控制在本金的 1%-2%这样的风险预算框架。在事件驱动 Skill 中会强调你看到新闻时可能主力早就买完了。 不要因为“某某概念很火”就冲进去。这种表达不是为了制造恐惧而是为了防止 Agent 输出过度乐观、过度确定性的内容。五、六类策略 Skill 的设计拆解下面逐一介绍 Biga 当前包含的六类策略 Skill。1. 价值投资 Skill从“低估值”走向“高质量企业”价值投资经常被简化为低 PE 就买 低 PB 就买 高股息就买 长期持有就行但这些理解都过于粗糙。Biga 的价值投资 Skill 把价值投资拆成价值投资 好行业 好生意 好公司 好价格 安全边际 长期纪律 风险控制它关注的不是单一估值指标而是一整套企业质量评估框架包括企业长期赚钱能力自由现金流创造能力竞争优势与护城河财务质量合理估值安全边际管理层与资本配置股东结构价值陷阱识别风险控制。这个 Skill 适合处理公司基本面分析ROE/ROIC 分析现金流分析财务质量分析估值分析安全边际分析价值陷阱排查。它的核心不是告诉用户“买不买”而是帮助用户建立一套基本面研究清单。2. 成长投资 Skill区分真成长、伪成长和主题炒作成长投资最吸引人的地方是未来空间。但成长投资最危险的地方也恰恰是未来空间。很多时候市场会提前把一个行业未来几年的乐观预期打进估值。一旦增长不及预期就可能出现杀业绩杀估值杀逻辑杀流动性。Biga 的成长投资 Skill 不会只讲“赛道空间大”而是要求同时分析行业未来 3-5 年是否有明确增长空间公司收入增速是否高于行业平均利润增速是否匹配收入增长毛利率、净利率、经营现金流是否健康研发投入是否形成真实壁垒估值是否已经透支未来增长应收账款、存货、商誉、研发资本化是否异常如果增长逻辑被证伪如何退出。它尤其强调一个概念增长质量比增长速度更重要。例如一家公司收入高增长但同时出现应收账款增速长期高于收入存货大幅增长经营现金流持续恶化商誉很高频繁融资大股东减持那么它可能不是“高质量成长”而是“伪成长”。3. 趋势投资 Skill不是预测而是纪律趋势投资经常被误解为“看技术指标炒短线”。但 Biga 的趋势投资 Skill 更强调股价已经形成上涨趋势就顺势参与 趋势坏了就退出。它关注的不是预测未来而是用规则管理不确定性。核心工具包括均线成交量平台突破回踩确认相对强弱止损线仓位倒推假突破识别交易复盘。其中一个重要设计是趋势交易应先确定最多能亏多少再倒推能买多少。例如本金 10 万单笔最大亏损控制在 1%即 1000 元。如果计划买入价是 10 元止损价是 9.5 元单股风险 10 - 9.5 0.5 元 可买股数上限 1000 / 0.5 2000 股 对应仓位金额 2000 × 10 20000 元这比“我感觉可以买两成仓”要严格得多。趋势 Skill 的重点不是让用户追涨而是让用户明白没有止损计划不应该入场假突破要快速处理不要把短线交易失败后改口成长线持有趋势坏了就应该尊重规则。4. 股息策略 Skill高股息不等于低风险很多投资者看到高股息会下意识认为股息率高 稳健 低风险但现实中高股息可能来自两种完全不同的情况第一种是公司现金流稳定、分红政策稳定、估值合理。第二种是股价大跌后被动抬高了股息率。后者可能是“高股息陷阱”。Biga 的股息策略 Skill 会要求检查股息率来源分红稳定性分红率是否合理经营现金流是否覆盖净利润自由现金流是否覆盖分红分红是否依赖举债或卖资产行业是否处于周期高点负债和资本开支是否挤压未来分红当前估值是否已经反映高股息优势是否存在一次性特别分红。它的核心判断框架是可持续股息 稳定主营盈利 真实经营现金流 合理分红率 可控负债 行业不衰退这类 Skill 对红利投资、收息策略、红利 ETF、银行、运营商、电力、煤炭、公用事业等方向都有较强参考价值。5. 周期投资 Skill低 PE 可能是顶部高 PE 可能是底部周期股分析中最常见的误区之一是PE 低 便宜但对周期股来说这个判断经常是错误的。因为周期股利润波动很大。在高景气阶段公司利润很高PE 看起来很低但这可能正是周期顶部。反过来在周期底部公司利润很差PE 很高甚至亏损但这可能是行业出清前后的阶段。因此 Biga 的周期投资 Skill 强调先判断周期位置再讨论估值。它会按照以下链条拆解需求变化 → 库存变化 → 商品价格变化 → 企业收入和毛利率变化 → 利润变化 → 估值变化 → 股价变化并重点关注商品价格库存开工率产能投放成本曲线产品价差企业资产负债表经营现金流在建工程减值风险是否在高景气期大规模扩产。