背景：我有一本"九大交易模型"秘籍，但手动翻 K 线太累了

我手里有一份详细的技术分析文档——《老樊唯产品论·九大主力交易战法》，里面定义了 13 种经典的 K 线形态：

上影反攻、极致反转、U 型极致反转

N 型倍量涨停、探路尖兵、串阳爬坡

一柱擎天、仙人指路、异动螺旋桨

异动搓揉线、筹码乖离修复、真空反转平台、U 型回旋镖

每一种都有明确的图形特征：涨停、跳空缺口、巨量、缩量修正、均线排列…… 但这意味着我要对着 5000 多只 A 股一只一只翻 K 线，完全不现实。

于是我决定：让 WorkBuddy 帮我写一个自动识别系统。

第一步：把文档丢给 AI，让它自己"读"

我只做了一件事——把《九大交易模型》文档发给 WorkBuddy，然后说：

“帮我基于这个文档构建一套 A 股自动选股系统，要能识别所有 13 种模型，加上基本面筛选和综合评分。”

解析文档，提取每种模型的 K 线特征条件（涨停数、巨量倍数、均线排列、缩量窗口等）

搭建数据管道，用 akshare 对接腾讯财经和东方财富的行情+财报数据

编写 13 个识别算法，一个模型一个函数

构建评分体系，从 12 个维度给每只股票打分

全程我没有写一行代码，只负责验收和提修改意见。

第二步：13 种形态识别——核心算法逻辑

以最复杂的"探路尖兵"模型为例，文章定义的特征是：

一段上升波段 → 出现涨停（≥1个）

涨停后出现巨量（超过 60 日均量 2.5 倍）

随后进入缩量修正（成交量萎缩至均量 70% 以下，至少 2 天）

MA20 走平，股价在 MA20 附近企稳

当前出现止跌信号（小阳线 / 十字星 / 长下影）

WorkBuddy 把这些自然语言翻译成了可执行的量化条件：

涨停检测 → 巨量确认 → 缩量修正窗口 → MA20 走平判断 → 止跌信号

其他 12 种模型同理。每一种都有独立的检测函数，输入 K 线 DataFrame，输出命中和未命中的原因。

第三步：12 维度综合评分——不只是看图形

光有图形识别不够。我让 WorkBuddy 搭建了一套多维评分体系：

图形面	18 分	命中模型数量 + 模型精度

买点面	14 分	缩量 + 十字星 + 均线粘合加分

情绪面	10 分	涨跌幅、振幅、换手率判断市场热度

资金面	10 分	主力资金流向 + 量比

相对位置	8 分	120 日内价格百分位

资金流入	6 分	近 5/20 日资金净流入

事件驱动	6 分	业绩预告 + 重大合同

赛道景气	6 分	所属板块强度排名

业绩增长	6 分	营收/利润同比增速

总分 100 分，每个维度都有明确的量化标准。

第四步：实盘数据反推——用股价表现说话

有了评分体系，下一个问题来了：这些维度到底哪个最能预测股价？

我让 WorkBuddy 拿了 24 只候选股票的实际 5 日涨幅做回归分析，结果非常有意思：

有九大交易模型信号的股票：平均 5 日涨幅 +17.1%

无模型信号的股票：平均 5 日涨幅 +4.0%

均线粘合：12.0% vs 7.2%（差异 4.8pp）

买点信号（缩量/十字星）：反而是负相关——说明缩量更多是"筑底"而非"爆发"信号

结论：九大交易模型的图形形态是短线最强的预测变量。 据此我大幅调高了图形面的权重（12→18 分），降低了基本面维度的权重。

这是整个项目中最有价值的一步——让数据告诉你什么重要，而不是凭感觉拍权重。

第五步：踩坑——5 只股票的识别 BUG 如何被修复

第一次跑完 25 只股票扫描后，我发现有不少模型识别结果和肉眼判断对不上。于是写了一个诊断脚本逐个排查，发现了 4 个 BUG：

BUG 1：上影反攻把高位股误判为"底部"

