做 A 股量化策略研究，最头疼的往往是数据。每天收盘后手动下载全市场的日线数据，清洗、去重、合并、存库，一套流程下来少说半小时。如果哪个环节出错，数据对不上，策略回测结果全废。

我之前一直用 Python 脚本配合 akshare 手动跑，每天收盘后打开终端敲命令，偶尔遇到接口超时还得重跑。直到我把这套流程搬到了 WorkBuddy 上，用自动化任务彻底解放了双手——收盘后自动拉取数据、自动清洗、自动发送行情简报。今天就把这套方案完整拆解一遍。

打开 WorkBuddy 客户端，左侧找到「自动化」入口。点击「新建自动化」，填写以下内容：

【配图建议位置1：WorkBuddy 自动化任务创建界面截图】

连接本地 SQLite 数据库，从 akshare 拉取今日 A 股全量日线数据（含开盘价、收盘价、最高价、最低价、成交量、成交额），增量写入数据库，去重后输出今日行情简报


WorkBuddy 可以直接读取你电脑上的文件。我的数据库放在 

 下，只需要在提示词里写明路径，WorkBuddy 会自动识别并读写。

【配图建议位置2：数据库文件目录截图 / 数据表结构截图】

核心操作流程（全部由 WorkBuddy 自动完成）：

这是最关键的环节。经过多次迭代优化，我的提示词核心部分如下：

【配图建议位置3：自动化任务提示词编辑界面截图】

执行任务：

1. 连接 D:/stock_data/ 下的 SQLite 数据库
2. 检查 stock_daily 表中日期最大的记录
3. 如果最大日期 < 今天，从昨天开始增量拉取数据
4. 清洗规则：
   - 成交量/成交额为 0 的股票标记为停牌
   - 停牌股使用最近交易日数据填充
   - 删除重复记录（按 code + date 去重）
5. 写入数据库
6. 生成简报：今日涨跌幅 Top10、成交额 Top10、上涨/下跌家数比


第一次执行时建议手动触发。WorkBuddy 会在右侧窗口展示执行过程，每一步都可追溯。如果数据格式有问题，它会直接报错并给出修改建议，你只需要反馈调整即可。

【配图建议位置4：任务执行日志/结果展示界面截图】

执行完成后，WorkBuddy 会输出一份结构化行情简报：

【今日行情概览】2026-06-22
├─ 上涨家数：3205 只
├─ 下跌家数：1932 只
├─ 涨跌比：1.66:1
├─ 涨幅前五：XXXX(10.02%)、XXXX(9.98%)...
├─ 成交额前五：XXXX(85.3亿)...
└─ 数据更新状态：成功（耗时 47 秒）


【配图建议位置5：最终生成的行情简报截图】

在搭建这套系统的过程中，我踩了以下几个坑，分享出来帮你避雷：

 刚开始我设的 15:05，结果 akshare 的数据还没更新完，拉出来全是空值。后来调整到 16:00 后稳定了。

 个别股票会有盘中临时停牌，数据里某天成交量是 0，不处理的话策略会误判。我的方式是填充最近交易日数据并标注。

这套模式不止能跑数据，还可以继续叠加：

更高级的玩法：把简报内容通过 WorkBuddy 的自动化能力推送到企业微信或飞书，收盘打开手机就能看到行情摘要。

如果你是量化研究者或者需要每天处理数据的金融从业者，一定要试试 WorkBuddy 的自动化任务功能。它把「每天重复做的事」变成了「配置一次，永久运行」，时间成本几乎降至零。关键是门槛极低——不需要会写完整的 Python 脚本，用自然语言描述需求就行。

连接 D:/stock_data/ 下的 SQLite 数据库，从 akshare 拉取今日 A 股日线数据（open/close/high/low/volume/amount），检查 stock_daily 表已有日一、痛点引入
做 A 股量化策略研究，最头疼的往往是数据。每天收盘后手动下载全市场的日线数据，清洗、去重、合并、存库，一套流程下来少说半小时。如果哪个环节出错，数据对不上，策略回测结果全废。

我之前一直用 Python 脚本配合 akshare 手动跑，每天收盘后打开终端敲命令，偶尔遇到接口超时还得重跑。直到我把这套流程搬到了 WorkBuddy 上，用自动化任务彻底解放了双手——收盘后自动拉取数据、自动清洗、自动发送行情简报。今天就把这套方案完整拆解一遍。

二、环境与背景
数据源：akshare + pytdx + baostock，覆盖 A 股全量标的（沪深北 5200+ 只股票）
本地缓存：SQLite 数据库，日线数据每日增量更新
WorkBuddy 版本：Windows 桌面版
自动化支撑：WorkBuddy 自动化任务（Cron 定时触发）
三、分步实操
第一步：新建自动化任务
打开 WorkBuddy 客户端，左侧找到「自动化」入口。点击「新建自动化」，填写以下内容：