这个 Skill 覆盖煤炭、有色、钢铁、化工、航运、石油、建材、猪周期、农产品等典型周期方向。它尤其适合回答这类问题某个钢铁股 PE 很低是不是低估了Biga 不会直接回答“可以买”而是会提示当前利润是否处于历史高位钢价和吨钢利润是否处于高位库存是否开始累积地产和基建需求是否改善公司资产负债表能否扛过下行周期当前低 PE 是否其实是周期顶部陷阱6. 事件驱动 Skill看到新闻时可能已经不是第一时间A 股市场中事件驱动和主题投资非常常见。比如政策利好并购重组国企改革AI 概念低空经济算力机器人半导体国产替代新能源政策。这类行情爆发力强但风险也很高。很多普通投资者看到新闻时主题可能已经经历了朦胧期发酵期高潮期。等到媒体集中报道、社交平台刷屏、研报密集发布时往往已经不是安全边际最高的阶段。Biga 的事件驱动 Skill 要求 Agent 先判断事件类型是什么消息来源是否权威是新增信息还是旧消息反复报道市场是否已经提前交易主题处于哪个阶段谁是真受益谁只是蹭概念基本面能否承接估值情绪是否拥挤如果退潮退出规则是什么。它有一个很关键的原则新闻本身不是机会未被充分定价的预期差才可能是机会。这可以有效避免 Agent 输出“某某概念很火可以关注”这种没有风险边界的内容。六、Biga 如何接入 AI AgentBiga 的使用方式非常简单。方式一作为 Markdown 文档阅读你可以直接阅读项目中的SKILL.md文件。推荐顺序先读顶层 SKILL.md 再进入具体策略目录 最后查看 examples 示例例如你想研究股息策略可以阅读biga-dividend-skill/SKILL.md你想研究趋势交易可以阅读biga-trend-skill/SKILL.md方式二作为 Agent Skill 使用如果你的 AI 编程助手或 Agent 支持 Skill 机制可以把整个仓库或某个biga-*-skill/目录加入 Skill 目录。然后让 Agent 根据用户问题自动选择对应 Skill。例如用户我想分析一只高股息股票应该重点看哪些风险 Agent进入 biga-dividend-skill输出分红质量、现金流、估值、负债、行业周期和高股息陷阱分析。或者用户低空经济最近很火现在还能不能参与 Agent进入 biga-event-skill先核验政策来源、主题阶段、受益链条、情绪拥挤度和退出条件。Biga 项目中也提供了接入指南覆盖ClaudeComateCursor通用 Agent。七、Biga 的输出风格研究框架而不是买卖结论这是 Biga 非常重要的边界。Biga 不提供荐股喊单买入价卖出价目标价收益承诺自动交易代客理财确定性买卖指令。Biga 提供的是研究框架核验清单风险提示分析模板退出条件复盘规则Agent 输出约束。这也是我认为 AI Agent 在投资研究场景中更合理的定位不是替用户做决策而是帮助用户更系统地提问、核验和复盘。尤其在金融场景下Agent 的价值不应该是制造确定性而应该是降低盲区。八、一个示例高股息股票风险核验假设用户问我想分析一只高股息股票应该看哪些风险基于 BigaAgent 的输出方向会类似# 高股息股票风险核验 ## 1. 股息率来源 - 股息率是来自稳定分红还是来自股价大幅下跌。 - 当前分红是否属于一次性高分红。 - 市场是否因为基本面恶化而给出更高股息率。 ## 2. 分红可持续性 - 分红是否被经营现金流覆盖。 - 自由现金流是否能覆盖现金分红。 - 公司是否需要依靠举债或出售资产维持分红。 - 分红率是否长期过高。 ## 3. 盈利质量 - 利润是否来自主营业务。 - 是否依赖周期价格、投资收益、政府补助或资产处置。 - 经营现金流和净利润是否长期匹配。 ## 4. 周期和估值风险 - 当前利润是否处于周期高景气阶段。 - 高股息是否已经被市场充分定价。 - 如果盈利回落当前股息率是否还能维持。 ## 5. 资产负债表风险 - 负债、资本开支和利息支出是否挤压未来分红。 - 是否存在减值、行业下行或监管变化风险。 ## 6. 退出或降仓条件 - 分红下降且无法用短期因素解释。 - 经营现金流无法覆盖分红。 - 行业进入长期衰退。 - 公司负债和资本开支压力显著上升。 - 原本的高股息逻辑被证伪。 以上内容仅用于投资研究和教育不构成投资建议。可以看到这种回答不会直接说“能买”或“不能买”而是把问题拆成多个可核验维度。