“已经亏了，我该继续拿着，还是卖掉止损？”

“最近又创新高了，现在是不是应该止盈跑路？”

这些是土豆在日常的投顾服务中经常面对的投资者问题。

面对这些提问，土豆需要把原始数据挖掘出来做分析，比如：

只有先把这些问题说透了，投资者才能真正理解自己买了什么资产、接下来可能会经历什么情况，再结合自己的风险承受能力和资金安排，作出合理的投资判断。

过去，为了回答这类问题，土豆需要请同事帮忙导出数据、等待排期，再处理数据、制作图表。等到几天后给出详细的回复，但与用户的最佳沟通时点可能已经错过。如此一来，用户可能早就凭感觉和惯性操作，这样得到的收益结果往往不佳。

如今，她把这条服务链路用 AI 重构了一遍。

01、AI 不是替投资者做决定，而是帮助他看懂投资

土豆希望通过投顾服务帮助投资者做好资产配置，减少“追涨杀跌”的投资行为，从而长期的在市场中“赚到该赚的钱”。

在她的逻辑框架里，投资者的投资收益可以拆成以下三个部分：

在阿尔法收益交给主理人做好部署后，土豆会把大量的精力放在帮投资者赚到“贝塔收益”和“伽马收益”上，

希望通过顾问的陪伴与服务，帮助投资者找到适合自己的资产配置方案，实现投资纪律，尽可能地创造长期、更多的账户收益。

在投资实战的场景中，土豆发现，投资者经常不知道自己该买什么，当行情上涨时，有人担心错过，想在高位追进去；当市场回撤时，又有人因为眼前的亏损慌张，想立刻卖出。

很多时候，投资者缺少的并不是更多的投资观点，而是一份来得足够及时、能够帮助自己判断的数据依据。

为此，土豆要做的，不是为投资者提供一个标准答案，而是更快地准备数据、呈现风险和机会，把辅助投资判断的关键依据迅速交到投资者的手中。

在方向想清楚后，她开始拆解工作流，并打造了11个Skill用来辅助顾问工作。

02、工作流怎么搭，AI和人如何分工？

在土豆的实践中，一条完整的 AI 投顾服务工作流由以下四个部分组成：

WorkBuddy ：负责承接任务的工作入口

土豆会在 WorkBuddy 等 AI 工具中提出需求、组织任务、编写和运行 Skill。

从分析一个策略，到生成一组图表，再到监控关键指标，任务从这里开始。

（图｜土豆用WorkBuddy调用盈米MCP、Skill的工作界面）

顾问 Skill ：负责把个人的历史经验变成可复用的方法论

哪些数据有参考价值？先分析收益，还是先分析风险？面对亏损和创新高，应该从哪些角度指导投资操作？

土豆把自己多年积累的分析框架、业务经验和表达标准打造成包括AI策略分析、AI策略回撤等11个Skill，让 AI 不必每次从零摸索，而是迅速交付顾问需要的内容。以下是土豆给 AI 构建Skll时候的约束条件和交付标准。

（图｜土豆搭建策略分析Skill的逻辑框架）

盈米 MCP ：负责连接投顾场景所需的数据

有了方法论和经验，但如果没有准确、全面的数据，AI 仍然无法完成真实的服务任务。

土豆通过盈米 MCP 让 WorkBuddy 等AI工具能够获取策略、资产及市场研究所需的数据，为顾问的分析、回测和制图提供底座支持。

投资顾问：负责核实、判断并沟通具体的人

在AI 准备好数据图表和初步的分析结论后，土豆负责核实其内容的准确性、判断是否适用、完成合规审核、并结合投资者的风险承受能力、资金久期等真实诉求，最后发送给有对应需求的用户。

通过这套人机协同的分工机制，土豆让AI不再是聊天工具，也不只是完成单个任务的提效，而是通过将数据、经验、工具和人进行有效的串联，让AI真正嵌入到投顾的服务工作流中。