【配图建议位置1：WorkBuddy 自动化任务创建界面截图】

名称：收盘数据更新
触发时间：每个交易日 16:00（A 股 15:00 收盘，留一小时等数据稳定）
提示词：
连接本地 SQLite 数据库，从 akshare 拉取今日 A 股全量日线数据（含开盘价、收盘价、最高价、最低价、成交量、成交额），增量写入数据库，去重后输出今日行情简报
第二步：连接本地数据源
WorkBuddy 可以直接读取你电脑上的文件。我的数据库放在 D:/stock_data/ 下，只需要在提示词里写明路径，WorkBuddy 会自动识别并读写。

【配图建议位置2：数据库文件目录截图 / 数据表结构截图】

核心操作流程（全部由 WorkBuddy 自动完成）：

步骤	操作	说明
1	读取数据库	获取已存在的最新交易日
2	增量拉取	从 akshare 拉取缺失日期的数据
3	清洗异常值	停牌股填充前日收盘价、除权除息日自动复权标记
4	写入数据库	执行 INSERT 操作
5	生成简报	输出今日行情概览
第三步：编写自动化提示词
这是最关键的环节。经过多次迭代优化，我的提示词核心部分如下：

【配图建议位置3：自动化任务提示词编辑界面截图】

执行任务：

1. 连接 D:/stock_data/ 下的 SQLite 数据库
2. 检查 stock_daily 表中日期最大的记录
3. 如果最大日期 < 今天，从昨天开始增量拉取数据
4. 清洗规则：
   - 成交量/成交额为 0 的股票标记为停牌
   - 停牌股使用最近交易日数据填充
   - 删除重复记录（按 code + date 去重）
5. 写入数据库
6. 生成简报：今日涨跌幅 Top10、成交额 Top10、上涨/下跌家数比
第四步：验证执行结果
第一次执行时建议手动触发。WorkBuddy 会在右侧窗口展示执行过程，每一步都可追溯。如果数据格式有问题，它会直接报错并给出修改建议，你只需要反馈调整即可。

【配图建议位置4：任务执行日志/结果展示界面截图】

第五步：查看自动化简报
执行完成后，WorkBuddy 会输出一份结构化行情简报：

【今日行情概览】2026-06-22
├─ 上涨家数：3205 只
├─ 下跌家数：1932 只
├─ 涨跌比：1.66:1
├─ 涨幅前五：XXXX(10.02%)、XXXX(9.98%)...
├─ 成交额前五：XXXX(85.3亿)...
└─ 数据更新状态：成功（耗时 47 秒）
【配图建议位置5：最终生成的行情简报截图】

四、效果验证
改造前后对比：

维度	手动模式	WorkBuddy 自动化
每日耗时	15-30 分钟	0 分钟（后台自动）
出错概率	高（人为遗漏/超时）	极低（可复现）
数据完整性	依赖记忆	系统保证
简报生成	自己写	自动输出
历史回溯	手动查日志	对话中可追溯
五、踩坑记录（必看）
在搭建这套系统的过程中，我踩了以下几个坑，分享出来帮你避雷：

坑 1：触发时间太早 刚开始我设的 15:05，结果 akshare 的数据还没更新完，拉出来全是空值。后来调整到 16:00 后稳定了。

坑 2：停牌股处理 个别股票会有盘中临时停牌，数据里某天成交量是 0，不处理的话策略会误判。我的方式是填充最近交易日数据并标注。

坑 3：数据库路径问题 Windows 路径注意用正斜杠 / 或双反斜杠 \\，单反斜杠会被转义。

六、延伸与扩展
这套模式不止能跑数据，还可以继续叠加：

策略信号生成：在数据更新后，让 WorkBuddy 运行你的量化策略，输出今日交易信号
风险监控：设置盘中定时任务，监控持仓股异动
周报自动化：每周五收盘后自动生成策略周报
更高级的玩法：把简报内容通过 WorkBuddy 的自动化能力推送到企业微信或飞书，收盘打开手机就能看到行情摘要。

七、总结
如果你是量化研究者或者需要每天处理数据的金融从业者，一定要试试 WorkBuddy 的自动化任务功能。它把「每天重复做的事」变成了「配置一次，永久运行」，时间成本几乎降至零。关键是门槛极低——不需要会写完整的 Python 脚本，用自然语言描述需求就行。

完整提示词模板（复制即用）：

连接 D:/stock_data/ 下的 SQLite 数据库，从 akshare 拉取今日 A 股日线数据（open/close/high/low/volume/amount），检查 stock_daily 表已有日

#WorkBuddy#WorkBuddy + A 股量化数据自动化处理实战教程

开发工具

数据库

大数据

使用WorkBuddy自动化任务实现A股日线数据自动采集与处理，解放量化研究者的双手。通过akshare数据源+SQLite数据库，实现收盘后自动拉取、清洗、存储数据，并生成结构化行情简报。方案详细拆解了任务配置、数据清洗规则、异常处理等关键步骤，帮助金融从业者将每日重复工作自动化，提升效率降低出错率。

数据完整性

WorkBuddy 

Windows

SQLite

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

#WorkBuddy#WorkBuddy + A 股量化数据自动化处理实战教程

#WorkBuddy#WorkBuddy + A 股量化数据自动化处理实战教程

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