问题：代码只检查"收盘价相对 MA60 距离 <15%"，但睿创微纳当时在 75% 历史高位，根本不可能是底部。

修复：加入 120 日历史位置百分位 <50% 的判断。修复后睿创微纳从"上影反攻"变为"无"——正确！

BUG 2：探路尖兵要求"当前正在缩量"

问题：高德红外已经完成了缩量修正阶段，正在第二波放量，但代码要求"当前 10 日均量 < 前 30 日 70%"，把它排除了。

修复：改为"近期出现过缩量修正"（15 日内至少 2 天缩量 < 均量 70%），而非当前。修复后高德红外命中探路尖兵，分数从 65 飙到 74。

问题：惠城环保在上涨趋势中乖离率 38.7%，被误判为"乖离修复"。但模型定义是下跌后乖离修复，涨出来的乖离不算。

修复：只接受负乖离（bias < -25）+ 前期下跌趋势（60 日跌幅 >10%）。

BUG 4：探路尖兵涨停上限太死板

问题：要求 1-3 个涨停，惠城环保连续 7 个涨停被直接排除。

第六步：精度持续提升——让 AI 再读一遍原文

修复完 4 个 BUG 后，我又让 WorkBuddy 重新精读了老樊的完整学习手册，对照检查了几个模型的细节：

串阳爬坡：原代码要求"≥5 连阳 + 缩量"，但文章说"允许 1-2 根小阴线"+“温和放量”。修复后羚锐制药和吉比特都成功命中。

一柱擎天：原代码要求"均线多头 + 紧贴 MA5"，但刚突破时不可能满足。改为"找到标志性巨量 K 线 → 检查前后趋势变化 + 位置低位/中继"。修复后征和工业一柱擎天命中。

极致反转：放宽 MA20 走平条件，加入涨停/巨量异动检查。修复后征和工业极致反转也命中了。

13 种技术形态自动识别，每种都有详细的命中/未命中原因

12 维度量化评分，权重基于实盘数据优化

批量扫描，25 只股票约 2 分钟跑完

已打包为 Skill 模块，可以随时复用

实盘验证结果（7 月 26 日扫描）

1	高德红外	74.0	探路尖兵 + U型回旋镖

2	宏创控股	63.1	极致反转 + 一柱擎天

3	睿创微纳	54.0	无（正确，高位排除）

踩坑总结：让 AI 帮你写代码的三个教训

AI 理解自然语言 ≠ 理解你的意图。你说"底部区域"，AI 可能只检查价格相对距离，但不知道要结合历史位置。必须给出精确的量化定义。

数据反推比直觉靠谱。我们以为基本面和买点信号很重要，但股价数据告诉我们：图形形态才是短线最强变量。让数据说话。

别怕让 AI 重读文档。第一遍的理解可能有偏差，多轮迭代 + 对照原文检查，精度会越来越高。WorkBuddy 支持多轮对话持续优化，这是它比传统编程工具强的地方。

这套系统从构思到上线只用了一天。整个过程我没有写一行代码——所有 Python 脚本、数据管道、评分逻辑、HTML 报告，全是 WorkBuddy 自己完成。我的角色是：提供专业知识（九大交易模型）→ 验收结果 → 指出问题 → 迭代优化。

如果你也有一个"想法"卡在脑子里很久，不妨试试交给 WorkBuddy。你需要的是领域知识，AI 需要的是清晰的指令。两者结合，效率惊人。

初体验：WorkBuddy 实战：用 AI 智能体从零搭建 A 股选股系统，13 种技术形态自动识别 + 量化评分

人工智能

开发工具

算法

《九大交易模型》自动选股系统实现13种K线形态智能识别，包括上影反攻、极致反转等。系统通过量化分析涨停、巨量、均线等特征，结合12维度评分体系，2分钟完成25只股票扫描。实盘验证显示模型信号股票5日涨幅达17.1%，远超无信号股票4.0%。AI自动生成代码，无需手动编程，大幅提升选股效率。

数据管道

WorkBuddy 

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！

初体验：WorkBuddy 实战：用 AI 智能体从零搭建 A 股选股系统，13 种技术形态自动识别 + 量化评分

初体验：WorkBuddy 实战：用 AI 智能体从零搭建 A 股选股系统，13 种技术形态自动识别 + 量化评分

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