03、生产一篇陪伴文章，如何从一周缩短到一个下午

在今年7月上旬，土豆曾判断红利资产进入了一个值得关注和配置区间。她希望尽快把相关的数据材料整理出来，形成图表和文章，为投资者提供参考信息。

按照过去的流程，她需要向投研提需求、等待排期和交付，再自行加工数据、走合规流程、完成编辑，交付时间通常最快也需要三天。

这一次，她通过投研拉出原始数据后，立马在AI 工具中发起任务，让自己编写的 Skill 完成数据的加工和图表的生成。

从拿到原始数据，到完成加工、制图和内容合规审查，只用了一个下午的时间。第二天，这篇陪伴内容就发给了投资者。

（图｜土豆用Skill生产的红利资产分析图表）

从原来的3天，到现在一个下午，投顾真正节省的不只是工时。市场信息有时效性，更快地完成分析和测算，也就意味着顾问能在投资者真正需要的时候给出参考，而不是在情绪和行情都已变化后，再补上一份迟到的答案。

“在真实的投资服务场景中，好饭还是怕晚的。”土豆说。

04、如何把每一次的投资者问答，沉淀成可复用的 Skill

投资者在挑选策略时，往往容易只看收益，不一定了解底层资产、投资逻辑、风险表现、调仓行为，以及扣除相关费用后的实际表现。这是土豆对投资者行为背后的一大洞察。

基于这个洞察，土豆把自己多年的策略分析经验与投资者的一次次沟通经验，写成了“策略分析”Skill。运行这套技能时，土豆让 AI 通过盈米 MCP 来调取相关数据，主要围绕以下几个关键问题展开：

其中，土豆尤其重视“最坏的投资情况”，也就是历次最大回撤及修复时间、抄顶后结果。

她很少用“历史年化收益”和“近一年收益”去吸引用户，更愿意告诉用户，假设你买在了历史高位，最难熬的阶段可能持续多久？这样的波动，你真的承受得了吗？

（图｜假设用户在「之前的高点」买入后就开始回撤，持有不同时间的测算结果）

“我希望投资者在购买之前，就能做好最坏的打算。只有管理好预期，投资操作行为才能可控。”土豆说。

围绕更多真实的投资者投资问题，她又陆续写出了“亏损怎么办”“新高要不要卖”等投资者疑问较多的Skill。

当面对投资者账户产生的亏损，AI 会通过回撤分析Skill协助投顾梳理策略当前的回撤在历史中处于什么位置。

举个例子，如果眼下的 3%—4% 回撤，在极端情况下可能扩大到 20%，土豆就会及时提醒用户慎重考虑是否要换一个更符合自己实际风险承受能力的投资方案；如果配置的逻辑依然合理，海量历史数据也支持长期持有，她则把长期的历史数据摆出来，帮用户减少一点慌张,而更加理性。

当面对用户询问“创新高要不要卖”，土豆也不会给出统一答案。她的判断依据在于，一个长期配置策略如果在很长时间里经常创新高，那现在的新高本身未必构成卖出的理由；但如果长期数据呈现明显的暴涨暴跌，或当前的状态偏离原有的逻辑，则需要重新审视当下市场情况该策略是否还值得持有了。

（图｜面对用户对新高的困惑土豆制作的分析图表）

过去，给用户提供一次这样的分析可能涉及七八张表格或走势图，光是材料准备的过程就花了一个下午。

现在通过连接盈米MCP和设计Skill，通过 AI 只需要大概 5 分钟就能生成美观、专业的分析表格。在投资者提出问题后，土豆最快 10 分钟之内就能带着数据做详细的回应。