这才是 AI Agent 在投资研究中的合理用法。九、为什么这个项目适合开源Biga 选择开源是因为投资研究框架本身适合不断迭代。不同用户可能有不同经验有人更擅长财务分析有人更懂行业周期有人熟悉红利策略有人擅长交易纪律有人对主题投资风险更敏感有人能补充更好的复盘模板。这些经验都可以沉淀到 Skill 文档中。Biga 的贡献方向包括补充策略适用边界增加风险提示优化分析模板增加组合复盘框架增加仓位管理模板修正文档中的不准确表述增加更多 Agent 平台接入示例。同时为了保持项目边界Biga 不接受具体荐股喊单目标价收益承诺内幕消息无法核验的数据鼓励高杠杆或无止损交易的内容自动交易脚本代客理财逻辑。这让项目能够保持在“投资研究与投资者教育”的范围内而不是滑向高风险的荐股工具。十、Biga 和 Prompt Engineering 的关系从技术角度看Biga 也是一个 Prompt Engineering 项目。但它不是简单写几句 Prompt。它更接近于把一个专业领域的方法论、边界条件、输出格式、质量检查和禁止行为系统性地封装成 Agent Skill。一个好的 Skill 至少应该包含适用场景不适用场景核心分析框架输入信息要求分析流程核验清单风险信号退出条件标准输出模板禁止输出质量检查。Biga 的每个策略 Skill 都在朝这个方向组织。这类 Skill 的价值在于降低 Agent 输出漂移提高回答结构一致性减少遗漏关键风险避免输出不合适的确定性建议让复杂问题变成可复用流程。这也是我认为未来 AI Agent 生态中很重要的一类资产不只是模型本身而是围绕模型构建的高质量 Skill、工作流和领域框架。十一、项目当前状态与 RoadmapBiga 当前版本已经包含顶层策略分流入口六类投资策略 Skill中英文 README示例库Agent 接入指南免责声明贡献指南GitHub Pages 项目主页Demo hero 图片MIT License。后续计划包括增加英文版完整 Skill 文档增加更多 Demo 对话增加 A 股行业研究模板增加组合复盘和仓位管理模板增加风险清单库增加更多 Agent 平台接入示例。十二、适合哪些人使用 BigaBiga 适合以下几类用户1. AI Agent 使用者如果你在使用 Claude、Comate、Cursor 或其他 Agent希望让 Agent 在投资研究类问题上输出更稳健、更结构化的回答可以使用 Biga。2. 投资研究学习者如果你想系统学习不同投资策略的分析框架也可以直接阅读 Biga 的 Markdown 文档。3. Prompt / Skill 设计者如果你正在研究如何为 Agent 设计领域 SkillBiga 可以作为一个参考案例。4. 开源贡献者如果你对价值投资、成长投资、趋势交易、股息策略、周期投资、事件驱动等方向有经验可以参与完善对应 Skill。十三、总结让 AI Agent 输出研究过程而不是直接给结论Biga 的核心理念可以概括为一句话让 AI Agent 输出研究过程而不是直接给买卖结论。投资研究本身充满不确定性。一个负责任的 Agent 不应该制造“确定性幻觉”也不应该用漂亮的语言包装未经核验的判断。更合理的方式是明确策略边界拆解分析路径给出核验清单提示关键风险设置退出条件保持非荐股、非收益承诺的边界。这也是 Biga 这个项目想提供的价值。如果你对 AI Agent、Prompt Engineering、投资研究框架或开源 Skill 设计感兴趣欢迎关注、使用或参与贡献。GitHubhttps://github.com/sun-btc/biga项目主页https://sun-btc.github.io/biga/如果你觉得这个项目有帮助也欢迎给一个 Star 支持。免责声明Biga 仅用于投资研究、投资者教育和 AI Agent 指令设计不构成任何证券、基金、衍生品、商品、数字资产或其他金融产品的买入、卖出、持有或交易建议。Biga 不提供荐股、喊单、目标价、收益承诺、保本承诺、代客理财、组合管理、交易信号或自动交易能力。使用者应自行核验所有数据和假设结合自身风险承受能力、资金情况、投资期限、流动性需求和独立判断做出决策。必要时应咨询具备资质的专业人士。ReportID: a518f3af-63aa-47aa-a8e8-f83304f2cd4dConversationID: 61d3159e-5e77-44a3-9c40-e51924642451