“原来我跟同路人说‘你等我去分析一下’，可能1-2天后才能回复。现在我说‘你等我去分析一下’，大约10 分钟后就可以把相对复杂的数据挖出来。”土豆说。

05、送 AI 去学习自己不擅长的事

土豆并不只把自己擅长的经验教给 AI，赋能AI。她也会先审视自己的短板，再让 AI 进行有针对性地补位。

她发现，在自己的投资习惯中会更习惯左侧交易——在下跌过程中提前判断机会。为了补充右侧交易的思考，她把自己之前读过的书《炒股的智慧》交给 AI 去进行阅读、提炼，让它形成相应的分析逻辑；为了补足择时和量价分析的能力，她又让 AI 学习《威科夫操盘法》。

这样，当土豆再次想按照左侧思路惯性作出判断时，AI 则会从右侧交易、择时和量价分析的角度提出反例和提醒，让她先停一下，重新审视自己的判断标准。

而这种AI补位的思路，也被她用进策略监控的工作流中。她通过且慢AI小顾的定时功能，自动观察低波动资产的回撤幅度，同时也会监控几位擅长 A 股策略、资产配置策略的主理人是否调仓、为什么调仓。而这些信息都会成为她对下一步策略部署的判断依据。

如此一来，投资者不必反复打开 App查阅数据，只有当出现值得关注的变化时，AI 再提醒投资者点击查阅即可。“就像一个小助理一样，关键时候告诉我就行，平常安心生活就好了。”土豆说。

土豆认为，“人”的历史经验是可以赋能AI的，让 AI 更懂业务；另一方面，人最稀缺的还是对自身局限的认知，当你认识到自己的短板在哪里，就可以通过AI 为人补充不同的视角，尽量补齐短板。

这样一来，AI 不只是执行人的原有思路，而且还能帮助人对抗自身的思维惯性，找到问题背后的本质。

06 、踩过一些坑后，她总结出一条可参考的实践路径

写了许多 Skill 之后，土豆总结出了以下经验：

第一，除了好用的AI工具，可靠的数据其实更重要。如果拿不到准确、及时的数据源，再好的提示词和 Skill 也只是泛泛而谈。盈米 MCP 的价值就在于能把 AI 与真实投顾服务所需要的数据连接起来。

第二，不能把 Skill 当成一段万能提示词。一个真正有效的 Skill，需要写清楚分析的框架、适用的条件和判断的标准，而且这不是一次性就能完成的工作，这需要业务人员在反复运行中不断进行校验和修正。

第三，历史数据不等同未来答案。AI 反馈的回测数据仅仅能够提供参考，不能代替人的判断。AI 生成的结果需要人来核实，要由顾问结合投资者的具体情况作出解释，并严格遵守合规边界。

第四，先定义好问题，再来调用 AI。土豆的许多实践都不是从“AI 能做什么”开始，而是从一个具体问题开始的——投资者为什么拿不住？投顾的回答如何才能更快更及时？自己有哪些思维惯性？

而这套方法也被她用到生活中。在去年成为妈妈后，土豆用 AI 做了一个“教育金储蓄计算器”，按孩子的年龄规划「投入期 → 取用期 → 开花结果期」，来测算复利增长与取用安排。

（图｜“教育金储蓄计算器”）

因为非常契合真实的生活场景，土豆同路人社区中发布孩子投资方案后，收获不少投资者的咨询，纷纷表示希望能直接“抄作业”，但土豆都会建议“你不应该抄我策略的作业，你应该抄我思考过程的作业。”

因为，工具可以复用，但真正值得我们复用的，其实还是定义问题和拆解任务的方法。（当然还需要足够的token😆）

她用WorkBuddy写了11个 Skill，帮投资者减少一点慌张、增加一份笃定

人工智能

职业发展

新闻资讯

用AI重构投顾服务，通过11个Skill、盈米MCP数据连接及人机协同工作流，将策略分析从3天缩至10分钟，辅助投资者理解回撤、胜率与持有周期，避免追涨杀跌。

数据挖掘

WorkBuddy 

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！

她用WorkBuddy写了11个 Skill，帮投资者减少一点慌张、增加一份笃定

她用WorkBuddy写了11个 Skill，帮投资者减少一点慌张、增加一份笃定

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